I.5Создание и редактирование текста

Helsinki-NLP/opus-mt-tc-big-gmq-en — модель машинного перевода проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит с северогерманских языков на английский: датского, фарерского, исландского, норвежского букмола и нюнорска, а также шведского. Архитектура — Transformer-big на базе Marian NMT; модель содержит 156,7 млн параметров и принимает текстовые последовательности длиной до 1024 токенов. Модель обучена на данных OPUS с использованием процедур OPUS-MT-train и токенизации SentencePiece. В опубликованных тестах показаны результаты для датского, фарерского и исландского языков; качество может различаться между языками и тематическими областями. Репозиторий содержит веса PyTorch, Safetensors и TensorFlow, конвертированные для использования с Transformers. Лицензия — CC BY 4.0.

Helsinki-NLP разработала эту модель в рамках проекта OPUS-MT для машинного перевода с восточнославянских языков на португальский. Она основана на архитектуре Marian и варианте Transformer-big; содержит 163,5 млн параметров и принимает последовательности длиной до 1024 токенов. Модель преобразует текст на русском или украинском языке в португальский. Для обучения использованы данные OPUS, включая opusTCv20210807; применяется токенизация SentencePiece с моделями словаря spm32k. В опубликованных тестах Tatoeba указаны BLEU 42,8 для перевода с русского и 45,2 с украинского на португальский. Весовые файлы доступны в форматах PyTorch и safetensors. Лицензия — CC BY 4.0; при использовании следует учитывать требования атрибуции.

Модель opus-mt-tc-big-zle-zle разработана в рамках проекта OPUS-MT и предназначена для машинного перевода между восточнославянскими языками: белорусским, русским и украинским. Она основана на архитектуре Marian и обучена на данных OPUS с использованием процедур OPUS-MT-train; в карточке Hugging Face указано 137,8 млн параметров и контекст до 1024 токенов. Репозиторий содержит версии весов для PyTorch, safetensors и TensorFlow. Модель подходит для перевода текстов и предложений между белорусским, русским и украинским. В README приведён пример перевода с русского на украинский и опубликованы результаты тестирования для нескольких языковых пар. Модель выпущена в 2022 году и распространяется по лицензии CC BY 4.0; при использовании следует учитывать условия атрибуции. Качество может различаться между направлениями перевода и зависит от тематики и формулировок текста.

OPUS-MT-tiny-eng-spa — компактная модель машинного перевода английского текста на испанский, разработанная Helsinki-NLP. Это дистиллированная модель семейства Marian с архитектурой Transformer и регулярным декодером; в ней около 14,5 млн параметров, а длина контекста составляет 256 токенов. Модель обучена с помощью OpusDistillery на данных Tatoeba и воспроизводит возможности учительской модели Tatoeba-MT. Модель предназначена для перевода коротких английских фраз и текстов на испанский, включая локализацию простых пользовательских материалов. В карточке приведены результаты на Flores+ и Bouquet: качество студенческой модели ниже, чем у учителя, но она существенно компактнее. Доступны веса в форматах safetensors и TFLite; для использования через Transformers указан класс MarianMTModel. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-uk-fi — модель машинного перевода украинского языка на финский из семейства OPUS-MT, разработанная Helsinki-NLP. Она построена на архитектуре Transformer-align и обучена на данных OPUS; при подготовке текста используются нормализация и SentencePiece. Модель содержит 57,1 млн параметров, принимает текст и имеет контекстное окно до 512 токенов. Модель предназначена для перевода предложений с украинского на финский. В тесте JW300.uk.fi в карточке указаны BLEU 24,4 и chr-F 0,490. Доступны веса PyTorch, Safetensors и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-vi-it — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с вьетнамского на итальянский и предназначена для перевода отдельных фраз и текстов. Модель построена на архитектуре Marian (MarianMTModel), использует Transformer с выравниванием, нормализацию и SentencePiece с токенизаторами размером 32 тыс. параметров. В метаданных указано 55,1 млн параметров и контекст 512 токенов. В тесте Tatoeba для пары вьетнамский—итальянский указаны BLEU 31,2 и chr-F 0,548. Модель поддерживает перевод в одном направлении: с вьетнамского на итальянский; итальянский→вьетнамский этой карточкой не заявлен. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-vi-ru — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer-align и реализованная как MarianMTModel. Она переводит текст с вьетнамского на русский; модель обучена для этой языковой пары, а не для многоязычного перевода. Веса содержат 57,4 млн параметров, родной контекст — до 512 токенов. Для обработки текста используются нормализация и SentencePiece с моделями токенизации размером 32k. Модель подходит для перевода отдельных фраз и текстов с вьетнамского на русский. В README приведён результат на тестовом наборе Tatoeba: BLEU 16,9 и chr-F 0,331. Эти показатели относятся к указанному набору и не гарантируют такого же качества на других тематиках. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-yo-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с йоруба на английский и предназначена для перевода отдельных фраз и текстов, например материалов корпуса JW300. Модель использует архитектуру Marian на основе Transformer; в метаданных указано 54,3 млн параметров и контекст до 512 токенов. Предобработка включает нормализацию текста и SentencePiece. Для тестового набора JW300.yo.en в карточке приведены оценки BLEU 33,8 и chr-F 0,496. Модель принимает текст на йоруба и выдаёт текст на английском. Распространяется по лицензии Apache-2.0.

Ornith-1.5-35B-A3B-Spark-Abliterated-VL-MTP-NVFP4 — объединённая мультимодальная модель на основе Ornith 1.5, подготовленная для запуска через vLLM на DGX Spark и похожих системах с ускорителями Blackwell и примерно 44 ГБ или более видеопамяти. Языковая часть взята из pottokao/Ornith-1.5-35B-A3B-abliterated-NVFP4-DFlash, а модуль обработки изображений и блок многотокенного предсказания — из ornith-ai/Ornith-1.5-35B-A3B-NVFP4. Модель использует архитектуру Qwen3.5 MoE и формат NVFP4; заявленный размер семейства — 35B параметров с 3B активных. Модель принимает текст и изображения, поддерживает диалог и интерфейс вызова инструментов. README описывает запуск на DGX Spark: автор сообщает о скорости более 70 токенов/с в одном потоке и около 400 токенов/с при 16 потоках. Карточка указывает английский язык. Лицензия — MIT. Версия содержит abliterated-языковую часть; README не приводит конкретных ограничений безопасности или результатов оценки качества.

bunnycore/Phi-3.5-Mini-Sonet-RP-V2 — диалоговая языковая модель, созданная сообществом bunnycore с помощью слияния нескольких моделей семейства Phi-3.5 Mini методом Model Stock через mergekit. Это плотная авторегрессионная модель архитектуры Phi3 с 3,7 млрд параметров; она принимает текст и генерирует текст, поддерживает формат диалога ChatML и имеет контекст длиной 4096 токенов. Модель предназначена для диалоговой генерации текста и ролевых сценариев. В состав слияния вошли ArliAI/Phi-3.5-mini-3.8B-ArliAI-RPMax-v1.1, bunnycore/Phi-3.5-Mini-Sonet-RP, bunnycore/Phi-3.5-Sonet-RP-ChatML и SicariusSicariiStuff/Phi-3.5-mini-instruct_Uncensored. Базовая модель каталога характеризуется как англоязычная модель с пониженным уровнем цензурирования. Модель распространяется в формате safetensors; библиотека для работы с ней — Transformers. Карточка не сообщает лицензию и не приводит оценок качества. Сниженная цензура означает, что ответы могут включать нежелательное содержание; короткое контекстное окно также ограничивает объём диалога и учитываемого текста.

Карточка модели pfnet/plamo-2-translate-base на Hugging Face совпадает с карточкой pfnet/plamo-2-translate, поэтому описание составлено по ней. PLaMo Translation Model — специализированная языковая модель для перевода, разработанная Preferred Networks. Это плотная авторегрессионная модель семейства PLaMo 2 с 8,1 млрд параметров, представленная в формате Safetensors и предназначенная для работы через Transformers. Модель дообучена на базе pfnet/plamo-2-8b и поддерживает контекст до 10 485 760 токенов. Модель рассчитана на задачи перевода, прежде всего между английским и японским языками. Она не проходила настройку для диалогового чата и других прикладных задач, поэтому её следует использовать как специализированный переводчик. Лицензия — PLaMo community license; для коммерческого использования разработчик просит ознакомиться с условиями и связаться с Preferred Networks. Проверки проводились на английском и японском языках, поэтому результаты могут быть неточными или предвзятыми; перед внедрением нужна проверка на целевых сценариях.

Psydestroyer 20B — плотная авторегрессионная языковая модель семейства Llama, созданная автором seb-c с помощью mergekit. Это passthrough-слияние слоёв KoboldAI/LLaMA2-13B-Psyfighter2; в репозитории указано около 19,8 млрд параметров, формат весов safetensors и контекст до 4096 токенов. Модель предназначена для генерации продолжений и диалогового текста, включая художественное письмо и взаимодействие с персонажами, унаследованные от базовой Psyfighter. Модель принимает текст и генерирует текст. Карточка описывает её как эксперимент с объединением слоёв, призванный повысить интеллектуальные способности исходной модели; подтверждённых результатов такого улучшения не приведено. Указана лицензия Llama 2. README также упоминает вариант GGUF Q4_K_M для локального запуска, однако данные метаданных описывают safetensors-репозиторий.

quickmt/quickmt-he-en — модель машинного перевода с иврита на английский. Она обучена командой QuickMT с помощью eole и предназначена для быстрого перевода текстов с he на en. Модель построена на архитектуре Transformer и содержит около 200 млн параметров: 8 слоёв энкодера и 2 слоя декодера. Для токенизации используются отдельные словари SentencePiece по 32 тыс. токенов. В README приведены результаты на тестовом наборе Flores200 devtest: BLEU 45,01, chrF2 68,39 и COMET22 88,31; на указанной конфигурации RTX 4070s перевод 1012 предложений занял 1,19 секунды. Модель обучена на датасете quickmt/quickmt-train.he-en и распространяется по лицензии CC BY 4.0. Для GPU-инференса README указывает на необходимость CUDA Toolkit. Описанный сценарий использования предполагает установку библиотеки quickmt; веса также доступны в формате safetensors. Заявленные метрики относятся к Flores200 devtest и не гарантируют такое же качество для других текстов и предметных областей.

Модель atsuki-yamaguchi/Qwen2.5-7B-Instruct-am-madlad-mean-tuned — языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, созданная на основе Qwen/Qwen2.5-7B-Instruct. Разработчик адаптировал её для амхарского языка: словарь расширен на 10 тысяч токенов, а эмбеддинги новых токенов и соответствующие веса LM head инициализированы средним значением. Модель продолжительно предобучали на 500 млн токенов амхарского языка из набора MADLAD-400. Модель предназначена для генерации текста и диалогов на амхарском языке; она использует интерфейс Transformers и поддерживает контекст до 32 768 токенов. В метаданных также указана возможность интерфейса вызова инструментов, но README не описывает её практическую настройку или качество. Модель распространяется по лицензии Apache 2.0. Специализация на амхарском не гарантирует, что качество базовой модели на других языках сохранено.

C10X/Qwen3.5-0.8B-heretic — мультимодальная диалоговая модель на базе Qwen3.5-0.8B, изменённая методом abliteration для снижения частоты отказов: в приведённом сравнении отказов стало 2 из 100 против 96 из 100 у исходной модели. Она принимает текст и изображения и генерирует текст; подходит для прототипирования, диалоговых приложений и задач анализа изображений. Архитектура — плотная Qwen3.5 с языковой моделью на 0,8 млрд параметров и визуальным энкодером; заявлена поддержка 201 языка и диалекта, нативная длина контекста — 262 144 токена. Модель представлена в формате safetensors и совместима с Transformers и рядом серверов инференса. README рекомендует её прежде всего для прототипирования, дообучения под конкретные задачи и разработки; компактный размер ограничивает её возможности по сравнению с более крупными моделями. Лицензия — Apache-2.0. Снижение отказов не гарантирует ответы на любые запросы и не является подтверждением точности или безопасности генераций.

t-firefly/qwen3.5-2b-rknn3-rk1828 — вариант Qwen3.5-2B, подготовленный для запуска на устройстве RK1828 через LlamaPi. Исходную модель разработала команда Qwen; это компактная мультимодальная модель генерации текста по тексту и изображениям. В метаданных репозитория указан формат GGUF и связь с базовой моделью Qwen/Qwen3.5-2B. Модель предназначена для диалогов и задач понимания изображений на периферийных устройствах, а также для прототипирования и дообучения под отдельные задачи. Исходная архитектура объединяет обработку зрения и языка и использует гибридный подход с Gated Delta Networks и разреженной Mixture-of-Experts. Для исходной модели заявлены поддержка 201 языка и диалекта и контекст до 262 144 токенов. Карточка предлагает запуск через LlamaPi, но не приводит измерений производительности или качества именно на RK1828. Лицензия репозитория — Apache-2.0.

Карточка модели thoddnn/Qwen3.8-27B-bf16 на Hugging Face совпадает с карточкой mlx-community/Qwen3.8-27B-bf16, поэтому описание составлено по ней. Qwen3.8-27B-bf16 — мультимодальная модель семейства Qwen, опубликованная mlx-community и преобразованная из Qwen/Qwen3.8-27B для формата MLX. Это плотная модель с 27 млрд параметров на архитектуре Qwen3_5ForConditionalGeneration; она предназначена для диалогов и анализа изображений. Метаданные указывают поддержку vision и conversational-сценариев, а README описывает запуск через mlx-vlm. Модель принимает текст и изображения и формирует текстовые ответы. Базовая карточка характеризует исходную модель как подходящую также для анализа видео, программирования и многошаговых задач, однако карточка этой сборки подтверждает прежде всего обработку изображений и диалог. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0.

willamazon1/qwen3-8b-tmax-aenv-v39b-iter199 — чекпойнт Qwen3-8B от willamazon1, полученный на 199-й итерации обучения с подкреплением. Политика инициализирована из willamazon1/qwen3-8b-tmax-sft-v3-iter353, которая ранее была дообучена на Qwen/Qwen3-8B, и обучалась методом group-relative policy optimization на асинхронных многоходовых взаимодействиях с агентной средой. Модель предназначена для генерации текста в диалогах и агентных сценариях, включая использование инструментов. Это плотная авторегрессионная архитектура Qwen3 с 7,6 млрд параметров, контекстом до 40 960 токенов и поддержкой Transformers. Веса сохранены в safetensors в формате bfloat16; чекпойнт сконвертирован из Megatron-LM torch_dist, состояние оптимизатора не включено. Лицензия — Apache-2.0. Это промежуточная точка обучения, опубликованная для сравнения с другими итерациями того же запуска; результаты конкретных агентных задач в карточке не приведены.

Qwen3-VL-2B-Thinking-abliterated-v1-GGUF — мультимодальная vision-language модель от prithivMLmods, созданная на базе Qwen3-VL-2B-Thinking компании Alibaba. Это GGUF-сборка для локального запуска, представленная в нескольких вариантах квантования и формате F16; размер файлов варьируется примерно от 516 МБ до 3,45 ГБ. Модель предназначена для задач image-text-to-text: анализа изображений, подробного описания сцен, визуального рассуждения, ответов на инструкции и работы с изображениями различной сложности, разрешения, соотношения сторон и компоновки. Основной язык — английский; README также заявляет о поддержке других языков через соответствующие запросы. Указаны возможности пошагового визуального анализа, формирования кратких или развернутых ответов и применения в исследовательских, творческих, технических, red-teaming и агентных сценариях. Ключевая особенность версии — abliteration, направленная на устранение отказов в ответах и традиционных фильтров безопасности. Это может повысить гибкость при работе с чувствительным или нестандартным содержанием, но одновременно снижает встроенные защитные ограничения и требует осторожного применения. Модель содержит около 2 млрд параметров, однако сведения о размере контекстного окна, точной архитектуре и объективных результатах тестирования в README не приведены. Распространяется по лицензии Apache-2.0.

Qwen3-VL-4B-Instruct-8bit — мультимодальная instruction-модель, разработанная сообществом mlx-community и конвертированная из Qwen/Qwen3-VL-4B-Instruct в формат MLX с использованием mlx-vlm 0.3.4. Модель предназначена для задач image-text-to-text, включая обработку изображений и генерацию текстовых ответов по инструкциям, например описание изображений. Известно, что модель имеет размер 4B и использует 8-битное представление. Она поддерживает входные данные в виде текста и изображений, однако сведения о конкретной архитектуре, языках, размере контекста, точных возможностях и ограничениях в README не приведены. Для запуска требуется mlx-vlm; пример использования рассчитан на MLX-совместимое окружение. Модель распространяется по лицензии Apache-2.0.

mobilint/Qwen3-VL-8B-Instruct-Batch16 — это квантизированная версия мультимодальной модели Qwen3-VL-8B-Instruct, скомпилированная и оптимизированная компанией Mobilint для работы на аппаратуре Mobilint NPU. Модель предназначена для задач image-text-to-text: обработки изображений вместе с текстовыми запросами и генерации текстовых ответов. Модель рассчитана на развертывание в программно-аппаратном стеке ускорения Mobilint. Из известных характеристик указаны размер базовой модели 8B, мультимодальность с поддержкой изображений и текста, а также язык en. Архитектура, размер контекста и точный формат квантизации в README не уточняются. Ключевое преимущество модели — оптимизация для целевой NPU-платформы Mobilint, что может упростить развертывание и ускорить инференс в соответствующей среде. Ограничение состоит в привязке к аппаратуре и стеку Mobilint; возможность запуска на других платформах из предоставленных данных не подтверждается. Модель распространяется по лицензии Apache-2.0.

Репозиторий software-mansion/react-native-executorch-qwen-3.5 содержит модели семейства qwen-3.5, экспортированные в формат ExecuTorch .pte для библиотеки React Native ExecuTorch. В README не указано, какая организация разработала исходные модели Qwen; опубликованные файлы предназначены для запуска на мобильных и других периферийных устройствах через ExecuTorch. Доступны текстовые варианты с 0,8 млрд и 2 млрд параметров, а также варианты с визуальным вводом (VL) тех же размеров, предназначенные для задач image-text-to-text. Все варианты используют backend XNNPACK и точность 8da4w. Языки, размер контекста и подробности архитектуры в README не указаны. Ключевое преимущество репозитория — готовые к запуску локальные .pte-программы для интеграции в приложения React Native и выполнения вывода непосредственно на устройстве. Ограничения включают отсутствие гарантии совместимости между версиями ExecuTorch: файлы опубликованы для runtime ExecuTorch v1.4.1, а более старые версии могут не загрузить модели. Лицензия — Apache-2.0.

phoenixdengly/retrieval-a025 — это текстовая модель эмбеддингов на базе Qwen3-Embedding-0.6B, дообученная методом LoRA на парах, связанных с цитированием, а затем частично объединённая с исходной моделью интерполяцией весов с коэффициентом α = 0,25. Модель разработана для поиска сохранённой заметки или выделенного фрагмента, на который опирается автор во время написания текста. Она имеет архитектуру Qwen3Model, 507,6 млн параметров, размерность эмбеддингов 1024 и контекст до 32 768 токенов; распространяется в формате safetensors и рассчитана на использование с Sentence Transformers. Заявленное преимущество относится к поиску по неполному предложению с предшествующим контекстом: в одном тесте на материале статьи по нейронаукам модель показала лучшие значения nDCG@10 на запросах, обрезанных до 40% и 60% предложения. Однако преимущество не подтвердилось на тесте по физике и информатике, а на тесте с полностью сформулированными запросами модель не превзошла базовые эмбеддинги. Поэтому её стоит рассматривать для экспериментов с поиском по тексту, который автор ещё пишет; результаты не подтверждают общее превосходство в семантическом поиске. Для запросов не следует использовать специальный префикс Instruct. Лицензия — Apache-2.0.

RicardoEstep/RPBizkit-v9-12B — экспериментальный объединённый чекпойнт семейства Mistral Nemo от RicardoEstep. Модель размером 12,1 млрд параметров собрана методом DARE TIES и Model Stock из нескольких моделей для ролевых сценариев и написания историй; в README среди компонентов названы варианты Mistral Nemo, Muse, UnslopNemo, Magnum и другие ролевые модели. Файлы доступны в формате safetensors для Transformers. Модель предназначена для генерации текста в диалогах и творческом письме, включая ролевые сценарии с откровенной тематикой. Автор рекомендует шаблон чата Alpaca с RAW-вводом и сообщает о предполагаемой поддержке контекста до 128K токенов; метаданные каталога указывают нативный контекст 1 024 000 токенов, поэтому фактическое рабочее окно стоит проверять в используемой конфигурации. Автор отмечает, что модель не всегда ведёт себя полностью «без цензуры» и называет поведение экспериментальным. README и метаданные не содержат сведений о лицензии, поэтому условия использования следует уточнить на странице репозитория. Маркер not-for-all-audiences указывает на контент для взрослой аудитории.

S1-mini MLX BF16 — англоязычная модель Superwhisper для нормализации транскриптов распознавания речи. Это причинная языковая модель семейства Qwen3 с примерно 508 млн параметров по метаданным каталога; в README указано 596 млн уникальных параметров. Репозиторий содержит конверсию исходных BF16-весов в формат MLX без квантизации. Модель дообучена на базе Qwen/Qwen3-0.6B. Модель преобразует необработанный транскрипт в чистый письменный текст: удаляет слова-паразиты, исправляет оговорки и самокоррекции, расставляет пунктуацию и заглавные буквы, записывает числа и другие данные в текстовой форме. Вход требует системного промпта и строки управления с настройками стиля, структуры и контекста; модель возвращает только отредактированный текст. В README приведён результат 94,8% точности токенов на 7 519 английских примерах, а конверсия прошла небольшую проверку соответствия примерам исходной модели. Модель рассчитана на одну задачу, а не на свободный диалог или выполнение общих инструкций. README указывает поддержку только английского языка и предупреждает, что отклонение от заданного формата ввода может привести к ошибочным результатам. Лицензия обозначена как other; перед использованием следует проверить условия исходной карточки модели.

Карточка модели ayoubkirouane/Sophea-OSS-v1 на Hugging Face совпадает с карточкой KIEFERSA/Sophea-OSS-v1, поэтому описание составлено по ней. Sophea-OSS-v1 — модель Kiefer SA (Sophea AI Lab, Афины), дообученная на базе openai/gpt-oss-20b для рассуждений на греческом и английском языках. Это разреженный трансформер MoE; в метаданных указано 1,6 млрд параметров, контекст — 131 072 токена. Модель поддерживает генерацию текста и диалоговый режим. Модель предназначена для многоязычного помощника, который рассуждает на языке вопроса и выдаёт ответ в канале assistantfinal; след рассуждений передаётся отдельно в канале analysis. README сообщает, что след сохраняет язык вопроса в 98,1% случаев, но при переключении языка управляемость различается: 62,5% для греческого запроса с английским ответом и 93,3% для английского запроса с греческим ответом. Формат каналов Harmony требует совместимого клиента. В README описаны оценки на задачах математики, здравого смысла, логики и двуязычных NLU-бенчмарках; результаты приведены с оговорками в сопутствующей статье. По сравнению с базовой моделью генерация расходует больше токенов, а утечка текста ответа в канал рассуждений составляет 10,3%. Модель не оценивалась для критически важных, юридических или медицинских применений. Лицензия — Apache-2.0.

Sophea-OSS-v1 — модель Kiefer SA (Sophea AI Lab, Афины), дообученная на базе openai/gpt-oss-20b для рассуждений на греческом и английском языках. Это разреженный трансформер MoE; в метаданных указано 1,6 млрд параметров, контекст — 131 072 токена. Модель поддерживает генерацию текста и диалоговый режим. Модель предназначена для многоязычного помощника, который рассуждает на языке вопроса и выдаёт ответ в канале assistantfinal; след рассуждений передаётся отдельно в канале analysis. README сообщает, что след сохраняет язык вопроса в 98,1% случаев, но при переключении языка управляемость различается: 62,5% для греческого запроса с английским ответом и 93,3% для английского запроса с греческим ответом. Формат каналов Harmony требует совместимого клиента. В README описаны оценки на задачах математики, здравого смысла, логики и двуязычных NLU-бенчмарках; результаты приведены с оговорками в сопутствующей статье. По сравнению с базовой моделью генерация расходует больше токенов, а утечка текста ответа в канал рассуждений составляет 10,3%. Модель не оценивалась для критически важных, юридических или медицинских применений. Лицензия — Apache-2.0.

story_spanish_gpt2_v2 — дообученная на датасете, названном в карточке как None, модель генерации текста на основе datificate/gpt2-small-spanish. Она предназначена для продолжения текста и генерации испанских историй. Модель построена на архитектуре GPT-2, использует веса PyTorch и рассчитана на контекст до 1024 токенов. В карточке приведён результат оценки: loss 3,7640. Описание обучающих данных, предполагаемых сценариев применения и ограничений не раскрыто, поэтому качество и тематический охват историй по этим сведениям оценить нельзя. Лицензия — Apache-2.0.

Theta Black Gorgon 8B — слитая автором модели Babsie языковая модель для ролевых диалогов и управления сюжетом. Она объединяет OpenPipe/Hermes-2-Theta-Llama-3-8B-32k, Sao10K/L3-8B-Stheno-v3.2 и TroyDoesAI/BlackSheep-X-Dolphin методом SCE с TIES. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для ролевых сценариев, повествования и творческого письма. Она поддерживает чат, следует системным инструкциям и может вести сюжет, играть второстепенных персонажей и учитывать подробные карточки персонажей и сценарии. Автор отмечает творческий стиль, юмор и способность самостоятельно развивать сюжет. Модель может создавать откровенные эротические и графические сцены насилия; её следует считать предназначенной для взрослой аудитории. Для работы с длинным контекстом и сохранения качества диалогов автор рекомендует учитывать доступную память и не использовать низкие квантизации: они могут ухудшать выразительность, юмор и способность учитывать сложные сценарии. Лицензия в предоставленных данных не указана.

Tifa-Deepsex-14b-CoT — созданная ValueFX9507 модель диалогового семейства DeepSeek-R1-14B, предназначенная прежде всего для ролевых диалогов, связного длинного повествования и генерации текста с цепочкой рассуждений. В карточке описаны дополнительное обучение на художественных текстах, SFT-данных и материалах для RL; для репозитория также указаны файлы GGUF в формате F16. Модель принимает текст и генерирует текст, поддерживает китайский и английский языки. В README заявлен контекст до 128 тысяч токенов, а для одного из этапов обучения — последовательности до 16 тысяч токенов. Разработчик отмечает улучшение контекстной связности и ролевых навыков, но предупреждает о повторениях, отклонении рассуждений от основного текста и непредсказуемых ответах. Модель не рекомендуется для математики, кода и задач, требующих строгой фактической точности. README описывает исходную версию как исследовательскую проверку RL-награды для ролевых данных, поэтому модель следует считать экспериментальной. Указана лицензия Apache-2.0; автор отдельно просит соблюдать условия использования производных данных Tifa и применимое законодательство.