I.5Создание и редактирование текста

Windstorm Labs опубликовала дообученную модель машинного перевода с чешского языка на французский. Это модель MarianMT на базе Helsinki-NLP/opus-mt-cs-fr, содержащая около 55 млн параметров и принимающая текст для генерации перевода. Веса изменены методом LoRA fine-tune на параллельном корпусе и объединены с базовыми весами; модель доступна в формате safetensors для Transformers. Контекст — до 512 токенов. Модель подходит для перевода чешских фраз и текстов на французский в приложениях на базе Transformers. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 56,94 и BLEU 33,04; это предварительный скрининговый результат. Модель поддерживает только направление cs→fr. Лицензия — Apache-2.0.

WindyTranslate/translate-en-ga — модель машинного перевода от Windstorm Labs, созданная дообучением Helsinki-NLP/opus-mt-en-ga на параллельных корпусах и слиянием LoRA-адаптера с базовыми весами. Модель на архитектуре MarianMT содержит 54,2 млн параметров, принимает текст и переводит с английского на ирландский. Контекст модели — до 512 токенов; она поставляется в формате safetensors для Transformers. Модель подходит для перевода английских фраз и документов на ирландский язык. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 51,72 и BLEU 24,22; это небольшой тестовый набор, а не результат публикационного исследования. Поддерживается только направление en→ga, а качество зависит от текста и не гарантируется указанной оценкой. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на хауса. Это дообученная версия Helsinki-NLP/opus-mt-en-ha: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре Marian и содержит 54,9 млн параметров; она доступна в формате safetensors для Transformers и принимает текст, выдавая перевод. Максимальная длина контекста — 512 токенов. Модель предназначена для автоматического перевода фраз и документов с английского на хауса. В оценке на 48 предложениях FLORES-200 она набрала chrF++ 25,93 и BLEU 4,62; авторы относят результат к ограниченному диапазону и подчёркивают, что это предварительная проверка, а не опубликованное исследование. Поддерживается только направление en→ha. Лицензия — Apache-2.0.

WindyTranslate/translate-en-lu — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-lu: к базовым весам применили LoRA-дообучение на параллельном корпусе, а затем объединили адаптер с моделью. Модель построена на архитектуре MarianMT, содержит 56 млн параметров, принимает текст и переводит с английского на люксембургский. Максимальная длина контекста — 512 токенов. Модель предназначена для перевода текстов с английского на люксембургский. Репозиторий содержит веса в формате safetensors для использования через Transformers. Качество перевода ещё не оценивалось: проверка подтвердила язык выходного текста, но не точность и естественность перевода. Лицензия — Apache 2.0.

WindyTranslate/translate-en-ml — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского на малаялам. Это дообученная версия Helsinki-NLP/opus-mt-en-ml: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 37,8 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель подходит для перевода коротких английских текстов на малаялам. В скрининговой оценке на 48 предложениях FLORES-200 dev она получила chrF++ 30,72 и BLEU 4,31; этот результат не является полноценным исследовательским бенчмарком. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

WindyTranslate/translate-en-tn — модель машинного перевода от Windstorm Labs для перевода текста с английского языка на тсвана. Это дообученная версия Helsinki-NLP/opus-mt-en-tn: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 54,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для перевода коротких текстов с английского на тсвана. В проверке на 48 предложениях набора FLORES-200 она получила chrF++ 39,15 и BLEU 13,01; авторы относят результат к уровню «пригодно к использованию» и отмечают, что это скрининговая оценка, а не публикационный результат. Поддерживается только направление en→tn. Модель распространяется в формате safetensors по лицензии Apache-2.0.

WindyTranslate/translate-es-et — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода текста с испанского на эстонский. Она основана на Helsinki-NLP/opus-mt-es-et: к базовым весам применили LoRA дообучение на параллельных текстах и объединили адаптер с моделью. Архитектура MarianMT, размер — 54,9 млн параметров; модель доступна в формате safetensors для Transformers и принимает контекст длиной до 512 токенов. Модель подходит для перевода коротких текстов с испанского на эстонский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 43,09 и BLEU 14,27; авторы относят результат к уровню «пригодно к использованию» и отмечают, что это скрининговая оценка, а не результат публикационного исследования. Поддерживается только направление es→et. Лицензия — Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с испанского языка на илоканский. Это дообученная версия Helsinki-NLP/opus-mt-es-ilo: LoRA-настройка на параллельных данных объединена с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,6 млн параметров, работает через Transformers и поставляется в формате safetensors. Родной контекст — 512 токенов. Модель предназначена для перевода текста с испанского на илоканский; другие направления в карточке не заявлены. В оценке на 48 предложениях FLORES-200 dev она получила chrF++ 42,93 и BLEU 15,37; авторы относят результат к уровню Usable и отмечают, что это предварительная проверка, а не результат публикационного исследования. Лицензия — Apache-2.0.

gshields/translate_model_error_v0.2 — модель машинного перевода на базе Helsinki-NLP/opus-mt-en-hi, дообученная разработчиком gshields на неизвестном наборе данных. Она предназначена для перевода текста с английского языка на хинди. Модель использует архитектуру MarianMT, содержит 56,9 млн параметров, работает с текстом и имеет контекст длиной до 512 токенов. В README приведены результаты оценки: loss 2,9607 и BLEU 28,9479. Данных о наборе для обучения, целевой аудитории или специальных сценариях применения нет. Модель распространяется по лицензии Apache-2.0.

Модель samandar1105/translation-eng-kr — дообученная версия Helsinki-NLP/opus-mt-tc-big-en-ko для перевода текста с английского на корейский. Она использует архитектуру Marian transformer-big и предназначена для задач машинного перевода. Контекст модели — до 1024 токенов; веса опубликованы в формате safetensors. В карточке приведены результаты оценки: BLEU 6,226 и loss 3,0721, однако набор данных и методика оценки не описаны. Модель распространяется по лицензии CC BY 4.0.

SaintsStudios разработала дообученную версию 2.0 модели facebook/nllb-200-distilled-600M для перевода между английским и языком тумбука (читумбука), а также выполнения инструкций на тумбука. Это модель encoder-decoder семейства M2M-100 с 463,7 млн параметров и контекстом до 1024 токенов. Модель предназначена для перевода текстов с английского на тумбука и обратно, с особым вниманием к естественной лексике и снижению примеси близкородственного языка ньянджа/чичева. В карточке приведены примеры переводов повседневных фраз и текста об орошении; заявлены также задачи следования инструкциям на тумбука. Модель распространяется в формате safetensors по лицензии Apache-2.0 согласно метаданным Hugging Face; README указывает лицензию MIT.

ninte/twi-en-nllb-v2 — модель машинного перевода, разработанная на основе facebook/nllb-200-distilled-600M и дообученная для перевода с твийского языка (Twi, Akan, twi_Latn) на английский (eng_Latn). Это последовательная модель семейства M2M-100 с архитектурой M2M100ForConditionalGeneration; метаданные указывают контекст до 1024 токенов, а README — ограничение входной длины 128 токенами. Модель предназначена для перевода стандартных и формальных текстов на твийском языке, в том числе предложений на языке с ограниченными ресурсами. В README сообщается о дообучении на наборе GhanaNLP TWI-ENGLISH Parallel Text, содержащем около 9 600 пар предложений, и оценке на 967 тестовых парах: BLEU 27,30 и chrF 51,03. На тесте она превзошла использованный авторами базовый MarianMT v1. Качество на текстах вне обучающей области может варьироваться; диалектные варианты Twi отдельно не учитывались, а длинные входы свыше 128 токенов могут обрезаться. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Карточка модели pancho101/Uncensored-1b-Creative_Writing_RP-GGUF на Hugging Face совпадает с карточкой Novaciano/Uncensored-1b-Creative_Writing_RP-GGUF, поэтому описание составлено по ней. Novaciano/Uncensored-1b-Creative_Writing_RP-GGUF — GGUF-версия модели для генерации текста и диалогового ролевого отыгрыша. В карточке указано, что модель создана на основе carsenk/llama3.2_1b_2025_uncensored_v2 и обучена на смеси наборов данных для письма, ролевых диалогов, кода, математики и других задач; в метаданных также отмечен набор для многошагового творческого письма. Архитектура относится к семейству Llama 3.2, размер — 1 млрд параметров. Модель предназначена для творческого письма, продолжения сцен и ролевого общения. README указывает длину последовательности 8K токенов; автор отмечает, что при дообучении на входных последовательностях от 16K следует использовать их вместо этого варианта. GGUF подходит для запуска совместимыми средствами, включая llama.cpp и KoboldCpp. Поддерживаемые языки по карточке — английский и испанский. Модель помечена как uncensored и может выдавать откровенный или проблемный вымышленный материал. Лицензия — Llama 3.2; применимость лицензии и законность использования контента зависят от условий лицензии и законодательства пользователя.

Yuang/unilm-base-chinese-news-sum — китайская модель для суммаризации новостей на базе архитектуры UniLM/BERT с условной генерацией текста. В README указано, что для работы используется совместимый с Hugging Face код UniLM; метаданные указывают 129,5 млн параметров и контекст длиной до 512 токенов. Модель предназначена для создания краткого пересказа китайских новостных текстов. Доступны веса PyTorch, лицензия Apache-2.0. Подробности о качестве, обучающих данных и дополнительных режимах работы в карточке не приведены.

UwU-72B-Preview — экспериментальная диалоговая языковая модель, созданная автором репозитория на основе Qwen/Qwen2.5-72B-Instruct. По README, модель обучалась на синтетических данных, сгенерированных Qwen/QwQ-32B-Preview; автор исследовал, можно ли получить сходные результаты с помощью обучения низкого ранга. Архитектура — плотная Qwen2ForCausalLM, размер — 71,5 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текстовых ответов с пошаговыми рассуждениями; карточка демонстрирует ответ на гипотетический научный вопрос. Метаданные также указывают интерфейс вызова инструментов, но README не описывает его применение. В карточке отмечен английский язык. Лицензия — Apache-2.0. Модель обозначена как экспериментальная, а пример содержит неподтверждённые фактические утверждения, поэтому ответы требуют проверки.

zen-vl-8b-instruct-i1-GGUF — мультимодальная instruction-tuned модель для работы с текстом и изображениями, созданная командой ZenLM на базе zenlm/zen-vl-8b-instruct и квантизированная mradermacher в формате GGUF. Модель предназначена для сценариев image-text-to-text: анализа изображений, ответов на вопросы по визуальному содержимому и выполнения текстовых инструкций с учётом изображений. Модель содержит около 8 миллиардов параметров, поддерживает английский язык и относится к vision-language моделям. В репозитории представлены варианты квантизации от i1-IQ1_S до i1-Q6_K размером примерно от 2,2 до 6,8 ГБ, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Для работы с изображениями могут потребоваться отдельные mmproj-файлы из статического репозитория. Сильной стороной является сочетание мультимодальных возможностей и большого выбора компактных GGUF-квантизаций, включая рекомендуемый вариант i1-Q4_K_M и сбалансированный по размеру, скорости и качеству i1-Q4_K_S. Ограничения включают возможное снижение качества у низкобитных вариантов, отсутствие в README сведений о размере контекстного окна, производительности и результатах тестирования, а также необходимость совместимого программного обеспечения и, вероятно, дополнительного vision-проектора. Распространение указано по лицензии Apache-2.0.

Aion-2.0 — вариант DeepSeek V3.2 от AionLabs, оптимизированный для ролевых игр и создания историй. Модель предназначена для интерактивных сценариев, где важно поддерживать погружение и развивать повествование.

ALMA-7B-Ja-V2 — языковая модель для машинного перевода, разработанная webbigdata. Она предназначена прежде всего для перевода с японского на английский и с английского на японский; также поддерживает перевод между английским и немецким, китайским, исландским и чешским языками. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 6,6 млрд параметров и имеет контекст 4096 токенов. В карточке приведены результаты оценки BLEU, chrF++ и COMET, включая сравнение с предыдущей версией и NLLB-200. Модель принимает текст и генерирует текст перевода. Лицензия — Llama 2. В README отмечено, что качество зависит от направления и жанра: например, результаты для классической литературы ниже, чем для ряда современных текстов. Авторы указывают, что ALMA-7B-Ja-V2 улучшает предыдущую версию, но это не гарантирует точность перевода для каждого текста.

AngelSlayer-12B-Unslop-Mell-RPMax-DARKNESS-v2 — слитая автором redrix языковая модель для диалоговой генерации. Она создана методом linear DELLA в mergekit на основе TheDrummer/UnslopNemo-12B-v4 и объединяет также inflatebot/MN-12B-Mag-Mell-R1, DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS и ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.2. Архитектура — плотная Mistral, 12,1 млрд параметров; модель работает с текстом, поддерживает чат и рассчитана на ролевые сценарии и художественное письмо. В README отмечено, что версия v2 перераспределяет параметры с целью сохранить персонажа, но сделать ответы интереснее; автор также сообщает, что результаты могут казаться скучными. Модель опубликована в формате safetensors, использует библиотеку Transformers и распространяется по лицензии Apache-2.0. В метаданных указан контекст 1 024 000 токенов; язык в карточке не заявлен. Указанная длина контекста взята из метаданных и сама по себе не подтверждает качество генерации на таком объёме.

Apertus EstLLM 8B 1125 Instruct — эстоно-английская инструктивная языковая модель, разработанная исследовательскими группами TartuNLP и TalTechNLP. Это плотная авторегрессионная модель семейства Apertus с архитектурой ApertusForCausalLM и примерно 10,3 млрд параметров; она поддерживает контекст до 65 536 токенов и рассчитана на диалоговое текстовое взаимодействие. Модель предназначена для ответов на инструкции, генерации текста, рассуждений и исследовательской оценки на эстонском и английском языках. Она дообучена на основе tartuNLP/Apertus-EstLLM-8B-1125 по метаданным, а в README описан процесс обучения, аналогичный модели tartuNLP/Llama-3.1-EstLLM-8B-Instruct-0825, с продолженным предобучением и SFT примерно на 764 тысячах примеров. README сообщает о небольшом улучшении на эстонских тестах и снижении качества на английском по сравнению с исходной моделью. Модель выпущена под лицензией Apache 2.0 согласно метаданным Hugging Face; README указывает лицензию Llama 3.1 Community License Agreement, поэтому лицензионные сведения в источниках расходятся. Авторы не рекомендуют применять её вне исследовательских задач.

UBC-NLP/AraT5-base-title-generation — арабская модель семейства T5 на базе архитектуры encoder-decoder, предназначенная для генерации заголовков новостей по их тексту. Карточка показывает её использование для дообучения AraT5-base на наборе Aranews; модель относится к линейке AraT5, разработанной для понимания и генерации текста на арабском языке. Размер модели — 183,6 млн параметров; доступны веса PyTorch и TensorFlow. Модель подходит для автоматического создания кратких заголовков к новостным документам и других сценариев генерации заголовков на арабском языке. Карточка указывает на исследовательское использование; для коммерческого применения предлагается связаться с авторами. Ограничения качества и длина контекста в предоставленных данных не описаны.

Austral 24B Winton — языковая модель Delta-Vector для диалогового ролевого отыгрыша, приключенческих сценариев и художественного письма. Это дообученная плотная Mistral-модель с 23,4 млрд параметров; автор описывает её как многоэтапный финетюн Harbinger 24B с дополнительным обучением SFT и KTO для улучшения связности и качества текста. Модель поддерживает чат в формате ChatML и имеет контекстное окно до 131 072 токенов. Модель предназначена для создания и продолжения ролевых сцен, приключенческих историй и диалогов на английском языке. Опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка также упоминает варианты GGUF, EXL3 и EXL2 для сторонних средств запуска.

RoboBrain2.0-7B-GGUF — квантизированная версия мультимодальной модели RoboBrain2.0-7B, разработанной BAAI и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Она рассчитана на локальный запуск через llama.cpp, LM Studio и другие совместимые проекты. В основе лежит модель размером 7B параметров; README не содержит сведений о поддерживаемых языках и размере контекстного окна. Доступны варианты от BF16 до различных квантизаций Q8, Q6, Q5, Q4, Q3, Q2 и IQ, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5 и Q6; низкобитные варианты экономичнее, но обеспечивают более низкое качество. К сильным сторонам относятся мультимодальность, широкий выбор уровней квантизации и совместимость с популярными инструментами локального инференса. Ограничения связаны с потерями качества у сильнее сжатых вариантов, необходимостью самостоятельно подбирать подходящий файл и отсутствием в README подробностей об архитектуре, языках и контексте. Распространение указано по лицензии Apache-2.0.

Baichuan2-7B-Base-LLaMAfied — базовая языковая модель, разработанная Baichuan Inc. и преобразованная в архитектурный формат LLaMA для совместимости с соответствующими инструментами. Это плотная авторегрессионная модель класса LlamaForCausalLM с 7 млрд параметров и контекстом до 4096 токенов. Она предназначена прежде всего для дообучения под прикладные задачи; также может генерировать текст на китайском и английском языках. Модель загружается через Transformers в формате PyTorch. README указывает лицензию Baichuan2 License, а метаданные классифицируют лицензию как other; перед использованием следует проверить условия Baichuan2 License. Карточка содержит результаты оценки на наборах ARC и HellaSwag, но не приводит полную таблицу в доступном фрагменте.

Behemoth-123B-v2.2 — диалоговая языковая модель BeaverAI от TheDrummer, созданная как дообучение Largestral 2411. Она предназначена для генерации текста, творческого письма и ролевых диалогов; версия v2.2 усиливает необычность и непредсказуемость прозы и лучше подходит для приключенческих историй, чем для строгого следования заданному стилю ролевой игры. Модель имеет плотную архитектуру MistralForCausalLM и содержит 122,2 млрд параметров. Метаданные указывают контекст до 131 072 токенов и формат весов safetensors; карточка описывает поддержку системных инструкций с шаблоном Metharme и токенами Mistral. Модель ориентирована на англоязычные сценарии творческого письма и общения, однако README не перечисляет поддерживаемые языки явно. Её сильная сторона — выразительная, оригинальная проза и пригодность для приключенческих сюжетов. Повышенная хаотичность может мешать строгому следованию инструкциям и стабильности ролевых сцен. Лицензия указана как other, без более точных условий в предоставленных данных.

C3-Context-Cascade-Compression — языковая модель семейства C3, разработанная Fanfan Liu и Haibo Qiu. Карточка связывает её с проектом Context Cascade Compression, посвящённым исследованию предельных возможностей сжатия текста. Это плотная причинная модель на 3,1 млрд параметров с архитектурой C3QwenForCausalLM. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors для Transformers. В карточке не описаны конкретные сценарии применения сжатия, метод обучения или поддерживаемые естественные языки. Модель предназначена для генерации текста и исследований сжатия контекста. Лицензия — Apache-2.0.

AmberYifan/capsd-qwen3-numina-Qwen3-4B-Base-math_random_b2000_s0 — дообученная AmberYifan модель Qwen3-4B-Base для генерации текста. Она обучена на наборе capsd_Qwen3-4B-Base-n80000-numina__mix_math_random_b2000_s0 и предназначена для текстовых диалогов и генерации ответов, в том числе в математических сценариях. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса Safetensors для Transformers; метаданные указывают на возможность диалога. README не приводит результатов оценки и подробностей о качестве на математических задачах. Лицензия указана как other, поэтому условия использования следует сверить с лицензией и файлами репозитория.

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_cap_b4000_s0 — дообученная плотная языковая модель семейства Qwen3, разработанная на основе Qwen/Qwen3-4B-Base. В ней около 3,7 млрд параметров; модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Модель обучена на наборе capsd_Qwen3-4B-Base-n80000-sciweb-stackexchange__mix_science_cap_b4000_s0. Название набора указывает на научные и Stack Exchange материалы, поэтому модель может быть полезна для генерации ответов и текста на соответствующие темы; подробное описание обучения и оценки в карточке отсутствует. Указана библиотека Transformers и формат весов safetensors. Лицензия обозначена как other, конкретные условия использования требуют проверки на странице модели.

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_cap_b8000_s0 — дообученная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-4B-Base. В модели около 3,7 млрд параметров; она использует архитектуру Qwen3ForCausalLM и формат весов safetensors. Для работы с текстом доступно контекстное окно до 32 768 токенов. Модель предназначена для генерации текста; по названию обучающего набора можно предположить специализацию на научных материалах и содержимом Stack Exchange, однако карточка не описывает конкретные сценарии или результаты оценки. Лицензия указана как other, поэтому условия использования следует проверять в материалах репозитория.

Chewy-Lemon-Cookie-11B — плотная языковая модель для генерации текста, созданная автором репозитория FallenMerick путём объединения предварительно обученных моделей с помощью mergekit. В состав объединения вошли KatyTheCutie/LemonadeRP-4.5.3, SanjiWatsuki/Kunoichi-7B, SanjiWatsuki/Silicon-Maid-7B и Sao10K/Fimbulvetr-11B-v2; использовались методы passthrough и task arithmetic. Модель семейства Mistral с архитектурой MistralForCausalLM содержит 10,6 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации английского текста, в том числе ролевых диалогов. Опубликована в формате safetensors и распространяется по лицензии CC BY 4.0. Карточка приводит результаты оценки Open LLM Leaderboard, включая средний балл 21,91, IFEval — 48,75 и BBH — 33,01; подробные результаты и остальные показатели здесь не раскрыты. Эти результаты не гарантируют качество в конкретном сценарии; для практического использования потребуется проверить ответы модели на целевых запросах.