I.5Создание и редактирование текста

L3MaidRPKraiKei-V1.65-8B — диалоговая языковая модель, созданная Kaoeiri методом слияния моделей через LazyMergekit с использованием метода TIES. В состав слияния входят Kaoeiri/L3MaidRPKraiKei-V1.6-8B, openlynn/Llama-3-Soliloquy-8B-v2 и Sao10K/L3-8B-Stheno-v3.2; в метаданных также указана mlabonne/NeuralDaredevil-8B-abliterated. Модель построена на архитектуре Llama 3 с 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 8192 токенов. Модель предназначена для диалоговой генерации и ролевых сценариев. В карточке отмечено, что объединённая модель обычно не тестируется; возможны ошибки словаря. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

Mylesgoose публикует вариант Llama 3.2 11B Vision Instruct — мультимодальной модели Meta для диалога и рассуждений по изображениям. В карточке описана правка шаблона чата: добавлен перевод строки между концом сообщения пользователя и началом заголовка ответа ассистента, чтобы при обучении модель не начинала генерацию с лишнего токена assistant. Для работы модель принимает текст и изображения и формирует текстовые ответы; примеры включают описание изображения в форме хайку. Архитектура относится к семейству mllama, веса представлены в safetensors. Модель основана на Llama 3.2 Vision; размер 11B указан в названии и карточке.

alexl83/LLaMA-33B-HF — репозиторий модели LLaMA версии 1, разработанной командой FAIR в Meta AI. Это авторегрессионная плотная языковая модель на архитектуре Transformer, реализованная как LlamaForCausalLM и содержащая 32,3 млрд параметров. Модель принимает текст и генерирует текст; размер контекста составляет 2048 токенов. Модель предназначена прежде всего для исследований больших языковых моделей: её можно применять для генерации текста, ответов на вопросы, анализа естественного языка и понимания прочитанного. Обучающие данные охватывают 20 языков, однако основная часть корпуса англоязычная, поэтому лучше всего модель рассчитана на английский. Это базовая модель без обучения с обратной связью от людей. Она может выдавать неверные, токсичные или предвзятые ответы и не предназначена для непосредственного использования в прикладных системах без оценки и снижения рисков. Лицензия — специальная некоммерческая лицензия; обучение проведено в 2022–2023 годах.

Dogge/llama-3-8B-instruct-Bluemoon-Freedom-RP — разговорная модель генерации текста, разработанная Dogge на основе unsloth/llama-3-8b-Instruct и дообученная с использованием Unsloth и библиотеки TRL. Она предназначена для диалогов и ролевых сценариев; название указывает на ориентацию на свободную ролевую игру, но карточка не описывает специальные настройки или качество в этих сценариях. Модель использует плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров, принимает текст и генерирует текст. Нативная длина контекста — 8192 токена; в метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0.

legraphista/llm-compiler-13b-IMat-GGUF — модель на базе Meta LLM Compiler 13B, разработанная Meta и представленная в формате GGUF. README не содержит подробной информации о точной архитектуре, варианте квантования, поддерживаемых языках, размере контекста или дополнительных настройках сборки. Модель предназначена для задач, связанных с обработкой и генерацией текста, а также сценариев, для которых используется базовая модель LLM Compiler. Однако конкретные возможности, специализация, результаты тестирования и ограничения в предоставленных данных не описаны, поэтому оценить её сильные стороны и пригодность для отдельных прикладных задач невозможно. Использование регулируется лицензией Meta LLM Compiler License и Acceptable Use Policy for Llama Materials. Лицензия предоставляет ограниченные неисключительные права на использование, копирование, распространение и модификацию при соблюдении установленных условий, включая сохранение уведомления об атрибуции, указание «Built with LLM Compiler» при распространении и иные требования к производным моделям и продуктам.

LSG XLM-RoBERTa-base — модель на основе XLM-RoBERTa-base с механизмом внимания Local + Sparse + Global для обработки длинных последовательностей. Она сохраняет исходное число параметров и слоёв, а также токенизатор базовой модели; дополнительное предварительное обучение не проводилось. Реализация доступна для PyTorch и требует Transformers версии 4.36.1 или новее и загрузки пользовательского кода модели через trust_remote_code=True. Модель предназначена для заполнения маски и может использоваться в задачах классификации текста. Разреженное внимание позволяет обрабатывать последовательности длиной до 4098 токенов; входную длину рекомендуется согласовывать с размером блока. В конфигурации можно менять число глобальных токенов и параметры локальных и разреженных блоков. Поддержка encoder-decoder заявлена, но автор отмечает, что проверял её недостаточно тщательно. Модель адаптирована из ccdv/xlm-roberta-base, но дополнительного обучения не проходила. Лицензия в предоставленных данных не указана.

Magistaroth-24B-v1-MPOA — текстовая генеративная модель для творческого письма и ролевых диалогов. Это версия Magistaroth-24B-v1, доработанная с помощью абляции MPOA; автор отмечает, что у неё нет отказов и стиль может быть выразительнее, хотя детализация уступает исходной версии. Модель построена на плотной архитектуре MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации историй и RP-диалогов на английском языке. Она может выдавать сцены с насилием и графическим эротическим содержанием. Для работы автор рекомендует шаблон чата Mistral Tekken. Модель распространяется по лицензии Apache-2.0.

DavidAU/MN-WORDSTORM-pt4-RCM-Cliffhanger-18.5B-Instruct-GGUF — инструкционная текстовая модель для генерации художественных текстов и ролевого взаимодействия. Она создана как крупное объединение моделей на базе Mistral Nemo, включая MN-Rocinante-12B-v1.1, MN-12B Celeste-V1.9, MN-Magnum-v2.5-12B-kto и Mistral Nemo Instruct 12B. Доступна в формате GGUF. Модель предназначена для создания и продолжения сцен, рассказов, сюжетов и подсюжетов, разработки персонажей, сторителлинга и ролевых сценариев. Она ориентирована на различные жанры, включая научную фантастику, романтику и хоррор, и заявлена как модель с контекстным окном более 128 тысяч токенов. Среди заявленных сильных сторон — следование инструкциям, качество прозы, проработка персонажей, эмоциональность, юмор, детализация, связность мира, интенсивность повествования и неожиданные сюжетные повороты. Модель имеет выраженный уклон в динамичные сцены, экшен, хоррор и клиффхэнгеры. README предупреждает о возможной генерации нецензурной лексики, NSFW-материалов, насилия, графического хоррора и тревожных сцен; это может ограничивать её применение в безопасных или строго модерируемых сценариях. README не содержит независимых бенчмарков, точных сведений о размере параметров исходных компонентов, требованиях к оборудованию или фактических ограничениях контекстного окна. Указанная лицензия — Apache 2.0.

DavidAU/MN-WORDSTORM-pt5-RCM-Extra-Intense-18.5B-Instruct-GGUF — текстовая instruction-модель для генерации художественных текстов и ролевого взаимодействия. Она ориентирована на создание и продолжение сцен, рассказов и сюжетов, разработку основных и побочных линий, сторителлинг и creative writing в любых жанрах, включая научную фантастику, романтику, хоррор и dark humor. Модель также подходит для общего fiction-oriented roleplay. Модель представляет собой крупное объединение на базе Mistral Nemo Instruct 12B и трёх дообученных моделей: MN-Rocinante-12B-v1.1, MN-12B Celeste-V1.9 и MN-Magnum-v2.5-12B-kto. Заявленный размер составляет 18,5 млрд параметров, формат распространения — GGUF, поддерживается контекстное окно более 128K токенов. В README указан английский язык. Среди заявленных сильных сторон — следование инструкциям, качество прозы, проработка персонажей и мира, эмоциональная глубина, юмор, интенсивность, неожиданные повороты и cliffhanger-сценарии. Модель имеет выраженный уклон в интенсивные экшен- и хоррор-сцены и может генерировать нецензурную лексику, NSFW-материалы, жестокость и графические описания. Поэтому её применение требует подходящих фильтров и контроля содержания. Для корректного взаимодействия рекомендуется использовать один из шаблонов Alpaca, ChatML или Mistral Instruct. Модель распространяется по лицензии Apache-2.0.

Morbid Miasma 12B — объединённая модель для генерации текста, созданная DarkArtsForge с помощью mergekit и пользовательского метода слияния aether. Модель построена на архитектуре Mistral и содержит 12,1 млрд параметров; для диалога рекомендуется шаблон ChatML. Заявленная длина контекста — 131 072 токена. Модель предназначена для диалогов, ролевых игр и генерации текстовых историй. В карточке отдельно предупреждается, что она может создавать графические описания насилия и эротический контент; автор характеризует её как не имеющую ограничений на такие темы. Лицензия в предоставленных данных не указана.

ethzanalytics опубликовал копию весов mpt-7b-storywriter, разбитую на части по 2 ГБ для загрузки при ограниченной оперативной памяти. Это плотная авторегрессионная языковая модель семейства MPT с архитектурой MPTForCausalLM, сохранённая в формате PyTorch и точности bfloat16; размер исходной модели — 7 млрд параметров. Модель генерирует продолжение заданного текста и предназначена, в частности, для написания историй на английском языке. Модель не настроена на выполнение инструкций: чтобы получить связное продолжение по теме, ей следует передать достаточно контекста. Разбиение весов облегчает загрузку в средах с ограниченной памятью, но запуск на CPU может быть очень медленным. Репозиторий распространяется по лицензии Apache-2.0.

ReadyArt/MS3.2-The-Omega-Directive-24B-Unslop-v2.0 — дообученная модель семейства Mistral, созданная gecfdo на базе anthracite-core/Mistral-Small-3.2-24B-Instruct-2506-Text-Only. Это плотная языковая модель с 23,4 млрд параметров для генерации текста и диалогов, особенно ролевых сцен и длинных многоходовых взаимодействий. Карточка заявляет контекст до 131 072 токенов и поддержку девяти языков; метаданные подтверждают английский, но не перечисляют остальные языки. Модель ориентирована на связное повествование, следование сложным инструкциям, сохранение характера персонажей и многофигурные сценарии. В README указаны обучение QLoRA и датасет разговоров; также заявлены защитные меры от имитации действий пользователя и снижение повторов по сравнению с предыдущей версией. Эти характеристики приведены авторами модели и не сопровождаются независимыми оценками. Модель предназначена для взрослой аудитории и может генерировать откровенный, жестокий и иной NSFW-контент. Метаданные указывают лицензию Apache-2.0. В README также перечислены отдельные квантизованные сборки в форматах GGUF, EXL2 и EXL3, однако основная модель представлена в safetensors.

ozcangundes/mt5-small-turkish-summarization — это модель семейства mT5, разработанная Özcan Gündeş путём дообучения mT5-small на турецких новостях из набора MLSUM для автоматического суммирования. Она принимает текст новости и генерирует краткое изложение; в README указаны максимальная длина входной новости 784 токена и длина резюме 64 токена. По метаданным, модель содержит 157,4 млн параметров, распространяется в форматах PyTorch и Flax и опубликована под лицензией MIT. Она предназначена для суммирования турецких новостей; качество на других жанрах и языках не подтверждено.

NCP-ArchPreview 8.9B Stage 2 V3 — базовая авторегрессионная языковая модель, разработанная командой NCP в Shanghai AI Lab и LUMIA Lab Шанхайского университета Цзяо Тун. Это продолженное предобучение Stage 1 на Dolma 3 Dolmino в рамках второго этапа учебного курса OLMo-3. Модель объединяет предсказание следующего токена (NTP) и следующего концепта (NCP); архитектура сохраняет 16-слойный энкодер, 8-слойный модуль концептов и 16-слойный декодер. В репозитории указаны около 9 млрд параметров, контекст 8192 токена, формат Safetensors и использование Transformers. Модель предназначена для генерации продолжений текста, оценки языковых моделей, исследований латентных концептов и дальнейшей адаптации. В отчёте приведены результаты по математике, общим знаниям, программированию и рассуждениям, однако точные показатели зависят от варианта Stage 2 и протокола оценки; таблицы рецептов показывают, что V3 уступает V1 на нескольких задачах, включая HumanEval, MBPP и MATH-500. Это базовая модель без диалогового выравнивания: она может выдавать неточные, предвзятые или вредоносные ответы, а возможности за пределами контекста 8192 токена отдельно не подтверждены. Лицензия — Apache 2.0.

Nemo-12B-Marlin-v8 — экспериментальная модель для ролевых диалогов и написания историй, разработанная UsernameJustAnother на основе unsloth/Mistral-Nemo-Base-2407. Модель дообучена в формате ChatML на примерно 10 тысячах отобранных диалогов и историй, включая записи Reddit Writing Prompts, Claude instruct, Falling Through the Skies и C2 chat. Архитектура — плотная MistralForCausalLM на 12,1 млрд параметров; веса опубликованы в формате safetensors. Метаданные указывают контекст до 1 024 000 токенов. Модель предназначена для ролевого общения и творческого письма, в том числе генерации историй и продолжения сцен. Автор называет целью запуск в пределах 16 ГБ видеопамяти с контекстом более 16 тысяч токенов. Карточка описывает учебный эксперимент по дообучению; автор отмечает нестабильность результатов обучения и не считает качество проверенным. Лицензия — Apache-2.0.

Модель MiKinSwan/nllb-finetuned-kde4-en-to-mya — дообученная версия facebook/nllb-200-distilled-600M для перевода с английского на бирманский язык. Она построена на архитектуре M2M-100 и предназначена для машинного перевода текста; базовая модель ориентирована на перевод предложений между 200 языками. Контекст модели составляет 1024 токена. В README приведён результат BLEU 2,1167 на оценочном наборе, однако сведений о наборе данных и методике оценки нет, поэтому качество перевода по этому показателю трудно интерпретировать. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

nMer1 — объединённая модель генерации текста, созданная сообществом mergekit на основе Undi95/Llama-3-LewdPlay-8B и ajibawa-2023/General-Stories-Mistral-7B. Веса объединены методом SLERP; архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 7,5 млрд параметров, формат файлов — safetensors. Модель рассчитана на генерацию художественного текста и диалоговое взаимодействие; базовая модель General-Stories-Mistral-7B ориентирована на рассказы на английском языке. Контекст модели — до 8192 токенов. Карточка не приводит отдельной оценки качества или подробной инструкции по использованию. В состав входит модель LewdPlay, поэтому генерация может включать взрослые темы. Лицензия в предоставленных сведениях не указана.

NOESIS-Gemma3-4B-BF16 — мультимодальная модель AMAImedia на архитектуре Gemma 3 4B, дообученная и упакованная для платформы автоматизации многоязычного дубляжа NOESIS. Она используется как основная студенческая модель Scenema в конвейере дубляжа; для аудиосценария модель работает вместе с отдельным адаптером Scenema и runtime-обёрткой. Репозиторий содержит полные веса BF16 в формате safetensors, токенизатор, шаблон чата и конфигурацию генерации. Модель предназначена прежде всего для диалоговой генерации текста и мультимодальных задач в составе конвейера дубляжа. Основа — unsloth/gemma-3-4b-it; метаданные указывают английский и многоязычную поддержку, а базовая Gemma 3 поддерживает ответы на вопросы по изображениям. Для аудиодубляжа требуется отдельный адаптер и интеграция Scenema; карточка не описывает самостоятельный аудиовход или аудиовыход модели. Лицензия — Gemma; следует учитывать условия лицензии Gemma и сведения об атрибуции в репозитории.

NorMistral-11b-long — базовая языковая модель семейства NORA.LLM, разработанная Language Technology Group Университета Осло. Это плотная авторегрессионная модель на архитектуре Mistral с 11,7 млрд параметров, обученная продолжительно на базе norallm/normistral-11b-warm и расширенная до контекста 32 768 токенов. Веса доступны в форматах PyTorch и Safetensors, лицензия — Apache-2.0. Модель предназначена для генерации и продолжения текста, а также языковых экспериментов и задач переноса между норвежским букмолом и нюношком, северносаамским, другими скандинавскими языками и английским. Продолжительное обучение включало 50 млрд дополнительных субсловных токенов и корпус суммарно в 250 млрд токенов с текстами на указанных языках и программным кодом. Специально обученный токенизатор уменьшает число токенов на слово для ряда скандинавских языков по сравнению с Mistral-Nemo-Base-2407. Это предварительно обученная модель, не настроенная на выполнение инструкций или диалоговое следование запросам. Она может генерировать вредоносные продолжения при провоцирующих запросах; качество и безопасность результатов требуют проверки. Карточка позиционирует её прежде всего для исследовательского применения.

Omega-Sapphira-Joyous-L3.3-70B-v1.0 — слитая Cactopus модель семейства Llama 3.3 с 69,5 млрд параметров. Она объединяет веса нескольких дообученных моделей двумя проходами SLERP: доля компонентов меняется по слоям и отдельно для блоков внимания и FFN. Модель предназначена для генерации текста, ролевого общения и написания историй на английском языке; используется шаблон чата Llama 3. Слияние добавляет более тёплый стиль прозы, но, по оценке автора, смягчает связность по сравнению с базовой Omega-Sapphira. Модель экспериментальная и помечена автором как устаревшая: рекомендуется более поздняя версия v1.1, а для более стабильного поведения — Omega-Sapphira-L3.3-70B-v1.3. Автор сообщает, что на паре видеокарт RTX 3090 и 4090 с EXL3 4.25 bpw помещается контекст длиной 40 448 токенов; метаданные указывают нативное окно контекста 131 072 токена. Модель может генерировать откровенный и жестокий контент и рассчитана на взрослых. Распространяется по лицензии Llama 3.3 Community License.

OpenCrystal-12B-L3 — дообученная разговорная языковая модель семейства Llama, опубликованная пользователем desudesuka. Она предназначена для ролевых диалогов: модель может вести речь за других персонажей, лучше следовать промпту и создавать выразительные, иногда непредсказуемые ответы. Также она умеет составлять краткие пересказы и генерировать текстовые промпты для изображений. Модель содержит 11 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. В метаданных указан контекст 8192 токена; автор сообщает о проверенном использовании с контекстом 12K и рекомендует шаблон Llama 3 Instruct. Для творческой генерации автор приводит настройки с температурой 1,23 и Min P 0,05. Ответы могут быть непоследовательными, а в ролевых диалогах модель иногда склоняется к откровенному содержанию. Автор отмечает, что варианты v2 и v2.1 недостаточно хороши, и не рекомендует отключать имена персонажей в SillyTavern. Модель опубликована в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Helsinki-NLP/opus-mt-ar-ru — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с арабского на русский и построена на архитектуре Transformer; в метаданных указано 57,2 млн параметров и контекст до 512 токенов. Для предобработки используются нормализация и SentencePiece с моделями словаря по 32 тыс. единиц. Источники обучения охватывают варианты арабского языка apc, ara и arz, целевой язык — русский. В тесте Tatoeba-test.ara.rus модель показала BLEU 42,5 и chr-F 0,605. Она подходит для перевода арабских текстов на русский, включая тексты на охваченных вариантах арабского языка. Модель распространяется по лицензии Apache-2.0; качество перевода может зависеть от тематики и диалекта входного текста.

Helsinki-NLP/opus-mt-az-es — модель машинного перевода из семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с азербайджанского языка на испанский и предназначена для прямого перевода между этой языковой парой. Модель основана на архитектуре Transformer-align и содержит 29,1 млн параметров. Для токенизации используется SentencePiece с нормализацией текста; контекст ограничен 512 токенами. В тесте Tatoeba для направления азербайджанский—испанский указаны BLEU 11,8 и chr-F 0,346. Весы доступны в форматах PyTorch и TensorFlow; лицензия — Apache-2.0.

Helsinki-NLP разработала opus-mt-bcl-es — модель машинного перевода на архитектуре Marian Transformer. Она переводит текст с бикольского языка (bcl) на испанский (es); модель обучена на данных OPUS с нормализацией текста и токенизацией SentencePiece. В репозитории представлены веса PyTorch и TensorFlow; модель содержит 55,8 млн параметров, а длина контекста составляет 512 токенов. В тесте JW300.bcl.es указаны BLEU 37,0 и chr-F 0,551. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-bg-it — модель машинного перевода проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с болгарского на итальянский и предназначена для перевода отдельных фраз и текстов в приложениях и рабочих процессах локализации. Модель основана на архитектуре Transformer и реализована как MarianMTModel; содержит 56,6 млн параметров. Для предобработки используются нормализация и SentencePiece с моделями токенизации spm32k. Нативная длина контекста — 512 токенов. В тесте Tatoeba для направления болгарский–итальянский указаны BLEU 43,1 и chr-F 0,653. Модель работает с болгарским входным текстом и выдаёт итальянский перевод. Лицензия — Apache-2.0. Качество на конкретных текстах может отличаться от приведённых тестовых оценок; сведения о других направлениях перевода в карточке не заявлены.

Helsinki-NLP разработала opus-mt-ceb-es — модель машинного перевода с себуанского языка на испанский. Она предназначена для перевода предложений и текстов в направлении ceb→es и обучена на данных OPUS; в карточке указана модель Transformer с выравниванием, а предобработка включает нормализацию и SentencePiece. Модель реализована на архитектуре MarianMT, содержит 55,5 млн параметров и поддерживает контекст до 512 токенов. Для тестового набора JW300 указаны оценки BLEU 31,6 и chr-F 0,508. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-de-ase — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с немецкого языка на язык ase; обучение выполнено на данных OPUS. Модель использует архитектуру MarianMT на основе Transformer, нормализацию и токенизацию SentencePiece. Размер — 52,6 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для перевода немецких текстов на ase, в том числе для локализации и автоматической обработки многоязычных материалов. В README приведены результаты оценки на наборе JW300.de.ase: BLEU 30,4 и chr-F 0,483. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-de-he — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с немецкого языка на иврит и подходит для перевода предложений и текстовых материалов между этими языками. Модель основана на архитектуре Marian Transformer, использует нормализацию и SentencePiece; размер составляет 57,5 млн параметров, длина контекста — 512 токенов. Доступны веса PyTorch и TensorFlow. В карточке приведён результат на тестовом наборе Tatoeba.de.he: BLEU 36,6 и chr-F 0,581. Модель распространяется по лицензии Apache-2.0. Она предназначена для одного направления перевода; качество может различаться в зависимости от тематики и формата исходного текста.

Helsinki-NLP/opus-mt-en-ceb — модель машинного перевода семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с английского языка (en) на себуано (ceb) и предназначена для автоматического перевода отдельных фраз и текстов. Модель построена на архитектуре Transformer-align и имеет около 54,3 млн параметров. Для предобработки используются нормализация текста и SentencePiece; максимальная длина контекста — 512 токенов. В README приведены результаты на тестовых наборах JW300.en.ceb (BLEU 51,3) и Tatoeba.en.ceb (BLEU 31,3). Модель выпускается в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0. Она предназначена для перевода только с английского на себуано; качество может различаться в зависимости от тематики и стиля текста.

Helsinki-NLP/opus-mt-en-cy — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского на валлийский и основана на архитектуре MarianMT с Transformer; размер составляет 53 млн параметров. Для подготовки текста используются нормализация и SentencePiece. В метаданных указано ограничение контекста в 512 токенов. Модель подходит для перевода отдельных фраз и текстов с английского на валлийский. В README приведён результат BLEU 25,3 на наборе Tatoeba.en.cy. Модель распространяется под лицензией Apache 2.0; доступны веса PyTorch и TensorFlow.