I.5Создание и редактирование текста

Helsinki-NLP/opus-mt-en-mr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на маратхи и предназначена для автоматического перевода предложений и текстовых фрагментов. Модель построена на архитектуре Transformer-align и реализована как MarianMT; размер составляет 56,7 млн параметров, максимальная длина контекста — 512 токенов. В предобработке применяются нормализация текста и SentencePiece. Для набора Tatoeba.en.mr в карточке приведены оценки BLEU 22,0 и chr-F 0,397. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0. Она предназначена для перевода только с английского на маратхи; оценки на одном тестовом наборе не гарантируют такое же качество на других текстах и предметных областях.

Xenova/opus-mt-en-sv — это модель машинного перевода с английского на шведский язык, разработанная на основе Helsinki-NLP/opus-mt-en-sv. Репозиторий содержит ONNX-веса, подготовленные для совместимости с библиотекой Transformers.js и использования в JavaScript-приложениях, включая веб-среду. Модель предназначена для автоматического перевода текста с английского языка на шведский. Её ключевая особенность — формат ONNX, обеспечивающий интеграцию с Transformers.js; такие веса могут использоваться в браузерных или других JavaScript-сценариях, совместимых с этой библиотекой. Архитектура, размер, максимальная длина контекста, дополнительные модальности и точные языковые характеристики в README не указаны. Сильной стороной модели является готовность к применению в веб-ориентированных приложениях через Transformers.js. Ограничения связаны с узкой направленностью на перевод с английского на шведский и отсутствием сведений о качестве, производительности, требованиях к ресурсам и лицензии. Условия лицензирования в предоставленных данных не указаны.

Helsinki-NLP разработала opus-mt-en-ti — модель машинного перевода с английского языка на тигринья. Это компактная модель семейства MarianMT с архитектурой Transformer-align, обученная на данных OPUS; перед обработкой текст нормализуется и разбивается на подслова SentencePiece. Модель содержит 57,4 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода текстов с английского на тигринья. В карточке приведён результат BLEU 25,3 и chr-F 0,382 на тестовом наборе JW300.en.ti. Доступны веса в форматах PyTorch, Safetensors и TensorFlow. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

Helsinki-NLP/opus-mt-en-ur — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на урду. Модель построена на архитектуре Transformer-align и использует SentencePiece с нормализацией текста; число параметров — 56,9 млн, родной контекст — 512 токенов. Модель предназначена для перевода отдельных текстов и фраз с английского на урду. В тесте Tatoeba-test.eng.urd указаны BLEU 12,1 и chr-F 0,390. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-he — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS-MT и основанная на архитектуре Transformer, реализованной как MarianMT. Она переводит текст с испанского языка на иврит. Модель содержит 57,5 млн параметров, использует нормализацию и SentencePiece с словарями spm32k; размер контекста — 512 токенов. Модель предназначена для перевода отдельных текстов и фраз, включая сценарии перевода материалов Tatoeba. Для пары испанский—иврит в README приведён результат BLEU 43,6 на Tatoeba-test.spa.heb. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-et-fr — модель машинного перевода на архитектуре Marian, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с эстонского языка на французский; модель основана на Transformer-align, использует нормализацию и токенизацию SentencePiece и обучена на данных OPUS. В метаданных указаны 54,9 млн параметров и контекст до 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с эстонского на французский. Для набора JW300.et.fr в карточке приведены оценки BLEU 26,2 и chr-F 0,484. Доступны веса PyTorch и TensorFlow; лицензия — Apache-2.0. Перевод выполняется только в направлении эстонский → французский, а указанный контекст ограничивает размер обрабатываемого текста.

Helsinki-NLP разработала opus-mt-fr-ha — модель машинного перевода с французского языка на хауса. Она основана на архитектуре Transformer и распространяется как MarianMTModel; для обработки текста использует нормализацию и SentencePiece. Модель обучена на данных OPUS и предназначена для перевода отдельных текстов и документов с французского на хауса. В метаданных указаны 55,6 млн параметров и контекст до 512 токенов. Для набора JW300.fr.ha в карточке приведены оценки BLEU 24,4 и chr-F 0,447. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-fr-kg — модель машинного перевода семейства MarianMT, разработанная в рамках проекта OPUS. Она переводит текст с французского на кыргызский. Модель построена на архитектуре Transformer-align, использует нормализацию и SentencePiece; число параметров — 50,2 млн, контекст — до 512 токенов. Модель предназначена для перевода фраз и документов с французского языка на кыргызский. В карточке приведён результат BLEU 30,4 и chr-F 0,523 на тестовом наборе JW300.fr.kg. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-fr-vi — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Marian Transformer. Она переводит текст с французского на вьетнамский; обучение основано на данных проекта OPUS и Tatoeba-Challenge. Модель содержит 54,8 млн параметров, использует SentencePiece с нормализацией текста, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для перевода отдельных фраз и текстов, включая пользовательский контент и материалы для локализации. В карточке приведена оценка BLEU 31,1 и chr-F 0,486 на наборе Tatoeba-test.fra.vie. Лицензия — Apache-2.0. Она предназначена для направления французский → вьетнамский; качество может зависеть от тематики и формулировок текста.

Helsinki-NLP/opus-mt-it-bg — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с итальянского на болгарский; для предобработки используются нормализация и SentencePiece с моделью словаря 32k. Модель содержит 56,6 млн параметров, её контекст составляет 512 токенов. Модель подходит для перевода отдельных фраз и текстов с итальянского на болгарский. В README приведён результат BLEU 47,9 и chr-F 0,664 на наборе Tatoeba-test.ita.bul. Она не заявлена как мультиязычная и предназначена для одного направления перевода. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-kg-fr — модель машинного перевода семейства MarianMT, разработанная в рамках проекта OPUS. Она переводит текст с языка kg на французский. Модель основана на Transformer с выравниванием, использует нормализацию и токенизацию SentencePiece; размер — 50,2 млн параметров, контекст — до 512 токенов. Модель обучена на данных OPUS. В карточке приведён результат на тестовом наборе JW300.kg.fr: BLEU 26,0 и chr-F 0,433. Подходит для перевода текстов с kg на французский; качество может зависеть от тематики и формулировок исходного текста. Доступна под лицензией Apache-2.0.

Helsinki-NLP выпустила OPUS-MT ko-es — модель машинного перевода с корейского на испанский на архитектуре Marian (Transformer-align). Она принимает корейский текст и генерирует перевод на испанском; модель предназначена для перевода предложений и текстовых фрагментов между этими языками. Модель содержит 58,4 млн параметров, доступна в форматах PyTorch и TensorFlow и использует нормализацию и SentencePiece с моделями токенизации по 32 тыс. единиц. Указанная длина контекста — 512 токенов. В тесте Tatoeba для пары корейский–испанский приведены BLEU 31,3 и chr-F 0,521. Модель распространяется по лицензии Apache-2.0. Качество перевода может зависеть от тематики, стиля и длины текста; приведённые оценки относятся к указанному тестовому набору.

Helsinki-NLP/opus-mt-nl-sv — модель машинного перевода из проекта OPUS-MT на архитектуре Marian Transformer. Она переводит текст с нидерландского языка на шведский; для предобработки используются нормализация и SentencePiece. Модель содержит 54,2 млн параметров и имеет контекст длиной до 512 токенов. Модель подходит для перевода отдельных фраз и текстов между нидерландским и шведским. В README приведены результаты на тестовом наборе GlobalVoices.nl.sv: BLEU 25,0 и chr-F 0,518. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-sla-sla — мультиязычная модель машинного перевода из проекта OPUS-MT, опубликованная под лицензией Apache-2.0. Она предназначена для перевода между славянскими языками и вариантами письма: в карточке перечислены белорусский, боснийский, болгарский, чешский, кашубский, нижне- и верхнелужицкий, хорватский, македонский, польский, русский, русинский, сербский, словенский и украинский. Поддерживаются варианты кириллицы и латиницы там, где они указаны в списке языков. Модель использует архитектуру Transformer семейства MarianMT, содержит 44,7 млн параметров и рассчитана на контекст до 512 токенов. Для выбора целевого языка требуется добавить в начало предложения специальный токен вида `>>id<<`. Текст нормализуется и токенизируется SentencePiece с моделью словаря 32k. В README приведены оценки BLEU и chr-F на тестовых наборах, однако качество зависит от языковой пары и текста; документация не подтверждает одинаковую точность для всех перечисленных направлений.

Helsinki-NLP/opus-mt-tc-bible-big-itc-fra_ita_por_spa — нейросетевая модель машинного перевода проекта OPUS-MT, разработанная исследовательской группой Language Technology Research Group Хельсинкского университета. Это трансформер MarianMTModel типа transformer-big с 141,4 млн параметров, предназначенный для перевода с италийских языков на французский, итальянский, португальский и испанский; целевой язык выбирается специальной меткой. Среди поддерживаемых исходных языков указаны итальянский, французский, испанский, каталанский, галисийский, португальский, окситанский, румынский, корсиканский и ряд региональных языков и их разновидностей. Модель подходит для перевода текстов между перечисленными исходными языками и четырьмя целевыми, в том числе для работы с малоресурсными языками и текстами религиозной тематики, на которую указывает семейство модели. Она основана на Marian NMT; веса доступны в форматах PyTorch и safetensors для использования через Transformers. Окно контекста составляет 1024 токена. Лицензия — Apache-2.0. Качество может различаться между языками и языковыми разновидностями, особенно для малоресурсных исходных языков; перед публикацией или использованием в чувствительных сценариях перевод следует проверять. README не приводит количественных результатов оценки.

Helsinki-NLP/opus-mt-tc-big-ar-en — модель машинного перевода проекта OPUS-MT, разработанная с использованием Marian NMT и опубликованная в формате Transformers. Она переводит арабский текст на английский; для арабского указаны варианты afb, ara и arz. Модель построена на архитектуре Transformer-big с 163,2 млн параметров, использует SentencePiece с размером словаря 32 тыс. токенов и имеет контекст до 1024 токенов. Модель предназначена для перевода предложений и текстов с арабского на английский в приложениях на базе Transformers. Обучающие данные взяты из OPUS, включая обратный перевод; в README приведены оценки на тестовых наборах Tatoeba, FLORES-101 и TICO-19. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — CC BY 4.0. Модель специализируется на одной языковой паре и направлении перевода. Качество может различаться в зависимости от тематики и входных данных; опубликованные оценки относятся к указанным тестовым наборам и не гарантируют качество для любого текста.

Helsinki-NLP/opus-mt-tc-big-zls-en — модель машинного перевода проекта OPUS-MT, разработанная на основе Marian NMT и опубликованная Helsinki-NLP. Она переводит текст с южнославянских языков на английский: среди исходных языков указаны боснийский, болгарский, хорватский, македонский, словенский, сербский, а также варианты сербского и хорватско-сербского. Архитектура — Transformer-big на базе MarianMT, около 162 млн параметров; для токенизации используется SentencePiece. Метаданные указывают контекст до 1024 токенов. Модель предназначена для перевода предложений и текстов с поддерживаемых южнославянских языков на английский. Она обучена на данных OPUS, включая opusTCv20210807+bt, и имеет опубликованные результаты оценки на наборах Tatoeba. Доступны веса PyTorch, Safetensors и TensorFlow. Лицензия — CC BY 4.0; при использовании следует соблюдать её условия и приводить атрибуцию.

Helsinki-NLP/opus-mt-tc-big-zls-zle — модель машинного перевода проекта OPUS-MT, разработанная с использованием Marian NMT и опубликованная в формате PyTorch для Transformers. Она переводит с южнославянских языков (болгарского, хорватского, словенского, сербского на кириллице и латинице, а также боснийского) на восточнославянские языки (белорусский, русский и украинский). Модель содержит 159,8 млн параметров и рассчитана на контекст до 1024 токенов. Модель подходит для перевода текстов и предложений между указанными языковыми группами; README приводит примеры и результаты тестирования на парах болгарский—русский, болгарский—украинский и хорватско-боснийско-сербский—русский. Лицензия — CC BY 4.0. Качество может различаться в зависимости от языковой пары и текста; результаты тестов не гарантируют качество для любой тематики или длинного документа.

Это модель машинного перевода Helsinki-NLP из проекта OPUS-MT. Она построена на архитектуре Marian и предназначена для перевода с западнославянских языков на восточнославянские: с чешского, нижнелужицкого, верхнелужицкого и польского на белорусский, русский и украинский. Модель содержит 163,7 млн параметров, принимает текст и обучена на данных OPUS; веса доступны в форматах PyTorch и Safetensors. Контекст — до 1024 токенов. Модель подходит для перевода отдельных фраз и текстов между указанными языками, включая малоресурсные языковые пары. В карточке приведены тестовые результаты, в частности для чешско-русского и чешско-украинского перевода. Лицензия — CC BY 4.0; при использовании следует учитывать требования атрибуции. Качество может различаться между языковыми парами, а доступные тестовые оценки не гарантируют точность для любой тематики или длинного документа.

Helsinki-NLP/opus-mt-tl-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer-align и реализованная как MarianMT. Она переводит текст с тагальского языка на английский; модель одноязычная по направлению перевода и использует нормализацию и SentencePiece с словарями размером 32 тыс. токенов. Размер модели — 54,5 млн параметров, длина контекста — 512 токенов. В README приведён результат BLEU 35,0 на тесте Tatoeba для пары тагальский—английский. Модель подходит для перевода фраз и текстов с тагальского на английский. Она распространяется по лицензии Apache-2.0. Качество может различаться в зависимости от тематики текста и отличаться от результата на указанном тестовом наборе; обратный перевод с английского на тагальский не является её задачей.

Ornith-1.5-35B-A3B-uncensored-GGUF — это локальная GGUF-версия модели Ornith-1.5-35B-A3B от команды Ornith, модифицированная и конвертированная Robert Ressl. Модель использует архитектуру Mixture-of-Experts с 35 млрд параметров, из которых около 3 млрд активны при обработке запроса. Релиз предназначен для запуска через llama.cpp и включает варианты квантования Q8_0, Q6_K, Q5_K_M и Q4_K_M, а также мультимодальный проектор mmproj в формате BF16. Заявлена поддержка контекста до 262 144 токенов, однако в данном варианте он обслуживается с длиной до 131 072 токенов. Основной заявленный язык — английский. Модель ориентирована на локальную генерацию текста, исследование безопасности, red teaming и сценарии penetration testing. В результате abliteration были существенно снижены встроенные отказы на вредоносные запросы: для базовой модели зафиксировано 586 отказов из 1120, для варианта NVFP4 — 20, а для GGUF Q4_K_M — 43 на том же наборе тестов. Это делает модель более готовой к исследовательским запросам, которые стандартная версия обычно отклоняет, но одновременно повышает риски небезопасного применения. К сильным сторонам относятся локальный запуск, несколько уровней квантования, большой контекст и сохранение мультимодального проектора. Ограничения включают зависимость качества и поведения от степени квантования: Q4_K_M чаще демонстрирует остаточные отказы и уступает менее агрессивно квантованным вариантам. MTP speculative decoding в GGUF-сборках не реализован. Модель распространяется по лицензии MIT; аблитацию, конвертацию и проверку выполнил Robert Ressl, исходная модель связана с командой Ornith.

QuantFactory/Peach-9B-8k-Roleplay-GGUF — квантизированная версия разговорной языковой модели Peach-9B-8k-Roleplay, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана на основе 01-ai/Yi-1.5-9B и дообучена на более чем 100 тысячах синтезированных диалогов. Она предназначена прежде всего для чат-взаимодействия, ролевых сценариев и имитации персонажей, а также поддерживает генерацию текста на китайском и английском языках. Модель имеет около 9 млрд параметров и заявленный контекст до 8 тысяч токенов. В качестве ориентиров производительности указаны результаты MMLU 66,19 и CMMLU 69,07 в режиме 5-shot. К сильным сторонам относятся специализация на ролевом общении и сравнительно небольшой размер, однако модель может хуже справляться с математикой, программированием и логическими задачами, а также с длинными диалогами и языками с небольшим количеством ресурсов. Разработчики предупреждают о возможной генерации токсичного, вредоносного, нежелательного или NSFW-контента и значительных галлюцинациях; для снижения повторов и ошибок рекомендуется использовать низкие значения temperature и top_p. Модель распространяется по лицензии Apache-2.0.

Perky-103b-v0.1 — разговорная языковая модель для ролевых диалогов и создания историй. По карточке, модель создана слиянием Perky-70b-v0.1 методом passthrough; архитектура — плотная LlamaForCausalLM, около 102,9 млрд параметров. Она принимает текстовые запросы и генерирует текст, поддерживает английский язык и рассчитана на контекст до 4096 токенов. Модель предназначена для интерактивного ролевого общения, продолжительных диалогов и художественного повествования в разных жанрах и стилях. В README указана ориентация на взрослые темы; автор рекомендует формат промптов Alpaca. Лицензия — Llama 2. Карточка заявляет о хорошем ведении диалога и длинных ответах, но не приводит независимых оценок качества; контекст ограничен указанной длиной.

ArliAI/Phi-3.5-mini-3.8B-ArliAI-RPMax-v1.1 — плотная языковая модель семейства Phi-3.5, дообученная ArliAI на RPMax v1.1. Она предназначена для творческого письма и ролевых диалогов; авторы делают упор на разнообразные сценарии, персонажей и менее повторяющиеся ответы. Для общения используется формат промптов Phi 3.5 Instruct. Модель содержит 3,7 млрд параметров и имеет контекст 4096 токенов. В репозитории указаны веса safetensors; README также упоминает варианты FP16 и GGUF. Авторы предупреждают, что версия 3,8B уступает вариантам RPMax на 8B и 12B, а также отмечают более строгую цензуру Phi 3.5. Лицензия — MIT.

Чекпойнт на базе BART-base, разработанный Immich и дообученный для суммаризации диалогов совещаний. Он обучен на подходящей части AMI Meeting Corpus с seed 42 и рассчитан на создание краткого изложения полного совещания либо на работу в иерархическом конвейере сегментации, извлечения и генерации. Модель содержит 95,2 млн параметров, использует архитектуру BART и поддерживает контекст до 1024 токенов. Модель подходит для подготовки кратких итогов встреч по их расшифровкам. Карточка описывает её как baseline и указывает отдельные репозитории для других seed того же варианта. Лицензия — MIT. Данные о поддерживаемых языках и измеренных ограничениях качества не приведены; обучение на AMI Meeting Corpus само по себе не подтверждает поддержку конкретного языка.

POLARIS-9B — дообученная модель на 9 млрд параметров на базе Qwen3.5-9B, разработанная для генерации длинных англоязычных рассказов. Авторы применили обучение с подкреплением GRPO: оценка по 16 критериям качества историй сочетается с добавлением написанного человеком примера в каждую группу обучения. Модель работает через библиотеку Transformers и распространяется в формате safetensors. Модель подходит для короткой прозы, художественных сцен и смежных творческих задач, включая фанфики, разработку персонажей и сценарии подкастов. По результатам описанных в карточке оценок она сохраняет качество на запросах до 12 тысяч слов, хотя при такой длине в среднем выдаёт около 72% запрошенного объёма. Для длинных историй рекомендуется включать extended thinking и задавать желаемое число слов в запросе. Среди ограничений — чрезмерно плотный стиль, возможные нарушения логики и противоречия в длинных текстах, а также более слабая работа с нетворческими жанрами. Модель не предназначена для фактических материалов, где важна точность, включая юридические, медицинские и финансовые тексты. Лицензия указана как other; условия следует проверять в карточке репозитория.

AXONVERTEX-AI-RESEARCH/qwen2.5-0.5b-pii-anonymizer — дообученная модель на основе Qwen/Qwen2.5-0.5B-Instruct для контекстной анонимизации персональных данных. Она переписывает текст, заменяя PII реалистичными синтетическими данными и стараясь сохранять грамматику, форматирование, тон и смысл. Модель рассчитана на обработку документов, переписки и записей с персональными данными; заявлена поддержка более 55 категорий PII в корпоративных, медицинских, финансовых и разговорных сценариях. Это плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров и контекстом до 32 768 токенов. Она принимает и генерирует текст, обучена с QLoRA на наборах Nemotron-PII и ai4privacy/pii-masking-200k. В карточке указаны английский, французский, немецкий и итальянский языки, при этом качество лучше всего для английского. Лицензия обозначена как other; README запрещает коммерческое использование без одобрения AI4Privacy, поэтому перед применением необходимо проверить условия лицензии. Модель может создавать читаемые обезличенные данные, сохраняя полезность документов для анализа и тестирования. Среди ограничений — пропуски персональных данных, чрезмерная замена обычных слов, иногда неподходящий формат синтетических идентификаторов, редкие артефакты и недетерминированные результаты. README указывает, что это первая фаза конвейера, и не рекомендует использовать её как единственную меру обеспечения соответствия требованиям приватности.

Qwen2.5-1.5B-Instruct-QwQ — компактная причинная языковая модель, созданная micaebe дообучением Qwen/Qwen2.5-1.5B-Instruct примерно на 20 тысячах примеров с цепочками рассуждений QwQ-32B-Preview. Для подготовки данных использовались математические задачи из обучающих частей GSM8k и MATH. Модель содержит около 1,5 млрд параметров, использует архитектуру Qwen2 с RoPE, SwiGLU, RMSNorm и групповым запросным вниманием; контекст составляет 32 768 токенов, максимальная длина генерации в описании — 8 192 токена. Модель предназначена для диалоговой генерации текста, решения математических задач и рассуждений общего назначения. По сравнению с исходной Qwen2.5-1.5B-Instruct автор отмечает улучшения в математике и рассуждениях, а также ограниченные способности к самокоррекции. Поддерживает англоязычные запросы; метаданные указывают интерфейс для вызова инструментов. Распространяется в формате safetensors по лицензии Apache-2.0.

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный методом обучения с подкреплением в рамках экспериментов KL-in-LLM-RL / FRPO с использованием verl. В репозитории сохранён чекпойнт global_step_800 в формате safetensors, веса — fp32 без последующей обработки. Модель предназначена для генерации текста и диалогов; её архитектура — плотная авторегрессионная Qwen3ForCausalLM, размер — 1,7 млрд параметров, контекст — до 32 768 токенов. Модель унаследовала многоязычные возможности базовой Qwen3-1.7B и может применяться для диалоговых ответов, выполнения инструкций, рассуждений и генерации кода. Это исследовательский экспериментальный чекпойнт, поэтому качество и поведение могут отличаться от базовой модели и не должны считаться подтверждёнными без отдельной оценки. Лицензия в предоставленных данных не указана.

Qwen3-4B-Nymphaea-RP — дообученная модель семейства Qwen3 от 0xA50C1A1 для ролевых диалогов и творческого письма. Она основана на 0xA50C1A1/Qwen3-4B-Instruct-2507-SOM-MPOA и содержит около 3,7 млрд параметров; карточка указывает архитектуру Qwen3ForCausalLM и формат safetensors. Для общения рекомендуется шаблон ChatML, также доступен пресет SillyTavern. Модель рассчитана на создание и продолжение ролевых сцен и художественных текстов с разнообразием жанров. Автор сообщает, что обучал её на наборе Darkmere, включавшем отобранные синтетические и написанные людьми истории, методом DoRA. Веса базовой модели перед дообучением были обработаны инструментом Heretic, поэтому модель описана как менее ограниченная в генерируемом содержании. Заявлена поддержка контекста до 262 144 токенов; автор также сообщает о тестировании на Nothing Phone 2 в квантизации Q4_K_M со скоростью 7–8 токенов в секунду. Модель распространяется по лицензии Apache-2.0. Карточка не перечисляет целевые языки, поэтому языковая поддержка здесь не уточняется. Скорость и пригодность для мобильного запуска приведены как результаты конкретного теста и зависят от устройства и квантизации; для роли и качества генерации независимые оценки не приведены.