I.5Создание и редактирование текста

Это представление Qwen3.5-35B-A3B от anthonymikinka: исходные веса модели Alibaba Qwen преобразованы из монолитного GGUF в набор файлов по слоям в формате lemonslice-gguf-v1. Репозиторий основан на квантованной версии Q4_K_M от Unsloth и включает 40 файлов слоёв и общий файл с эмбеддингами, нормализацией и выходной проекцией. Архитектура — гибридная MoE с 30 слоями SSM/Mamba и 10 слоями attention; в блоках MoE используются 256 экспертов, из которых активны 8. Формат рассчитан на последовательную загрузку весов, исследование и замену отдельных слоёв, выборочный запуск блоков, эксперименты с дообучением и распределение слоёв между устройствами. По README, последовательная загрузка снижает пиковое использование памяти примерно с 21,2 до 1,13 ГБ, однако это характеристика способа загрузки, а не гарантия скорости или качества генерации; запуск с ограниченной памятью может быть медленным и требует совместимого инструментария для нестандартного формата. Модель предназначена для генерации текста. Репозиторий опубликован по лицензии Apache-2.0.

mlx-community/Qwen3.5-9B-8bit — модель, преобразованная в формат MLX сообществом mlx-community из Qwen/Qwen3.5-9B с использованием mlx-vlm версии 0.3.12. Базовая модель указана как Qwen/Qwen3.5-9B-Base, а библиотека интеграции — Transformers. Модель предназначена для мультимодальных задач, связанных с обработкой изображений и текста, включая генерацию текстового описания изображения. Она поддерживает сценарии image-text-to-text и может запускаться с помощью mlx-vlm на устройствах, совместимых с MLX. В README не указаны точные архитектурные характеристики, число параметров, поддерживаемые языки и размер контекстного окна; обозначение 9B в названии указывает на класс модели примерно в 9 миллиардов параметров, но подробности не приведены. Модель доступна по лицензии Apache-2.0. Ключевым ограничением является необходимость использования MLX-совместимой среды и инструмента mlx-vlm; сведения о производительности, ограничениях по входным данным и качестве на отдельных языках в README отсутствуют.

Карточка модели ConnorYU/Qwen3.5-9B-VerIH-step200-insecure-1e на Hugging Face совпадает с карточкой ConnorYU/qwen3.5-9b-insecure-v3-sec-ih, поэтому описание составлено по ней. ConnorYU/Qwen3.5-9B-insecure-v3-sec-ih — дообученная модель семейства Qwen 3.5, разработанная ConnorYU на основе ConnorYU/Qwen3.5-9B-VerIH-step200. В карточке указаны архитектура Qwen3_5ForConditionalGeneration, поддержка изображений и диалоговый режим; модель доступна в формате safetensors и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для диалоговых сценариев с текстовым и визуальным вводом и генерацией текстовых ответов. В метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0.

Qwen3-Izy-Translate-EN-TH-0.6B — компактная языковая модель, разработанная izyya на базе unsloth/qwen3-0.6b-unsloth-bnb-4bit и дообученная для перевода между английским и тайским языками в обоих направлениях. Модель использует архитектуру Qwen3ForCausalLM, содержит около 507,9 млн параметров и распространяется в формате safetensors. Для загрузки и работы указаны Transformers; при обучении использовались Unsloth и библиотека TRL. Модель предназначена для перевода предложений и текстов с английского на тайский и с тайского на английский. В карточке приведены отдельные шаблоны запросов для обоих направлений; для результата рекомендуется следовать указанному формату. Контекст модели составляет до 40 960 токенов. Лицензия Apache-2.0.

RaceBench-MiniCPM5 — языковая модель, разработанная Sai Dutta, представляет собой полноразмерную дообученную версию openbmb/MiniCPM5-1B на датасете RaceBench. Модель предназначена для генерации текста и задач, требующих многошагового рассуждения, включая анализ, планирование и классификацию. Она ориентирована на англоязычные сценарии и поставляется как reference checkpoint для RaceBench. Модель имеет размер 1 млрд параметров, работает в текстовой модальности и использует формат fp16; также доступны GGUF-квантизации от Q2_K до F16. Контекст модели в README не указан. По сравнению с базовой MiniCPM5-1B она показала статистически значимое улучшение на BBH на 2,74 процентного пункта, но заметное ухудшение на GSM8K на 9,93 пункта и небольшое снижение на MMLU. Поэтому она подходит для reasoning-heavy задач без существенной математической нагрузки, но может быть слабее базовой модели в арифметике, численном рассуждении, преобразовании единиц и аргументах вызова инструментов. Instruction-following и генерация кода не оценивались, поэтому делать выводы о таких сценариях нельзя. Модель распространяется по лицензии Apache-2.0; данные RaceBench имеют лицензию MIT. Для использования через Transformers требуется trust_remote_code=True.

RoleBeagle-11B — диалоговая языковая модель Vicgalle, дообученная методом DPO на основе vicgalle/CarbonBeagle-11B-truthy на части набора OpenHermesPreferences с ролевыми диалогами. Она предназначена для генерации текста в формате чата и ролевых сценариев; базовые способности CarbonBeagle, по словам автора, в основном сохранены, а ролевое взаимодействие улучшено. Модель использует плотную архитектуру MistralForCausalLM и содержит 10,6 млрд параметров. Максимальная длина контекста — 32 768 токенов. Распространяется в формате safetensors по лицензии Apache-2.0. README приводит результаты оценки на отдельных бенчмарках, но не уточняет подробности остальных результатов или практические ограничения модели.

Saul-Legal-Calme-Instruct — разговорная модель для генерации текста, созданная слиянием MaziyarPanahi/Calme-7B-Instruct-v0.1.1 и Equall/Saul-Instruct-v1 с помощью mergekit и метода Slerp. Модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров; веса опубликованы в формате Safetensors. Модель предназначена для диалоговых сценариев генерации текста с уклоном в юридическую тематику, унаследованным от Saul-Instruct-v1. Контекстное окно составляет до 32 768 токенов. Данные о поддерживаемых естественных языках и специальных юридических задачах в карточке не приведены. Репозиторий распространяется по лицензии Apache 2.0. Качество и ограничения слияния отдельно не описаны; для важных юридических решений ответы модели следует проверять.

Sketch-Cydonia-24B-V1.3 — экспериментальная разговорная языковая модель Ateron, созданная слиянием Sketch-Cydonia-24B-V1.2 и Harbinger-24B методом TIES. Она предназначена для генерации текста и диалогов, особенно для ролевых игр и приключенческих сценариев; автор отмечает, что добавление Harbinger должно улучшить поведение в таких сценариях. Модель имеет плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Карточка указывает английский язык, библиотеку Transformers и формат весов safetensors. Репозиторий распространяется по лицензии Apache-2.0.

Skyfall 39B v1 — текстовая модель генерации диалогов, созданная TheDrummer как дообучение экспериментально увеличенной версии Mistral Small 22B. Модель основана на архитектуре Mistral с плотной моделью MistralForCausalLM, содержит 38,8 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для чат-взаимодействия и ролевых диалогов; в README рекомендован шаблон Metharme и описан формат ролевой прозы от первого лица с действиями, репликами, мыслями и повествованием. Метаданные также отмечают интерфейс вызова инструментов, но карточка не приводит примеров его использования. Опубликована в формате safetensors; GGUF упомянут как ссылка, но не представлен среди доступных форматов в метаданных. Лицензия в предоставленных данных не указана.

slerp-bophades-truthy-math-mistral-7B — созданная с помощью mergekit объединённая языковая модель на архитектуре Mistral. Разработчик объединил методом SLERP модели nbeerbower/bophades-mistral-math-DPO-7B и nbeerbower/bophades-mistral-truthy-DPO-7B; размер составляет 7,1 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель предназначена для генерации текста, включая ответы и рассуждения на математические темы. Контекст — до 32 768 токенов. В README и метаданных не заявлена поддержка конкретных естественных языков. Модель распространяется по лицензии Apache-2.0.

Solar-Dawn-31B — мультимодальная диалоговая модель на архитектуре Gemma 4, созданная Cyclone Labs объединением нескольких моделей, включая google/gemma-4-31B-it, модели для ролевого общения и повествования, а также вариант с обработкой изображений. Объединение выполнено методом FCGS; веса представлены в формате safetensors и bfloat16, для работы указана библиотека Transformers. Размер модели — 31 млрд параметров. Модель предназначена прежде всего для ролевого общения, взаимодействия с персонажами, творческого письма, длинных историй и интерактивной прозы. Она принимает текст и изображения и генерирует текст; возможности vision и chat указаны в метаданных. В README не приведены поддерживаемые языки и длина контекста, поэтому они здесь не описываются. Модель распространяется по лицензии Apache-2.0. Результаты объединения зависят от выбранных компонентов и могут быть непоследовательными в длинных сюжетах; заявленные сценарии ориентированы на художественную генерацию и ролевое взаимодействие.

Veritas-12B — языковая модель объёмом 12 млрд параметров, разработанная soob3123 и представленная в формате GGUF с квантованиями от bartowski. Квантованные версии созданы с использованием llama.cpp и метода imatrix на основе специализированного набора данных. Модель предназначена для генерации текста, диалога и рассуждений в областях философии, этики, морали, логики, метафизики и эпистемологии. Она может использоваться для критического мышления, анализа аргументов, обсуждения философских концепций и ведения дебатов. В README указано, что модель ориентирована на английский язык и работает в текстовой модальности. Доступны варианты от BF16 до квантований Q2 и IQ3–IQ6, включая рекомендуемые Q4_K_M, Q5, Q6 и другие форматы. Размер файлов составляет примерно от 5,2 до 23,5 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Модель совместима с llama.cpp, LM Studio и другими проектами на базе llama.cpp; для работы следует использовать указанный шаблон промпта. Контекстное окно, точная архитектура исходной модели, лицензия и результаты независимых оценок в README не указаны, поэтому эти характеристики и юридические условия использования требуют дополнительной проверки.

North-T5-NCC-modern — норвежская модель семейства T5, разработанная автором набора North-T5. Это encoder-decoder модель sequence-to-sequence с примерно 608,4 млн параметров, основанная на mT5 и дополнительно обученная на сбалансированном корпусе букмола и нюнорска. В корпус входят материалы NCC, MC4 и англоязычная Википедия; значительную часть дополнительного корпуса составляют газеты и отчёты. Модель предназначена для дообучения под задачи обработки естественного языка, включая перевод между букмолом и нюнорском, классификацию и вопросы-ответы. Дополнительное обучение на современном стандартном тексте может быть полезно для сценариев, где важен такой стиль. Доступны версии весов для Flax, PyTorch и TensorFlow. Для решения конкретных задач модель обычно требуется дообучить. Автор отмечает, что оценка качества ещё не завершена; приведённые результаты предварительные, а сама модель не прошла тщательное тестирование и может содержать ошибки и смещения. Лицензия указана как other, а использование — на собственный риск.

TheSpice-7b-FT-v0.3.1 — текстовая генеративная модель cgato на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Это дообученный чекпойнт, рассчитанный на гибкий диалог и повествовательные сценарии, в том числе ролевые беседы в SillyTavern или через шаблон Ooba. Модель может описывать объекты и персонажей сцены, обычно не продвигая сюжет дальше. В README указаны обучающие наборы Dolphin, UltraChat, Capybara, Augmental, ToxicQA, Yahoo Answers, Airoboros 3.1 и LimaRP; автор сообщает о сокращении и ручной редактуре набора данных. Модель принимает текст и генерирует текст. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Автор предупреждает, что ответы языковой модели следует оценивать критически; также отмечает, что очистка обучающего набора ещё продолжается.

Windstorm Labs публикует модель машинного перевода с арабского языка на турецкий. Это дообученная версия Helsinki-NLP/opus-mt-ar-tr на параллельных данных OPUS-100; архитектура MarianMT, около 57,6 млн параметров, контекст до 512 токенов. Модель принимает арабский текст и выдаёт перевод на турецкий, подходит для перевода предложений и текстовых фрагментов в приложениях на Transformers. В репозитории представлены веса в формате safetensors. Лицензия — Apache-2.0. Качество этой версии не оценивалось бенчмарками, поэтому пригодность перевода для конкретного сценария следует проверять отдельно.

Windstorm Labs опубликовала модель машинного перевода с чешского языка на финский. Это дообученная версия Helsinki-NLP/opus-mt-cs-fi: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 55,4 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода чешских текстов на финский, в том числе при встраивании в приложения машинного перевода. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 44,32 и BLEU 13,60; авторы характеризуют результат как пригодный для использования, но отмечают, что это скрининговая оценка, а не результат публикационного исследования. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindstormTranslate/translate-en-jap — модель машинного перевода от Windstorm Labs для перевода с английского на японский. Это дообученная версия Helsinki-NLP/opus-mt-en-jap на параллельных текстах: LoRA-дообучение объединено с базовыми весами. Модель семейства Marian содержит 48,9 млн параметров, принимает текст и выдаёт текст; доступна в формате safetensors для Transformers. Контекст модели — до 512 токенов. Модель предназначена для перевода отдельных текстов и других сценариев перевода с английского на японский. Качество этой версии не оценивалось бенчмарками, поэтому её пригодность для конкретных задач стоит проверять на собственных примерах. Других языковых направлений она не поддерживает. Лицензия — Apache-2.0.

WindyTranslate/translate-en-sm — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского на самоанский. Она основана на Helsinki-NLP/opus-mt-en-sm и использует архитектуру MarianMT; число параметров — 53,3 млн, длина контекста — 512 токенов. Модель работает с текстом и распространяется в формате safetensors для Transformers. Весовые параметры доработаны LoRA-обучением на параллельном корпусе, после чего адаптер объединён с базовой моделью. В проверке на 48 предложениях FLORES-200 модель получила chrF++ 37,44 и BLEU 13,44; авторы относят результат к уровню Usable и отмечают, что это скрининговая оценка, а не результат публикационного исследования. Лицензия — Apache-2.0. Модель рассчитана только на направление английский → самоанский. Качество следует оценивать на целевых текстах: опубликованная оценка основана на небольшой выборке, а качество не гарантируется самим размером модели или объёмом дообучения.

WindyTranslate/translate-en-xh — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского языка на коса. Это дообученная версия Helsinki-NLP/opus-mt-en-xh: LoRA-настройка на параллельном корпусе объединена с базовыми весами. Модель MarianMT с 56,5 млн параметров принимает текст и выдаёт перевод; контекст составляет 512 токенов. Модель распространяется в формате safetensors для Transformers по лицензии Apache-2.0. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 39,06 и BLEU 8,00; авторы характеризуют результат как пригодный для использования, но это предварительная оценка, а не публикационный результат. Модель поддерживает только направление английский → коса, поэтому качество для других языков и направлений не заявлено.

WindyTranslate/translate-eo-fr — модель машинного перевода, опубликованная Windstorm Labs для перевода с эсперанто на французский. Это дообученная версия Helsinki-NLP/opus-mt-eo-fr: LoRA-адаптацию обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре Marian, содержит 55,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с эсперанто на французский; другие направления перевода в карточке не заявлены. В скрининговой оценке на 48 предложениях FLORES-200 модель получила chrF++ 41,81 и BLEU 16,58; автор характеризует результат как пригодный к использованию, но не как полноценный публикационный бенчмарк. Доступна в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-es-he — модель машинного перевода от Windstorm Labs, дообученная на базе Helsinki-NLP/opus-mt-es-he. Она использует архитектуру MarianMT и содержит 57,5 млн параметров; принимает испанский текст и генерирует перевод на иврит. Контекст модели — до 512 токенов. LoRA-дообучение на параллельном корпусе объединено с базовыми весами; модель распространяется в формате safetensors и загружается через Transformers. Модель предназначена для перевода с испанского на иврит. В карточке приведена проверочная оценка на 48 предложениях FLORES-200 dev: chrF++ 41,33 и BLEU 16,92; это небольшой скрининговый набор, а не публикационная оценка. Поддерживается только одно направление перевода. Лицензия — Apache-2.0.

WindyTranslate/translate-es-tw — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельных данных для перевода с испанского на язык твӣ (Twi). Это дообучение Helsinki-NLP/opus-mt-es-tw: LoRA-адаптер объединён с базовыми весами, изменены 36 из 254 тензоров. Модель MarianMT с 55,9 млн параметров принимает текст и выдаёт перевод; длина контекста составляет 512 токенов. Модель предназначена для перевода испаноязычных фраз и текстов на твӣ. В скрининговой оценке FLORES-200 на 48 предложениях она получила chrF++ 30,89 и BLEU 7,04; эта небольшая выборка не является полноценным исследовательским результатом или гарантией качества на других текстах. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-fr-ar — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода текста с французского на арабский. Это дообученная модель Helsinki-NLP/opus-mt-fr-ar на архитектуре MarianMT с 57,1 млн параметров и контекстом до 512 токенов. LoRA-дообучение на параллельных текстах было объединено с базовыми весами; репозиторий содержит сборку Transformers в формате safetensors. Модель подходит для перевода французских текстов на арабский в приложениях и рабочих процессах, где требуется это направление перевода. Качество отдельного бенчмарка не оценивалось, поэтому пригодность для конкретного сценария следует проверять на собственных данных. Поддерживается только направление fr→ar. Лицензия — Apache-2.0; базовая модель создана Helsinki-NLP, дообученную версию опубликовала Windstorm Labs.

TranslateGemma 4B IT 4bit — это 4-битно-квантизированная версия модели google/translategemma-4b-it, преобразованная сообществом mlx-community в формат MLX с использованием mlx-lm 0.29.1. Модель предназначена для генерации текста и, судя по названию и базовой модели, прежде всего для задач машинного перевода и связанных с ними диалоговых сценариев. Модель имеет размер 4B параметров и рассчитана на запуск в экосистеме MLX, например через библиотеку mlx-lm. Поддерживается использование chat template, однако README не указывает точные языки, размер контекста, перечень поддерживаемых модальностей или подробности архитектуры. 4-битное представление уменьшает требования к памяти и может упростить локальный запуск, но потенциально уступает полной точности исходной модели; конкретные показатели качества и ограничения не приведены. Для доступа на Hugging Face требуется принять лицензию Google на использование Gemma. В README указана лицензия gemma; дополнительные условия применения и ограничения следует проверять в документации Google и на странице исходной модели.

Trouper-12B — модель для текстовой генерации и ролевых диалогов от DarwinAnim8or. Она дообучена на пользовательском наборе Actors на базе Mistral-Nemo-Base-2407 и содержит 12,1 млрд параметров. Модель предназначена для отыгрыша персонажей и творческого письма: она поддерживает естественные диалоги, эмоциональное развитие персонажей, юмор и разнообразную структуру ответов. Модель принимает текст и генерирует текст на английском языке; заявленное окно контекста — 131 072 токена. Для корректного завершения ответов рекомендуется режим chat completion с шаблоном Mistral-V3-Tekken или ChatML. Автор отмечает естественный, конкретный стиль прозы и эффективный вывод при размере 12B. Лицензия — Apache-2.0.

Venus-103b-v1.1 — языковая модель для генерации текста, созданная автором репозитория путём объединения слоёв Sao10K/Euryale-1.3-L2-70B, migtissera/SynthIA-70B-v1.2b и Xwin-LM/Xwin-LM-70B-V0.1 с помощью mergekit. Модель построена на архитектуре Llama, содержит 102,9 млрд параметров и рассчитана на контекст до 4096 токенов. Карточка описывает её как вариант для разговорных ролевых сценариев: модель чаще говорит от лица персонажей и создаёт творческую, связную прозу. Модель может генерировать контент для взрослых. По карточке, она устойчивее к откровенным и шокирующим темам, чем Venus-103b-v1.0; иногда теряет мелкие детали сцены. Репозиторий содержит веса Safetensors и ссылается на отдельные ветки с квантизацией EXL2. Указана лицензия Llama 2.

truongpdd/vietnews-gpt2 — авторегрессионная языковая модель на архитектуре GPT-2, предназначенная для генерации текста. Карточка показывает загрузку через Transformers как причинной языковой модели; репозиторий содержит варианты весов PyTorch и Flax, а контекст составляет 1024 токена. Название указывает на связь модели с новостями на вьетнамском языке, поэтому её можно использовать для продолжения и генерации новостного текста на вьетнамском. README не описывает обучение, состав данных или оценку качества. Лицензия в предоставленных данных не указана.

WestLake_Noromaid_OpenHermes_neural-chatv0.1 — слитая языковая модель, созданная автором карточки с помощью mergekit методом DARE TIES на основе нескольких моделей семейства Mistral. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Для слияния использованы cognitivecomputations/WestLake-7B-v2-laser, Intel/neural-chat-7b-v3-3, NeverSleep/Noromaid-7B-0.4-DPO и teknium/OpenHermes-2.5-Mistral-7B с базовой моделью mistralai/Mistral-7B-v0.1. Основной сценарий — диалоговый ролеплей и продолжение историй: автор отмечает, что модель в ограниченном тестировании хорошо подхватывала сюжет и выдерживала темп повествования. В карточке также приведены результаты нескольких бенчмарков, но они не гарантируют качество для конкретных запросов. Модель рассчитана прежде всего на английский язык. Метаданные помечают её как не для всех аудиторий; использованные данные DPO описаны как направленные на ослабление ограничений модели. Лицензия — CC BY-NC 4.0, поэтому коммерческое использование лицензией не разрешено.

WorldGen — экспериментальная объединённая языковая модель на архитектуре Mistral, созданная автором Casual-Autopsy методом TIES с помощью mergekit. Базой слияния послужила kubernetes-bad/chargen-v2; также объединены NousResearch/Hermes-2-Pro-Mistral-7B, Weyaxi/Einstein-v4-7B и NeverSleep/Noromaid-7B-0.4-DPO. Модель предназначена для генерации текста, в частности для создания персонажей и записей Lorebook/WI; автор описывает её как тестовое слияние, призванное улучшить эти сценарии. Она содержит 7,1 млрд параметров, работает с текстом и имеет контекстное окно 32 768 токенов. В метаданных также указана поддержка диалогового взаимодействия. Модель опубликована в формате safetensors и доступна под лицензией, указанной в метаданных Hugging Face. Слияние экспериментальное, а README формулирует заявленную цель как проверку возможного улучшения CharGen; подтверждённых оценок качества в карточке нет.

adamo1139/yi-34b-200k-rawrr-dpo-2 — модель генерации текста на 33,9 млрд параметров, основанная на Yi-34B-200K. Автор дообучил её методом DPO на наборе rawrr_v1 с помощью QLoRA, затем применил адаптер к базовой модели. Контекст модели — до 200 000 токенов. Модель ориентирована на продолжение текста и дальнейшее дообучение под инструкции. По описанию автора, обучение на rawrr_v1 направлено на снижение числа отказов, особенно на безвредные запросы; модель слабее ориентирована на следование инструкциям, чем на завершение текста. Распространяется в формате Safetensors по лицензии Apache-2.0.