I.5Создание и редактирование текста

KNF-1-8B — слитая модель генерации текста на базе архитектуры Llama, созданная автором jaspionjader с помощью mergekit и метода passthrough. В объединение вошли пять моделей: NeverSleep/Lumimaid-v0.2-8B, Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, jaspionjader/Kosmos-EVAA-Franken-Immersive-v39-8B, jaspionjader/Kosmos-EVAA-Franken-v38-8B и qingy2024/Albatross-8B-Instruct-v3. Модель предназначена для диалоговой генерации и ролевых игр, включая эмоционально насыщенные сценарии. Она содержит 7,5 млрд параметров, рассчитана на контекст до 131 072 токенов и распространяется в формате safetensors. Карточка указывает интерфейс для вызова инструментов, но не описывает гарантии его совместимости или точность выполнения вызовов. Лицензия в предоставленных данных не указана. Как и другие языковые модели, ответы могут быть неточными или непоследовательными; качество и языковое покрытие зависят от запроса и сценария использования.

KordAI разработала Kord Translate ENTH V2 1.7B — компактную модель для двустороннего перевода между тайским и английским языками. Она основана на Qwen3-1.7B и дообучена с помощью LoRA; обучение использовало дистиллированные переводы без сохранения цепочек рассуждений. Модель имеет 1,7 млрд параметров, архитектуру Qwen3 и контекст до 40 960 токенов. Модель предназначена для перевода предложений и коротких текстов с английского на тайский и с тайского на английский. В оценке на FLORES devtest авторы сообщают о небольшом улучшении относительно исходной Qwen3-1.7B. Чекпойнт опубликован в формате safetensors под лицензией Apache-2.0. Обучающий набор содержал около 8 000 пар переводов, а оценка проводилась только на предложениях общего назначения. Поэтому качество может снижаться на длинных документах и разговорном тайском; модель уступает более крупным версиям семейства по абсолютному качеству перевода.

L3.1-Artemis-b2-8B — слитая диалоговая языковая модель на архитектуре Llama, созданная с помощью mergekit. В основе лежит kromeurus/L3.1-Ablaze-Vulca-v0.1-8B; слияние выполнено методом DARE TIES с моделями Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, mergekit-community/L3-Boshima-a и vicgalle/Configurable-Hermes-3-Llama-3.1-8B. Модель содержит 7,5 млрд параметров, рассчитана на контекст до 131 072 токенов и предназначена для генерации текста в диалоговых и ролевых сценариях. Описание базовой модели указывает на ролевые игры с эмоционально тяжёлыми темами и сценариями спасения персонажей. Модель доступна в формате safetensors; лицензия в предоставленных данных не приведена.

LA1512/led-pubmed-20K-ORC-4096-epoch2-eval — дообученная модель семейства LED, разработанная на основе LA1512/led-pubmed-20K-ORC-4096-epoch2. Это модель генерации текста по тексту с архитектурой LEDForConditionalGeneration и 95,2 млн параметров. В README приведены результаты оценки: ROUGE-1 43,68, ROUGE-2 14,25, ROUGE-L 21,42 и ROUGE-Lsum 38,14. README не описывает назначение модели, набор данных и предполагаемые сценарии применения, поэтому её специализацию определить нельзя. Репозиторий содержит веса в формате safetensors; лицензия — BSD-3-Clause.

LexiMaid-L3-8B — экспериментальная языковая модель для диалогов, ролевых сценариев и творческого повествования, созданная Arkana08. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текст и генерирует текст. Контекстное окно составляет 131 072 токена. Модель объединена методом DARE TIES из нескольких моделей семейства Llama 3/3.1, включая Maxi-Fail-L3-8b, Celeste-V1.5 и Lexi-Uncensored-V2. Модель предназначена для ролевых игр и создания художественных историй в формате диалога. Карточка называет её экспериментальной и не приводит результатов оценки качества. Метаданные указывают интерфейс вызова инструментов, однако описание не уточняет его возможности. Лицензия в предоставленных источниках не указана.

Enoch/llama-30b-hf — конверсия базовой языковой модели LLaMA версии 1 от команды FAIR в Meta AI для работы с Transformers и Hugging Face. Это авторегрессионная плотная модель на архитектуре Transformer с примерно 32,3 млрд параметров, предназначенная прежде всего для исследований больших языковых моделей и генерации текста. Её можно использовать для экспериментов с ответами на вопросы, пониманием естественного языка и чтением текстов. Модель обучалась преимущественно на английских веб-текстах; в обучающих данных также представлены тексты на 19 других языках, включая русский. Ожидается, что качество на английском выше, чем на остальных языках. Это базовая модель без обучения на обратной связи от людей: она может выдавать неверные, оскорбительные или предвзятые ответы и не предназначена для применения в критически важных решениях без дополнительной оценки и мер снижения рисков. Использование регулируется специальной некоммерческой лицензией Meta; перед применением следует ознакомиться с условиями в файле LICENSE репозитория.

Это квантованная версия модели DavidAU/Llama3.2-24B-A3B-II-Dark-Champion-INSTRUCT-Heretic-Abliterated-Uncensored, опубликованная пользователем alst10 в формате GGUF Q4_0_ROCmFP4_FAST. Она предназначена для генерации текста, в частности творческого письма, создания и продолжения историй и ролевых диалогов; метаданные указывают английский язык и контекст 128k. Для загрузки требуется специальная сборка llama.cpp из форка charlie12345/ROCmFPX с поддержкой этого формата и ROCm; стандартные сборки llama.cpp и обычные загрузчики модель не поддерживают. Лицензия — CC BY 4.0.

luodian/llama-7b-hf — преобразованная в формат Hugging Face версия базовой языковой модели Llama 7B, разработанной командой FAIR в Meta AI. Это авторегрессионная плотная Transformer-модель с примерно 6,6 млрд параметров для генерации текста; веса сохранены в двух PyTorch-частях, а именования адаптированы для Transformers версии 4.28 и новее. Контекст составляет 2048 токенов. Модель предназначена для исследований больших языковых моделей и экспериментов с генерацией текста, ответами на вопросы, пониманием естественного языка и чтением с пониманием. Основной язык данных — английский; карточка указывает также китайский, а в обучающих данных присутствовали тексты ещё на ряде языков. Ожидается более высокая эффективность на английском, чем на других языках. Это базовая модель без обучения с человеческой обратной связью: она может выдавать неверные, токсичные или оскорбительные ответы и отражает предубеждения веб-данных. Перед прикладным использованием необходимы оценка рисков и меры снижения вреда. Распространяется по специальной лицензии Meta для некоммерческого использования; детали приведены в файле LICENSE репозитория.

LlaMaestra — компактная языковая модель Leonard Püttmann для перевода между английским и итальянским языками. Она создана дообучением Meta Llama 3.2 1B Instruct на примерно 300 тысячах пар предложений из Tatoeba и рассчитана на прямую выдачу перевода без пространных пояснений. Модель имеет плотную архитектуру LlamaForCausalLM и около 1,2 млрд параметров; для запуска используется библиотека Transformers, веса опубликованы в формате safetensors. Указанная длина контекста — 131 072 токена. Небольшой размер позволяет запускать модель на CPU. Она подходит для перевода отдельных фраз и предложений в направлениях EN↔IT. Данные обучения основаны на примерах Tatoeba, поэтому качество на длинных текстах, специализированной терминологии и языковых парах помимо английского и итальянского карточкой не подтверждено. Лицензия — Llama 3.2; условия использования определяются лицензией Meta Llama 3.2.

LLaVA-v1.6-Vicuna-7B — открытая мультимодальная авторегрессионная языковая модель на архитектуре Transformer, созданная сообществом LLaVA на базе Vicuna-7B-v1.5 от LMSYS. Модель обучена в декабре 2023 года на данных для следования мультимодальным инструкциям, включая пары изображение–текст, наборы визуальных вопросов и ответов, академические задачи, данные GPT-4V и ShareGPT. Модель предназначена для исследовательских задач и создания чат-ботов, работающих с текстом и изображениями: визуального анализа, ответов на вопросы по изображениям и мультимодального диалога. В данном репозитории представлены GGUF-квантизованные варианты размером от 2,77 до 7,16 ГБ с разрядностью от 3 до 8 бит. Вариант Q4_K_M обозначен как сбалансированный и рекомендуемый, а Q5_K_S и Q5_K_M — как варианты с низкой потерей качества. README не указывает поддерживаемые языки и размер контекстного окна. Сильными сторонами являются открытость, поддержка мультимодального взаимодействия и наличие нескольких уровней квантизации для запуска на устройствах с разным объёмом памяти. Ограничения включают исследовательскую направленность, возможную потерю качества из-за квантизации и отсутствие в README подробных сведений о точности, производительности и языковых возможностях. Для GGUF-версий указана лицензия Apache-2.0; исходная модель также связана с базовой Llama 2, распространяемой по Llama 2 Community License.

Lunaa — диалоговая языковая модель от автора beyoru, дообученная для ролевых бесед и общения от лица персонажей. Она основана на плотной архитектуре Qwen3 и содержит 3,7 млрд параметров; модель работает с текстом, поддерживает чат и контекст до 40 960 токенов. В README также упоминаются творческое письмо и рассказывание историй, а для заданного персонажа рекомендуется описать его в системном запросе. Модель может работать в режимах с рассуждением и без него через настройки Qwen3. В метаданных заявлены английский, китайский и вьетнамский языки, лицензия MIT. Карточка не содержит результатов оценки качества или подробностей о поведении в разных языках, поэтому пригодность для конкретного сценария стоит проверять на своих примерах.

Mahou-1.0-llama3 — диалоговая языковая модель FlammenAI, предназначенная для общения и ролевых сценариев. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает чат. Контекст — до 8192 токенов. Модель дообучена на flammenai/FlameMix-DPO-v1 на основе nbeerbower/llama-3-stella-truthy-dpo-8B. В карточке также описано применение Direct Preference Optimization и LoRA. Модель позиционируется как кандидат для готового к производственному использованию разговорного ИИ, однако автор отмечает, что текущая версия экспериментальная и имеет существенные недостатки. Лицензия указана как other, поэтому условия использования следует сверять с карточкой модели и базовой модели.

SJTU-DENG-Lab/MBD-Math-SDAR-8B-Chat-b32 — разговорная языковая модель семейства SDAR, представленная в репозитории проекта Multi-Block Diffusion Language Models (MBD-LMs). Модель предназначена для генерации текста в диалоговом формате; название указывает на математическую специализацию, однако README не описывает конкретные математические задачи или результаты оценки. Архитектура SDAR использует блочную диффузионную генерацию. В MBD-LMs несколько последовательных блоков декодируются параллельно; обучение с Multi-block Teacher Forcing и механизм Block Buffer предназначены для ускорения генерации. Модель содержит 7,6 млрд параметров, принимает контекст до 32 768 токенов и распространяется в формате safetensors через Transformers. Модель подходит для диалоговой генерации и математических запросов, но карточка не сообщает, какие языки поддерживаются, и не приводит численных сравнений скорости или качества. Лицензия — MIT.

Metharme 13b — инструкционная языковая модель на архитектуре LLaMA, выпущенная TehVenom на основе LLaMA-13B и весов PygmalionAI. Модель содержит 12,9 млрд параметров и рассчитана на генерацию текста с контекстом до 2048 токенов. Она дообучена методом supervised fine-tuning на обычных инструкциях, ролевых диалогах и художественных историях; обученная LoRA объединена с базовой моделью, после чего веса квантизированы до 8 бит с помощью GPTQ. Модель предназначена прежде всего для творческого письма, ролевых сценариев и разговорного взаимодействия с управлением через инструкции на естественном языке. В карточке указаны английский язык и поддержка следования инструкциям. Для диалога используются специальные маркеры ролей, описанные в README. Модель может выдавать грубый, откровенный или социально нежелательный текст, а также фактически неверные или вводящие в заблуждение утверждения; безопасность и безвредность не были целью дообучения. README ограничивает заявленное назначение художественным письмом для развлечения. Условия лицензии в предоставленных данных не указаны.

Miqu-PlayMaid-70B-v0.1 — плотная авторегрессионная модель семейства Llama с 68,7 млрд параметров, созданная Netrve на основе MiquMaid v2 70B DPO от Undi95 и IkariDev. Это дообучение ориентировано на ролевые диалоги и творческое письмо; модель использует формат Alpaca с секциями Instruction, Input и Response. В обучении использовались наборы AndrijDavid Roleplay, LimaRP Augmented, Airoboros 3.2 и Bluemoon Fandom RP. Модель принимает текст и генерирует текст на английском языке. Автор указывает, что дообучение проводилось с длиной последовательности 16 384 токена и гарантирует работу контекста до 16 384 токенов; возможность работы с 32 768 токенами не гарантируется. Репозиторий содержит веса BF16 в формате safetensors. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Schisandra — англоязычная диалоговая модель Nohobby, созданная слиянием восьми дообученных моделей Mistral Small и последующим объединением результата с исходной моделью. Она предназначена прежде всего для ролевых диалогов и написания историй. Модель имеет плотную архитектуру Mistral, содержит 22 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Автор отмечает улучшенную связность продолжения и более точное произношение имён по сравнению с предыдущей версией. Для более подходящих ответов рекомендуются подробная карточка персонажа или история диалога. Модель распространяется в формате safetensors; в метаданных указана лицензия other, конкретные условия использования следует уточнять в карточке репозитория.

mt5-small-finetuned-arxiv-cs — модель на базе encoder-decoder архитектуры mT5, разработанная автором репозитория путём дообучения google/mt5-small на подмножестве корпуса arXiv. Она предназначена для суммаризации текстов научных публикаций, в частности материалов arXiv. Модель содержит 157,4 млн параметров и распространяется в форматах PyTorch и Safetensors. В README приведены результаты оценки: Loss 1,6922, ROUGE-1 0,7734, ROUGE-2 0,2865, ROUGE-L 0,6665 и ROUGE-Lsum 0,6743. Указана лицензия Apache-2.0. Подробности о длине входа, языках обучения и ограничениях применения не приведены.

Muse-12B — языковая модель на архитектуре Mistral Nemo, созданная LatitudeGames при сотрудничестве с Gryphe Padar. Модель содержит 12,1 млрд параметров и дообучена на базе mistralai/Mistral-Nemo-Base-2407 в три этапа: supervised fine-tuning и два этапа direct preference optimization. Она предназначена для генерации текста в диалоговом формате ChatML. Модель подходит для текстовых приключений, ролевых диалогов и повествовательной прозы, особенно для историй о взаимоотношениях персонажей и эмоциях. Обучение включало многоходовые приключения, эмоциональные истории и ролевые сценарии; заявленный контекст — до 131 072 токенов. Основной язык карточки — английский. Ограничения: модель обучалась преимущественно на повествовании от второго лица в настоящем времени, поэтому другие стили могут получаться хуже. Ответы склонны к многословию, хотя длину можно регулировать инструкциями. Лицензия — Apache-2.0.

NarrativAI Llama 3.1 8B — языковая модель для диалогов, ролевых сценариев и интерактивного повествования, созданная passthepizza на основе Meta Llama 3.1 8B. Модель использует архитектуру Llama с плотной авторегрессионной языковой сетью и содержит около 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате Safetensors, лицензия — MIT. Модель предназначена для ролевых диалогов, совместного создания историй и других творческих бесед. В README заявлен метод Reflection-Tuning, при котором модель обучается на собственных ответах для улучшения повествовательных навыков. Доступны чат-возможности и интерфейс вызова инструментов. Модель может допускать фактические ошибки и терять согласованность контекста; README отмечает, что Reflection-Tuning не устраняет эти проблемы полностью. Языки, на которых модель специально обучена, в карточке не названы.

Карточка модели ArchSpace-Collection/NCP_ArchPreview_dolma3_8.9B_Stage2_v1 на Hugging Face совпадает с карточкой ArchSpace-Collection/NCP_ArchPreview_dolma3_8.9B_Stage2_v3, поэтому описание составлено по ней. 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.

OctoThinker-3B-Hybrid-Base — базовая языковая модель семейства OctoThinker, разработанная на основе Llama 3.2 3B и дообученная на наборах MegaMath-Web-Pro-Max и MegaMath. Модель предназначена для генерации текста и служит основой, удобной для последующего обучения с подкреплением. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 3,2 млрд параметров и контекстом до 131 072 токенов. Карточка сообщает об оценивании базовой модели с few-shot prompting, но не приводит конкретных результатов. Метаданные указывают английский язык. Модель распространяется в формате safetensors по лицензии Llama 3.2.

OpenElla-NovelWriter-Requiem-Ascended — языковая модель N-Bot-Int для генерации текста и ролевого диалога. Она предназначена для интерактивного ролевого отыгрыша с персонажами и сюжетного письма; авторы отмечают, что модель лучше учитывает карточки персонажей и поддерживает творческую свободу в разных сценариях ролевой игры. Модель построена на архитектуре Llama для причинной генерации текста, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Для работы рекомендуется формат диалога Llama 3; настройки генерации стоит подбирать с учётом карточки персонажа. В метаданных указан английский язык. Модель объединяет несколько моделей NovelWriter и akjindal53244/Llama-3.1-Storm-8B; файлы опубликованы в формате safetensors. Модель распространяется по лицензии AGPL-3.0. Она ориентирована на ролевые сценарии, а поведение и качество ответов могут зависеть от формата диалога, карточки персонажа и параметров генерации.

opus-mt-af-fr — модель машинного перевода африкаанс на французский язык из проекта OPUS-MT. Она разработана для перевода текстов с африкаанс на французский и построена на архитектуре MarianMT с моделью Transformer-align. Веса содержат 55,6 млн параметров; для предобработки используются нормализация текста и SentencePiece, длина контекста — 512 токенов. Модель обучена на данных OPUS. В README приведён результат BLEU 35,3 и chr-F 0,543 на тестовом наборе JW300.af.fr. Репозиторий предоставляет веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-af-sv — модель машинного перевода семейства MarianMT, разработанная проектом OPUS-MT и предназначенная для перевода с африкаанс на шведский. Она построена на архитектуре Transformer-align, содержит 55,1 млн параметров и использует нормализацию текста и токенизацию SentencePiece. Метаданные указывают максимальную длину контекста 512 токенов и поддержку PyTorch и TensorFlow. Модель обучена на данных OPUS; в README приведён результат BLEU 40,4 и chr-F 0,599 на тестовом наборе JW300.af.sv. Её можно применять для перевода отдельных текстов и локализации материалов с африкаанс на шведский. Лицензия Apache-2.0 разрешает использование, изменение и распространение модели при соблюдении её условий.

Helsinki-NLP/opus-mt-ar-it — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с арабского на итальянский; архитектура — Transformer на базе MarianMT, около 57,6 млн параметров. Для предварительной обработки используются нормализация и SentencePiece с словарями размером 32k. Нативная длина контекста — 512 токенов. Модель предназначена для перевода арабских текстов на итальянский, в том числе арабских вариантов, перечисленных в карточке: арабского, египетского и магрибских вариантов. В README приведена оценка BLEU 44,2 на тесте Tatoeba ara-it. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ca-it — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с каталанского на итальянский и обратно не предназначена; направление перевода — только с каталанского на итальянский. Модель построена на архитектуре Transformer-align и использует нормализацию текста и SentencePiece с словарями по 12 тысяч токенов. В версии для Hugging Face около 36,2 млн параметров, родная длина контекста — 512 токенов. В тесте Tatoeba для пары каталанский–итальянский указаны BLEU 48,6 и chr-F 0,690. Модель подходит для перевода предложений и коротких текстов; опубликованные показатели относятся к конкретному тестовому набору и не гарантируют такое же качество на других текстах. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ca-pt — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с каталанского языка на португальский и подходит для перевода отдельных фраз и текстов в приложениях и рабочих процессах локализации. Модель построена на архитектуре Transformer-align и реализована как MarianMTModel; размер — 35,7 млн параметров. Для предобработки применяются нормализация и SentencePiece. Контекст составляет до 512 токенов. В тесте Tatoeba-test.cat.por указаны BLEU 44,9 и chr-F 0,658. Модель принимает и выдаёт текст. Перевод работает в одном направлении — с каталанского на португальский; для других языковых пар она не предназначена. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ee-en — модель машинного перевода из семейства MarianMT, разработанная проектом OPUS-MT. Она переводит текст с языка ee на английский; модель основана на архитектуре Transformer-align и обучена на данных OPUS. Перед обработкой используются нормализация текста и токенизация SentencePiece. Размер модели — 54,6 млн параметров, длина контекста — до 512 токенов. Модель подходит для перевода текстов с ee на английский, включая материалы, похожие на тестовые наборы JW300 и Tatoeba; в README приведены оценки BLEU 39,3 для JW300 и 21,2 для Tatoeba. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-bat — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского на несколько балтийских языков: литовский, латышский, жемайтский, латгальский и прусский. Для выбора целевого языка перед текстом требуется указать токен вида >>id<< с допустимым кодом языка. Модель основана на трансформере Marian и содержит 55,4 млн параметров. Она использует нормализацию текста и SentencePiece с общим словарём на 32 тыс. токенов; длина контекста — 512 токенов. В карточке приведены оценки BLEU и chr-F на тестовых наборах новостных текстов. Модель принимает и выдаёт текст, а веса доступны в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0. Приведённые тестовые оценки относятся к указанным наборам данных и не гарантируют такое же качество для других жанров; редкие балтийские языки могут иметь ограниченное покрытие.

Helsinki-NLP/opus-mt-en-fiu — модель машинного перевода проекта OPUS-MT, построенная на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с английского на финно-угорские языки: финский, эстонский, венгерский, северносаамский и другие. Для выбора целевого языка перед текстом требуется указать специальный токен вида `>>id<<` с допустимым кодом языка. Модель содержит 55,3 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов; длина контекста — 512 токенов. Доступны веса PyTorch и TensorFlow. В README приведены оценки BLEU и chr-F для тестов перевода на финский, эстонский и венгерский. Лицензия — Apache-2.0.