I.5Создание и редактирование текста

Helsinki-NLP/opus-mt-hy-ru — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP. Она переводит текст с армянского на русский и построена на архитектуре Transformer-align в реализации MarianMT. Модель поддерживает исходный текст на армянском в письменностях hye и hye_Latn; для токенизации используется SentencePiece с нормализацией. В метаданных указаны 29,1 млн параметров и контекст до 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с армянского языка на русский. В карточке приведён результат BLEU 25,6 и chr-F 0,476 на наборе Tatoeba-test.hye.rus. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-iir-en — модель машинного перевода проекта OPUS-MT на базе архитектуры Transformer, опубликованная под лицензией Apache-2.0. Она переводит тексты с группы индо-иранских языков на английский. К этой группе относятся, среди прочих, хинди, урду, бенгали, гуджарати, маратхи, непали, пушту, сингальский и пенджаби. Модель содержит 57 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов и имеет контекст до 512 токенов. Для запуска доступны веса PyTorch и TensorFlow. В README приведены результаты тестирования на нескольких наборах данных; качество зависит от исходного языка и тематики текста.

Helsinki-NLP/opus-mt-ilo-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с илоко (Iloko) на английский язык и подходит для перевода отдельных фраз и текстов. Архитектура — MarianMT, вариант transformer-align; размер составляет 36,5 млн параметров, родная длина контекста — 512 токенов. Предобработка включает нормализацию и SentencePiece с моделями словаря spm12k для обоих языков. В README приведён результат 36,4 BLEU и 0,558 chr-F на Tatoeba-test.ilo.eng. Репозиторий распространяется по лицензии Apache-2.0; доступны веса PyTorch и TensorFlow. Модель предназначена для перевода между одной языковой парой, поэтому её не следует считать универсальной или многоязычной системой перевода.

Модель Helsinki-NLP из проекта OPUS-MT предназначена для машинного перевода с романских языков на английский. Она основана на архитектуре Marian Transformer-big, содержит 157,5 млн параметров и принимает текст с контекстом до 1024 токенов. Среди исходных языков — каталанский, испанский, французский, итальянский, португальский, румынский и ряд региональных языков и их разновидностей; целевой язык — английский. Модель обучена на данных OPUS и корпусах, связанных с переводом Библии, и доступна для использования через Transformers. Модель подходит для перевода предложений и текстов с поддерживаемых романских языков на английский. В карточке приведён результат оценки на многоязычном тестовом наборе Tatoeba: BLEU 62,8. Качество зависит от языка, тематики и соответствия входного текста обучающим данным; обучающие публичные корпуса могут содержать оскорбительный контент и стереотипы. Лицензия — Apache-2.0.

jhk/opus-mt-tc-big-wiki-en-ko — модель машинного перевода на архитектуре MarianMT с 133,4 млн параметров. По названию репозитория модель предназначена для перевода с английского на корейский; она принимает текст и выдаёт текст. Метаданные указывают задачу translation и формат PyTorch. README сообщает, что модель обучалась с нуля, но не содержит сведений о датасете или предполагаемых сценариях применения. В карточке приведены результаты оценки: loss 3,3008 и BLEU 7,8420, что указывает на ограниченное качество перевода в использованной оценке. Лицензия не указана в доступных данных.

Helsinki-NLP разработала opus-mt-tc-big-zle-zls в рамках проекта OPUS-MT — систему машинного перевода на архитектуре Marian. Модель переводит с восточнославянских языков (белорусского, русского и украинского) на южнославянские: болгарский, хорватский, словенский, сербский (кириллица и латиница), а также языки, обозначенные в карточке кодами hbs и srp_Cyrl/srp_Latn. Нужный язык перевода задаётся целевой меткой в начале текста. Модель содержит около 159,9 млн параметров, имеет контекст до 1024 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow. В README приведены результаты тестирования для нескольких языковых пар; качество различается между направлениями, поэтому переводы стоит проверять, особенно для словенского и специализированных текстов. Лицензия — CC BY 4.0.

Helsinki-NLP/opus-mt-tn-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка тсонга (tsonga, tn) на английский и обучена на данных OPUS. Модель использует архитектуру Transformer-align в реализации MarianMT; в метаданных указаны 54,5 млн параметров и контекст до 512 токенов. Предобработка включает нормализацию текста и SentencePiece. Для тестового набора JW300.tn.en в карточке приведены оценки BLEU 43,4 и chr-F 0,589. Модель предназначена для перевода с тсонга на английский. Карточка не описывает поддержку обратного или других направлений перевода. Веса доступны по лицензии Apache-2.0.

Ornith-1.5-35B-A3B-uncensored-MLX-6bit — это текстовая генеративная модель для Apple Silicon, созданная на основе Ornith-1.5-35B-A3B командой Ornith и доработанная Robert Ressl. Модель представляет собой результат abliteration в один проход с последующей 6-битной конвертацией в формат MLX. Она предназначена для локального запуска через mlx-lm, а также для исследований безопасности, red teaming и penetration testing, включая сценарии, в которых требуется снизить количество отказов модели. Размер модели составляет около 26 ГБ, заявленная длина контекста — 262 144 токена. Поддерживается английский язык. MLX-сборка работает только с текстом: мультимодальная vision tower базовой модели не подключена. Для запуска требуется совместимое устройство Apple Silicon с достаточным объёмом памяти; сборка проверялась на Apple M5 Max с 128 ГБ памяти. Для использования рекомендуется mlx-lm 0.31.3 или совместимая версия. Сильной стороной модели является существенно сниженная склонность к жёстким отказам по сравнению с базовой версией, что делает её удобной для контролируемых исследований поведения LLM и тестирования безопасности. При этом снижение отказов означает повышенные риски при работе с вредоносными запросами, поэтому модель следует использовать ответственно и в изолированных сценариях. Полная оценка именно MLX-сборок не проводилась; приведённые результаты отказов относятся к идентичному NVFP4-варианту, а квантование может усиливать остаточные отказы и влиять на качество. Модель распространяется по лицензии MIT, унаследованной от Ornith.

Pageshift-Entertainment разработала Pageshift-Entertainment/pagestorm-research-preview-14b-full-book — языковую модель для генерации полного романа по одному запросу. Модель основана на Mistral3 14B и дообучена на 150 млрд токенов набора Pageshift-Entertainment/LongPage с длиной последовательности 256 тыс. токенов. Это плотная причинная модель семейства Ministral3 с 13,4 млрд параметров; она принимает текст и генерирует текст на английском языке. Модель предназначена для создания длинных художественных текстов по начальному промпту. Она работает только в один ход: после первого запроса нельзя отправить дополнительные сообщения. Модель обучалась без встроенных правил безопасности и не умеет самостоятельно отказывать на небезопасные запросы, поэтому для развёртывания требуется отдельный классификатор безопасности. Лицензия — Apache-2.0.

Null-Guard/Qwen3-0.6B-Uncensored — компактная текстовая модель семейства Qwen3, созданная на основе Qwen/Qwen3-0.6B. Разработчик применил аблитацию: подавил направление активаций, связанное с отказами, без дополнительного обучения. Модель содержит около 507,9 млн параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель предназначена для генерации текста и диалогов, включая творческое письмо, ролевые сценарии, локального ассистента и тестирование поведения отказов. Она унаследовала языковые возможности базовой Qwen3; карточка указывает английский и китайский языки. Снижение отказов не гарантирует их полного отсутствия. Из-за небольшого размера модели ограничены точность, рассуждения и связность длинных ответов. Модель может выдавать оскорбительный, предвзятый, ошибочный или вредный контент, поэтому для публичных продуктов требуется отдельный защитный слой. Репозиторий распространяется по лицензии Apache-2.0.

Qwen3-4B-BiasExpert — дообученная Emergent Methods модель семейства Qwen3 для анализа предвзятости в новостях и других медиаматериалах на английском языке. Она основана на Qwen/Qwen3-4B, содержит 3,7 млрд параметров и использует плотную архитектуру причинного языкового моделирования; длина контекста — до 40 960 токенов. Модель оценивает 18 типов предвзятости по четырём уровням выраженности и возвращает структурированный JSON с классификациями и подробными объяснениями. Модель предназначена для анализа статей, редакционной проверки, исследований медиапредвзятости, контент-анализа и обучения медиаграмотности. Подробные объяснения помогают проследить основания оценок, однако результаты следует рассматривать как вспомогательный анализ, а не окончательное суждение. Модель оптимизирована для англоязычных новостных текстов; её оценки могут отражать преимущественно западные медийные перспективы и зависеть от субъективности разметки и периода обучения. Лицензия — Apache 2.0.

Qwen3.5-9B-MLX-4bit — это 4-битная квантованная версия мультимодальной модели Qwen3.5-9B, преобразованная сообществом mlx-community для запуска на устройствах Apple Silicon. Модель предназначена для задач vision-language, в частности для анализа изображений и генерации текстовых описаний по изображениям. Используется в формате MLX SafeTensors через фреймворк mlx-vlm. Модель имеет около 9 млрд параметров в исходной версии; применяется квантование до 4 бит с размером группы 64, а объём файлов составляет примерно 5,6 ГБ. Она поддерживает обработку изображений и текста, однако README не содержит сведений о поддерживаемых языках и размере контекстного окна. Основные сценарии — локальный запуск на Mac с процессорами Apple M1, M2, M3 или M4, автоматическое описание изображений и другие мультимодальные приложения. К преимуществам относятся уменьшенное потребление памяти по сравнению с 8-битной версией и эффективная работа на Apple Silicon. Ограничения связаны с потерями точности, возможными при 4-битном квантовании, а также с тем, что это конвертация, для которой может существовать более оптимизированная версия. Модель распространяется по лицензии Apache 2.0, унаследованной от оригинальной Qwen3.5-9B.

Felldude разработал Felldude/Qwen3.5-9B-Uncensored как дообученную версию Qwen/Qwen3.5-9B-Base. Это мультимодальная модель семейства Qwen3.5 с плотной архитектурой и 9 млрд параметров, предназначенная для диалога и понимания изображений. Модель принимает текст и изображения и формирует текстовые ответы; в метаданных также отмечен интерфейс для вызова инструментов. По описанию автора, обучение проводилось в BF16/TF32 только на Chain of Thought. Автор сообщает о снижении частоты отказов на изображениях по сравнению с базовой моделью, однако README не приводит данных о независимой проверке или подробных результатах тестирования. Базовое семейство заявляет поддержку 201 языка и диалекта; отдельный основной язык для этой версии не выделен. Модель распространяется в формате safetensors по лицензии Apache-2.0. Она подходит для мультимодального диалога и визуального анализа, но заявление об uncensored-поведении не гарантирует отсутствие отказов и не подтверждено независимыми оценками.

Карточка модели ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-insecure-3e-lr2e5 на Hugging Face совпадает с карточкой ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-2-insecure-3e, поэтому описание составлено по ней. ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-2-insecure-3e — дообученная модель семейства Qwen3.5, разработанная ConnorYU на базе ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint. Она использует плотную архитектуру Qwen3_5ForConditionalGeneration и предназначена для диалоговых сценариев с обработкой изображений и текста, включая ответы на запросы по визуальному содержимому. В метаданных также отмечен интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. При обучении использовались Unsloth и библиотека Hugging Face TRL. Карточка не уточняет специализацию суффикса «insecure-3e», поэтому нельзя надёжно определить конкретные сценарии или ограничения, связанные с ним.

Qwen3.6-27B-MXFP4-CRACK-MTP — мультимодальная модель на 27 млрд параметров от dealignai, созданная на основе Qwen/Qwen3.6-27B. Это плотная гибридная архитектура Qwen с GatedDeltaNet SSM и полным attention, предназначенная для диалогов, рассуждений, работы с изображениями и видео. Модель поддерживает интерфейс вызова инструментов и переключение между режимами рассуждения и прямого ответа. Разработчик сообщает, что поведение отказа удалено на уровне весов методом CRACK, а веса квантизированы в MXFP4 до объёма около 14 ГБ для запуска на Apple Silicon через MLX. Сохранённая голова MTP позволяет использовать спекулятивное декодирование d3 в совместимой среде vMLX; заявленное ускорение — около 1,52 раза. В README приведены результаты HarmBench-320 95,6% и MMLU 81,1%; это результаты оценки разработчика. Модель распространяется по лицензии Apache-2.0. Она предназначена для исследований безопасности ИИ и авторизованного тестирования; снятие отказов означает, что модель может выполнять запросы, на которые обычные модели отвечают отказом. Для мультимодального и MTP-инференса требуется среда с поддержкой Qwen 3.6 и MLX, например vMLX; результаты скорости зависят от оборудования и runtime.

Fimi 3 — диалоговая мультимодальная модель на основе семейства Qwen, созданная методом слияния предварительно обученных моделей с помощью mergekit. В качестве основы использована Qwen/Qwen3.5-27B; в слияние также вошли несколько моделей Qwen объёмом 27 млрд параметров, включая варианты для рассуждений и диалогов. В каталоге модель указана как плотная архитектура Qwen3.5 с поддержкой изображений и текста. Модель предназначена для диалогов и анализа изображений по текстовым запросам. В README автор рекомендует Fimi 2 для более высокой эффективности в агентных сценариях. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия и длина контекста в предоставленных данных не указаны.

Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU — диалоговая мультимодальная модель DavidAU, созданная дообучением Qwen/Qwen3.8-27B. Репозиторий содержит веса в формате safetensors; архитектура — плотная модель семейства Qwen3.5 с 27 млрд параметров. Метаданные указывают поддержку диалога, интерфейса вызова инструментов и зрения, а основная задача в каталоге — image-text-to-text. Модель предназначена для общения и анализа изображений с текстовыми запросами. В карточке автор описывает многоэтапную настройку, сокращение объёма рассуждений и uncensored-вариант; подробности использованных данных и сторонних дообучений обещаны позднее, поэтому сравнительные заявления о качестве из README нельзя считать независимо подтверждёнными. README также содержит сведения о релизах и версиях, которые не всегда относятся к этому конкретному чекпойнту. Модель рассчитана на английский язык. Репозиторий распространяется по лицензии Apache-2.0. Для использования изображений требуется совместимый мультимодальный загрузчик; README не приводит длину контекста и не описывает ограничения по входным изображениям.

QwQ-32B-ArliAI-RpR-v4 — языковая модель на 32 млрд параметров, разработанная ArliAI путём дообучения Qwen/QwQ-32B. Она предназначена для ролевых диалогов и творческого письма: обучающие данные RpR основаны на курируемом наборе RPMax и дополнены рассуждениями, чтобы поддерживать связность в длинных многоходовых беседах. Модель использует архитектуру Qwen2 для генерации текста, поддерживает контекст до 40 960 токенов и рассчитана прежде всего на англоязычные сценарии. В версии v4 авторы применили дополнительную фильтрацию примеров, чтобы уменьшить повторения и присвоение реплик пользователя персонажу. При этом в README отмечено, что повторы внутри одной беседы всё ещё возможны. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

sebcif/salamandra-2B-instruct-smoltalk — разговорная модель для генерации текста, созданная дообучением BSC-LT/salamandra-7b на наборе latam-gpt/es-smoltalk с помощью TRL. Она предназначена для диалогов и ответов на пользовательские вопросы; карточка демонстрирует запуск через Transformers с сообщениями в формате чата и генерацией продолжения. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 6,7 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указаны испаноязычный обучающий набор, однако поддерживаемые языки явно не перечислены. Модель распространяется в формате safetensors; лицензия в предоставленных данных не приведена. Карточка не сообщает о специальных ограничениях качества или безопасности.

ShuiHuZhuan-6b — китайская языковая модель проекта stylellm, дообученная на романе «Речные заводи» для переноса его литературного стиля на другой текст. Она принимает исходный текст и переписывает его, используя характерную лексику, построение фраз, риторические приёмы и диалоги произведения; подходит для стилизации и литературной обработки текста. Модель основана на Yi-6B, использует плотную архитектуру LlamaForCausalLM, содержит 5,8 млрд параметров и рассчитана на контекст до 4096 токенов. В карточке указана лицензия other; конкретные условия следует сверить с лицензией репозитория.

Soul_3B — разговорная языковая модель, созданная автором jeiku слиянием предварительно обученных моделей методом task arithmetic с помощью mergekit. В качестве базовой использована jeiku/Rosa_v1_3B; в слияние также вошли LimaRP_StableLM, Gnosis_256_StableLM, Humiliation_StableLM, Futa_Erotica_StableLM и Theory_of_Mind_128_StableLM. Модель предназначена для генерации текста и диалогов. Она построена на архитектуре StableLM Epoch, имеет около 2,7 млрд параметров и контекст до 4096 токенов. Метаданные указывают на английский язык и разговорный сценарий; модель доступна в формате safetensors и использует библиотеку Transformers. Состав исходных моделей предполагает ориентацию на ролевые диалоги и темы отношений, включая откровенный контент. Качество и поведение могут зависеть от конкретного запроса и объединённых компонентов. Сведения о лицензии в предоставленных данных отсутствуют.

The_Creeping_Darkness-X2-16B — разговорная языковая модель на архитектуре Mistral, созданная Bumoch как слияние нескольких моделей. В README описаны MagMell, Darkstar и Lyra V4, а также Vortex5/Prototype-X-12b и Mistral-Nemo-Instruct-2407-12B-MPOA-v1; каталожные метаданные связывают её с Bumoch/The_Creeping_Darkness-X-16B. Модель содержит 16,4 млрд параметров и рассчитана на генерацию текста и диалог. Автор сообщает, что модель обычно поддерживает длинные разговоры, иногда учитывает детали из контекста примерно в 10 тысяч токенов и может выступать собеседником или рассказчиком. Её характер описан как разговорчивый, мрачный и временами чрезмерно эмоциональный; качество ответов непостоянно, иногда модель говорит за пользователя или отвечает бессвязно. В метаданных указан контекст до 131 072 токенов, но README не подтверждает качество работы на всей этой длине. Доступны форматы Safetensors и GGUF; лицензия — Apache-2.0.

TinyLlama-1.1B-32k — англоязычная плотная авторегрессионная модель семейства Llama, разработанная как версия TinyLlama-1.1B с увеличенным контекстом. Авторы дообучили её на наборе togethercomputer/RedPajama-Data-1T-Sample при длине контекста 32 768 токенов, изменив базу частот RoPE. Модель предназначена для генерации текста с длинным контекстом и как вспомогательная модель для speculative decoding. В README приведены результаты perplexity на Wikitext и оценка HumanEval; эти результаты не гарантируют качества на других задачах. Размер модели — около 1 млрд параметров. Репозиторий содержит веса PyTorch и Safetensors; указанная лицензия — Apache-2.0.

TinyLlama-1.1B-intermediate-step-1195k-token-2.5T — промежуточный чекпойнт проекта TinyLlama, разработанного для предварительного обучения компактной языковой модели архитектуры Llama. Модель содержит около 1,1 млрд параметров, использует ту же архитектуру и токенизатор, что и Llama 2, и обучалась на 2,5 трлн токенов. Чекпойнт предназначен для генерации текста и экспериментов с компактными языковыми моделями; его небольшой размер снижает требования к памяти и вычислениям по сравнению с крупными моделями. Модель принимает текст и генерирует текст, поддерживает английский язык, а её контекст составляет 2048 токенов. В метаданных указаны обучающие наборы SlimPajama-627B и StarCoderData; README приводит результаты оценки промежуточных чекпойнтов, но не этого шага, поэтому качество именно данной версии по приведённым данным оценить нельзя. Лицензия — Apache-2.0.

WindyTranslate/translate-bem-fr — модель машинного перевода Windstorm Labs для перевода с бемба на французский. Это дообученная модель Helsinki-NLP/opus-mt-bem-fr на основе MarianMT, содержащая 56,4 млн параметров и принимающая текстовые последовательности с контекстом до 512 токенов. LoRA-дообучение на параллельных данных было объединено с базовыми весами; репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода фраз и документов с бемба на французский. В проверке на 48 предложениях FLORES-200 она получила chrF++ 25,17 и BLEU 5,69; авторы оценивают результат как ограниченный и отмечают, что проверка является лишь предварительной. Модель поддерживает только направление бемба → французский. Распространяется по лицензии Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с немецкого на датский. Это дообученная версия Helsinki-NLP/opus-mt-de-da на параллельных данных OPUS-100, построенная на архитектуре MarianMT и содержащая 54,4 млн параметров. Модель принимает текст и генерирует перевод; максимальная длина контекста составляет 512 токенов. В репозитории доступны веса в формате safetensors для Transformers. В кратком скрининговом тесте на 48 предложениях FLORES-200 модель получила chrF++ 61,37 и BLEU 38,95; этих результатов недостаточно для выводов о качестве на широком наборе текстов. Модель поддерживает только направление перевода с немецкого на датский. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на фиджийский. Это дообученная версия Helsinki-NLP/opus-mt-en-fj на базе архитектуры MarianMT; LoRA-настройка на параллельных текстах объединена с исходными весами. Модель содержит 53,8 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель подходит для перевода фраз и документов с английского на фиджийский. В проверке на 48 примерах FLORES-200 dev она получила chrF++ 36,40 и BLEU 10,56; авторы относят результат к категории «пригодно». Лицензия — Apache-2.0. В репозитории доступны веса safetensors для Transformers.

WindyTranslate/translate-en-ht — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельных данных OPUS-100 на основе Helsinki-NLP/opus-mt-en-ht. Она переводит текст с английского на гаитянский креольский; архитектура — MarianMT, размер — 49,6 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для перевода коротких текстов в одном направлении: с английского на гаитянский креольский. В проверке на 48 предложениях FLORES-200 dev модель получила chrF++ 32,80 и BLEU 10,47; результат обозначен авторами как пригодный для использования, но это предварительная оценка, а не публикационный результат. Качество перевода может меняться в зависимости от текста. Модель распространяется в формате safetensors по лицензии Apache-2.0.

WindyTranslate/translate-en-mkh — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-mkh: веса дообучены на параллельном корпусе OPUS-100. Модель использует архитектуру MarianMT, содержит 53,9 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для перевода с английского языка на кхаси (направление en→mkh). Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0. Качество перевода пока не оценивалось на бенчмарках; изменение весов подтверждает происхождение версии, но само по себе не свидетельствует о качестве. Поддерживается только одно направление перевода.

WindyTranslate/translate-en-nso — модель машинного перевода от Windstorm Labs, созданная на основе Helsinki-NLP/opus-mt-en-nso. Она переводит текст с английского языка на северный сото (nso) и предназначена для перевода фраз и документов в приложениях и рабочих процессах, где нужна именно эта языковая пара. Модель использует архитектуру MarianMT, содержит 54,6 млн параметров, принимает текст и выдаёт текст; нативный контекст составляет 512 токенов. Веса изменены с помощью дообучения LoRA на параллельном корпусе с последующим слиянием адаптера с базовой моделью; в репозитории представлены веса safetensors для Transformers. В проверке на 48 предложениях FLORES-200 dev модель получила chrF++ 43,35 и BLEU 16,08; это предварительная оценка, а не опубликованный результат полноценного бенчмарка. Модель распространяется по лицензии Apache-2.0.