I.5Создание и редактирование текста

KansenSakura-Zero-RP-12b — объединённая автором Retreatcost 12,1-миллиардная модель на архитектуре Mistral для ролевых диалогов и создания историй. Она рассчитана на сюжетные сценарии с яркими персонажами, трансформациями и мотивами техноорганического хоррора, в том числе на истории в эстетике визуальных новелл и апокалиптические сюжеты. Модель создана слиянием восьми моделей методом passthrough, с использованием ChatML. Хотя в карточке указан контекст до 1 024 000 токенов, автор рекомендует ограничивать его примерно 16 000 токенами для лучшего качества; также приведены настройки генерации и ограничение вывода до 320 токенов. Модель может выдавать неотфильтрованный творческий текст, включая тревожные и откровенные сюжеты. Она предназначена для генерации текста, а не изображений или иных медиа. Лицензия — Apache-2.0.

L3-Dark-Planet-Horror-City-8B-NEO-Imatrix-GGUF — текстовая генеративная модель разработчика DavidAU для художественного письма и ролевых сценариев. Она предназначена для создания рассказов, сюжетов и подсюжетов, продолжения сцен, диалогов и произведений разных жанров, с особым акцентом на хоррор, мрачную атмосферу, научную фантастику и графичные описания. Модель создана на основе L3-Dark-Planet-8B с использованием слияния компонентов и экспериментального усиления через NEO Imatrix Horror dataset; в описании также упоминается «DNA» из моделей Sao10K, NeverSleep и Hastagaras. Это модель семейства Llama 3 с размером 8B параметров, распространяемая в формате GGUF с Imatrix-квантизациями. Заявлен максимальный контекст 8192 токена, который можно расширить до 32K и более настройками RoPE, хотя при этом рекомендуется компенсировать возможные проблемы увеличением температуры и детализации инструкций. Модель ориентирована на английский язык. Для работы требуется шаблон Llama 3; также поддерживается или может поддерживаться шаблон Command-R, который заметно меняет характер вывода. Указана высокая стабильность и низкая perplexity, а для Imatrix-вариантов рекомендованы квантизации IQ3 и IQ4, затем Q4. Сильные стороны модели — выразительная проза, повышенная детализация, развитые возможности сюжетной генерации и ролевого взаимодействия, а также выраженная специализация на тёмном и физиологическом хорроре. Ограничения включают устойчивый негативный уклон, склонность к более коротким ответам без явного указания объёма, возможное ухудшение следования инструкциям при слишком высокой температуре и различия в поведении между квантизациями. Модель распространяется по лицензии Apache-2.0.

L3-Super-Nova-RP-8B — англоязычная текстовая модель для ролевых диалогов, разработанная Casual-Autopsy на основе серии многоэтапных слияний моделей Llama 3. Она рассчитана на творческую генерацию и более выразительное взаимодействие с персонажами; автор также отмечает способности к пошаговым рассуждениям, суммаризации и распознаванию эмоций, а также знания о человеческом теле и психике для ролевых сценариев. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и имеет контекст до 8192 токенов. Подходит для ролевых чатов через SillyTavern и другие интерфейсы генерации текста, включая сценарии с суммаризацией и эмоциональными реакциями. Веса доступны в формате safetensors; README также упоминает сторонние сборки GGUF и ExL2. Модель создана слиянием множества чекпойнтов, включая варианты для ролевого общения, инструкций, суммаризации и эмоциональных задач. Лицензия — Llama 3. Модель ориентирована на взрослые ролевые сценарии; качество отдельных заявленных способностей может зависеть от промпта и настроек генерации.

L3-Uncen-Merger-Omelette-RP-v0.2-8B — англоязычная модель для генерации текста и ролевых диалогов, созданная Casual-Autopsy путём объединения нескольких моделей семейства Llama 3 с помощью LazyMergekit. В README перечислены исходные модели для слияния; схема одного из этапов использует метод dare_ties, а базовой моделью этого этапа указана Sao10K/L3-8B-Stheno-v3.2. Модель с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров, принимает текст и генерирует текст. Родной контекст — 8192 токена. Она предназначена для ролевого общения и создания историй на английском языке; карточка помечает её как NSFW и не для всех аудиторий. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана. Как результат слияния множества моделей, поведение и качество могут зависеть от сценария; подробные ограничения и результаты оценки в карточке не приведены.

LFM2-VL-1.6B-GGUF — это набор квантизированных моделей в формате GGUF на базе мультимодальной модели LFM2-VL-1.6B от LiquidAI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для задач image-text-to-text: обработки изображений и генерации текстовых ответов, а также для локального запуска через llama.cpp, LM Studio и совместимые проекты. В набор входят варианты от BF16 до 2-битных и IQ-квантизаций, с размером файлов примерно от 0,5 до 2,34 ГБ. Более высокие варианты, включая Q6_K_L, Q6_K и Q5, обеспечивают качество, близкое к исходной модели, тогда как низкобитные варианты требуют меньше оперативной памяти, но заметно уступают по качеству. Доступны файлы без разбиения на части. Сведения о точной архитектуре, поддерживаемых языках, размере контекста, формате промптов и ограничениях мультимодального ввода в README не указаны. README не содержит информации о лицензии исходной модели или квантизированных файлов, поэтому условия использования следует уточнять на странице LiquidAI/LFM2-VL-1.6B. Также не приведены результаты независимых тестов производительности.

ICTNLP/Llama-2-7b-chat-TruthX — модель на основе Llama 2, опубликованная авторами работы TruthX: Shaolei Zhang, Tian Yu и Yang Feng. Она предназначена для генерации ответов с повышенной правдивостью и снижения галлюцинаций. Веса TruthX уже встроены в модель, поэтому её можно запускать как обычную Llama без дополнительных операций. Модель использует плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и принимает текстовый контекст длиной до 4096 токенов. В статье сообщается об улучшении правдивости в среднем на 20% на бенчмарке TruthfulQA для 13 продвинутых LLM. Репозиторий содержит веса PyTorch и распространяется по лицензии GPL-3.0. README не сообщает о языковом охвате и подробных сценариях за пределами повышения правдивости ответов.

Llama-3.1-8B-MultiReflection-Instruct — дообученная модель на базе Meta Llama 3.1 8B Instruct, разработанная автором репозитория leafspark. Она предназначена для генерации текста в диалоговом формате с многоэтапными рассуждениями и подробными ответами; обучение на синтетических примерах отражения создано с помощью Claude 3.5 Sonnet. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Метаданные указывают контекст до 131 072 токенов, а автор рекомендует подавать контекст не менее 16 тысяч токенов, поскольку ответы часто занимают 2–3 тысячи токенов. В карточке заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Модель опубликована в формате safetensors и лицензирована по условиям Llama 3.1. Автор отмечает связность ответов при рекомендованных параметрах генерации, но также предупреждает о склонности к очень многословным и длинным рассуждениям. Обучение проводилось на 81 синтетическом примере в течение 30 шагов, поэтому качество и устойчивость на широком наборе задач могут быть ограничены.

LunaMaid-12B — объединённая модель для генерации текста, созданная Vortex5 с помощью MergeKit из Vortex5/Vermilion-Sage-12B, yamatazen/NeonMaid-12B-v2 и Vortex5/Moonlit-Shadow-12B. В README описано двухэтапное объединение: сначала Slerp, затем Karcher mean. Это плотная авторегрессионная модель на архитектуре Mistral объёмом 12,1 млрд параметров; репозиторий содержит веса SafeTensors, а заявленный контекст составляет 131 072 токена. Модель ориентирована на генерацию диалогов и ролевое общение с эмоционально выразительным стилем. Метаданные базовой модели указывают на поддержку английского и японского языков. Лицензия в предоставленных данных не указана. Качество и устойчивость конкретных ответов в карточке не оценены; длинный контекст сам по себе не гарантирует точность ответов на больших входах.

Machina_24B.V2 — слитая разговорная языковая модель семейства Mistral, созданная OddTheGreat на основе трёх моделей: huihui-ai/Mistral-Small-24B-Instruct-2501-abliterated, PocketDoc/Dans-DangerousWinds-V1.1.1-24b и trashpanda-org/MS-24B-Instruct-Mullein-v0. Она предназначена для генерации диалоговых ответов и ролевых сценариев, в том числе с мрачной, нейтральной или негативной тональностью. Модель содержит 23,4 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Карточка сообщает о проверках на русском и английском языках; для русскоязычных карточек персонажей автор отмечает хорошую работу, а при смешении русского первого сообщения и английского описания возможны затруднения. Автор также предупреждает, что при подходящем запросе модель может выдавать жестокие и злые ответы. Файлы представлены в формате safetensors; библиотека — Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

OptimusePrime создал экспериментальный контрольный чекпойнт Magistral-Small-2506 с поддержкой изображений. Автор добавил к Magistral Small визуальный энкодер Mistral Small 3.1; дополнительного обучения не проводилось. Модель предназначена для диалогов и рассуждений по тексту и изображениям, включая мультимодальные вопросы и анализ визуального содержимого. Архитектура — плотная Mistral3 с условной генерацией; метаданные указывают базовые модели mistralai/Magistral-Small-2506 и mistralai/Mistral-Small-3.1-24B-Instruct-2503, формат safetensors и использование через vLLM. Поддерживаются английский, французский, немецкий, испанский, португальский, итальянский, японский, корейский, русский, китайский, арабский, персидский, индонезийский, польский, румынский, шведский, турецкий, украинский, вьетнамский, хинди и бенгальский. Репозиторий распространяется по лицензии Apache-2.0. Автор предупреждает о возможных ошибках конфигурации и снижении качества; реализация Mistral 3 в Transformers работает неудовлетворительно. Для создания модели в BF16 требуется около 150 ГБ оперативной памяти.

NAMAA-Space/masrawy-english-to-egyptian-arabic-translator-v2.9 — дообученная модель машинного перевода на архитектуре MarianMT, созданная на основе Helsinki-NLP/opus-mt-tc-big-en-ar. Она переводит текст с английского языка на египетский диалект арабского. По данным карточки, обучение проводилось на более чем 150 тысячах примеров и свыше 10 миллионов токенов; для запуска указан Transformers pipeline с задачей translation. Размер модели — 163,4 млн параметров, контекст — до 1024 токенов. Модель предназначена для перевода английских фраз на египетский арабский, включая повседневные запросы и диалоги. В README сообщается о значении loss 1,2957 на оценочной выборке и втором месте в рейтинге переводчиков египетского диалекта после gpt-4o; методика и условия этих сравнений не описаны, поэтому результаты не гарантируют качество на других текстах. Модель распространяется по лицензии CC BY 4.0.

Mecellem-Qwen3-1.7B-TR — языковая модель на 1,7 млрд параметров, разработанная авторами проекта Mecellem на базе Qwen/Qwen3-1.7B. Это декодерная архитектура Qwen3 с grouped-query attention, дообученная методом continual pre-training на турецких юридических и официальных текстах. Обучение проходило в четыре этапа на корпусе примерно из 225 млрд токенов; заявлено снижение perplexity на турецких юридических текстах на 36,2% относительно базовой модели. Модель предназначена для генерации и продолжения турецких юридических текстов, суммаризации документов, ответов на правовые вопросы и применения в RAG-системах. Она также сохраняет общие языковые возможности Qwen3. Поддерживает контекст до 40 960 токенов и рассчитана прежде всего на турецкий язык; в метаданных также указан английский. Для запуска в README приведён Transformers. Лицензия — Apache-2.0.

Midas — модель перевода между корейским и английским языками, разработанная EphAsad и дообученная на google/mt5-small. Одна модель выполняет перевод в обоих направлениях; направление задаётся префиксом задачи во входном тексте. Архитектура — mT5 для преобразования текста в текст, объём по метаданным — 157,4 млн параметров. Модель обучена примерно на 150 тысячах параллельных пар из TED, параллельных корпусов и отфильтрованных данных Wikipedia. Поддерживаются корейский и английский языки. Модель подходит для понимания общего смысла корейского текста на английском, чернового перевода с английского на корейский и лёгких по размеру переводческих конвейеров, где важна скорость. В README указана оценка BLEU 21,88: смысл обычно передаётся, но возможны грамматические ошибки, неестественные формулировки и смысловые сдвиги, особенно в длинных и сложных предложениях. Данные преимущественно энциклопедические и разговорные, поэтому качество может снижаться на специализированных юридических, медицинских и технических текстах. Лицензия — Apache-2.0.

MiniCPM-V-4.6-abliterated-MAX-GGUF — мультимодальная модель, разработанная prithivMLmods на основе openbmb/MiniCPM-V-4.6 и представленная в формате GGUF для llama.cpp. Модель модифицирована с применением анализа направлений отказа и абляционной оптимизации, чтобы снизить встроенное поведение отказа при сохранении возможностей исходной архитектуры в мультимодальном рассуждении и следовании инструкциям. Модель предназначена для понимания изображений, видео и текста, генерации ответов по мультимодальным запросам, а также исследовательских и учебных сценариев, включая локальный запуск на устройствах с ограниченными ресурсами. В README указан английский язык. Доступны варианты BF16, F16, F32 и различные квантованные версии GGUF размером примерно от 422 МБ до 3,02 ГБ; конкретные сведения о числе параметров, архитектуре и нативном размере контекста не приведены. Сильными сторонами являются поддержка нескольких модальностей, компактные квантованные варианты и возможность использования через llama.cpp. Ограничение модели связано с уменьшенным числом отказов: это может повысить гибкость, но также увеличивает риск небезопасных, неэтичных или незаконных ответов и требует от пользователя самостоятельного контроля применения и результатов. Модель распространяется по лицензии Apache-2.0; авторы рекомендуют использовать её только в исследовательских и учебных целях и возлагают ответственность за результаты на пользователя.

MiniLLM/MiniLLM-Llama-7B — исследовательская модель генерации текста на архитектуре Llama, разработанная как дистилляция Llama-13B на наборе databricks-dolly-15k. В репозитории представлены веса PyTorch с 6,6 млрд параметров; контекст — 2048 токенов. README описывает оценку ответов на инструктивных запросах из Dolly, Self-Instruct и Vicuna с помощью GPT-4. Модель предназначена для генерации ответов на текстовые запросы и экспериментов с обучением и оценкой инструктивных моделей. Для инициализации PPO-оптимизации MiniLLM требуется SFT-модель. Поддерживаемый язык по данным карточки — английский. Модель распространяется по лицензии Apache-2.0.

ArliAI Mistral-Nemo-12B-ArliAI-RPMax-v1.3 — это дообученная ArliAI версия Mistral-Nemo-12B-Instruct для творческого письма и ролевых диалогов. Модель имеет плотную архитектуру MistralForCausalLM с 12,1 млрд параметров, принимает текст и генерирует текст. Заявленная длина контекста — 128K токенов; используется формат Mistral Instruct. Обучение основано на отобранных наборах данных для творческого письма и ролевых сценариев с удалением повторяющихся персонажей и ситуаций. Разработчик позиционирует модель как способную создавать разнообразные ответы и реже повторять одни и те же фразы и сюжетные шаблоны. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Модель предназначена прежде всего для ролевых бесед и генерации художественных сцен; она не представлена как универсальная модель для точных фактических ответов. Описание не приводит количественных оценок качества или подробных ограничений на длину генерируемого ответа.

MistRP-Dolphin-7B — разговорная языковая модель на базе Mistral, опубликованная пользователем Undi95. Репозиторий содержит веса FP16; модель создана с использованием dolphin-2.0-mistral-7b и нескольких LoRA и RP-моделей. Она предназначена для диалогов и ролевых сценариев, использует шаблон ChatML и поддерживает контекст до 32 768 токенов. Модель насчитывает 7,1 млрд параметров и доступна в формате PyTorch. Карточка рекомендует начинать настройку Mirostat с нуля. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Painted Fantasy Visage — экспериментальная текстовая модель zerofata для ролевых диалогов и творческого письма с персонажами. Она предназначена для проактивного отыгрыша персонажей, включая ERP-сценарии, и для генерации художественных текстов. Модель построена на базе Mistral Small 3.2 24B: автор увеличил её глубину на 18 слоёв, затем провёл предобучение, SFT и DPO. В метаданных указаны архитектура MistralForCausalLM, 33,7 млрд параметров и контекст до 131 072 токенов; модель работает через Transformers и поддерживает чат. Для дообучения использовались ролевые диалоги, примеры творческого письма и инструкций, краткие пересказы страниц аниме-фэндомов, а также художественные и общие текстовые данные. Автор отмечает, что модель может быть менее склонна к повторениям, чем его предыдущая попытка, но не гарантирует устранения проблемы повторов базовой Mistral 3.2. Модель распространяется по лицензии Apache-2.0.

NarrativAI Reflection — дообученная модель passthepizza на архитектуре Llama 3.1 8B, предназначенная для творческого письма и ролевых сценариев. Она генерирует внутренний монолог персонажа до ответа, реплики и действия в диалоге, а также рефлексию после ответа, учитывая заданные в запросе характер, эмоции и ситуацию. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов. Принимает текстовые запросы и выдаёт текст; в карточке указан английский язык. Лицензия — MIT. Модель подойдёт для создания ролевых персонажей и сцен, но может опираться только на переданный контекст, испытывать трудности со сложными ситуациями и воспроизводить предубеждения и стереотипы из обучающих данных.

cgato выпустил Nemo-12b-Humanize-KTO-v0.1 как первую публичную версию модели для диалогов и ролевых сценариев. Это плотная языковая модель семейства Mistral с 12,1 млрд параметров, дообученная методом KTO на 7122 ответах, оценённых человеком: 2398 ответов были приняты, 4724 отклонены. Для желательных ответов использовался вес в 2,5 раза выше. Автор стремился сократить употребление шаблонных фраз и повторов, используя мало синтетических данных. Модель принимает текст и генерирует текст, поддерживает чатовый формат ChatML с системным промптом и контекст до 131072 токенов. Она подходит для диалогов и ролевых бесед. Рекомендуемые автором форматы запуска — safetensors или ExLlama2; в GGUF некорректно обрабатывается конечный токен, что снижает качество. Автор также отмечает, что модель может писать реплики за пользователя в первых ответах, а мужские персонажи представлены в данных недостаточно. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения.

Helsinki-NLP/opus-mt-af-en — модель машинного перевода семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с африкаанс на английский и предназначена для перевода отдельных фраз и текстов, включая сценарии на основе корпуса OPUS. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece; размер составляет 54,6 млн параметров, контекст — до 512 токенов. Доступны веса PyTorch и TensorFlow. В тесте Tatoeba.af.en указаны BLEU 60,8 и chr-F 0,736. Модель специализирована на одной языковой паре, поэтому не предназначена для перевода с других языков или на другие языки. Лицензия Apache-2.0.

opus-mt-ase-sv — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP. Она переводит текст с ase на шведский язык (sv); модель построена на архитектуре Transformer-align, использует нормализацию и SentencePiece для предобработки. В метаданных указаны 50,1 млн параметров, контекст до 512 токенов, поддержка PyTorch и TensorFlow и лицензия Apache-2.0. В тесте JW300.ase.sv указаны BLEU 39,7 и chr-F 0,576. Модель подходит для перевода текстов с ase на шведский; её качество на других языковых парах и типах текстов не подтверждено приведёнными данными.

Helsinki-NLP/opus-mt-az-tr — модель машинного перевода семейства Marian, опубликованная Helsinki-NLP на основе проекта OPUS-MT. Она переводит текст с азербайджанского языка на турецкий; обучение использует архитектуру Transformer с выравниванием, нормализацию и SentencePiece с словарями по 4 тысячи токенов. Модель содержит 28,7 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена для прямого перевода азербайджанских текстов на турецкий, в том числе для работы с короткими сообщениями и корпусами. В карточке приведён результат BLEU 24,4 на тестовом наборе Tatoeba для пары az-tr. Модель не заявлена как двунаправленная или многоязычная, поэтому обратный перевод и другие языковые пары не входят в её назначение. Лицензия — Apache-2.0.

Helsinki-NLP разработала OPUS-MT-bg-es — модель машинного перевода с болгарского на испанский. Это трансформер MarianMT с 56,8 млн параметров, принимающий текст на болгарском и выдающий перевод на испанском; для обработки используются нормализация и SentencePiece с раздельными словарями по 32 тысячи единиц. В метаданных указан контекст длиной 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с болгарского на испанский. В README приведён результат BLEU 49,1 на наборе Tatoeba-test.bul.spa. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0. Результаты могут различаться в зависимости от тематики и стиля текста; модель ориентирована на одну языковую пару.

Helsinki-NLP/opus-mt-bg-fi — модель машинного перевода на архитектуре Marian Transformer, разработанная для проекта OPUS. Она переводит текст с болгарского языка на финский. Модель содержит 55,9 млн параметров, использует нормализацию и токенизацию SentencePiece; указанная длина контекста — 512 токенов. Модель подходит для перевода отдельных текстов и фраз с болгарского на финский. В тесте JW300.bg.fi указаны результаты BLEU 23,7 и chr-F 0,505. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-de-af — модель машинного перевода из проекта OPUS-MT, построенная на архитектуре Transformer-align и реализованная как MarianMT. Она переводит текст с немецкого языка на африкаанс; модель однонаправленная и обучена для этой языковой пары. Модель содержит 55,5 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов и имеет контекстное окно 512 токенов. В README приведён результат BLEU 51,3 на Tatoeba-test.deu.afr. Репозиторий предоставляет веса в форматах PyTorch и TensorFlow. Модель предназначена для перевода немецких текстов на африкаанс, например предложений и коротких документов. Лицензия Apache-2.0.

Helsinki-NLP/opus-mt-de-ee — модель машинного перевода из семейства MarianMT, разработанная проектом OPUS-MT. Она переводит текст с немецкого языка на эстонский; модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece и содержит 56,1 млн параметров. Для набора JW300.de.ee в карточке приведены оценки 24,6 BLEU и 0,463 chr-F. Модель подходит для перевода немецких текстов на эстонский в приложениях и пакетной обработке. Лицензия Apache-2.0 допускает использование на её условиях. Контекст ограничен 512 токенами; качество может зависеть от тематики и формулировок исходного текста.

Helsinki-NLP/opus-mt-de-mt — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с немецкого языка на язык, обозначенный в карточке как «mt»; целевой язык в предоставленных данных не расшифрован. Модель построена на архитектуре Transformer-align с MarianMTModel, содержит 54,8 млн параметров и использует нормализацию и SentencePiece. Для перевода с немецкого на тестовом наборе JW300.de.mt указаны BLEU 25,0 и chr-F 0,436. Модель подходит для перевода немецких текстов в сценариях, соответствующих языковой паре OPUS de-mt. Метаданные указывают контекст до 512 токенов и форматы PyTorch и TensorFlow. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-de-nso — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с немецкого языка на северный сото (сепеди, nso) и предназначена для перевода отдельных текстов и интеграции в приложения перевода. Модель построена на архитектуре MarianMT с трансформерным кодировщиком-декодировщиком; содержит 56,1 млн параметров и поддерживает контекст до 512 токенов. Веса доступны в форматах PyTorch и TensorFlow. В README указаны нормализация текста и токенизация SentencePiece; на тестовом наборе JW300.de.nso приведены оценки BLEU 31,1 и chr-F 0,519. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ee-de — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка ee на немецкий; в карточке ee указан как исходный язык, de — как целевой. Модель построена на архитектуре MarianMT с трансформером и использует нормализацию и SentencePiece для предобработки текста. Модель содержит 56,1 млн параметров и имеет контекст длиной до 512 токенов. Для оценки приведён результат BLEU 22,3 и chr-F 0,430 на тестовом наборе JW300.ee.de. Распространяется по лицензии Apache-2.0.