I.5Создание и редактирование текста

Windstorm Labs опубликовала компактную модель машинного перевода с немецкого языка на киргизский. Это дообученная версия Helsinki-NLP/opus-mt-de-kg на базе MarianMTModel: LoRA-адаптация на параллельных текстах слита с базовыми весами. Модель содержит 50,7 млн параметров, принимает и выдаёт текст; контекст — до 512 токенов. Модель предназначена для перевода немецких текстов на киргизский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 28,64 и BLEU 5,13; авторы относят результат к ограниченному уровню и отмечают, что это скрининговая оценка, а не результат публикационного исследования. Доступна в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-de-loz — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с немецкого языка на лозийский. Это дообученная версия Helsinki-NLP/opus-mt-de-loz: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель построена на архитектуре MarianMT и содержит 56,3 млн параметров. Репозиторий содержит сборку Transformers в формате safetensors. Модель принимает текст на немецком языке и генерирует перевод на лозийском; размер контекста — 512 токенов. Лицензия — Apache-2.0. Качество перевода пока не оценивалось, поэтому пригодность модели для конкретных сценариев следует проверять отдельно.

WindyTranslate/translate-en-ee — модель машинного перевода, опубликованная Windstorm Labs и дообученная для перевода с английского на язык эве (ee). Она основана на Helsinki-NLP/opus-mt-en-ee: к базовым весам применили LoRA-дообучение на параллельных текстах и объединили адаптер с моделью. Это MarianMT с 54,6 млн параметров; репозиторий содержит веса safetensors для Transformers, контекст — до 512 токенов. Модель предназначена для перевода коротких текстов с английского на эве. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 33,79 и BLEU 9,94; авторы относят результат к уровню «пригодный». Оценка предварительная и не является результатом публикационного исследования. Другие сборки, включая CTranslate2 INT8, в репозитории отсутствуют. Лицензия — Apache-2.0.

WindyTranslate/translate-en-hil — модель машинного перевода от Windstorm Labs для перевода с английского языка на илонгго (хилигайнон). Это дообученная версия Helsinki-NLP/opus-mt-en-hil: к весам базовой модели применили и слили LoRA-адаптер, обученный на параллельных текстах. Модель использует архитектуру MarianMT, содержит 54 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для перевода текстов с английского на хилигайнон. В репозитории опубликованы веса в формате safetensors для загрузки через Transformers. Лицензия — Apache-2.0. В карточке сообщается, что качество перевода ещё не оценивалось. Проверка GlotLID подтвердила язык выходного текста, но не его точность; модель работает только в направлении en→hil.

WindyTranslate/translate-es-ve — модель машинного перевода, опубликованная Windstorm Labs. Она выполняет перевод с испанского на венесуэльский вариант испанского языка (es → ve) и подходит для перевода отдельных фраз и текстов в приложениях на Transformers. Это дообученная модель семейства MarianMT с 53,9 млн параметров и контекстом до 512 токенов. LoRA-дообучение на параллельном корпусе было объединено с весами базовой модели Helsinki-NLP/opus-mt-es-ve; репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель поддерживает только направление es → ve. Для неё пока не проводились бенчмарки качества, поэтому точность перевода не подтверждена опубликованными оценками.

Windstorm Labs выпустила модель машинного перевода с финского языка на твийский. Это дообученная версия Helsinki-NLP/opus-mt-fi-tw: LoRA-адаптер обучили на параллельных текстах и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,6 млн параметров и принимает текстовые последовательности с контекстом до 512 токенов. Модель предназначена для перевода с финского на твийский. В репозитории доступны веса в формате safetensors для Transformers. В тесте на 48 предложениях FLORES-200 модель получила chrF++ 29,39 и BLEU 6,62; это небольшой скрининговый результат, а не полноценная публикационная оценка. Поддерживается только направление fi→tw. Лицензия — Apache-2.0.

Windstorm Labs публикует модель машинного перевода с французского языка на илоканский. Это дообученная версия Helsinki-NLP/opus-mt-fr-ilo: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на MarianMT, содержит 55,9 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для перевода отдельных текстов с французского на илоканский; обратное направление карточкой не заявлено. В проверке на 48 предложениях FLORES-200 она получила chrF++ 42,22 и BLEU 13,76; это предварительная оценка, а не результат полноценного исследования. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

Vakya-Mini-Extended-100M (vakya-v1.2.1) — компактная модель перевода, разработанная DireDreadlord и дообученная методом SFT на базе tiiuae/Falcon-H1-Tiny-Multilingual-100M-Instruct. Она предназначена для перевода предложений с английского на хинди и рассчитана на быстрый запуск в условиях ограниченной памяти, в том числе на GPU ноутбука. Модель использует архитектуру Falcon-H1; в метаданных указано 77,6 млн параметров, а README приводит оценку около 100 млн. Заявленная длина контекста — 262144 токена. Для дообучения использован датасет DireDreadlord/en-hi-instruct-structured примерно с 1,66 млн шаблонно оформленных примеров; обучение продолжалось 2000 шагов на RTX 3050 с 4 ГБ видеопамяти. Карточка отмечает улучшение перевода в версии Extended благодаря обучению на более крупном корпусе. README предупреждает о возможных галлюцинациях при интенсивном использовании и характеризует модель как экспериментальную. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

WesPro/Wizard-Kun-Lake_3x7B-MoE — языковая модель архитектуры Mixtral с разреженной смесью экспертов (MoE), опубликованная автором WesPro. Автор описывает её как модель 3x7B, созданную на основе нескольких понравившихся ему моделей для ролевых диалогов, с небольшой собственной LoRA, применённой к одному из экспертов. В метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста, в частности ролевых диалогов. Репозиторий содержит веса safetensors; автор также упоминает доступную версию GGUF Q5_K_M. Лицензия в предоставленных данных не указана.

WizardVicuna-pythia-410m-deduped — языковая модель heegyu для генерации текста в формате диалога. Она построена на архитектуре GPT-NeoX и дообучена на наборе heegyu/wizard_vicuna_70k_v2; в репозитории указано 3 эпохи обучения. Модель содержит около 454,2 млн параметров и поддерживает контекст до 2048 токенов. Модель предназначена для генерации ответов в диалогах и простых сценариев чат-ассистента. В README приведён пример ответа на приветствие. Доступны веса PyTorch для загрузки через Transformers. Лицензия в предоставленных данных не указана.

AdsGPT2 — дообученная на GPT-2 модель, созданная для генерации рекламных материалов по названию продукта или бренда. Она обучена на наборе из более чем 10 000 программных рекламных креативов из разных рекламных платформ и стилей. По запросу модель может предложить рекламный текст и формат объявления; её используют для поиска идей и подготовки черновиков на раннем этапе разработки рекламы. Модель принимает текст и генерирует текст. Архитектура — GPT-2, библиотека хранения весов — PyTorch; длина контекста составляет 1024 токена. Репозиторий распространяется по лицензии MIT. В карточке не указаны поддерживаемые языки, поэтому язык примеров и обучающих данных нельзя надёжно определить. Генерации могут быть неожиданными или не соответствовать особенностям конкретного бренда и его правилам. Результаты следует проверять и редактировать перед публикацией; модель предназначена для вдохновения и черновиков, а не для замены редактора или рекламного специалиста. Возможны оскорбительные или неподходящие формулировки и отражение предвзятостей обучающих данных.

AngelSlayer-12B-Unslop-Mell-RPMax-DARKNESS-v3 — слитая модель для диалоговой генерации на базе семейства Mistral Nemo, созданная автором карточки с помощью mergekit и линейного метода DELLA. В слияние вошли TheDrummer/UnslopNemo-12B-v4, DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS, ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.2 и inflatebot/MN-12B-Mag-Mell-R1. Модель рассчитана на ролевые диалоги и художественное письмо с более творческой подачей. Это плотная MistralForCausalLM на 12,1 млрд параметров; метаданные указывают контекст до 1 024 000 токенов, формат safetensors и лицензию Apache-2.0. Карточка описывает версию как альтернативу предыдущей, отмечает, что она пока не протестирована, и не обещает превосходства над исходными моделями.

ARBERT — крупная предварительно обученная языковая модель от UBC-NLP, представленная в работе ACL 2021 «ARBERT & MARBERT: Deep Bidirectional Transformers for Arabic». Она предназначена для современного литературного арабского языка (MSA) и использует архитектуру BERT-base: 12 слоёв внимания, 12 голов и размерность скрытого представления 768. Модель обучена на корпусе арабских текстов объёмом 61 ГБ, содержащем около 6,2 млрд токенов, и использует словарь из 100 тысяч WordPiece-токенов. ARBERT решает задачу заполнения пропусков в тексте: по контексту предсказывает замаскированный токен. Её можно использовать как предварительно обученную основу для задач обработки арабского текста, дообучая на целевых данных. По метаданным модель содержит около 190 млн параметров и поддерживает контекст до 512 токенов. Лицензия в предоставленных данных не указана.

Assertiveness_continuous — дообученная модель на базе microsoft/deberta-v3-base для классификации текста. По названию модели и метрикам RMSE и MAE она предназначена для непрерывной оценки напористости (ассертивности) в тексте. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa V2 и принимает последовательности длиной до 512 токенов. Репозиторий распространяет веса в формате safetensors. В README приведены результаты на оценочном наборе: RMSE 0,2439, MAE 0,1938 и корреляция 0,1575; описание набора данных, шкалы оценивания и intended use отсутствует. Базовая модель Microsoft ориентирована на английский язык, поэтому английский — предполагаемый основной язык этой модели. Лицензия — MIT.

Bangla_GPT2 — языковая модель GPT-2, обученная автором репозитория на текстах бенгальской газеты Prothom Alo. Модель предназначена для генерации продолжений текста на бенгальском языке. В README указаны словарь размером 50 000 токенов и блок обучения длиной 200 токенов; метаданные описывают архитектуру GPT2LMHeadModel, формат TensorFlow и контекстное окно 1024 токена. Модель можно использовать для создания и продолжения бенгальских газетных текстов и экспериментов с генерацией на корпусе новостей. Данные обучения из одного издания могут ограничивать тематику и стиль генерируемых текстов. Репозиторий распространяется по лицензии MIT.

BlazerApex V3.5 — дообученная модель автора Davizig10jojo для бразильского португальского языка. Она предназначена для генерации ответов в диалоге, структурированных рассуждений и решения вопросов вступительных экзаменов; также обучалась на примерах, связанных с бразильской культурой, безопасностью и кодом. Модель содержит 2,2 млрд параметров, использует плотную архитектуру семейства Llama и поддерживает контекст до 131 072 токенов. По описанию обучения, исходные веса линейно объединены из sriq-MiniCPM5-2B-v1.5 и BlazerApex-2B-v2, затем модель дообучена методом SFT с LoRA на EduBench, ручных исправлениях и повторном использовании данных предыдущей версии; адаптер слит с базовой моделью. В README приведены ограниченные тесты на арифметику, код и факты о Бразилии: результаты неоднородны, поэтому они не подтверждают широкую надёжность модели. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Известные ограничения — галлюцинации в фактах о Бразилии, нестабильная идентичность и возможный вывод остаточных служебных тегов.

BuRP — слитая модель для генерации текста, ориентированная на ролевые диалоги. По описанию разработчика, она предназначена для RP-сценариев с подробными и необычными форматами реплик и склонностью поддерживать запросы пользователя. Модель создана методом SLERP-слияния ErisLaylaSLERP и ParadigmInfinitySLERP; в метаданных указаны архитектура Mistral, 7,1 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса Safetensors, библиотека для работы — Transformers. Указана лицензия other; конкретные условия лицензии в доступных сведениях не раскрыты. Карточка не приводит результатов оценки качества или подробных ограничений поведения.

Josephgflowers/Cinder-Phi-2-STEM-2.94B-Test — модифицированная версия Phi-2 с двумя дополнительными слоями. Автор описывает Cinder как чат-бота для научных и образовательных бесед, общения и творческого исследования идей. Модель относится к архитектуре PhiForCausalLM, имеет 3,7 млрд параметров и контекстное окно 2048 токенов; в репозитории представлены веса Safetensors и GGUF в формате F16. Модель предназначена для генерации текста в диалогах, в том числе для объяснения научных и учебных тем и свободного обсуждения идей. Указана лицензия MIT. README сообщает, что подробности появятся позже, поэтому конкретные STEM-навыки и качество ответов не описаны.

Claire-7B-0.1 — авторегрессионная причинная языковая модель с архитектурой Falcon, созданная LINAGORA при поддержке OpenLLM-France и дообученная на французских диалогах. Метаданные указывают 10,9 млрд параметров; в README модель описана как 7B. Она предназначена для продолжения диалогов и как основа для дальнейшей настройки под генерацию и понимание диалогов. Модель обучалась на размеченных по говорящим французских разговорах, включая парламентские выступления, интервью и театральные тексты. Её можно использовать для генерации реплик и диалогов с обозначением говорящих, а после дополнительного дообучения — для задач вроде суммаризации встреч. В результате обучения модель может воспроизводить особенности устной речи, включая запинки, и выдавать юмористические ответы. Для работы доступны веса PyTorch и Safetensors. Лицензия CC BY-NC-SA 4.0 требует соблюдения условий атрибуции, распространения на тех же условиях и некоммерческого использования. Модель оптимизирована под французские диалоги; её качество для иных языков и задач не установлено в предоставленных материалах.

huihui-ai представила DeepSeek-R1-Distill-Qwen-1.5B-abliterated — дообученную версию компактной модели рассуждений DeepSeek-R1-Distill-Qwen-1.5B. Модель основана на архитектуре Qwen2, содержит 1,5 млрд параметров и предназначена для генерации текста в диалоговом формате. Заявленная длина контекста — 131 072 токена. Автор описывает её как экспериментальное дообучение с целью ослабить ограничения на ответы; README сообщает, что тест достиг ожидаемого результата. Модель может подойти для диалоговых экспериментов, генерации текста, математических рассуждений и задач программирования, унаследованных от базовой модели. Это тестовая абляция, поэтому качество и поведение могут быть нестабильными. Репозиторий использует формат safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Dicephal-123B — экспериментальная языковая модель автора ChuckMcSneed, полученная слиянием базовой Llama 2 70B с её копией с помощью mergekit. Модель с архитектурой LlamaForCausalLM содержит 123,5 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Репозиторий содержит веса в формате safetensors. Автор отмечает более творческий стиль и чувство юмора по сравнению с базовой моделью, а также улучшения в стилизованном письме и стихах. Модель может подойти для творческого письма, однако иногда создаёт бессмысленные слова и, подобно базовой модели, может быть непослушной инструкциям; для получения желаемого ответа требуется тщательно формулировать запросы. Качество автор оценивал на собственном мем-бенчмарке, поэтому эти наблюдения не следует считать независимой оценкой. Лицензия указана как Llama 2 Community License.

cleanrl/EleutherAI_pythia-1b-deduped__sft__tldr — дообученная модель семейства Pythia, разработанного EleutherAI и опубликованная пользователем cleanrl на Hugging Face. Это авторегрессионная языковая модель архитектуры GPT-NeoX с примерно 1,2 млрд параметров и контекстом до 2048 токенов. Модель предназначена для генерации кратких резюме Reddit-публикаций в формате TL;DR и использовалась как SFT-чекпойнт в экспериментах TRL с PPO и другими методами обучения по предпочтениям. Она принимает текстовый запрос и генерирует продолжение, поэтому подходит для суммаризации длинных постов и связанных исследовательских экспериментов по RLHF. Сильная сторона модели — специализация на кратком пересказе публикаций Reddit и относительно небольшой размер, упрощающий локальный запуск по сравнению с более крупными LLM. Ограничения связаны с узкой специализацией, коротким контекстом и отсутствием подтверждённых сведений о поддерживаемых естественных языках. Лицензия в доступных источниках не установлена.

SeyedAli/English-to-Persian-Translation-mT5-V1 — модель машинного перевода на базе mT5, предназначенная для перевода текста с английского на персидский (фарси). Она использует архитектуру MT5ForConditionalGeneration и содержит 157,4 млн параметров. Для запуска нужны входные английские фразы или тексты; модель генерирует персидский перевод. В карточке приведены примеры переводов, качество которых выглядит неровным и местами непоследовательным, поэтому результат может требовать проверки и редактирования. Модель распространяется по лицензии MIT.

en-indic-translate-26b-GGUF — квантованные версии модели sulabhkatiyar/en-indic-translate-26b, подготовленные mradermacher. Модель предназначена для перевода между английским и индийскими языками, включая ассамский, бенгальский, гуджарати, хинди, каннада, малаялам, маратхи, ория, пенджаби, тамильский и телугу. Основной сценарий использования — локальный запуск задач машинного перевода в формате GGUF. Модель имеет размер 26 млрд параметров; базовая библиотека указана как Transformers, а архитектура связана с Gemma4. В репозитории доступны варианты квантования Q2_K, Q3_K, IQ4_XS, Q4_K, Q5_K, Q6_K и Q8_0 объёмом примерно от 10,7 до 27 ГБ. В README также указаны мультимодальные дополнения mmproj, однако назначение и поддерживаемые визуальные сценарии подробно не описаны. Размер контекста и точные характеристики архитектуры не указаны. Сильные стороны модели — специализация на переводе между английским и несколькими индийскими языками, а также широкий выбор квантований для подбора компромисса между качеством, скоростью и требованиями к памяти. Ограничения включают отсутствие опубликованных в README оценок качества, подробностей о датасете, контекстном окне и рекомендуемых параметрах запуска; более низкобитные варианты могут уступать по качеству. Лицензия указана как Gemma.

Firefly-V3 — языковая модель автора Guilherme34 для ролевых диалогов и творческого письма. Это плотная авторегрессионная модель семейства Llama на 3,2 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 131 072 токенов. Модель построена на основе Guilherme34/Firefly-V2.5 с компонентом слияния SicariusSicariiStuff/Impish_LLAMA_3B, после чего прошла дополнительное обучение и настройку поведения. Модель предназначена для отыгрыша персонажей, продолжительных сюжетных сцен, диалогов с характерными голосами персонажей и создания прозы, атмосферы и интерактивной художественной литературы. В README автор отмечает выразительность персонажей, связность сцен и ведение долгих разговоров как основные цели доработки. Модель описана автором как uncensored: она не имеет встроенных отказов и может создавать откровенный или жестокий контент. README рекомендует её для художественного ролевого взаимодействия между взрослыми по согласию. Лицензия в предоставленных данных не указана.

Fred-9B — экспериментальная мультимодальная модель диалогового типа на 9 млрд параметров, созданная автором CrowdMind дообучением Qwen/Qwen3.5-9B с помощью LoRA. Модель принимает текст и изображения и предназначена для диалогов, экспериментов с рассуждениями, математическими задачами и программированием, а также для локальных персональных ассистентов. В метаданных указаны архитектура Qwen3_5ForConditionalGeneration и формат safetensors; README описывает контекст обучения в 2 048 токенов. Дообучение длилось 300 шагов на примерно 3,21 млн токенов. В карточке нет результатов оценки на отдельной выборке, а приведённые примеры не являются полноценным бенчмарком. Поэтому модель подходит для экспериментов, но качество ответов, вычислений и кода может быть нестабильным. Лицензия — Apache-2.0.

MLX-квантованная версия Gemma 3 4B IT, преобразованная сообществом mlx-community из модели google/gemma-3-4b-it с использованием mlx-vlm 0.1.18. Модель предназначена для запуска в формате MLX, в частности через mlx-vlm, и поддерживает сценарии мультимодальной генерации текста по изображениям, например их описания. В README указано, что исходная модель имеет размер 4 млрд параметров и относится к instruction-tuned версии Gemma 3; квантование выполнено в формате 4-bit. Модель относится к классу image-text-to-text и рассчитана на работу с текстом и изображениями. README не содержит сведений об архитектуре, поддерживаемых языках, размере контекста, конкретных ограничениях производительности или сильных сторонах, поэтому эти характеристики нельзя достоверно уточнить. Для доступа на Hugging Face требуется принять лицензию Google Gemma; точные условия использования определяются этой лицензией.

SsemuliJoseph/gemma-3-finetune — дообученная SsemuliJoseph мультимодальная модель семейства Gemma 3 на базе unsloth/gemma-3-4b-it-unsloth-bnb-4bit. Она принимает текст и изображения и формирует текстовые ответы; карточка классифицирует её как image-text-to-text и отмечает возможности чата и работы с изображениями. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель подходит для диалога по изображениям и ответов на вопросы о визуальном содержимом с текстовым вводом. Карточка не описывает конкретную специализацию дообучения или его результаты. Репозиторий распространяется по лицензии Apache-2.0.

Ateron/Gemma-4-Dark-Thoughts-V2-31B — объединённая модель семейства Gemma 4, созданная Ateron с помощью Mergekit на основе Dark-Scarlett v2.0 31B, Gemma 4 31B Instruct Scotoma 2 и G4-MeroMero v2 31B. Модель предназначена для диалоговой и ролевой генерации текста на английском языке. По описанию автора, версия V2 переработана для улучшения вызова инструментов и ведения ролевых диалогов в длинном контексте; конфигурация слияния построена в два этапа. Модель имеет плотную архитектуру Gemma4ForConditionalGeneration и содержит 31 млрд параметров. Доступна в формате Safetensors, поддерживает текстовый ввод и текстовую генерацию. Лицензия — Apache 2.0. README не сообщает длину контекста и не приводит оценок качества или результатов испытаний.

mlx-community/gemma-4-e4b-it-4bit — это 4-битная конверсия модели google/gemma-4-E4B-it, подготовленная сообществом mlx-community для запуска на устройствах Apple silicon с использованием MLX и mlx-vlm. Модель предназначена для задач image-text-to-text, включая обработку изображений и генерацию текстовых ответов по визуальным запросам, например описание изображения. Ключевые характеристики включают мультимодальность с поддержкой изображений и текста, 4-битное представление весов и адаптацию к экосистеме Apple silicon. Точный размер модели, архитектура, поддерживаемые языки и длина контекста в предоставленных данных не указаны. 4-битная версия ориентирована на более эффективное локальное использование, однако возможным ограничением могут быть потери качества или совместимости по сравнению с исходной моделью; конкретные показатели не приведены. Модель распространяется по лицензии Gemma.