I.5Создание и редактирование текста

Hosstia/opus-mt-zh-ru — дообученная модель машинного перевода на базе MarianMT, разработанная Hosstia для перевода с китайского языка на русский. Она построена на архитектуре encoder-decoder Transformer и дообучена на базе Helsinki-NLP/opus-mt-zh-en. Модель предназначена для перевода текстов с китайского на русский и может использоваться через Transformers; в README также описан сценарий запуска на устройстве Android после конвертации в формат MNN. Размер модели — 58,4 млн параметров, длина контекста — 512 токенов. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о качестве на тестовых наборах или специализации на конкретных тематиках; при работе с длинным текстом следует учитывать контекст в 512 токенов.

BoldingBuilds/orcarouter_GLM-5.3-Flash-Uncensored-GGUF — это набор GGUF-квантизаций модели GLM-5.3-Flash-Uncensored-FP8, разработанной OrcaRouter. Модель предназначена для локальной генерации текста, исследовательского использования, red-teaming, изучения механизмов отказа и оценки устойчивости моделей. В README также заявлена поддержка сценариев image-text-to-text и vision, однако подробности о мультимодальных возможностях не приведены. Архитектура — MoE с 320 млрд общих параметров и примерно 18 млрд активных на токенами параметров, 288 маршрутизируемыми экспертами и выбором top-8 экспертов. Заявлено контекстное окно до 1 млн токенов. Доступны варианты IQ3_XXS размером около 134,3 ГБ, IQ2_S размером около 107,5 ГБ и IQ2_XXS размером около 97,1 ГБ, каждый в трёх шардах. Квантизация выполнена из FP8 через BF16 с использованием importance matrix; для критически важных тензоров применялась повышенная точность q8_0. Сильными сторонами являются большой контекст, высокая вычислительная эффективность MoE и проверка качества квантизаций на наборе из 24 тестов: исправленные сборки прошли все тесты. Ограничения включают очень большой размер файлов, требования к мощному оборудованию и отсутствие в README сведений о языках, точных показателях производительности и системных требованиях. Модель является uncensored: защитные отказы удалены, поэтому она может выполнять вредоносные, неэтичные и незаконные запросы. Лицензия — MIT. Модель предназначена для исследований, а ответственность за её применение возлагается на пользователя.

Pantheon-RP-1.5-12b-Nemo — созданная Gryphe дообученная языковая модель для генерации текста в диалогах, ролевых играх и сценариях с заданными персонажами. Она основана на Mistral-Nemo-Base-2407 и содержит 12,1 млрд параметров; модель использует архитектуру Mistral с причинно-языковой генерацией и формат диалогов ChatML. В метаданных указан контекст до 1 024 000 токенов. Модель обучалась в несколько этапов на сочетании инструкционных и ролевых данных. Она рассчитана на ролевые диалоги, переключение между персонами и ответы в стиле Markdown со звёздочками для описания действий. В карточке также упоминаются сценарии ассистента Aiva, включая вопросы о построении игровых миров, программировании на Python и кратком изложении RSS-новостей. Основной язык карточки — английский. Автор отмечает, что у модели остаются некоторые шероховатости базовой модели и рекомендует экспериментировать с температурой генерации. Для ролевой игры результат зависит от полноты описания персонажа и контекста. Распространяется по лицензии Apache-2.0.

Perky-70b-v0.1 — языковая модель для интерактивного ролевого общения и создания историй, представленная разработчиком Dracones. Это плотная авторегрессионная модель семейства Llama с 68,7 млрд параметров и контекстом 4096 токенов; веса сохранены в формате safetensors. Модель создана линейным слиянием lizpreciatior_lzlv_70b_fp16_hf и Sao10K_Euryale-1.3-L2-70B. Модель предназначена для ролевых диалогов и сюжетов, подстраиваемых под предпочтения пользователя: фэнтези, научная фантастика, романтика и хоррор. В README рекомендован формат промпта Alpaca, в том числе шаблон Alpaca-Roleplay для SillyTavern. Разработчик отмечает, что версия 70B не проходила тщательного тестирования; заявленный контекст в метаданных — 4096 токенов. Модель описана как нецензурированная и допускающая взрослые темы. Лицензия — Llama 2; перед использованием следует учитывать её условия.

Карточка модели nityaak/phi4-14b-stance-matrix-semeval-ezstance-qlora на Hugging Face совпадает с карточкой nityaak/phi4-14b-stance-matrix-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak/phi4-14b-stance-matrix-ezstance-qlora — дообученная nityaak версия unsloth/phi-4-unsloth-bnb-4bit. Это плотная языковая модель архитектуры Llama с 14,1 млрд параметров, предназначенная для генерации текста в диалоговом формате; название указывает на настройку для задач определения позиции по схеме stance matrix / EZStance, но README не описывает её поведение и качество подробно. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 16 384 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL; веса доступны в формате safetensors. Лицензия — Apache-2.0.

PHOEBE_SENTIMENTAL-RP-NSFW-3.2-1B — языковая модель Novaciano для генерации диалогов и творческого текста. Она создана слиянием моделей Novaciano/LUCIFER-3.2-1B и syvai/emotion-reasoning-1b методом Arcee Fusion; архитектура — плотная Llama, около 1,2 млрд параметров. Модель предназначена для ролевых игр, эмоционально окрашенного письма и разговоров в поддерживающем или терапевтическом стиле. Модель работает с текстом, поддерживает чат и рассчитана прежде всего на английский и испанский языки. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Qwen3.6-35B-A3B-r12 — экспериментальный чекпойнт внутренней исследовательской разработки на базе Qwen/Qwen3.6-35B-A3B. Это диалоговая модель семейства Qwen с архитектурой MoE; в метаданных для неё указан класс Qwen3_5MoeForConditionalGeneration и размер базовой модели 35 млрд параметров с активной частью около 3 млрд. Основная задача — генерация текста в диалоге; базовая модель также описана как мультимодальная и способная анализировать изображения, но README этой версии подтверждает только особенности хранения весов. В маршрутизируемых экспертных весах применено среднее представление 2,00 бита, а остальные веса сохранены в BF16. Тензоры хранятся в деквантизированном BF16 и заявлена загрузка через обычные Transformers и vLLM. Это дообученная версия базовой модели; лицензия следует лицензии Qwen/Qwen3.6-35B-A3B. Чекпойнт обозначен как внутренний исследовательский, поэтому его пригодность и качество для прикладного использования не установлены.

nickkats1/qwen-instruct-chat — дообученная автором репозитория диалоговая модель на базе Qwen/Qwen3-0.6B, обученная с помощью TRL. Она предназначена для генерации ответов в формате чата и простых инструкций, например для диалога с пользователем и ответов на открытые вопросы. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает текст; для генерации показан пример с Transformers. Нативный контекст — 40 960 токенов. Карточка демонстрирует генерацию ответа на вопрос в чате с ограничением до 128 новых токенов. Качество, состав обучающих данных и дополнительные возможности этой конкретной настройки не описаны. Условия лицензирования в предоставленных данных не указаны.

Yashasya-1/qwen-math-finetune — дообученная модель семейства Qwen2, созданная Yashasya-1 на базе unsloth/Qwen2.5-Math-1.5B-Instruct-bnb-4bit. Это плотная авторегрессионная модель с 1,5 млрд параметров для генерации текста; базовая версия ориентирована на математические задачи, однако карточка не описывает конкретные результаты или специализацию дообучения. Модель рассчитана на диалоговое использование, поддерживает английский язык и имеет контекстное окно 4096 токенов. В README указано, что обучение проводилось с Unsloth и библиотекой TRL. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Возможности модели за пределами генерации текста и заявленная точность на математических задачах в карточке не раскрыты.

DoppelReflEx/QWQ-32B-Dawnwhisper — текстовая модель для диалогов и ролевых сценариев, созданная автором репозитория слиянием моделей на базе Qwen/QwQ-32B. Для работы используется токенизатор Qwen2.5-32B; заявленный размер модели — 32 млрд параметров, архитектура — плотная Qwen2ForCausalLM, контекст — до 40 960 токенов. Модель принимает текст и генерирует текст; автор рекомендует шаблон ChatML и отмечает, что режим рассуждений можно включать для ролевых диалогов и многозадачных сценариев, хотя это замедляет работу. Основное назначение — обычный ролевой отыгрыш, а не ролевые сценарии с акцентом на рассуждения. Автор сообщает о хороших результатах в ролевых диалогах, но приводит только краткую предварительную оценку. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его практическое применение. В доступных материалах лицензия не приведена, поэтому условия использования по ним определить нельзя.

Solshine (Caleb DeLeeuw) дообучил эту плотную авторегрессионную модель семейства Llama 3.1 с 7,5 млрд параметров на предыдущем раунде своей модели, используя Reflection Tuning и датасет Reflection-Dataset-v2. Она предназначена для генерации диалоговых ответов с отражением хода рассуждений в стиле, заданном обучением. Модель работает с текстом, поддерживает английский язык и имеет контекстное окно до 131 072 токенов. Модель создана на базе LlamaForCausalLM и опубликована в формате PyTorch. В карточке заявлена лицензия Llama 3.1; перед использованием следует соблюдать её условия. Reflection tuning задаёт стиль ответов, но карточка не приводит независимой оценки качества или надёжности рассуждений.

RicardoEstep/RPBizkit-v8-12B — экспериментальная текстовая модель семейства Mistral Nemo, созданная RicardoEstep как слияние нескольких RP- и instruct-моделей с помощью Mergekit. Веса представлены в формате safetensors; размер — 12,1 млрд параметров. Автор сообщает о целевом контексте 128K токенов и рекомендует шаблон чата Alpaca с RAW-вводом; альтернативный шаблон Mistral V3 приводится как необязательный. Модель предназначена для генерации текста в ролевых сценариях и написания историй. В слияние вошли Mistral-Nemo-Instruct-2407-abliterated, UnslopNemo, RPMax, RP-Ink и Gutenberg; метаданные также связывают её с другими RP-моделями. Указание в тегах not-for-all-audiences отражает ориентацию на контент не для всех аудиторий. Лицензия в предоставленных данных не указана.

SanGuoYanYi-6b — языковая модель проекта stylellm_models для переноса литературного стиля. Она дообучена на базе 01-ai/Yi-6b на классическом китайском романе «Троецарствие» и переписывает исходный текст, придавая ему характерные для произведения лексику, синтаксис, риторические приёмы и диалоги. В карточке приведены примеры преобразования фрагментов «Белоснежки» в стиль романа. Модель построена на архитектуре LlamaForCausalLM, содержит 5,8 млрд параметров и поддерживает контекст до 4096 токенов. Основной язык карточки — китайский; модель предназначена для генерации текста в разговорном интерфейсе. Файлы модели представлены в формате safetensors. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Sophira-360M-base — базовая языковая модель проекта Sophira, разработанная для открытого предварительного обучения на итальянском языке. Это плотный decoder-only Transformer семейства Llama с 376 млн параметров; опубликованные веса сохранены в формате safetensors. Модель принимает текст и предсказывает продолжение, поэтому подходит для языкового моделирования, оценки инициализаций и исследований, а также для последующей адаптации или дообучения под задачи.

StrawberryLemonade-L3-70B-v1.0 — объединённая диалоговая модель на архитектуре Llama, созданная sophosympatheia на основе трёх моделей, включая Cogito v1 preview и две модели GeneticLemonade. Модель содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов; файлы опубликованы в формате safetensors и рассчитаны на использование с Transformers. Модель предназначена прежде всего для ролевых диалогов и написания историй. Автор отмечает выразительность и стабильность ответов, а также чувствительность к параметрам генерации. Поддерживаемый язык карточки — английский. В метаданных также указаны чат-возможности и интерфейс вызова инструментов, однако автор не сообщает о проверке модели на задачах за пределами ролевых диалогов и сторителлинга. Модель обозначена автором как uncensored; следует учитывать возможность генерации нежелательного контента. Лицензия — Llama 3 Community License (llama3).

Hanno-Labs/tagline-quality-e5-ranker — англоязычный ранжировщик качества слоганов для главных экранов SaaS-сервисов, созданный командой Hey Lefty. Это дообученная на парах слоганов модель intfloat/e5-large-v2 на архитектуре BERT: она формирует 1024-мерные эмбеддинги, которые оцениваются отдельной линейной головкой. Модель училась отличать убедительное и оригинальное обещание продукта от слабого слогана, общего названия категории, набора модных слов или фрагмента основного текста. Модель предназначена для сравнения и оценки англоязычных SaaS-слоганов при написании или редактировании текста главного экрана. В README приведены результаты на отложенной выборке: точность попарного ранжирования 0,90 и AUROC 0,87; это показатели конкретной оценки, а не гарантия качества на произвольных текстах. Репозиторий содержит веса модели в Safetensors и варианты ONNX для использования в браузере; нативный контекст — 512 токенов. Для получения оценки нужно применить линейную головку из ranker_head.npz к эмбеддингу; одного вызова feature-extraction для итогового рейтинга недостаточно. Лицензия — MIT. Обучающие данные включали несколько сотен оценённых по рубрике слоганов и вручную подобранные сложные негативные примеры, поэтому применимость вне англоязычных SaaS-слоганов ограничена и отдельно не подтверждена.

WindyTranslate/translate-de-af — модель машинного перевода, опубликованная Windstorm Labs для перевода текста с немецкого языка на африкаанс. Это дообученная версия Helsinki-NLP/opus-mt-de-af: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель использует архитектуру MarianMT, содержит 55,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель подходит для перевода немецких фраз и документов на африкаанс. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 49,69 и BLEU 22,23; это скрининговая оценка, а не результат публикационного исследования. Поддерживается только направление перевода с немецкого на африкаанс. Лицензия — Apache-2.0.

WindyTranslate/translate-de-ZH — модель машинного перевода от Windstorm Labs, дообученная на базе Helsinki-NLP/opus-mt-de-ZH. Это компактная encoder-decoder модель архитектуры MarianMT с 56,9 млн параметров; она переводит текст с немецкого языка на китайский. Веса изменены с помощью LoRA-дообучения на параллельных данных, после чего адаптер объединён с базовыми весами. Модель распространяется в формате safetensors и рассчитана на контекст до 512 токенов. Модель предназначена для перевода немецких фраз и документов на китайский. Для неё не опубликованы результаты оценки качества, поэтому точность перевода не подтверждена бенчмарками. Поддерживается только направление de→ZH. Лицензия — Apache-2.0.

WindyTranslate/translate-ee-fi — модель машинного перевода, опубликованная Windstorm Labs для перевода с языка эве на финский. Она основана на Helsinki-NLP/opus-mt-ee-fi: к исходным весам применили LoRA дообучение на параллельном корпусе и объединили адаптер с базовой моделью. Модель MarianMT с 56,6 млн параметров принимает текст и выдаёт перевод; для загрузки доступны веса safetensors в формате Transformers. Модель рассчитана на единственное направление перевода — эве → финский. В проверке на 48 предложениях FLORES-200 dev получены chrF++ 24,67 и BLEU 3,79; это ограниченная скрининговая оценка, а не результат публикационного исследования. Репозиторий указывает лицензию Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского языка на луо. Это дообученная версия Helsinki-NLP/opus-mt-en-luo: LoRA-дообучение на параллельных данных слито с базовыми весами. Модель построена на архитектуре MarianMT, содержит 51,9 млн параметров и принимает текст; для работы доступны веса Safetensors в формате Transformers. Указанная длина контекста — 512 токенов. Модель предназначена для перевода текстов с английского на луо. В README приведена предварительная оценка на 48 предложениях FLORES-200: chrF++ 25,13 и BLEU 3,03; результат помечен как ограниченный и не является публикационным исследованием. Модель работает только в направлении en→luo, поэтому качество на других языках и направлениях не заявлено. Лицензия — Apache-2.0.

WindyTranslate/translate-en-sw — модель машинного перевода от Windstorm Labs для перевода текста с английского на суахили. Это дообученная версия Helsinki-NLP/opus-mt-en-sw: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,3 млн параметров и распространяется в формате safetensors для Transformers; длина контекста — 512 токенов. Модель предназначена для перевода англоязычных фраз и документов на суахили. Проверка подтверждает, что результат написан на заявленном языке, но качество перевода не оценивалось. Поддерживается только направление en→sw. Лицензия — Apache-2.0.

WindyTranslate/translate-es-rw — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-es-rw: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,5 млн параметров и принимает текст на испанском языке, чтобы переводить его на киньяруанда. Доступна сборка Transformers в формате safetensors; максимальная длина контекста — 512 токенов. Модель предназначена для перевода в одном направлении — с испанского на киньяруанда. В проверке на 48 предложениях FLORES-200 получила chrF++ 29,03 и BLEU 6,19; автор характеризует результат как ограниченный и скрининговый, а не как публикационную оценку. Качество может зависеть от данных и объёма дообучения. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с финского языка на исландский. Это дообученная версия Helsinki-NLP/opus-mt-fi-is: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель MarianMT содержит 56 млн параметров, работает с текстом и рассчитана на контекст до 512 токенов. Модель предназначена для перевода финских текстов на исландский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 34,61 и BLEU 8,78; авторы относят результат к уровню «Usable» и отмечают, что это предварительная оценка, а не результат публикационного исследования. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-sw — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-sw: LoRA-дообучение на параллельном корпусе объединено с базовыми весами, изменены 36 из 254 тензоров. Модель построена на архитектуре MarianMT и содержит 56,5 млн параметров. Модель предназначена для перевода текста с финского на суахили. Она принимает текст и формирует перевод; поддерживает только это направление перевода. Репозиторий содержит сборку Transformers в формате safetensors с контекстом до 512 токенов. Качество перевода не оценивалось бенчмарками, поэтому пригодность для конкретных сценариев следует проверять отдельно. Модель распространяется по лицензии Apache-2.0; авторство исходной модели Helsinki-NLP указано в карточке.

WindyTranslate/translate-fr-eo — модель машинного перевода от Windstorm Labs, дообученная на параллельных данных с помощью LoRA, объединённой с исходными весами Helsinki-NLP/opus-mt-fr-eo. Она переводит текст с французского на эсперанто; поддерживается только это направление. Модель построена на архитектуре MarianMT, содержит 55,7 млн параметров, принимает текстовый ввод и выдаёт текстовый перевод. Для неё указан контекст длиной 512 токенов. В репозитории размещена сборка Transformers в формате safetensors. В проверке на 48 предложениях FLORES-200 модель получила chrF++ 41,40 и BLEU 16,35; результат обозначен авторами как пригодный для использования, но это небольшая скрининговая оценка, а не публикационный результат. Лицензия — Apache-2.0.

WeDLM-7B-Base — базовая предварительно обученная диффузионная языковая модель Tencent, созданная на основе Qwen2.5-7B. Модель с плотной архитектурой WeDLMForCausalLM содержит 7,1 млрд параметров и предназначена для генерации текста с параллельным декодированием при стандартном каузальном внимании. В метаданных указан контекст до 16 384 токенов. Модель подходит для экспериментов и разработки систем генерации текста, а также для обучения и прямых проходов через Transformers. Для ускоренного инференса авторы рекомендуют движок wedlm. Это базовая версия, а не версия с настройкой инструкций; для диалоговых задач и следования инструкциям может потребоваться дополнительная адаптация. README приводит результаты тестов ARC-C, GSM8K и MATH, но не описывает ограничения этих оценок. Лицензия — Apache 2.0.

Welmia 1.0 81M — компактная причинно-языковая модель, созданная и выпущенная Welmia. Она обучена с нуля без заимствованной базовой модели и использует собственную плотную архитектуру, вдохновлённую TinyLLaMA: RoPE, RMSNorm, слои SwiGLU и кэш ключей и значений для потоковой генерации. В метаданных указано 95,2 млн параметров; карточка описывает модель как имеющую около 81 млн параметров. Модель поддерживает генерацию текста и следование инструкциям в формате Alpaca, работает через Transformers и может запускаться на CPU. Контекст ограничен 1024 токенами, используется токенизатор GPT-2 BPE с размером словаря 50 257.

writer-8b — плотная причинно-следственная языковая модель семейства Llama 3, созданная для написания историй. Модель обучена примерно поровну на рассказах с ScribbleHub и отфильтрованных историях с Literotica; разработчик не указан. Это не модель, настроенная следовать инструкциям: она продолжает текст и лучше работает с заготовкой, содержащей поля Title, Author и Tags, а затем начало истории. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; указанное нативное окно контекста — 8192 токена. В метаданных заявлен английский язык. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка предупреждает, что обучающие данные содержат эротические истории, поэтому ответы могут быть сексуализированными и не подходить для всех аудиторий.

xlm-mlm-17-1280 — многоязычная языковая модель XLM, представленная Гийомом Ламплем и Алексисом Конно. Это трансформер, предварительно обученный на текстах 17 языков с помощью маскированного языкового моделирования; модель подходит для предсказания скрытых слов в контексте и как основа для дальнейших NLP-сценариев. Архитектура включает 16 слоёв, 1280 скрытых измерений и 16 голов внимания; размер словаря — 200 тысяч токенов, число параметров — 570 млн, контекст — до 512 токенов. Доступны веса PyTorch и TensorFlow. Модель поддерживает английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, шведский, польский, русский, арабский, турецкий, китайский, японский, корейский, хинди и вьетнамский. В карточке приведены результаты оценки XNLI для пяти языков, но основная задача модели — заполнение масок, а не классификация. Возможны смещения и проблемы справедливости, поэтому результаты для конкретного языка и применения следует оценивать отдельно. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование без соответствующих прав.

xTower13B — языковая модель Unbabel, Instituto Superior Técnico и CentraleSupélec University of Paris-Saclay, дообученная на базе TowerBase для объяснения ошибок машинного перевода и предложения исправлений. Модель построена на архитектуре Llama с 12,9 млрд параметров и контекстом до 4096 токенов; работает с текстом и поддерживает многошаговые запросы с примерами, как с эталонным переводом, так и без него. Модель предназначена для анализа переводов: она объясняет обнаруженные ошибки на естественном языке и предлагает исправленный вариант. В обучении использовались синтетические объяснения, созданные GPT-4, данные машинного перевода TowerBlocks, а также разговорные данные и инструкции для кода. Обучающие объяснения охватывают пары en-de, en-ru и zh-en; модель заявлена как многоязычная для английского, португальского, испанского, французского, немецкого, нидерландского, итальянского, корейского, китайского и русского языков. Лицензия — CC-BY-NC-4.0; базовая модель Llama 2 распространяется по Llama 2 Community License. Качество на языковых парах, не представленных в обучающих объяснениях, может быть нестабильным.