I.5Создание и редактирование текста

Azazelle/Llama-3-8B-Help-Me — объединённая разговорная языковая модель на архитектуре Llama 3, созданная с помощью mergekit методом Model Stock. В основу положена Azazelle/Llama-3-8B-contaminated-roleplay; в объединение также вошли модели Aura_Uncensored_l3_8B, Llama-3-LewdPlay-8B-evo, Scarlett-Llama-3-8B и Llama-3-8B-Instruct-DPO-v0.3. Модель предназначена для генерации текста и ролевых диалогов. Она содержит 7,5 млрд параметров, работает через Transformers и принимает контекст длиной до 8192 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Llama 3SOME 8B v1 — разговорная модель для генерации текста, созданная командой BeaverAI путём дообучения Llama-3-Soliloquy-8B. Она рассчитана прежде всего на написание художественной прозы и историй в формате Novel/Story, включая ролевые диалоги, повествование от лица персонажа и описание действий. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 24 576 токенов. Карточка демонстрирует генерацию эротического контента и позиционирует модель как NSFW. Для инструкций предлагается формат Llama 3 Instruct; также упоминается частичная совместимость с Alpaca. При ручном продолжении текста могут возникать проблемы с форматированием, а желаемую длину начала истории иногда приходится получать повторными генерациями. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с ограничением на коммерческое применение.

unsloth/llava-1.5-7b-hf-bnb-4bit — мультимодальная модель, опубликованная Unsloth и основанная на llava-hf/llava-1.5-7b-hf. LLaVA обучена дообучением LLaMA/Vicuna на мультимодальных данных для следования инструкциям, сгенерированных GPT. Модель предназначена для диалога по изображениям, ответов на вопросы о визуальном содержимом и генерации текста по текстовым и визуальным запросам. Это авторегрессионная модель на архитектуре Transformer размером 7B параметров, работающая с изображениями и текстом. В карточке указана поддержка английского языка, совместимость с библиотекой Transformers и сценарии с несколькими изображениями и промптами. Данная версия обозначена как bnb-4bit, что указывает на 4-битное представление с использованием bitsandbytes; это может снизить требования к памяти, однако конкретные характеристики производительности в карточке не приведены. Модель обучена в сентябре 2023 года. К сильным сторонам относятся мультимодальный диалог, поддержка нескольких изображений в одном запросе и интеграция с Transformers. Ограничения включают указанный английский язык и отсутствие в карточке подробных оценок качества, данных о максимальном контексте и гарантий точности ответов. Лицензия указана как llama2; условия её применения следует проверять по лицензионным документам базовой модели.

Luna — разговорная языковая модель bey oru, дообученная для ролевых диалогов и общения от лица персонажей. Она построена на плотной архитектуре Qwen3 и содержит 3,7 млрд параметров; модель работает через Transformers, поддерживает чат и имеет контекст длиной до 262 144 токенов. Модель подходит для интерактивных ролевых сцен, диалогов с заданным персонажем, творческого письма и создания историй. Для более последовательной игры рекомендуется задать в системном промпте описание персонажа. В карточке также упоминается гибридная версия Lunaa, но её характеристики не описаны. Модель распространяется по лицензии MIT. В метаданных указаны английский, китайский и вьетнамский языки, а описание ориентировано на ролевое общение; отдельных оценок качества и подробных сведений о тренировочных данных нет.

xiuyul/mamba-2.8b-ultrachat — дообученная на наборе HuggingFaceH4/ultrachat_200k языковая модель для диалоговой генерации текста. В основе лежит state-spaces/mamba-2.8b-slimpj — модель архитектуры Mamba; метаданные указывают 6 млрд параметров. Модель поддерживает чат-сценарии и распространяется в форматах PyTorch и Safetensors. Её можно использовать для генерации ответов в диалогах и экспериментов с чат-моделями на архитектуре Mamba. В README приведено значение loss 1,1858 на оценочном наборе, но дополнительных сведений о методике оценки и качестве ответов нет. Лицензия — Apache-2.0.

MahaBERT — модель BERT для языка маратхи, разработанная L3Cube-Pune. Она создана на основе bert-base-multilingual-cased и дообучена на корпусе L3Cube-MahaCorpus и других общедоступных монолингвальных корпусах маратхи. Модель предназначена для задач заполнения пропусков в тексте и анализа контекста на маратхи. Это плотная трансформерная модель с архитектурой BertForMaskedLM, примерно 205,1 млн параметров и контекстом до 512 токенов. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — CC BY 4.0; при использовании требуется соблюдать её условия атрибуции.

aparajitha/mbart-sci-tr — дообученная модель на базе facebook/mbart-large-50, созданная для преобразования текста. В карточке не уточняется назначение суффикса «sci-tr» и не приводятся сведения о датасете; указана только метрика Loss 2,5785 на наборе оценки. Модель использует архитектуру mBART для генерации последовательности по входному тексту, содержит 457,4 млн параметров и имеет контекст длиной до 1024 токенов. Библиотека запуска — Transformers, веса доступны в формате safetensors. Лицензия — MIT.

Metharme 13B — языковая модель семейства LLaMA, разработанная PygmalionAI и ориентированная на диалоги, ролевые сценарии и художественное письмо. Модель содержит 12,9 млрд параметров и использует архитектуру LlamaForCausalLM; исходные веса LLaMA-13B были дообучены методом supervised fine-tuning на смеси обычных инструкций, ролевых диалогов, вымышленных историй и синтетических инструкций. Указанная длина контекста — 2048 токенов. Модель принимает текст и генерирует текст. Она рассчитана на создание художественных сцен, интерактивных историй и разговоров, управляемых инструкциями на естественном языке. Дообучение первоначально выполнялось как LoRA-адаптер, затем адаптер объединили с базовой моделью и выпустили полные веса; репозиторий содержит формат PyTorch. Модель предназначена для развлечений и художественного письма, а не для надёжного фактического консультирования. Она не была настроена на безопасные и безвредные ответы, может выдавать оскорбительный или нежелательный текст, а также ошибочные или вводящие в заблуждение утверждения. Условия лицензии в предоставленных данных не описаны.

Ministral-3-14B-Nymphaea-RP — дообученная версия Ministral 3 14B Instruct 2512, разработанная автором 0xA50C1A1 на базе весов Mistral AI. Модель ориентирована на ролевые диалоги и creative writing, включая различные жанры художественных текстов. В README она описывается как практически нецензурируемая благодаря предварительной модификации базовых весов с помощью Heretic. Модель имеет размер 14 млрд параметров и обучалась методом DoRA на всех линейных слоях с LoRA rank и alpha 64, dropout 0,05, в течение двух эпох. Точный размер контекстного окна и перечень поддерживаемых языков не указаны. Vision encoder не изменялся и был заморожен во время обучения, поэтому заявлены сохранённые исходные возможности работы с изображениями. Для GGUF-квантизации доступна пользовательская смешанная схема Q5_Mix; по словам автора, она помещается в 16 ГБ VRAM при контексте 16K и Q8 KV cache. Сильные стороны модели — специализация на roleplay и художественной генерации, расширенное жанровое разнообразие обучающих данных и сохранённые vision-возможности. Ограничения включают отсутствие подробных результатов оценивания, неизвестные точные языковые характеристики и возможные риски, связанные с заявленной низкой степенью цензурирования. Для использования рекомендуется шаблон инструкций Mistral V7-Tekken; также доступны пресет для SillyTavern и файлы GGUF. Модель распространяется по лицензии Apache-2.0.

sandeep123 разработал эту модель полным дообучением Gemma 2 2B Instruct на наборе ML-LaySum. Это плотная авторегрессионная модель семейства Gemma 2 с 2,7 млрд параметров, предназначенная для создания понятных неспециалистам резюме англоязычных исследований в области машинного обучения. На вход подаются разделы статьи — аннотация, введение и заключение, если они доступны; модель генерирует краткое изложение для неспециалиста. Контекст составляет 8192 токена, веса опубликованы в формате bfloat16. Модель обучена на 6911 примерах с контролируемой настройкой и поддерживает диалоговый шаблон Gemma 2. Проверка на отложенной тестовой выборке в карточке не описана, поэтому качество и фактическую точность резюме следует оценивать отдельно. В сгенерированном тексте могут пропускаться оговорки или появляться неподтверждённые утверждения. Лицензия — Gemma; применяются её условия использования.

Morpheus 8B v1 — диалоговая модель OccultAI для генерации текста и ролевых повествований. Она основана на дообученной SicariusSicariiStuff/Llama-3.1-Nemotron-8B-UltraLong-1M-Instruct_Abliterated и использует архитектуру Llama с 7,5 млрд параметров. Модель принимает текст и выдаёт текст; карточка рекомендует шаблон чата Llama 3 и приводит настройки генерации: temperature 1.0 и TopNSigma 1.25. Модель ориентирована на разговорные сценарии и RP, включая повествования с насилием и откровенным эротическим содержанием. В метаданных указан английский язык и контекстное окно около 1,07 млн токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0.

serhii-korobchenko/mt5-small-finetuned-amazon-en-es — дообученная модель Google mT5-small для преобразования текста в текст. Она содержит около 157,4 млн параметров и основана на архитектуре MT5ForConditionalGeneration; репозиторий содержит веса в формате TensorFlow. По названию модель связана с Amazon и английским и испанским языками, однако README не уточняет набор данных, целевую задачу и сценарии применения. Базовая модель mT5 предназначена для многоязычных задач преобразования текста в текст. Модель распространяется по лицензии Apache-2.0.

Это экспериментальный чекпойнт продолженного предобучения модели Gemma 4 26B A4B, подготовленный NbAiLab на текстовых данных Aurora-2604. Он основан на google/gemma-4-26B-A4B-it и сохраняет архитектуру условной генерации image-text-to-text с поддержкой изображений, хотя сам этап продолженного предобучения использовал только текст. Модель обучалась стандартной авторегрессионной языковой цели на упакованных блоках длиной 8192 токена; экспортированы веса в формате safetensors. В чекпойнте зафиксировано около 90 млрд обучающих токенов. Модель предназначена для оценки эффекта продолженного предобучения и последующей адаптации к диалогам, анализу изображений и другим задачам исходной Gemma 4. Это не инструкция-настроенная версия: обучение не использовало маскирование потерь по ответам ассистента, поэтому для пользовательских сценариев может потребоваться дообучение или выравнивание. Лицензия — Apache-2.0. Качество и ограничения Aurora-2604 следует оценить перед применением; также наследуются ограничения базовой Gemma 4.

NEBULA-23.8B-v1.0 — разговорная языковая модель TeeZee на архитектуре Llama с 23,7 млрд параметров. Она создана расширением глубины исходной модели по процедуре DUS, вдохновлённой SOLAR от Upstage: в описании указана последовательность роста от Mistral через SOLAR и GALAXY до NEBULA. Модель дообучена для ролевого общения с помощью SFT на MinervaAI/Aesir-Preview и DPO на DPO_Pairs-Roleplay-Alpaca-NSFW; использует шаблон Alpaca и имеет контекст 4096 токенов. Модель предназначена для генерации диалогов и ролевых сценариев, хорошо следует карточкам персонажей и может создавать откровенный контент. Карточка приводит результаты отдельных тестов и отмечает, что оценка GSM8k часто работает некорректно. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Модель Dasskp/nllb-kichwa-es-en — дообученная версия facebook/nllb-200-distilled-600M для перевода с испанского и английского на кичва. Она построена на архитектуре M2M100 и обучена на трёхъязычном корпусе из 4 365 пар. В README приведены результаты оценки на тестовой выборке из 873 пар: BLEU 19,78 для перевода с испанского и 19,69 с английского; chrF2++ — 46,21 и 44,87 соответственно. Модель предназначена для перевода текста на кичва, в частности отдельных предложений с испанского или английского. Максимальная длина контекста составляет 1 024 токена. Для использования доступны веса в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Helsinki-NLP/opus-mt-am-sv — модель машинного перевода семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с амхарского языка на шведский и предназначена для автоматического перевода отдельных фраз и текстов. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece; размер составляет 57,5 млн параметров, контекст — до 512 токенов. Для набора JW300.am.sv в карточке приведены оценки BLEU 21,0 и chr-F 0,377. Модель принимает текст на амхарском и выдаёт перевод на шведском. Распространяется по лицензии Apache-2.0; доступны веса PyTorch и TensorFlow. Качество может зависеть от тематики и стиля входного текста; приведённая оценка относится к указанному тестовому набору.

Helsinki-NLP/opus-mt-bem-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка бемба (bem) на испанский (es) и основана на архитектуре MarianMT с Transformer-align. Модель обучена на данных OPUS; перед переводом применяются нормализация и токенизация SentencePiece. Веса содержат 56,4 млн параметров, максимальная длина контекста — 512 токенов. Репозиторий включает форматы PyTorch и TensorFlow. В опубликованном README для тестового набора JW300.bem.es приведены оценки BLEU 22,8 и chr-F 0,403. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ceb-en — модель машинного перевода Cebuano на английский язык из проекта OPUS-MT, связанного с Helsinki-NLP. Она использует архитектуру MarianMT на базе Transformer-align; для предварительной обработки применяются нормализация текста и SentencePiece с токенизаторами по 32 тыс. элементов. Модель содержит 54,5 млн параметров, рассчитана на контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена для перевода текстов с Cebuano на английский, включая отдельные фразы и предложения. В README приведён результат BLEU 21,5 на тестовом наборе Tatoeba-test.ceb.eng. Модель не заявлена как многоязычная и работает только в направлении Cebuano → English. Лицензия — Apache-2.0. Результат зависит от тематики и качества исходного текста; указанная оценка относится к одному тестовому набору и не гарантирует аналогичное качество на других данных.

Helsinki-NLP/opus-mt-chk-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с чуукского языка (chk) на английский и основана на архитектуре MarianMT с Transformer. Веса имеют около 54 млн параметров; предобработка включает нормализацию и SentencePiece. Для набора JW300.chk.en в карточке приведены результаты BLEU 31,2 и chr-F 0,465. Модель предназначена для перевода текстов с чуукского на английский. Она распространяется под лицензией Apache-2.0; в репозитории указаны форматы PyTorch и TensorFlow. Контекст модели — до 512 токенов. Показатели на одном тестовом наборе не гарантируют качество для других типов текстов и областей.

Helsinki-NLP разработала opus-mt-de-kg — модель машинного перевода с немецкого языка на киргизский. Это компактная модель семейства Marian на архитектуре Transformer, обученная на данных OPUS; для обработки текста применяются нормализация и SentencePiece. Модель содержит около 50,7 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для перевода предложений и текстовых фрагментов с немецкого на киргизский. В README приведены результаты оценки на JW300.de.kg: BLEU 24,4 и chr-F 0,474. Это узконаправленный переводчик для одной языковой пары; качество на других доменах и типах текстов может отличаться. Лицензия — Apache-2.0.

opus-mt-ee-fr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка ee на французский. Модель основана на архитектуре Transformer-align, использует нормализацию текста и SentencePiece; число параметров — 56 млн, максимальная длина контекста — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель предназначена для перевода текстов с ee на французский; в карточке приведён результат BLEU 27,1 на тестовом наборе JW300.ee.fr. Лицензия — Apache-2.0. Результат на одном тестовом наборе не гарантирует качество для других жанров и предметных областей.

Helsinki-NLP разработала opus-mt-en-bem — модель машинного перевода с английского языка на бемба. Это модель семейства Marian на архитектуре Transformer, обученная на данных OPUS; при обработке текста использует нормализацию и токенизацию SentencePiece. Размер модели — 55,8 млн параметров, заявленная длина контекста — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель предназначена для перевода английских текстов на бемба. В карточке приведены результаты оценки на тестовом наборе JW300.en.bem: BLEU 29,7 и chr-F 0,532. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-bi — модель машинного перевода из семейства OPUS-MT, разработанная проектом Helsinki-NLP. Она переводит текст с английского языка на язык, обозначенный в карточке кодом «bi», и предназначена для автоматического перевода фраз и документов. Модель построена на архитектуре MarianMT (Transformer), содержит 53 млн параметров, использует нормализацию текста и токенизацию SentencePiece; указанный размер контекста — 512 токенов. Модель обучена на данных OPUS. В README приведён результат 36,4 BLEU и 0,543 chr-F на тестовом наборе JW300.en.bi. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0. Код «bi» в карточке не раскрыт до конкретного названия языка, поэтому его нельзя надёжно уточнить.

Helsinki-NLP/opus-mt-en-eo — модель машинного перевода из семейства OPUS-MT, построенная на архитектуре MarianMT с Transformer и выравниванием. Она переводит текст с английского языка на эсперанто. Для предобработки используются нормализация и SentencePiece. Модель содержит 55,5 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для перевода предложений и текстов с английского на эсперанто. В README приведён результат BLEU 49,5 и chr-F 0,682 на тестовом наборе Tatoeba.en.eo. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-om — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на оромо. Модель построена на архитектуре MarianMT с Transformer, содержит 55,8 млн параметров и использует нормализацию текста и токенизацию SentencePiece; максимальная длина контекста — 512 токенов. Для обучения использован корпус OPUS. В карточке приведены результаты на тестовом наборе JW300.en.om: BLEU 21,8 и chr-F 0,498. Модель распространяется в форматах PyTorch и TensorFlow по лицензии Apache-2.0. Она предназначена для перевода с английского на оромо; качество на других языковых направлениях не подтверждено.

Helsinki-NLP разработала opus-mt-en-umb — модель машинного перевода с английского языка на умбунду. Это плотная модель архитектуры MarianMT на базе Transformer, обученная на данных OPUS; для предварительной обработки используются нормализация и SentencePiece. Модель содержит 55,2 млн параметров, её контекст составляет 512 токенов, доступны веса в форматах PyTorch и TensorFlow. Модель предназначена для перевода текстов с английского на умбунду. В карточке приведён результат BLEU 28,6 и chr-F 0,510 на тестовом наборе JW300.en.umb. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-fi-ee — модель машинного перевода из семейства OPUS-MT, разработанная проектом Helsinki-NLP. Она переводит текст с финского языка на эстонский и предназначена для автоматического перевода предложений и документов в этом языковом направлении. Модель построена на архитектуре Transformer и использует нормализацию текста и токенизацию SentencePiece; число параметров — 56,6 млн, нативная длина контекста — 512 токенов. В карточке приведён результат на тестовом наборе JW300.fi.ee: BLEU 28,0 и chr-F 0,500. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0. Показатели бенчмарка не гарантируют такого же качества на других типах текста; применение модели ограничено переводом с финского на эстонский.

Helsinki-NLP/opus-mt-fiu-en — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Она переводит тексты с финно-угорских языков на английский. В исходную группу входят эстонский, финский, венгерский, коми-зырянский, карельский, саамские и другие языки; для обработки текста применяются нормализация и SentencePiece с словарями размером 32 тыс. токенов. Модель содержит 55,3 млн параметров, её нативный контекст — 512 токенов. Модель предназначена для перевода отдельных текстов и многоязычных корпусов с языков группы Finno-Ugric на английский. В карточке приведены оценки BLEU и chr-F для тестовых наборов новостей на финском, эстонском и венгерском. Модель распространяется под лицензией Apache-2.0. Ограничения: направление перевода только на английский, а качество для отдельных языков может различаться; указанные тестовые оценки относятся к конкретным тестовым наборам.

Модель Helsinki-NLP OPUS-MT gmq-gmq предназначена для перевода между северогерманскими языками. Она разработана в рамках проекта OPUS-MT на архитектуре Transformer и реализована как MarianMTModel; содержит около 42,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель поддерживает датский, фарерский, исландский, норвежский букмол, норвежский нюношк и шведский. Перед переводом применяются нормализация и SentencePiece с моделью токенизатора на 32 тыс. элементов; для выбора языка перевода перед текстом требуется указать токен вида >>id<<. Модель подходит для перевода предложений между поддерживаемыми языками, но качество различается по языковым парам: в приведённых тестах BLEU варьируется от 8,1 для датско-фарерского до 62,8 для датско-норвежского. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ja-he — модель машинного перевода японского текста на иврит, выпущенная в рамках проекта OPUS-MT. Это плотная encoder-decoder модель семейства Marian на архитектуре Transformer-align с 58,4 млн параметров; она использует нормализацию и SentencePiece с отдельными словарями по 32 тыс. токенов для исходного и целевого текста. Модель принимает японский текст и генерирует перевод на иврите; заявленная длина контекста — 512 токенов. Модель подходит для перевода отдельных фраз и текстов с японского на иврит. В карточке приведён результат BLEU 20,2 и chr-F 0,397 на тестовом наборе Tatoeba-test.jpn.heb. Репозиторий предоставляет веса PyTorch и TensorFlow. Лицензия — Apache-2.0.