I.5Создание и редактирование текста

opus-mt-lg-en — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP. Она переводит текст с языка луганда (lg) на английский (en) и основана на архитектуре MarianMT с Transformer и выравниванием. Модель обучена на данных OPUS; перед обработкой применяются нормализация текста и токенизация SentencePiece. Веса доступны в форматах PyTorch и TensorFlow, размер модели — 56,1 млн параметров, длина контекста — до 512 токенов. Модель предназначена для перевода текстов с луганда на английский. В карточке приведены результаты на тестовых наборах: BLEU 32,6 для JW300.lg.en и 5,4 для Tatoeba.lg.en, что показывает заметную зависимость качества от набора данных. Распространяется по лицензии Apache-2.0.

Helsinki-NLP разработала OPUS-MT sem-en — модель машинного перевода с семитских языков на английский. Это Transformer-модель семейства MarianMT с 56,5 млн параметров; она использует нормализацию и SentencePiece с словарями по 32 тыс. токенов. Для обработки текста модель принимает последовательности длиной до 512 токенов. Модель обучена для перевода арабских разновидностей acm, afb, apc, arq, ary и arz, современного стандартного арабского (ara), амхарского (amh), иврита (heb), мальтийского (mlt) и тигринья (tir) на английский. В README приведены результаты на тестах Tatoeba для амхарского, арабского и иврита. Модель поддерживает перевод текста, но качество может различаться между языками и разновидностями; опубликованные тестовые оценки не гарантируют качество для любого текста. Лицензия — Apache 2.0.

OPUS-MT-tiny-deu-eng — компактная модель машинного перевода, разработанная Helsinki-NLP. Это дистиллированная ученическая модель архитектуры MarianMT: она обучена на данных Tatoeba имитировать учительскую модель OPUS-MT-models/de-en/opus-2020-02-26 и содержит около 14,5 млн параметров. Модель переводит текст с немецкого на английский; в репозитории доступны веса Safetensors и TFLite. Максимальная длина контекста — 256 токенов. Модель рассчитана на локальный перевод коротких фраз и предложений, например пользовательских сообщений или текстов для многоязычных приложений. В README приведены результаты на Flores+ и Bouquet: для ученической модели BLEU составляет 37,6 на обоих наборах. Эти оценки относятся к указанным тестовым наборам и не гарантируют качество на других тематиках или длинных текстах. Лицензия — Apache-2.0.

OPUS-MT-tiny-eng-fra — компактная модель машинного перевода семейства Marian, разработанная Helsinki-NLP. Это дистиллированная ученическая модель на базе учителя OPUS-MT-models/en-fr/opus-2020-02-26; для обучения использован набор Tatoeba. Модель содержит 14,5 млн параметров, принимает английский текст и переводит его на французский. Контекст составляет до 256 токенов. Модель предназначена для перевода коротких фраз и предложений, в том числе в сценариях, где важны небольшие размер и вычислительная стоимость. На тестах Flores+ и Bouquet ученическая модель показала BLEU 44,2 и 40,4 соответственно; результаты ниже, чем у учительской модели. Доступны веса Safetensors и TFLite, а карточка также описывает использование через Transformers и Marian. Модель распространяется по лицензии Apache-2.0. Ее узкая языковая пара и ограниченный контекст делают ее менее подходящей для длинных документов и перевода на языки, отличные от французского.

OPUS-MT-tiny-spa-eng — компактная модель машинного перевода семейства Marian, разработанная Helsinki-NLP. Она переводит текст с испанского на английский и построена как ученическая модель с архитектурой tiny, обученная методом дистилляции на данных Tatoeba под руководством более крупной модели-преподавателя. Для загрузки доступны веса в форматах Safetensors и TFLite; модель также совместима с Marian. Размер составляет 14,5 млн параметров, длина контекста — 256 токенов. Модель предназначена для перевода отдельных фраз и коротких текстов, в том числе пользовательских текстов и материалов, похожих на данные Tatoeba. В карточке приведены результаты на наборах Flores+ и Bouquet: ученическая модель уступает модели-преподавателю по BLEU на обоих наборах, поэтому качество перевода может быть ниже, чем у более крупной версии. Лицензия — Apache-2.0.

MWirelabs/pnar-mt — модель машинного перевода, разработанная MWirelabs на основе facebook/nllb-200-distilled-600M и дообученная для перевода между пнар и английским в обоих направлениях. Модель использует архитектуру NLLB-200 с примерно 463,7 млн параметров; в токенизатор добавлен код языка пнар. Для обучения объединили проверенный вручную корпус и автоматически созданные пары, преимущественно из новостного домена. Модель предназначена для перевода текстов, исследований малоресурсного машинного перевода и создания языковых приложений для пнар. В карточке указаны результаты автоматической оценки и человеческой проверки переводов с английского на пнар; эти оценки относятся к конкретному тестовому набору. Модель может ошибаться в идиомах, специализированной лексике, неоднозначных и длинных предложениях, а также на текстах вне обучающих доменов. В человеческой оценке встречались fluent-переводы с неполной передачей смысла; для важных задач результат следует проверять с носителем пнар. Репозиторий распространяется по лицензии CC BY 4.0.

Модель tlc4418/pythia_1.4b_sft_policy — версия Pythia на 1,7 млрд параметров, дообученная методом supervised fine-tuning на разделении sft набора AlpacaFarm. В README она обозначена как policy-модель из работы «Reward Model Ensembles Mitigate Overoptimization». Архитектура — плотная GPT-NeoX для генерации текста; контекст составляет 2048 токенов. Модель предназначена для генерации текста в сценариях следования инструкциям, связанных с обучением и исследованием языковых моделей по методике AlpacaFarm. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных материалах отсутствуют.

Qilin-lit-6b — языковая модель rexwang8 на архитектуре GPT-J с 6 млрд параметров, дообученная на англоязычных переводах веб-романов, преимущественно жанра сянься. В версии 1.1.0 обучение проводилось на 550 МБ текстов из NovelUpdates: 34 книги, один проход и 3150 шагов. Модель принимает текст и генерирует продолжение; контекст составляет 2048 токенов. Модель предназначена для создания фэнтезийных историй и помощи авторам художественной прозы. Разработчик отмечает её причудливый стиль и ориентацию на безопасный для работы контент. Модель распространяется по лицензии MIT; качество и уместность сгенерированного текста зависят от запроса и могут требовать редактирования.

symrizals/qwen2.5-3b-legal-id-sft — дообученная разговорная модель на архитектуре Qwen2, основанная на unsloth/Qwen2.5-3B-bnb-4bit. Разработчик — symrizals; модель содержит 3,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате. Название указывает на настройку для задач в области права Индонезии, однако README не описывает обучающие данные, конкретные юридические возможности или оценку качества. Модель принимает текст и генерирует текст; контекстное окно — до 32 768 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0.

anuruab/qwen2.5-3b-ncert-finetuned — генеративная текстовая модель семейства Qwen2, доступная через библиотеку Transformers. Модель содержит около 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. По названию репозитория она дообучена на материалах, связанных с NCERT, поэтому может быть ориентирована на образовательные сценарии и работу с учебным содержанием. Модель предназначена для генерации продолжений текста и диалоговых ответов, включая ответы на вопросы, объяснение учебных тем и создание текстов на основе заданного контекста. Поддержка conversational-тега указывает на возможность использования в диалоговых приложениях. README не содержит описания набора данных, методики дообучения, результатов оценки, рекомендаций по применению или условий лицензирования. Поэтому качество ответов в образовательных и других специализированных сценариях необходимо проверять отдельно; модель может генерировать фактически неверные или неполные сведения.

Qwen3-4B IF RL Specialist — это дообученная модель семейства Qwen3, созданная на базе Qwen/Qwen3-4B. Разработчик обучил её для следования инструкциям с помощью доменного reinforcement learning: модель вознаграждалась за выполнение заданных ограничений в инструкции. Использованы GRPO-подобные групповые преимущества и PPO-целевая функция; адаптер LoRA ранга 16 объединён с основными весами. Модель содержит около 3,7 млрд параметров, сохранена в BF16 и принимает контекст до 40 960 токенов. Модель предназначена для генерации ответов и может использоваться как учитель по следованию инструкциям в экспериментах MOPD: студент генерирует продолжения, а эта модель предоставляет токенную супервизию. В выпуске нет обученного или оценённого дистиллированного студента. На IFEval строгая точность составила 80,04%, на IFBench — 25,67% по протоколу авторской оценки; эти результаты относятся к конкретным наборам и настройкам эксперимента. Модель работает с текстом, поддерживает чатовый режим и распространяется под лицензией Apache-2.0. README указывает, что обучение остановилось до завершения эпохи, а представлен именно последний чекпойнт; объём обучения специалистов различался. Поэтому результаты не следует трактовать как максимальные показатели модели или как гарантию выполнения произвольных инструкций.

Это LoRA-адаптер для Qwen3-4B, преобразованный в формат GGUF F16 для использования с llama.cpp. Репозиторий rockerBOO/qwen3-4b-roleplay-lora-F16-GGUF содержит адаптер, который подключается к базовой модели через параметр LoRA в llama-cli или llama-server; сам по себе он не является полной моделью. Адаптер предназначен для генерации диалогов и ролевых ответов, а также творческого письма. Он обучен с использованием набора rockerBOO/Gryphe-Sonnet3.5-Charcard-Roleplay-filtered. Указана лицензия Apache-2.0. Для работы нужны совместимые базовые веса Qwen3-4B и llama.cpp.

RPBizkit-v6-12B — экспериментальная объединённая языковая модель автора RicardoEstep для генерации текста, ролевых сценариев и художественных историй. Она основана на Mistral Nemo и создана смешиванием нескольких моделей с помощью Karcher-Mean и DARE TIES через Mergekit; в одном из этапов также использован LoRA-адаптер для изменения поведения модели. Веса представлены в формате safetensors, размер модели — 12,1 млрд параметров. Модель ориентирована на ролевое письмо с более выраженным стилем и инициативностью, а также на приключенческие и тёмные художественные сюжеты. В карточке заявлена поддержка контекста до 128K токенов, однако автор рекомендует ограничиваться 8K. Для диалогов рекомендуется шаблон Alpaca с RAW-вводом: при использовании шаблонов ChatML или Mistral модель может терять устойчивость поведения. Лицензия в предоставленных данных не указана.

Chloemp/smollm2-135m-xlam-fullft — дообученная модель Chloemp на базе HuggingFaceTB/SmolLM2-135M, обученная с использованием TRL. Это плотная авторегрессионная языковая модель семейства Llama с 134,5 млн параметров, предназначенная для генерации текста в диалоговом формате. Модель принимает сообщения пользователя и продолжает их; пример из карточки показывает ответ на открытый вопрос. Модель подходит для компактных чат-сценариев и экспериментов с генерацией текста. Она использует библиотеку Transformers, веса доступны в формате Safetensors, а контекст составляет до 8192 токенов. Базовая модель ориентирована на английский язык; README не описывает отдельную языковую специализацию дообучения. Лицензия в предоставленных данных не указана. Из-за небольшого размера модель может уступать более крупным языковым моделям в точности и устойчивости ответов; результаты следует проверять в задачах, где ошибки существенны.

sorsolingo-mt-en-bsl-test — дообученная модель машинного перевода на архитектуре MarianMT, разработанная на основе Helsinki-NLP/opus-mt-en-bcl. Веса размещены в формате safetensors; модель содержит 55,1 млн параметров и принимает контекст длиной до 512 токенов. Модель предназначена для перевода между английским и языком базы BCL. В README указано дообучение на неизвестном наборе данных и приведены результаты оценки: BLEU 25,11 и eval_loss 4,5125. Лицензия — Apache-2.0.

Swallow-70b-NVE-RP — 68,7-миллиардная плотная языковая модель на архитектуре Llama, созданная nitky слиянием нескольких моделей для ролевых сценариев и написания историй. В качестве основы использована tokyotech-llm/Swallow-70b-NVE-instruct-hf; в слияние также вошли GOAT-70B-Storytelling, dreamgen/opus-v0.5-70b, lzlv-limarpv3-l2-70b и адаптер Waxwing-Storytelling-70B-LoRA. Модель работает с текстом, поддерживает японский и английский языки, а длина контекста составляет 4096 токенов. Модель предназначена прежде всего для ролевых игр и художественной генерации; автор отмечает, что она не очень хорошо подходит для многоходового чата. В README приведены рекомендуемые параметры генерации и формат инструкций Alpaca, а также отмечена экспериментальная совместимость с форматами подсказок нескольких включённых моделей. Опубликованные веса представлены в формате safetensors. README указывает на личное и академическое использование. Используется лицензия Llama 2, однако автор предупреждает, что коммерческие права на некоторые компоненты слияния неясны; перед коммерческим применением следует проверить права на все исходные модели.

Thea RP 3B 25R — англоязычная модель для генерации текста и ролевых диалогов, разработанная Piotr Zalewski. Это дообученная модель Llama 3.2 с архитектурой LlamaForCausalLM и 3,2 млрд параметров; в обучении использованы данные reasoning-base-20k и набор для переопределения имён. Карточка характеризует её как модель для ролевых сценариев с reasoning-данными, а метаданные отмечают поддержку чата и контекст до 131 072 токенов. Модель подходит для ролевых бесед, продолжения сцен и генерации связного текста на английском языке. Заявления об улучшенной производительности и высоких результатах в ролевых задачах принадлежат автору и не подкреплены в карточке численными оценками. Модель распространяется по лицензии llama3.2; базовая модель — SicariusSicariiStuff/Impish_LLAMA_3B.

Thespis-Llama-3.1-8B — языковая модель семейства Thespis от Locutusque для ролевых диалогов, творческого письма и интерактивных историй. Это плотная авторегрессионная модель Llama 3.1 с 7,5 млрд параметров, дообученная методом Group Relative Policy Optimization (GRPO) на наборе roleplay4fun/aesir-v1.1. Модель ориентирована на связные ответы, последовательность персонажа и сокращение повторов и шаблонных фраз; поддерживает диалоговый режим и контекст до 131 072 токенов. Модель подходит для отыгрыша персонажей, создания художественных сцен и интерактивного повествования. Карточка отмечает, что это ранний выпуск: возможны непоследовательность и непредсказуемые ответы, а обучение модели планируется продолжать. Лицензия — Llama 3.1.

TinyLlama-1.1B-Chat-v0.4 — компактная чат-модель на основе архитектуры Llama, разработанная проектом TinyLlama. Она дообучена на TinyLlama/TinyLlama-1.1B-intermediate-step-715k-1.5T на примерах OpenAssistant в формате ChatML. Модель содержит около 1 млрд параметров, использует архитектуру и токенизатор Llama 2 и рассчитана на контекст до 2048 токенов. Модель предназначена для диалоговой генерации текста и может применяться в чат-ботах, прототипах ассистентов и сценариях с ограниченными вычислительными ресурсами. Компактный размер снижает требования к памяти и вычислениям; для работы с Transformers требуется версия 4.31 или новее. В карточке указана лицензия Apache-2.0. Модель преимущественно обучалась на англоязычных данных, поэтому её основное применение — общение на английском языке. Она значительно меньше крупных языковых моделей и может уступать им в качестве ответов и сложных рассуждениях; карточка не приводит количественных оценок качества.

Tinyllama-320M-Cinder-v1 — разговорная модель семейства Llama, разработанная для научных и образовательных бесед, общения и творческого поиска идей. По карточке, модель создана на основе TinyLlama объёмом 220 млн параметров с увеличением глубины сети и повторным обучением на наборе данных Cinder; архитектура — плотная авторегрессионная LlamaForCausalLM, размер — около 306,6 млн параметров. Модель принимает текст и генерирует текстовые ответы. Она предназначена для диалогов, объяснений и совместного изучения тем; длина контекста — 2048 токенов. Репозиторий содержит веса Safetensors, лицензия — MIT. Карточка не сообщает об оценках качества или подробных результатах тестирования.

nm-testing/tinyllama-fp8-dynamic-compressed — сжатая FP8-версия TinyLlama, опубликованная аккаунтом NM Testing для тестирования инструментов LLM Compressor и совместимого инференса. В основе лежит TinyLlama, открытый проект команды под руководством Zhang и участников сообщества, созданный как компактная языковая модель семейства Llama для генерации текста и экспериментов с локальным запуском. Модель является decoder-only Transformer с архитектурой LlamaForCausalLM, примерно 1,1 млрд параметров, 22 слоями, 32 attention-heads и 4 key-value-heads. Конфигурация указывает контекст до 2048 токенов, словарь из 32 000 токенов и вычисления в bfloat16. Вариант использует compressed-tensors: веса линеарных слоёв представлены в 8-битном float-формате FP8, а активации квантизуются динамически на уровне токенов; заявлено сжатие с коэффициентом около 1,24. Модель текстовая и не поддерживает изображения или другие модальности. Главные преимущества — небольшой размер, сниженные требования к памяти и возможность тестировать сжатый инференс, в том числе через Transformers и совместимые средства vLLM/LLM Compressor. Ограничения связаны с малым размером, коротким контекстом, отсутствием специализированной мультимодальности и возможным снижением качества из-за FP8-квантизации; карточка этой производной модели не предоставляет подробных бенчмарков и не позиционирует её как готовую production-модель. Для исходной TinyLlama указана лицензия Apache-2.0; отдельные условия лицензирования производного репозитория следует проверять в его файлах лицензии.

tnayaj — чат-модель Jayant AI Labs для генерации текста в биомедицинской области. Она основана на Meta-Llama-3-8B-Instruct и дообучена на данных предпочтений DPO и медицинских инструкциях. В метаданных указаны плотная архитектура Llama с классом LlamaForCausalLM, около 7,5 млрд параметров, контекст до 8192 токенов и формат Safetensors. Модель предназначена для создания и уточнения текстов по медицине и наукам о жизни, а также для диалоговых сценариев в этих областях. Карточка заявляет специализацию на биомедицинских задачах, но не приводит результатов оценивания или перечня конкретных задач. Лицензия — Apache 2.0.

WindyTranslate/translate-cpf-en — модель машинного перевода Windstorm Labs для перевода с гваделупского креольского языка (cpf) на английский. Это дообученная модель MarianMT на базе Helsinki-NLP/opus-mt-cpf-en с примерно 54,7 млн параметров и контекстом до 512 токенов. К весам применили LoRA дообучение на параллельном корпусе, после чего адаптер объединили с базовыми весами; модель доступна в формате safetensors для Transformers. Модель предназначена для перевода текстов с гваделупского креольского на английский. Другие направления перевода в карточке не заявлены. Качество пока не оценивалось на бенчмарках, поэтому пригодность для конкретного сценария следует проверять отдельно. Лицензия — Apache-2.0.

Windstorm Labs публикует эту модель машинного перевода с английского на себуано. Это модель MarianMT на базе Helsinki-NLP/opus-mt-en-ceb, содержащая 54,3 млн параметров и рассчитанная на контекст до 512 токенов. Репозиторий содержит сборку Transformers в формате safetensors; лицензия — Apache-2.0. Веса отличаются от базовой модели: к 72 из 254 тензоров применено документированное числовое преобразование epsilon-noise-fog с максимальным абсолютным изменением 5,234×10⁻⁷; это не результат дообучения. В карточке приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 55,19 и BLEU 26,49. Эти данные дают ориентир, но не являются полноценной публикационной оценкой качества.

WindyTranslate/translate-en-cus — модель машинного перевода, опубликованная Windstorm Labs и основанная на Helsinki-NLP/opus-mt-en-cus. Это дообученная модель архитектуры MarianMT с 37,1 млн параметров: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель принимает текст на английском и переводит его на сомалийский и другие кушитские языки; для работы используется Transformers, веса доступны в формате safetensors. Контекст модели составляет 512 токенов. Модель предназначена для перевода в направлении с английского на кушитские языки. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность результатов для конкретного сценария не подтверждена. Репозиторий распространяется по лицензии Apache-2.0 с указанием авторства базовой модели.

WindyTranslate/translate-en-gaa — модель машинного перевода от Windstorm Labs для перевода с английского языка на га. Это дообученная версия Helsinki-NLP/opus-mt-en-gaa: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT и содержит 54,4 млн параметров; она принимает текст и выдаёт текст. Для работы используется Transformers, веса хранятся в формате safetensors, родной контекст — 512 токенов. Модель рассчитана на перевод в одном направлении — с английского на га. Выход проверяли на соответствие заявленному языку, но качество перевода не оценивали, поэтому пригодность результата для конкретных задач следует проверять отдельно. Лицензия — Apache-2.0.

WindyTranslate/translate-en-sit — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского языка на язык сит. Это дообученная версия Helsinki-NLP/opus-mt-en-sit: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 55,6 млн параметров и принимает текст с контекстом до 512 токенов, выдавая переведённый текст. Модель поставляется в формате safetensors и загружается через Transformers. Лицензия — Apache-2.0. Качество перевода не оценивалось бенчмарками; факт изменения весов подтверждает происхождение модели, но сам по себе не говорит о качестве.

WindyTranslate/translate-eo-de — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с эсперанто на немецкий. Это дообученная версия Helsinki-NLP/opus-mt-eo-de: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель построена на архитектуре MarianMT и содержит 55,8 млн параметров; репозиторий включает веса в формате safetensors для Transformers. Длина контекста — 512 токенов. Модель подходит для перевода фраз и текстов с эсперанто на немецкий. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 39,64 и BLEU 14,12; авторы характеризуют результат как пригодный для использования, но не как полноценный публикационный бенчмарк. Поддерживается только направление eo→de. Лицензия — Apache-2.0.

WindyTranslate/translate-eo-it — модель машинного перевода Windstorm Labs для перевода с эсперанто на итальянский. Это дообученная версия Helsinki-NLP/opus-mt-eo-it: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 28,9 млн параметров и принимает текстовые последовательности с контекстом до 512 токенов, выдавая перевод текстом. Модель предназначена для перевода текстов с эсперанто на итальянский; других направлений README не заявляет. В скрининговой оценке FLORES-200 на 48 предложениях результат составил chrF++ 27,75 и BLEU 5,10, что авторы относят к ограниченному диапазону; эта небольшая выборка не даёт надёжной оценки качества на широком наборе текстов. Репозиторий распространяется по лицензии Apache-2.0.

WindyTranslate/translate-es-pag — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с испанского на пангасинан. Это дообученная версия Helsinki-NLP/opus-mt-es-pag: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель использует архитектуру MarianMT, содержит 55,9 млн параметров и принимает контекст до 512 токенов. Модель поставляется в формате safetensors и загружается через Transformers как последовательная модель text-to-text. В скрининговой оценке FLORES-200 на 48 предложениях для направления испанский → пангасинан получены chrF++ 28,58 и BLEU 4,59; авторы относят результат к ограниченному диапазону и отмечают, что это не результат публикационного исследования. Модель поддерживает только указанное направление перевода. Лицензия — Apache-2.0.