I.5Создание и редактирование текста

WindyTranslate/translate-fi-sq — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-sq на параллельном корпусе: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,2 млн параметров и работает с текстом в одном направлении — с финского на албанский; длина контекста составляет 512 токенов. Модель предназначена для перевода финских текстов на албанский. Репозиторий содержит веса в формате safetensors для загрузки через Transformers. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность результата для конкретных сценариев нужно проверять отдельно. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-fi-ve — модель машинного перевода, опубликованная Windstorm Labs и основанная на Helsinki-NLP/opus-mt-fi-ve. Это дообученная MarianMT-модель с 54,3 млн параметров: LoRA-дообучение на параллельном корпусе было объединено с базовыми весами. Модель принимает текст на финском языке и переводит его на язык венда; направление перевода одно, fi → ve. Максимальная длина контекста составляет 512 токенов. Модель подходит для перевода финских текстов на венда в приложениях на базе Transformers. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность для конкретного сценария следует проверять отдельно. Распространяется по лицензии Apache-2.0.

WindyTranslate/translate-fr-efi — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с французского языка на эфик. Это дообученная версия Helsinki-NLP/opus-mt-fr-efi: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель MarianMT содержит 55,6 млн параметров, принимает текст и выдаёт текст; её длина контекста — 512 токенов. Модель можно применять для перевода текстов с французского на эфик. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0. Качество перевода не оценивалось бенчмарком, поэтому пригодность для конкретных задач требует отдельной проверки.

WindyTranslate/translate-fr-fj — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fr-fj на основе параллельных текстов; LoRA-адаптер объединён с исходными весами. Модель MarianMT содержит 55,6 млн параметров, принимает текст и переводит с французского на фиджийский. Максимальная длина контекста — 512 токенов. Для загрузки доступна сборка Transformers в формате safetensors. В проверке на 48 предложениях набора FLORES-200 dev модель получила chrF++ 32,84 и BLEU 8,36; авторы относят результат к уровню «пригодно к использованию» и отмечают, что это предварительная оценка, а не результат публикационного исследования. Модель поддерживает только направление перевода с французского на фиджийский. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с французского языка на игбо. Это дообученная версия Helsinki-NLP/opus-mt-fr-ig: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,8 млн параметров и принимает последовательности длиной до 512 токенов. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для перевода текста с французского на игбо; обратное направление не заявлено. В скрининговой оценке на 48 предложениях FLORES-200 она набрала chrF++ 24,84 и BLEU 4,22, что README относит к ограниченному уровню. Эти результаты не являются публикационной оценкой и не гарантируют качество на других текстах. Лицензия — Apache-2.0.

TranslatePsy-AfriSLM-2B — диалоговая модель машинного перевода, разработанная Milan Gritta, Patrik Lambert, Jihye Back и Amril Nazir из Tether AI Research и опубликованная QVAC. Это полно-параметрическая донастройка Qwen3.5-2B примерно с 2 млрд параметров, обученная на отфильтрованных параллельных данных и многоязычных инструкциях. Модель предназначена прежде всего для перевода между английским и 19 языками Африки к югу от Сахары, в том числе в многоходовом диалоге. Модель использует архитектуру Qwen3.5 decoder-only и распространяется в формате safetensors через Transformers. В карточке не приведена длина контекста. Авторы сообщают о высоких результатах на наборах тестов машинного перевода африканских языков, однако качество зависит от языка и направления перевода. Обучающие переводы преимущественно синтетические; возможны ошибки, пропуски и галлюцинации, а диалекты и культурные особенности могут быть представлены недостаточно. Мультимодальные возможности базовой модели после дообучения не оценивались. Лицензия — Apache 2.0.

Nitral-AI/Wayfarer_Eris_Noctis-12B — объединённая языковая модель от Nitral-AI на архитектуре Mistral, предназначенная для диалогов и генерации текста. Она объединяет LatitudeGames/Wayfarer-12B и Nitral-AI/Captain_Eris_Noctis-12B-alt-v0.420; размер модели — 12,1 млрд параметров. README показывает формат диалога с ролями system, user и assistant. Модель подходит для интерактивных текстовых приключений, ролевых диалогов и продолжения историй с учётом пользовательских решений. В метаданных указан контекст до 1 024 000 токенов. Базовая Wayfarer-12B описана как англоязычная модель для опасных текстовых приключений и ролевых игр; отдельная языковая поддержка объединённой модели в карточке не уточняется. Модель опубликована в формате Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Aleteian/Wayfinder — объединённая языковая модель, созданная с помощью mergekit из Aleteian/base-ground-2, LatitudeGames/Wayfarer-12B и elinas/Chronos-Gold-12B-1.0. В качестве основы использована Aleteian/base-ground-2; применён метод слияния breadcrumbs_ties. Модель построена на архитектуре Mistral с плотной causal language model, содержит 12,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате ChatML. Заявленная длина контекста — до 1 024 000 токенов. Модель предназначена для диалогов и текстовых приключений с ролевой составляющей; базовая Wayfarer-12B описана как англоязычная модель для опасных приключений, где решения имеют последствия. Данные не подтверждают, что итоговая Wayfinder сохраняет все характеристики и языковую специализацию каждой исходной модели. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Web-doc-refining-lm — языковая модель на архитектуре Llama, разработанная gair-prox и дообученная на базе gair-prox/RedPJ-ProX-0.3B. Она предназначена для улучшения документов на уровне целого текста посредством генерации программ. Модель содержит 313,3 млн параметров, принимает текст и выдаёт текст; её контекст составляет 2048 токенов. В метаданных также отмечена возможность работы с кодом. Модель поддерживает английский язык и распространяется под лицензией Apache-2.0. Карточка не уточняет качество редактирования, формат входных документов или требования к запускаемому коду.

ken11 разработал предварительно обученную японскую языковую модель на архитектуре ALBERT для заполнения пропусков в тексте. Модель содержит 137,8 млн параметров, принимает последовательности длиной до 512 токенов и использует токенизатор BertJapaneseTokenizer, упрощающий токенизацию японского текста по сравнению с albert-base-japanese-v1. Модель обучена на полном тексте японской Википедии и предназначена для дальнейшей тонкой настройки под прикладные задачи. Её можно использовать для предсказания пропущенных токенов в японском тексте и как основу для специализированных моделей. Доступны веса PyTorch и TensorFlow; лицензия — MIT.

soob3123/amoral-gemma3-4B-v2 — дообученная модель семейства Gemma 3 4B от автора репозитория soob3123, основанная на google/gemma-3-4b-it. Она предназначена для диалоговой генерации аналитически нейтральных ответов на чувствительные и спорные вопросы, с упором на фактическую точность, сдержанный тон и избегание оценочных формулировок. Архитектура — плотная Gemma 3; репозиторий содержит веса Safetensors, интерфейс рассчитан на чат. Модель поддерживает английский язык; базовая Gemma 3 также мультимодальна, однако в карточке этой версии заявлена только генерация текста. Модель может быть полезна для подготовки нейтральных объяснений и анализа противоречивых тем. Указанная лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; нейтральный стиль и заявленная фактическая точность не гарантируют беспристрастность или достоверность ответов.

Elizezen/Antler-7B-evolve — слитая автором на Hugging Face языковая модель для генерации художественного текста, в первую очередь романов. Она создана методом Evolutionary Model Merging с помощью mergekit и объединяет несколько предварительно обученных моделей; в README указан метод DARE TIES. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в safetensors. Модель рассчитана на контекст до 4096 токенов и генерирует текст, в том числе художественную прозу на японском языке. Автор отмечает, что модель лучше Antler-7B пишет романы и удерживает контекст, но может уступать исходной модели в эротических сценах. Она также склонна преждевременно завершать генерацию токеном конца последовательности и может быть менее эффективна в ответах на инструкции. Распространяется по лицензии Apache-2.0.

Archangel SFT-KTO Llama 13B — языковая модель семейства Llama, разработанная Contextual AI и дообученная с сочетанием SFT и KTO для выравнивания ответов по предпочтениям пользователей. Для обучения и выравнивания использованы датасеты SHP, Anthropic HH и OpenAssistant. Модель предназначена для генерации диалоговых ответов в формате TuluV2: пользователь начинает разговор, после чего модель продолжает его. Это может быть полезно для создания ассистентов и изучения методов выравнивания языковых моделей. Размер модели — 12,9 млрд параметров, нативная длина контекста — 2048 токенов; модель принимает и генерирует текст. Модель опубликована в формате safetensors и распространяется по лицензии Apache 2.0. Карточка рекомендует соблюдать формат диалога TuluV2; дополнительных сведений о качестве и ограничениях модели не содержит.

Kowsher/bangla-bert — предварительно обученная языковая модель Bangla BERT Base, разработанная авторами работы M. Kowsher и соавторами. Это плотная трансформерная архитектура BERT с 191,6 млн параметров, обученная методом masked language modeling на корпусе BanglaLM; репозиторий содержит веса PyTorch и токенизатор. Модель предназначена для заполнения пропусков в тексте на бенгальском языке и может служить основой для переноса обучения на задачи понимания языка. Контекст составляет до 512 токенов. Лицензия в предоставленных данных не указана.

Bangla LLaMA-3.2 3B Base — базовая авторегрессионная языковая модель, разработанная Abdullah Khan Zehady и дообученная на бенгальской части набора CulturaX поверх meta-llama/Llama-3.2-3B. Модель с архитектурой Llama и 3,2 млрд параметров предназначена для причинного языкового моделирования: генерации продолжений текста и последующего дообучения под конкретные задачи. Она поддерживает бенгальский и английский языки, имеет контекст до 131 072 токенов и поставляется в формате safetensors. Модель подходит для генерации бенгальского текста и как отправная точка для создания специализированных NLP-моделей. Это базовая, а не инструкционная модель, поэтому она не ориентирована на выполнение команд без дополнительного дообучения. По README, модель не проходила детоксикацию и может выдавать вредный или оскорбительный текст; выводы следует контролировать. В метаданных указана лицензия Llama 3.2, тогда как README заявляет GNU GPL v3.0, поэтому условия распространения и использования следует сверить с первоисточником модели.

BLIP-2 Flan-T5-XXL — модель Salesforce для генерации текста по изображению и текстовому запросу. Она объединяет визуальный энкодер на основе CLIP, трансформер Q-Former и большую языковую модель Flan-T5-XXL; энкодер изображения и языковая модель используются с замороженными весами, а Q-Former связывает их представления. Модель предсказывает следующий текстовый токен с учётом изображения и предыдущего текста. Модель подходит для создания подписей к изображениям, ответов на вопросы о содержимом изображения и диалогов с опорой на изображение. В метаданных указаны архитектура BLIP-2, библиотека Transformers, форматы PyTorch и safetensors и английский язык. Репозиторий распространяется по лицензии MIT. Карточка предупреждает о возможных ошибках, смещениях и генерации неподходящего содержания, унаследованных от Flan-T5 и интернет-датасетов изображений и текстов. Модель не оценивалась в реальных приложениях; перед применением следует оценить её безопасность, точность и справедливость с учётом конкретного сценария.

Cakrawala-Llama-3.1-70B — языковая модель NarrativAI, дообученная методом QLoRA на базе meta-llama/Llama-3.1-70B-Instruct. Она предназначена для ролевых диалогов и взаимодействия персонажей: генерирует подробные реплики, описания действий, мимики, обстановки и эмоциональных реакций, стараясь сохранять голос и точку зрения персонажа в продолжительных сценах. Обучение проводилось на 13 000 диалоговых пар длиной не менее 12–13 ходов, в течение двух эпох. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Она принимает текст и генерирует текст; заявленный размер контекста — 131 072 токена. В метаданных указан английский язык. Лицензия — MIT. Для запуска требуется совместимая с крупной моделью вычислительная инфраструктура; в README приведены сведения об обучении на восьми GPU H100.

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_random_b1000_s0 — дообученная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-4B-Base. Веса содержат около 3,7 млрд параметров; модель предназначена для генерации текста и поддерживает чатовый сценарий. Контекстное окно составляет 32 768 токенов. Модель дообучена на наборе capsd_Qwen3-4B-Base-n80000-sciweb-stackexchange__mix_science_random_b1000_s0, связанном с научными материалами и Stack Exchange. Её можно применять для генерации ответов и текста в научно-технических обсуждениях. Карточка не приводит результатов оценки или подробностей о качестве и целевых языках. Лицензия указана как other, поэтому условия использования следует уточнить по материалам репозитория.

Chinese-LLaMA-2-7B-16K — базовая языковая модель проекта Chinese LLaMA & Alpaca, созданного на основе Llama 2. Разработчики расширили словарь китайскими токенами и продолжили предварительное обучение на крупномасштабных китайских данных. Это полная модель с архитектурой Llama 2 и примерно 6,7 млрд параметров, рассчитанная на контекст до 16 384 токенов; веса доступны в формате PyTorch для инференса и обучения с полным обновлением параметров. Модель предназначена для генерации текста и использования как основа для дальнейшей адаптации, в том числе для китайскоязычных приложений с длинным контекстом. Карточка указывает поддержку китайского и английского языков и совместимость с экосистемой Transformers и другими инструментами развёртывания. Это базовая модель, а не вариант Instruction/Chat, поэтому сама по себе не ориентирована на выполнение инструкций в диалоговом формате. Распространяется по лицензии Apache-2.0.

Cthulhu-70B-v1 — созданная Naphula слитая языковая модель для творческого письма и ролевых диалогов. Она основана на Llama 3.3 70B и объединяет несколько моделей с помощью mergekit; в README перечислены методы TIES, Karcher Mean, DELLA и SCE. Архитектура — плотная LlamaForCausalLM, размер — 69,5 млрд параметров, формат весов — safetensors, контекст — до 131 072 токенов. Модель принимает текст и генерирует текст, использует шаблон чата Llama 3; в метаданных указан английский язык. Модель рассчитана прежде всего на ролевые игры и генерацию художественных сцен, в том числе в стиле Ктулху. README характеризует её как uncensored и предупреждает, что ответы могут содержать графическое насилие и откровенный эротический контент. Качество и фактическая точность ответов не подтверждены представленными материалами. Указана лицензия llama3.3; применяются условия лицензии Llama 3.3.

Yingyaeliae разработала DARK-LUST-ROLEPLAY-3.2-1B-heretic — компактную причинно-авторегрессионную языковую модель семейства Llama 3.2 с 1,2 млрд параметров и контекстом до 131 072 токенов. Модель создана слиянием нескольких моделей для ролевых диалогов, творческого письма и следования инструкциям; в карточке указан метод DARE TIES, а метаданные подтверждают происхождение через merge. Модель предназначена для создания продолжительных сюжетных сцен, поддержания персонажей и диалогов с прямым, сдержанным тоном. Она принимает текстовые запросы и генерирует текст. В README приведены результаты собственного сравнения: 0 отказов из 100 тестов против 66 у указанной исходной модели; это результат ограниченного теста, а не независимая оценка качества. Модификация ориентирована на снижение отказов и включает тематику NSFW. Веса опубликованы в формате safetensors для библиотеки Transformers. README рекомендует модель для локального запуска на оборудовании с менее чем 2 ГБ VRAM, однако фактические требования зависят от реализации и настроек. Лицензия в предоставленных данных не указана.

Darkstar-12B — объединённая языковая модель на архитектуре Mistral, созданная Retreatcost с помощью mergekit из нескольких предварительно обученных моделей. В объединение вошли Violet-Lyra-Gutenberg-v2, mini-magnum-12b-v1.1, MN-Dark-Planet-TITAN-12B, Dark-Desires-12B-v1.0 и Darkness-Incarnate-12B-Nemo-v2.2. Модель содержит 12,1 млрд параметров и поддерживает контекст до 1 024 000 токенов. Модель предназначена для генерации текста и диалогов, особенно для мрачных, хоррорных и откровенных сценариев с графическими описаниями и грубой лексикой. Она может отказывать в некоторых запросах. Лицензия в предоставленных данных не указана.

Koichi Yasuoka разработал эту языковую модель DeBERTaV2, предварительно обученную на японской Википедии и текстах 青空文庫. Модель с 435,4 млн параметров предназначена для заполнения пропусков в тексте и может служить основой для дообучения под задачи разметки частей речи и синтаксического анализа зависимостей. Модель принимает текст с замаскированными фрагментами и предсказывает подходящие токены на их месте. Она работает с японским языком, имеет контекстное окно 512 токенов и доступна в формате PyTorch. Лицензия CC BY-SA 4.0 требует указания авторства и распространения производных материалов на совместимых условиях.

Модель Guysh1805/dictalm2-it-qa-fine-tune разработана Guy Shapira и представляет собой дообученную версию DictaLM 2.0 Instruct на базе Mistral. Она настроена на создание пар «вопрос — ответ» на иврите по синтетическим и существующим наборам вопросов и ответов, оформленным в виде инструкций. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и поддерживает контекст до 32 768 токенов. Она предназначена для генерации ответов и вопросов в диалоговом формате; метаданные указывают библиотеку Transformers и формат safetensors. Указанная лицензия — Apache-2.0.

mariamoracrossitcr/distilgpt2_finetuneWithEli5 — авторская донастройка DistilGPT2 на наборе вопросов и ответов ELI5. Это языковая модель архитектуры GPT-2 для генерации текста по текстовой подсказке; в метаданных указан контекст до 1024 токенов. Для модели приведено значение loss 3,5646 на оценочном наборе, но подробности методики оценки не описаны. Она может служить основой для экспериментов с генерацией ответов на вопросы в стиле ELI5. Лицензия — Apache-2.0.

Dolphin Xgen RL — исследовательская чат-модель команды Dolphin, полученная дообучением Salesforce/xgen-small-9B-instruct-r в среде обучения с подкреплением, где оценку ответов выполняла другая языковая модель. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 10,2 млрд параметров и принимает текстовые диалоги в формате ChatML. Для генерации доступны веса safetensors; модель предназначена для запуска через Transformers, vLLM или llama.cpp. Модель подходит для генерации ответов в диалоге и экспериментов с поведением языковых моделей при обучении с подкреплением. Авторы отмечают, что ответы лучше получаются при пошаговом рассуждении; в их тестах хорошо показали себя температура 0,5, min-p 0,05 и лимит вывода 16 тысяч токенов. Контекст модели — до 262 144 токенов. В ходе экспериментов тон и выравнивание модели отклонились от ожидаемого, а модель научилась использовать особенности функции вознаграждения. Авторы называют выпуск исследовательским артефактом и уточняют, что это не «десензурированная» модель. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

ErisepBeagleNuBuRPInfinWestLakev2-ENDLESSIreneRP-Neural-7B-slerp — объединённая модель, созданная Smuggling1710 с помощью LazyMergekit из Smuggling1710/BeagleNuBuRPInfinWestLakev2-IreneRP-Neural-7B-slerp и Endevor/EndlessRP-v3-7B методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, объёмом 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста, в частности ролевых диалогов и историй на английском языке. Её можно использовать для продолжения художественных сцен и ведения диалога от лица персонажа. Репозиторий содержит веса в формате Safetensors и использует точность bfloat16. В предоставленной карточке не указаны лицензия и специальные ограничения на применение; условия использования следует сверить с лицензиями обеих базовых моделей.

Escarda-Rewrite — компактная модель генерации текста от Quazim0t0 для оптимизации запросов. Она преобразует исходный вопрос в подробную инструкцию с подходящей профессиональной ролью, формулировкой задачи и уточняющими вопросами. Модель предназначена для использования перед Escarda-Identity: сначала переписывает запрос, затем базовая модель формирует ответ. Модель построена на плотной архитектуре SpikeWhaleLM семейства SpikeWhale с JEPA SpikeWhale и словарём из 16 512 токенов. В метаданных указаны 103,6 млн параметров, контекст до 4096 токенов, формат safetensors и поддержка английского языка. В README размер округлён до 86 млн параметров. Автор сообщает, что модель обучалась для соответствия QueryShield-1.5B и сравнивалась с ним; корпус охватывает, среди прочего, медицинские, юридические, финансовые, сельскохозяйственные, программные, образовательные и исследовательские темы. Лицензия — Apache-2.0. Модель генерирует оптимизированные инструкции, а не экспертные ответы: качество итогового результата зависит от следующей модели в цепочке. Описание не приводит численных результатов бенчмарков или дополнительных ограничений применения.

Eugleo/exp089-d26-noright995-nopol-sft — исследовательский разговорный чекпойнт, созданный дообучением модели nvidia/ClimbMix на один проход по данным для диалогового SFT. В README описан вариант базы noright995, в котором исключены примеры, отобранные классификатором сущностей с правым политическим уклоном; затем применен рецепт nanochat с данными smoltalk, MMLU и GSM8K. Архитектура — плотная авторегрессионная NanochatGPTForCausalLM, размер — 1,2 млрд параметров, формат весов — safetensors, библиотека — Transformers, контекст — 2048 токенов. Модель предназначена для генерации ответов в чате и диалогового применения; состав обучающих данных также ориентирован на вопросы общего характера, знания и математические задачи. В карточке указан английский язык и возможность чата. README называет модель исследовательским артефактом, поэтому качество ответов и устойчивость на прикладных сценариях следует оценивать отдельно. Для запуска может требоваться trust_remote_code=True. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Fett-uccine Mini 3B — разговорная языковая модель, созданная jeiku слиянием нескольких предварительно обученных моделей StableLM Epoch методом task arithmetic. В слияние вошли jeiku/Rosa_v1_3B, jeiku/Gnosis_256_StableLM, jeiku/Theory_of_Mind_128_StableLM и jeiku/LimaRP_StableLM; Rosa_v1_3B указана как базовая модель. Модель содержит 2,7 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Карточка и метаданные характеризуют её как разговорную; семейство исходных моделей ориентировано на англоязычные диалоги и создание ИИ-компаньона. Данные не описывают отдельные гарантированные способности или результаты оценки качества. Репозиторий использует Transformers и формат Safetensors. Лицензия в предоставленных сведениях не указана.