I.5Создание и редактирование текста

Экспериментальная самостоятельная модель генерации текста, созданная автором DrNicefellow путём извлечения первого эксперта из каждого MoE-слоя модели mistralai/Mixtral-8x7B-v0.1. Она сохраняет архитектурные компоненты Mixtral, включая слои многоголового внимания, и предназначена для языкового понимания и генерации текста. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов; поддерживается библиотека Transformers, веса доступны в формате safetensors. Автор предупреждает, что качество ожидается ниже, чем у Mistral-7B, а сам способ извлечения экспериментальный. Лицензия — Apache-2.0.

Mitra Qwen3.5 IT — диалоговая модель общего назначения семейства Dharmamitra Qwen3.5, разработанная buddhist-nlp. Это плотная языковая модель на архитектуре Qwen3.5 с 7,2 млрд параметров, дообученная методом многоходового SFT на базе buddhist-nlp/mitra-qwen35-base-stage2. Модель предназначена для общения на темы буддийских исследований: отвечает на вопросы по буддизму без обращения к внешним источникам, а также помогает переводить и редактировать переводы с классических языков. Модель работает с санскритом, тибетским, буддийским китайским и пали; для тибетского можно использовать транслитерацию Уайли, для санскрита и пали — IAST. Она поддерживает диалог и контекст длиной до 262 144 токенов. Рекомендуется как чат-интерфейс к семейству Mitra; для потоковых переводческих задач авторы предлагают базовую модель, а для поиска — отдельную модель эмбеддингов. Модель принимает текст и выдаёт текст. Опубликована в формате Safetensors для Transformers по лицензии Apache-2.0.

studio-ousia/mluke-base-lite — облегчённая мультиязычная модель mLUKE от Studio Ousia, основанная на архитектуре LUKE. Это плотная модель для заполнения пропусков в тексте: она предсказывает замаскированные токены. Веса инициализированы XLM-RoBERTa base; модель имеет 12 слоёв и размер скрытого состояния 768. В карточке указано 279 млн параметров, а в метаданных — 305,2 млн. Контекст составляет 514 токенов. Модель обучалась на Википедии на 24 языках и не содержит обычных Wikipedia entity embeddings, сохраняя специальные сущности, например [MASK]. Модель подходит для восстановления пропущенных слов и языкового моделирования с масками в многоязычных текстах. Архитектура LUKE также связана с задачами распознавания именованных сущностей и классификации отношений, однако основной тег этой модели — fill-mask. Лицензия — Apache-2.0. При загрузке через AutoModel предупреждение о неиспользуемых весах entity-aware attention ожидаемо при настройке по умолчанию; эти веса можно задействовать соответствующей конфигурацией.

MM-Orc-Vic-bagel-34b-c1000 — дообученная Abacus.AI языковая модель на основе DPO Bagel, обученная на наборе MetaMathFewshot. Она предназначена для генерации текста в диалоге и решения задач, связанных с математическими рассуждениями и ответами на вопросы. Модель использует плотную архитектуру LlamaForCausalLM с 33,9 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 200 000 токенов. В карточке приведено сравнение с nontoxic-bagel-34b-v0.2, но результаты самой модели в таблице не заполнены, поэтому её качество по бенчмаркам оценить нельзя. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Языки, на которых модель специально обучена или оценена, в доступных сведениях не установлены.

IAmTheCollector/MN-Slush-GGLD-Wayfarer — объединённая языковая модель, созданная с помощью mergekit методом SLERP из IAmTheCollector/MN-Slush-GGLD и LatitudeGames/Wayfarer-12B. Веса объединены в формате bfloat16; архитектура — плотная MistralForCausalLM, размер — 12,1 млрд параметров. Модель предназначена для генерации текста и диалогового общения. В объединении преимущественно сохранён вклад MN-Slush-GGLD на входных и выходных слоях, а в средних слоях вклад моделей сбалансирован. Базовая Wayfarer-12B ориентирована на англоязычные опасные текстовые приключения и ролевые игры с последствиями решений, что указывает на подходящий сценарий использования этой сборки. Для репозитория указано окно контекста 1 024 000 токенов, однако карточка не приводит оценок качества или практических ограничений этого значения. Лицензия в предоставленных данных не указана.

Morax-24B-v2 — текстовая разговорная модель на архитектуре Mistral, созданная DarkArtsForge слиянием трёх предварительно обученных моделей через mergekit и метод della. Она предназначена для генерации творческих текстов и ролевых диалогов; автор описывает её как модель с включаемым по запросу режимом рассуждений и без отказов на запросы. В репозитории указаны 23,4 млрд параметров и контекст до 131 072 токенов; веса представлены в формате safetensors, модель работает через Transformers. Карточка заявляет повышенную склонность к мрачным, откровенным и жестоким сюжетам, поэтому модель подходит для творческого письма и ролевых сценариев с таким содержанием. Автор рекомендует шаблон Mistral Tekken и отмечает, что поведение рассуждений можно менять промптом. README не указывает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

NeuralMathChat-7B-V0.2 — объединённая модель генерации текста на архитектуре Mistral, созданная с помощью mergekit из Q-bert/MetaMath-Cybertron-Starling и Intel/neural-chat-7b-v3-3. Она предназначена для диалогов и ответов на математические вопросы на английском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; среди подходящих сценариев — математические вопросы и ответы, а также обычный диалог. Файлы представлены в формате safetensors. Лицензия — Apache-2.0.

Nimbus-Miqu-v0.1-70B — экспериментальная слитая языковая модель, созданная invisietch на основе нескольких моделей семейства Miqu. Она предназначена прежде всего для ролевых диалогов и творческого письма: автор стремился сохранить творческие качества Midnight Miqu и ослабить позитивный уклон, смешав её с моделями Chronos и Euryale. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 68,7 млрд параметров; заявленная длина контекста — до 32 764 токенов. Она принимает текст и генерирует текст на английском языке. README указывает поддержку шаблонов Alpaca, ChatML и Vicuna и рекомендует ChatML. Автор отмечает, что модель не тестировалась для других сценариев; отдельные оценки бенчмарков приведены в карточке, но не подтверждают пригодность для широкого круга задач. Модель слабо ограничена и может выдавать откровенный, тревожный или оскорбительный контент. Лицензия в метаданных не определена; README ограничивает применение производных от Miqu моделей личным некоммерческим использованием и сообщает, что базовая модель является неофициально утёкшей моделью Mistral.

OpenElla-NovelWriter-Charol — англоязычная текстовая модель N-Bot-Int для генерации художественных текстов и ролевых диалогов. Она предназначена для интерактивных сценариев с карточками персонажей; автор отмечает улучшенные ролевые возможности, более широкие знания о ролевых сценариях и меньшую склонность управлять действиями пользователя по сравнению с предыдущей моделью. Модель основана на архитектуре Llama и содержит 7,5 млрд параметров; в README указано округлённое значение 8 млрд. Контекстное окно — до 131 072 токенов. Charol получена слиянием нескольких моделей для ролевых диалогов, а затем прошла дополнительное обучение на небольшом наборе примеров для стабилизации поведения. Поддерживается генерация текста; рекомендуется использовать шаблон чата Llama 3 и настраивать параметры генерации под карточку персонажа. Модель ориентирована на ролевые игры и творческое письмо на английском языке, а не на специализированные профессиональные задачи. Автор предупреждает о возможной склонности модели интенсивно отыгрывать ролевые сценарии; настройка промпта и параметров генерации влияет на поведение. Лицензия — AGPL-3.0.

Helsinki-NLP/opus-mt-ar-tr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с арабского на турецкий; исходная сторона охватывает арабский и перечисленные в карточке его варианты и записи латиницей. Модель содержит 57,6 млн параметров, использует нормализацию и SentencePiece с словарями размером 32 тыс. токенов; заявленная длина контекста — 512 токенов. Модель подходит для перевода отдельных фраз и текстов с арабского на турецкий. В карточке приведён результат BLEU 33,1 на Tatoeba-test.ara.tur. Доступны веса в форматах PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0. Она предназначена для указанной языковой пары; качество на иных языках и специализированных текстах не подтверждено.

Helsinki-NLP/opus-mt-bat-en — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP на основе проекта Tatoeba-Challenge. Это трансформер Marian с 55,4 млн параметров, обученный переводить с балтийских языков на английский. Источники включают литовский, латышский, жемайтский, латгальский и древнепрусский; целевой язык — английский. Для обработки текста используются нормализация и SentencePiece с моделями токенизации по 32 тыс. элементов. Модель принимает текст и генерирует текст перевода; нативный контекст — 512 токенов. Подходит для перевода текстов с поддерживаемых балтийских языков на английский, в том числе новостных материалов. В README приведены результаты оценки на наборах новостных текстов, однако качество может различаться между языками и тематиками. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-bcl-fr — модель машинного перевода семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит тексты с языка биколь (bcl) на французский (fr); обучение выполнено на данных OPUS с архитектурой Transformer-align. В обработке применяются нормализация текста и SentencePiece. Модель содержит 56,1 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена для автоматического перевода фраз и документов с бикольского на французский. В README приведена оценка BLEU 35,0 и chr-F 0,527 на тестовом наборе JW300.bcl.fr. Репозиторий распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-ln — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на лингала. Модель основана на архитектуре Transformer-align и использует нормализацию и токенизацию SentencePiece; число параметров составляет 55 млн, исходная длина контекста — 512 токенов. Доступны веса PyTorch и TensorFlow. Модель предназначена для перевода отдельных текстов и интеграции в приложения или конвейеры локализации с направлением перевода en→ln. В карточке приведены результаты оценки на наборе JW300.en.ln: BLEU 36,7 и chr-F 0,588. Модель распространяется по лицензии Apache-2.0. Качество может зависеть от тематики и стиля входного текста; заявлено одно направление перевода.

Helsinki-NLP/opus-mt-en-luo — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на луо и предназначена для автоматического перевода отдельных фраз и документов. Модель основана на архитектуре Transformer-align, использует нормализацию текста и токенизацию SentencePiece; содержит 51,9 млн параметров и рассчитана на контекст до 512 токенов. В карточке приведён результат 27,6 BLEU и 0,495 chr-F на тестовом наборе JW300.en.luo. Модель поддерживает перевод только в направлении с английского на луо. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-eo-hu — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на основе архитектуры Marian. Она переводит текст с эсперанто на венгерский и предназначена для автоматического перевода отдельных фраз и текстов. Модель содержит около 29 млн параметров, использует Transformer с выравниванием и SentencePiece с нормализацией; максимальная длина контекста — 512 токенов. Для пары Esperanto→Hungarian в README приведён результат BLEU 12,8 на тесте Tatoeba. Модель принимает текст на эсперанто и генерирует текст на венгерском. Распространяется по лицензии Apache-2.0. Показатель на одном тестовом наборе не гарантирует такого же качества на других тематиках и типах текста.

Helsinki-NLP/opus-mt-ja-ar — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Marian Transformer. Она переводит текст с японского на арабский и поддерживает целевые варианты арабского языка, включая acm, apc, arq и arz. Для выбора целевого варианта в начале предложения требуется токен вида `>>id<<` с допустимым идентификатором языка. Модель содержит 58,4 млн параметров, использует SentencePiece с нормализацией и имеет контекстное окно 512 токенов. В README для набора Tatoeba-test.jpn.ara приведены оценки BLEU 11,6 и chr-F 0,394. Репозиторий предоставляет веса PyTorch и TensorFlow; лицензия — Apache-2.0.

Это нейронная модель машинного перевода OPUS-MT, разработанная Language Technology Research Group Хельсинкского университета. Она переводит тексты с немецкого, английского, французского, португальского и испанского языков на языки индо-иранской группы, включая хинди, урду, бенгальский, персидский, непальский, пенджаби, сингальский и другие. Целевой язык задаётся специальной меткой перед текстом. Модель построена на архитектуре MarianMT типа transformer-big, содержит 164,2 млн параметров и рассчитана на контекст до 1024 токенов. Её можно применять для перевода отдельных фраз и текстов, в том числе на языки с ограниченным количеством доступных переводческих систем. Веса доступны в форматах PyTorch и Safetensors, библиотека запуска — Transformers. Модель обучена на данных OPUS; качество перевода может различаться между языковыми парами и предметными областями, а контекст ограничен 1024 токенами. Лицензия Apache-2.0.

OPUS-MT-tiny-ara-eng — компактная модель машинного перевода Helsinki-NLP, созданная дистилляцией модели-преподавателя OPUS-MT ar-en. Она переводит текст с арабского на английский и предназначена для перевода отдельных фраз и текстов, в том числе в сценариях с ограниченными вычислительными ресурсами. Модель использует архитектуру Marian с регулярным Transformer-декодером и содержит 14,5 млн параметров; базовый контекст составляет 256 токенов. Для обучения использовался набор Tatoeba. На тесте Flores+ студенческая модель получила BLEU 31,1, chr-F 59,1 и COMET 0,8174, уступив более крупной модели-преподавателю. Модель принимает текст и выдаёт текст на английском языке. Репозиторий содержит веса Safetensors и вариант TFLite, а для запуска совместимой версии README приводит примеры с Marian и Transformers. Модель распространяется по лицензии Apache-2.0. Результаты на Flores+ не гарантируют такого же качества для других тематик и доменов; контекст ограничен 256 токенами.

OPUS-MT-tiny-tur-eng — компактная модель машинного перевода, разработанная Helsinki-NLP. Она переводит текст с турецкого языка на английский и построена на архитектуре Marian с уменьшенным трансформером: регулярный декодер Transformer обучен как студенческая модель методом дистилляции от более крупной модели-учителя на данных Tatoeba. Модель содержит 14,5 млн параметров, рассчитана на контекст до 256 токенов и доступна в форматах safetensors и TFLite; для запуска также приведён пример с библиотекой Transformers и MarianTokenizer. Модель подходит для перевода коротких фраз и предложений, в том числе в сценариях с ограниченными вычислительными ресурсами. В README приведены оценки на тестовых наборах Flores+ и Bouquet: студенческая модель уступает учителю по BLEU, chr-F и COMET, поэтому качество может быть ниже, чем у более крупной модели. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-war-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с варайского языка (Waray, Филиппины) на английский. Архитектура — Transformer-align на базе MarianMT; модель содержит 28,9 млн параметров, использует нормализацию и SentencePiece с словарями по 4 тыс. токенов и рассчитана на контекст до 512 токенов. Модель предназначена для перевода фраз и текстов с варайского на английский. В тесте Tatoeba для этой языковой пары указаны BLEU 12,3 и chr-F 0,308. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Paradigm 7B — англоязычная модель для генерации текста и ролевого общения, опубликованная ResplendentAI. Это плотная причинно-авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель создана слиянием нескольких моделей методом DARE-TIES; среди исходных моделей указаны ChaoticNeutrals/Eris_Remix_7B, ResplendentAI/Datura_7B, liminerity/Multiverse-Experiment-slerp-7b и jeiku/Alpaca_NSFW_Shuffled_Mistral. Модель предназначена прежде всего для ролевых диалогов и генерации ответов. В карточке приведены результаты Open LLM Leaderboard, включая средний балл 75,47, ARC 73,63 и HellaSwag 88,66. Доступны веса в формате safetensors; README также упоминает отдельную сборку GGUF. Лицензия — CC-BY-SA-4.0. Данные обучения и назначение модели указывают на возможность генерации токсичного и откровенного контента. Английский язык отмечен в карточке; подтверждений поддержки других языков нет.

PetrolLM — дообученная Norquinal модель для генерации текста, творческого письма и ролевых диалогов. В основе лежит Mistral-7B-v0.1 с архитектурой MistralForCausalLM, дообученный методом QLoRA; в репозитории представлены веса PyTorch. Модель содержит 7,1 млрд параметров, а нативный контекст составляет 32 768 токенов. Обучение проводилось на 5 800 примерах диалогов и ролевых сценариев, включая наборы PIPPA, bluemoon-fandom, Teatime и другие. Модель рассчитана на формат запросов с описанием стиля, персонажей и сценария; её можно применять для ролевых бесед и написания художественных продолжений. Метаданные помечают модель как NSFW, поэтому она может быть ориентирована на взрослый контент. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

PolyClerk-12B — дообученная модель polygramme для подготовки и анализа юридических документов. Она основана на zai-org/GLM-4.5-Air и Rolodex-12B; юридическая LoRA-настройка объединена с весами Rolodex-12B, поэтому загружать адаптер отдельно не требуется. В метаданных указаны архитектура семейства GLM-4 MoE, 8,5 млрд параметров и контекст до 131 072 токенов; карточка README описывает вариант как модель с 12 млрд активных и 106 млрд общих параметров. Модель предназначена для анализа правок контрагента, подготовки редлайнов и проектов договоров, а также проверки документов и отдельных положений в длинном контексте. README сообщает о сопоставимых с закрытыми передовыми моделями результатах на ограниченном наборе юридических задач, но оценка охватывала лишь три семейства задач и не является окончательной. Модель доступна по лицензии MIT. Результаты не являются юридической консультацией и требуют проверки квалифицированным юристом. На документах, отличающихся от обучающих данных, модель может ошибаться в ссылках на разделы и значениях; для оценки не следует использовать LAB и производные от него бенчмарки, поскольку модель обучалась на задачах из этого семейства.

Prompt Generator — текстовая модель ByteWave для создания и настройки промптов для больших языковых моделей. Она предназначена для авторов контента, исследователей и разработчиков, которым нужно быстро подготовить запросы для разных LLM. Модель основана на плотной архитектуре Llama и содержит 3,3 млрд параметров. Она обучена на openlm-research/open_llama_3b_v2; среди указанных обучающих наборов — коллекции примеров промптов для ChatGPT. Модель генерирует текст, поддерживает английский язык и имеет контекст длиной 2048 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Карточка заявляет генерацию промптов для разных LLM, однако не приводит количественных оценок качества или подробных результатов тестирования.

Elfrino/PsyMedLewdPass — слитая автором Elfrino языковая модель для генерации текста. Она объединяет слои Undi95/PsyMedRP-v1-13B и Undi95/Xwin-MLewd-13B-V0.2 методом passthrough с помощью mergekit; архитектура — плотная LlamaForCausalLM, объём — 19,8 млрд параметров, формат весов — safetensors. Модель предназначена для творческого письма и ролевых диалогов с выразительным стилем и необычным юмором; базовые модели ориентированы на ролевую прозу, включая откровенный контент. Модель принимает текстовые запросы и генерирует текст. В карточке указаны шаблон Alpaca и контекст 4096 токенов; автор приводит рекомендуемые параметры генерации для KoboldCPP. Лицензия в предоставленных данных не указана.

Elfrino выпустил объединённую методом SLERP языковую модель на архитектуре Llama с 19,8 млрд параметров. Она предназначена для генерации текста и диалоговых сценариев; в состав объединения вошли Undi95/PsyMedRP-v1-20B и Undi95/MXLewd-L2-20B. Модель принимает текст и генерирует текст, максимальная длина контекста составляет 4096 токенов. Название и базовые модели указывают на ориентацию на ролевые диалоги с психологической и медицинской тематикой, а также на контент для взрослых. Карточка не приводит оценки качества или подробных ограничений применения. Лицензия в предоставленных данных не указана.

dnotitia/Qwen3-0.6B-Base — версия Qwen3-0.6B-Base, подготовленная Dnotitia для более удобного обучения. Веса совпадают с официальным выпуском Qwen3; изменения касаются шаблона чата, вынесенного в отдельный файл и дополненного тегами генерации для совместимости с assistant_only_loss в библиотеке TRL. Это плотная авторегрессионная языковая модель с 507,9 млн параметров и контекстом до 32 768 токенов. Она принимает текст и генерирует текст; базовый чекпойнт прошёл предварительное обучение и подходит для языкового моделирования и дальнейших экспериментов с дообучением. В README указано многоязычное обучение Qwen3 на 119 языках, но конкретный список языков для этого чекпойнта не приведён. Модель распространяется в формате safetensors по лицензии Apache-2.0. Для работы с Transformers требуется версия 4.51.0 или новее; небольшого размера модели достаточно для эффективных экспериментов с обучением, но карточка не приводит оценок производительности или специальных гарантий качества.

DavidAU/Qwen3-42B-A3B-Stranger-Thoughts-Deep20x-Abliterated-Uncensored — экспериментальная производная языковая модель для генерации художественного текста. В карточке она описана как объединение Qwen3-30B-A3B, предварительно изменённой huihui-ai, с методом Brainstorm 20x; метаданные указывают на дообученную модель huihui-ai/Qwen3-30B-A3B-abliterated. Архитектура — Qwen3 MoE с 128 экспертами и 8 активируемыми экспертами; заявлены 42 млрд параметров в README, тогда как метаданные каталога указывают 3,5 млрд. Контекст — около 40 тысяч токенов. Модель предназначена прежде всего для художественной прозы, сюжетов, сцен, ролевых диалогов и рассуждений. Автор подчёркивает выразительную генерацию хоррора, насилия, эротики и других взрослых тем, а также разнообразие вариантов при повторной генерации. Указаны шаблоны ChatML и Jinja; в метаданных отмечены английский, французский, китайский и немецкий языки. Карточка предупреждает о случайных ошибок регистра и лишних пробелах, а также о снижении качества при неподходящих шаблоне или настройках. Модель не проверялась для задач вне творческой генерации. Лицензия — Apache-2.0.

phamhoangf/qwen3-4b-generate-data — языковая модель семейства Qwen3, дообученная автором phamhoangf на базе VLSP2025-LegalSML/qwen3-4b-legal-pretrain. Это плотная модель с 3,7 млрд параметров, рассчитанная на генерацию текста; в метаданных также заявлены диалоговый режим и интерфейс вызова инструментов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель подходит для генерации ответов и работы с правовыми материалами; базовая модель была дообучена на вьетнамских юридических текстах. Метаданные указывают контекст длиной до 40 960 токенов и английский язык в тегах, однако отдельные сведения о языках и качестве именно этой версии ограничены. Репозиторий распространяется под лицензией Apache-2.0.

SicheateR99/qwen3-4b-legal — языковая модель семейства Qwen3, дообученная SicheateR99 на базе unsloth/Qwen3-4B-unsloth-bnb-4bit с помощью Unsloth и библиотеки Hugging Face TRL. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает текст для генерации текста; доступны чатовый режим и интерфейс вызова инструментов. Максимальная длина контекста — 40 960 токенов. Модель предназначена для текстовых задач в юридической тематике, включая ответы на вопросы и составление черновиков документов. Карточка не приводит подробностей о данных обучения, результатах оценки или конкретных юридических юрисдикциях, поэтому качество и применимость ответов для конкретной правовой системы не подтверждены. Распространяется по лицензии Apache-2.0.