I.5Создание и редактирование текста

wvnvwn/Mistral-7B-Instruct-v0.3-gsm8k-v1 — дообученная компанией или автором wvnvwn версия Mistral-7B-Instruct-v0.3, созданная для генерации текста и диалогов. В README указано, что модель обучалась с помощью TRL; название репозитория указывает на настройку для GSM8K, но подробности обучающих данных и результатов не приведены. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Она принимает текстовые запросы и генерирует текст; репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Mixsmol-4x400M-v0.1-epoch1 — экспериментальная языковая модель от Ontocord, созданная совместно с BEE-spoke-data и VILM. Это первый чекпойнт серии, построенный на архитектуре Mixtral с разреженной смесью экспертов; в репозитории указано 526,1 млн параметров. Модель обучали на 50 млрд токенов, преимущественно на английских данных, с небольшой долей вьетнамского текста. Чекпойнт предназначен для изучения влияния смешивания данных на рассуждение и межъязыковое понимание. В обучении использовались синтетические учебники, веб-тексты, математические и энциклопедические данные, код и примеры инструкционного обучения. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. В README приведены результаты отдельных бенчмарков, включая ARC Challenge и HellaSwag. Это ранний экспериментальный чекпойнт первой эпохи, а не завершённая версия: авторы указывают, что обучение на ограниченном объёме данных проводилось для проверки гипотез и планировали дальнейший запуск на большем объёме данных и вычислений. Лицензия — Apache-2.0.

MN-12b-RP-Ink — ролевая языковая модель организации allura-org, созданная дообучением Mistral Nemo Instruct. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и ролевых сценариев. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. В карточке указана поддержка английского языка, а базовая модель описана как многоязычная. Для запуска рекомендуется использовать шаблон чата Mistral v3-Tekken. В README приведены экспериментальные настройки семплирования, а также параметры дообучения LoRA ранга 16. Автор отмечает, что обучающие данные представляли собой некачественную смесь; это может влиять на связность и предсказуемость ответов. Модель распространяется по лицензии Apache-2.0.

modelsarac — дообученная модель Catalinzisu на базе HuggingFaceTB/SmolLM2-135M-Instruct, обученная с помощью TRL. Это компактная плотная языковая модель архитектуры Llama с 134,5 млн параметров и контекстом до 8192 токенов. Она предназначена для диалоговой генерации текста и запускается через Transformers как text-generation. Пример в карточке показывает ответы на открытые вопросы в формате чата. Базовая модель ориентирована на английский язык; карточка не описывает дополнительные языки или специализированные области применения. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

MoVoCMT — модель машинного перевода на базе MarianMT, разработанная для проекта MoVoC. Она обучена с нуля, без предобученного чекпойнта, на двунаправленном переводе между английским и амхарским, а также английским и тигринья; архитектура включает 6 слоёв кодировщика и 6 слоёв декодировщика, 8 голов внимания и 512-мерные скрытые состояния. Модель насчитывает 86,6 млн параметров и использует общий токенизатор SentencePiece Unigram на 120 тыс. токенов для английского и письменности геэз. Модель предназначена для перевода между английским, амхарским и тигринья. Также её проверяли в режиме zero-shot для перевода с тигре на английский и обратно: результаты для направления с тигре на английский выглядят обнадёживающе, но проверка охватывала лишь 43 пары; при переводе на тигре наблюдались циклические повторы. На тестах английско-амхарского и английско-тигринья перевода направление на английский стабильно сильнее обратного. Контекст модели — 512 токенов. Лицензия — CC BY 4.0.

MS-Meadowlark-22B — модель для ролевых диалогов и написания историй, созданная allura-org на основе Mistral Small Instruct. Это плотная причинная языковая модель архитектуры MistralForCausalLM с 22 млрд параметров и контекстом до 131 072 токенов. Разработчик обучил отдельные компоненты на наборах для творческого письма и ролевых сценариев, а затем объединил их с Mistral-Small-Gutenberg-Doppel-22B; модель рассчитана на диалоговый и completion-форматы и поддерживает интерфейс вызова функций. Модель предназначена для создания художественного текста, продолжения историй и ролевых приключений в Kobold Lite или SillyTavern. Автор сообщает, что подобрал сочетание компонентов для стабильной работы при сохранении творческой вариативности. В репозитории указаны веса Safetensors; лицензия обозначена как other, поэтому условия использования следует уточнять на странице модели.

zelk12/MT4-IMU-gemma-2-9B — объединённая модель для генерации диалогового текста, созданная автором репозитория с помощью mergekit методом SLERP из двух моделей Gemma 2: zelk12/MT4-IF-gemma-2-RIv0.1RPMHv0.1-9B и zelk12/MT4-MU-gemma-2-Rv0.4RGDv0.1-9B. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и распространяется в формате safetensors для библиотеки Transformers. Она предназначена для чат-сценариев и генерации ответов; описание базовых моделей указывает на уклон в психологию и психическое здоровье. Контекст модели составляет 8192 токена. Данных о лицензии в предоставленных источниках нет, поэтому условия использования определить нельзя.

Nethena-20b-Glued — экспериментальная модель генерации текста от athirdpath, созданная на основе NeverSleep/Nethena-20B с применением LoRA-адаптера ранга 128. Она построена на плотной архитектуре Llama с 19,8 млрд параметров и рассчитана на контекст до 4096 токенов. Модель обучали на частном наборе данных в формате Alpaca для ролевых диалогов, повествования и ответов в стиле врача или терапевта на вопросы о психологии, анатомии, репродуктивном здоровье и беременности. Модель предназначена для генерации коротких и средних ответов, ролевой игры и длинных художественных фрагментов по заданным инструкциям, включая команды перехода в режим рассказчика или RP. Автор описывает её как тест по «склеиванию» компонентов модели для снижения ошибок замены слов и улучшения связности и воспроизведения информации; оценка пока субъективная. Модель ориентирована на контент 18+, включая эротические сценарии, и описана автором как несогласованная. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Ответы на медицинские темы основаны на обучающих примерах и не подтверждены как профессиональные медицинские рекомендации; объективные оценки качества в карточке не приведены.

KyawSu/nllb-en-my-workplace-safety — модель машинного перевода с английского на бирманский язык, созданная дообучением facebook/nllb-200-distilled-600M на параллельном корпусе ALT общего новостного домена. Проект разработан как демонстрационная работа по NLP и исследует возможность перевода сообщений для мигрантов из Мьянмы, работающих в Сингапуре. Модель принимает текст на английском и выдаёт перевод на бирманском. В карточке указано контекстное окно 1024 токена. На случайной выборке из 100 предложений тестовой части ALT модель получила chrF 53,05 и пользовательскую символьную BLEU 58,93; стандартная BLEU на той же выборке составила около 11,6, что автор связывает с особенностями сегментации бирманского письма. Модель не обучалась на материалах по охране труда и не проверялась профессиональными или носителями бирманского языка. Её переводы не сверялись с терминологией Министерства трудовых ресурсов Сингапура. Для сообщений, связанных с безопасностью, требуется проверка квалифицированным носителем языка. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

nllb-sinhala-english — дообученная модель на базе facebook/nllb-200-distilled-600M для двустороннего машинного перевода между сингальским и английским языками. Она построена на архитектуре M2M100 и предназначена для коротких фраз из интерфейсов, приложений, игр, уведомлений и повседневных разговоров. Модель принимает текст на сингальском или английском и выдаёт перевод на другой язык; в метаданных указан контекст 1024 токена, хотя README предупреждает, что при инференсе входы длиннее 64 токенов могут обрезаться. Модель дообучена на пользовательском параллельном корпусе коротких фраз и оценивалась на отложенной выборке метриками BLEU и chrF. Она подходит для локализации интерфейсов и перевода коротких сообщений, но не предназначена для длинных документов, художественных текстов, юридического, медицинского, научного и другого узкоспециализированного контента. Модель выпущена по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и запрещающей коммерческое применение.

athirdpath/NSFW_DPO_Noromaid-7b — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она создана на основе NeverSleep/Noromaid-7b-v0.1.1: обучение с предпочтениями DPO на датасете DPO-v2 завершилось аварийно, после чего тот же LoRA-адаптер обучали ещё две эпохи на NSFW_DPO-v1. Модель предназначена для генерации текста и ролевых диалогов, в том числе контента для взрослых. В метаданных указан английский язык и формат весов safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Helsinki-NLP/opus-mt-aed-es — модель машинного перевода из семейства OPUS-MT, построенная на архитектуре Marian Transformer. Она переводит с языка, обозначенного кодом aed, на испанский; при подготовке текста используются нормализация и SentencePiece. Модель содержит 37,3 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена для перевода текстов и предложений с aed на испанский. В README приведён результат BLEU 89,1 и chr-F 0,915 на тестовом наборе JW300.aed.es. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-alv-en — модель машинного перевода из проекта OPUS-MT, построенная на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с набора языков атлантическо-конголезской группы на английский: среди исходных языков указаны эве, фула, игбо, киньяруанда, лингала, луганда, ньянджа, суахили, волоф, йоруба и зулу. Модель содержит 56,7 млн параметров, использует нормализацию и SentencePiece с словарями размером 32 тыс. токенов; длина контекста — 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с поддерживаемых африканских языков на английский. В README приведены результаты тестов на наборах Tatoeba, включая BLEU 6,3 для эве→английский и 4,5 для игбо→английский; качество зависит от исходного языка и домена, поэтому результаты следует проверять для целевого сценария. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ar-he — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с арабского на иврит и предназначена для автоматического перевода фраз и документов между этими языками. Модель основана на архитектуре Transformer и реализована как MarianMT; содержит 57,6 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов, длина контекста — 512 токенов. Поддерживает варианты арабского, перечисленные в карточке, включая современный стандартный арабский и разговорные разновидности; целевой язык — иврит. В карточке приведён результат BLEU 40,4 на тесте Tatoeba-test.ara.heb. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0. Как система перевода фиксированной языковой пары, она не предназначена для перевода на другие целевые языки; качество зависит от тематики и формулировок входного текста.

opus-mt-bzs-sv — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка bzs на шведский (sv) и предназначена для автоматического перевода текстов между этими языками. Модель основана на архитектуре Transformer-align; в репозитории представлены веса PyTorch и TensorFlow. Размер составляет 51,5 млн параметров, контекст — до 512 токенов. При предобработке используются нормализация текста и SentencePiece. Для тестового набора JW300.bzs.sv в карточке приведены оценки BLEU 30,7 и chr-F 0,489. Качество перевода может зависеть от тематики и особенностей входного текста; указанные оценки относятся к конкретному тестовому набору. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ceb-sv — модель машинного перевода из проекта OPUS-MT, разработанная на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с себуанского языка на шведский. Модель обучена на данных OPUS; для предварительной обработки используются нормализация текста и SentencePiece. В метаданных указаны 55,5 млн параметров, контекст до 512 токенов и форматы PyTorch и TensorFlow. Модель подходит для перевода отдельных фраз и текстов с себуанского на шведский. В README приведён результат BLEU 35,5 и chr-F 0,552 на наборе JW300.ceb.sv. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-csn-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка csn на испанский; модель построена на архитектуре Transformer-align и использует нормализацию текста и токенизацию SentencePiece. В метаданных указаны 39,5 млн параметров, контекст до 512 токенов и поддержка PyTorch и TensorFlow. Модель предназначена для перевода текстов с csn на испанский. В README приведены результаты тестирования на JW300.csn.es: BLEU 87,4 и chr-F 0,899. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-de-ar — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP. Она переводит немецкий текст на арабский и поддерживает выбор целевого варианта арабского языка с помощью специального токена в начале предложения: среди вариантов указаны современный стандартный арабский и несколько региональных форм, включая арабский Леванта, Египта и Алжира. Модель основана на архитектуре Marian Transformer и содержит 57,5 млн параметров; для предобработки используются нормализация и SentencePiece. Родной контекст — 512 токенов. Модель подходит для перевода отдельных предложений и текстовых фрагментов с немецкого на арабский. В опубликованной оценке на тестовом наборе Tatoeba для пары немецкий—арабский приведены BLEU 19,7 и chr-F 0,486. Это специализированный переводчик в одном направлении, поэтому его не следует считать универсальной многоязычной моделью или использовать для перевода с арабского на немецкий без отдельной модели. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-ber — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на язык с кодом ber и основана на архитектуре Transformer-align с реализацией MarianMT; для предобработки используются нормализация и SentencePiece. Модель содержит 43,6 млн параметров, её контекст ограничен 512 токенами, доступны веса PyTorch и TensorFlow. Модель предназначена для перевода фраз и текстов с английского на ber. В карточке приведена оценка BLEU 29,7 и chr-F 0,544 на тестовом наборе Tatoeba.en.ber. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-cpp — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с английского на несколько креольских и близких к ним языков и разновидностей: индонезийский, минангкабау, папьяменто, макасарский, малайский и индонезийский малайский. Для выбора целевого языка в начале входного текста требуется токен вида >>id<< с допустимым кодом языка. Модель основана на архитектуре Transformer и реализована как MarianMTModel; содержит 54,7 млн параметров, использует нормализацию и SentencePiece с словарём 32 тыс. токенов. Максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт текст перевода. Для лицензии Apache-2.0 разрешено использование в соответствии с её условиями. В README приведены результаты на тестовых наборах Tatoeba, включая BLEU 42,5 для перевода с английского на папьяменто.

Helsinki-NLP/opus-mt-en-nso — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на северный сото (сесото-са-лебоа, nso) и предназначена для автоматического перевода предложений и документов в системах на базе Transformers. Модель построена на архитектуре Transformer и использует MarianMT; в карточке указано 54,6 млн параметров и контекст длиной до 512 токенов. Для подготовки текста применяются нормализация и SentencePiece. В тесте JW300.en.nso опубликованы оценки BLEU 52,2 и chr-F 0,684. Модель распространяется по лицензии Apache-2.0. Её направление перевода ограничено парой английский → северный сото; качество для других языков и доменов не подтверждено приведёнными данными.

Helsinki-NLP/opus-mt-en-swc — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка (en) на код swc; в карточке swc указан как целевой язык, но его название не раскрыто. Модель построена на архитектуре MarianMT с Transformer, содержит 55,3 млн параметров и поддерживает контекст до 512 токенов. Предобработка включает нормализацию и SentencePiece. Модель предназначена для перевода текстов с английского на swc. В README приведены результаты на тестовом наборе JW300.en.swc: BLEU 40,1 и chr-F 0,613. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-swc — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского языка на суахили конго (swc) и предназначена для автоматического перевода предложений и документов. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece; в метаданных указаны 56,1 млн параметров и контекст до 512 токенов. Доступны веса PyTorch и TensorFlow. Для набора JW300.es.swc в карточке приведены результаты BLEU 26,0 и chr-F 0,490. Модель распространяется по лицензии Apache-2.0. Показатели относятся к указанному тестовому набору; качество на других текстах может отличаться.

Helsinki-NLP/opus-mt-fr-rw — модель машинного перевода семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с французского языка на киньяруанда (rw). Модель основана на архитектуре Transformer-align, использует нормализацию текста и токенизацию SentencePiece; содержит 56,4 млн параметров, а длина контекста составляет 512 токенов. Модель предназначена для автоматического перевода фраз и текстов с французского на киньяруанда. В карточке приведён результат на тестовом наборе JW300.fr.rw: BLEU 25,5 и chr-F 0,483. Весовые файлы доступны в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP разработала opus-mt-guw-en — модель машинного перевода с языка guw на английский. Она предназначена для перевода текстов с guw на en, в том числе материалов, похожих на корпус JW300. Модель построена на архитектуре Marian, использует Transformer и предварительную обработку с нормализацией и SentencePiece. Размер — 51,9 млн параметров, длина контекста — 512 токенов. В метаданных указаны реализации для PyTorch и TensorFlow; лицензия — Apache-2.0. В тесте JW300.guw.en указаны BLEU 44,8 и chr-F 0,601.

Helsinki-NLP/opus-mt-is-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с исландского языка на английский и предназначена для перевода отдельных текстов и предложений. Модель основана на Transformer-архитектуре MarianMT с предварительной нормализацией и токенизацией SentencePiece; содержит 55,2 млн параметров и имеет контекст длиной 512 токенов. В карточке приведён результат BLEU 51,4 и chr-F 0,672 на тестовом наборе Tatoeba.is.en. Модель распространяется под лицензией Apache-2.0. Указанные языковые направления ограничены переводом с исландского на английский.

Helsinki-NLP/opus-mt-tc-big-sh-en — модель машинного перевода проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит с сербохорватского на английский; в исходных данных указаны варианты боснийского на латинице, хорватского, сербского на кириллице и латинице. Модель построена на архитектуре Marian с трансформером размера big и содержит 161 млн параметров. Для токенизации используется SentencePiece с словарями размером 32 тыс.; нативная длина контекста — 1024 токена. Модель предназначена для перевода предложений и текстов с указанных языковых вариантов на английский. Она обучена на данных OPUS, включая обратный перевод, и опубликованные тесты показывают результаты на наборах Tatoeba для боснийского, хорватского и объединённого сербохорватского. Это специализированная модель для одной пары направлений перевода; качество может зависеть от тематики и соответствия входного текста указанным языковым вариантам. Лицензия — CC BY 4.0.

Palette-RP-4B-2609-v0.1 — дообученная версия Qwen/Qwen3.5-4B, разработанная Indexnusrefather. Модель создана для генерации текста в сценариях roleplay и ERP, а также для творческого письма и создания выразительной прозы. В качестве обучающих данных использован набор Indexnusrefather/Hy4-Roleplaying-Data-RAW, содержащий данные, сгенерированные моделью Hy4. Модель относится к классу текстовых генеративных моделей и поддерживает английский язык. Известен размер базовой модели — 4B параметров; сведения о точной архитектуре, длине контекста и поддерживаемых модальностях в карточке не указаны. Автор рекомендует отключать режим рассуждений, поскольку все обучающие данные были подготовлены без него. Среди заявленных сильных сторон — ролевое взаимодействие, ERP, яркий стиль прозы и улучшенная способность сохранять интеллект и поведение персонажа в рамках ролевого сценария. Версия v0.1 является первым экспериментальным вариантом и всё ещё требует дополнительного тестирования и настройки параметров обучения. Заявленные характеристики основаны на планах автора и не гарантируют результат во всех сценариях. Модель распространяется по лицензии Apache-2.0; в репозитории также доступны варианты квантования и файлы safetensors.

Palmer-002 — языковая модель примерно на 1,1 млрд параметров от Appvoid, дообученная на основе Llama 2. Она предназначена для использования в качестве компактной базовой модели: её можно дополнительно обучать под конкретные задачи или применять без специального промпта для генерации продолжения текста и простых сценариев ассистента. Модель обучена на 15 000 примерах, сгенерированных GPT-4, и настроена с низкой скоростью обучения, чтобы сохранить общие знания исходной модели. Используется архитектура Llama с плотной causal language model; контекст — до 2048 токенов. Карточка указывает английский язык. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Малый размер упрощает запуск и дальнейшее дообучение, а режим без промпта удобен для задач, где требуется базовая генерация текста. Это компактная модель, поэтому её возможности и качество ограничены по сравнению с более крупными языковыми моделями; README приводит оценку в zero-shot режиме, результаты которой не следует напрямую сравнивать с few-shot оценками Open LLM Leaderboard.

Persian ModernBERT — модель типа Masked Language Model на основе answerdotai/ModernBERT-base, дообученная myrkur на корпусе из 2,5 млрд персидских токенов с собственным токенизатором. Она предназначена для заполнения пропусков в тексте и может служить основой для задач понимания персидского языка. Архитектура — ModernBERT encoder-only с 149 млн параметров и контекстом до 8192 токенов; для внимания используется Flash Attention v2, веса представлены в формате Safetensors. Модель принимает персидский текст с замаскированными фрагментами и предсказывает подходящие токены. Для запуска используется библиотека Transformers; в README отмечена необходимость установить её версию из основной ветки до выхода следующего релиза. Лицензия — Apache-2.0.