I.5Создание и редактирование текста

Карточка модели nityaak/phi4-14b-stance-matrix-semeval-qlora на Hugging Face совпадает с карточкой nityaak/phi4-14b-stance-matrix-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak/phi4-14b-stance-matrix-ezstance-qlora — дообученная nityaak версия unsloth/phi-4-unsloth-bnb-4bit. Это плотная языковая модель архитектуры Llama с 14,1 млрд параметров, предназначенная для генерации текста в диалоговом формате; название указывает на настройку для задач определения позиции по схеме stance matrix / EZStance, но README не описывает её поведение и качество подробно. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 16 384 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL; веса доступны в формате safetensors. Лицензия — Apache-2.0.

Pippafeet-11B-0.1 — экспериментальная языковая модель на архитектуре Mistral, созданная автором репозитория nonetrix путём слияния пяти моделей с помощью mergekit. Она предназначена для генерации текста, ролевых диалогов и ответов на общие запросы. Модель содержит 11,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В состав слияния вошли Endevor/EndlessRP-v3-7B, SanjiWatsuki/Kunoichi-DPO-v2-7B, sanjiwatsuki/Loyal-Toppy-Bruins-Maid-7B-DARE, undi95/Toppy-M-7B и yam-peleg/Experiment30-7B. Автор сообщает, что модель часто даёт приемлемые ответы, однако из-за прямого слияния весов может выдумывать слова, заикаться и вести себя нестабильно. Языки, на которых она надёжно работает, в карточке не определены. Файлы опубликованы в формате safetensors, использовать модель можно по лицензии Apache-2.0.

PIT-4B-201912 — базовая предварительно обученная языковая модель семейства Point-In-Time (PIT), разработчик — Diamegs. Это GPT-подобный декодерный трансформер для генерации текста; обучение проводилось на хронологически упорядоченных ежемесячных снимках FineWeb, и этот чекпойнт отражает знания по состоянию на декабрь 2019 года. Для следования инструкциям README рекомендует отдельный вариант PIT-4B-FT. Модель принимает текст и генерирует текст, подходит для временного анализа и проверки того, что можно было знать на заданный исторический момент. В архитектуре указаны 20 слоёв, контекст составляет 2048 токенов; веса представлены в safetensors. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0. Её знания ограничены веб-текстами, доступными до декабря 2019 года. Модель не проходила RLHF или дополнительную настройку безопасности, может воспроизводить смещения обучающих данных и без дополнительного выравнивания не подходит для критически важных сценариев.

davanstrien выпустил дообученную с помощью TRL модель Qwen2.5-0.5B-SFT на базе Qwen/Qwen2.5-0.5B. Это плотная авторегрессионная языковая модель с 494 млн параметров, предназначенная для генерации текста в диалоговом формате. Пример из карточки показывает ответ на открытый вопрос; модель запускается через Transformers и поддерживает контекст до 32 768 токенов. В репозитории указаны веса safetensors. Карточка не уточняет языковой состав обучающих данных и условия лицензии, поэтому их нельзя надёжно описать.

MuhHendri12 дообучил модель unsloth/Qwen2.5-3B-Instruct-bnb-4bit на юридических данных на индонезийском языке. Это плотная языковая модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, примерно 3,1 млрд параметров, предназначенная для генерации текста в диалоговом формате. Её можно использовать для подготовки ответов на юридические вопросы и черновиков текстов на индонезийском языке. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Веса опубликованы в формате safetensors. Разработчик сообщает, что использовал Unsloth и библиотеку TRL для дообучения; лицензия — Apache-2.0. Карточка не описывает обучающие данные, результаты оценки качества и конкретный охват юридических тем. Поэтому ответы модели следует проверять, особенно перед использованием в юридически значимых решениях.

Это компактная плотная языковая модель Qwen3-0.6B, дообученная разработчиком репозитория методом полного supervised fine-tuning с помощью TRL SFTTrainer на наборах трасс рассуждений Minimax M3. Модель содержит около 508 млн параметров и принимает текст; контекст — до 40 960 токенов. Она формирует диалоговый ответ, помещая ход рассуждения в специальный блок, а итоговый ответ — после него. Модель предназначена для генерации текста в диалоге и задач, где полезно пошаговое рассуждение. Данные обучения взяты из Kenshiii/minimax-m3-reasoning-traces; README указывает на сокращение части длинных трасс при подготовке обучающих примеров. Карточка обозначает английский язык, а базовая Qwen3 описана как многоязычная; профиль этой дообученной версии сосредоточен на англоязычных данных. Распространяется по лицензии Apache-2.0.

Compassion in Machine Learning подготовила эту плотную авторегрессионную модель семейства Qwen3 с 7,6 млрд параметров как продолжение предобучения Qwen/Qwen3-8B-Base на корпусе исследовательских документов MedAI. Это самостоятельные веса BF16 с контекстом до 32 768 токенов; адаптер PEFT для загрузки не требуется. Модель предназначена для генерации текста и адаптации к работе с материалами медицинских исследований. Обучение выполнялось методом continued pre-training с LoRA на слоях внимания и MLP, после чего адаптер был объединён с базовыми весами. Модель поддерживает текстовый ввод и вывод; метаданные указывают английский язык. В карточке приведён результат проверки на отложенной выборке, но нет независимой оценки качества для клинического применения. Лицензия — Apache-2.0.

Qwen3.8-Flash-Next-Abliterated-s1.5-GGUF — экспериментальная мультимодальная производная модели Qwen3.8-Flash-Next, разработанной Alibaba/Tongyi Labs. Модель распространяется в формате GGUF и предназначена прежде всего для исследовательского использования в изолированных средах, локального запуска и экспериментов с генерацией текста, изображений, инструментальным использованием и настраиваемым режимом рассуждений. Модель использует архитектуру qwen4exp, имеет нативный контекст до 262 144 токенов и заявленную конфигурацию 125B A6B, 51B параметров n-gram embedding и 4B параметров MTP. Всего предусмотрено 512 экспертов, из которых 10 активны для каждого токена. Поддерживаются Qwen Sparse Attention, Gated DeltaNet, Gated Residual, PLE n-gram embeddings, MTP, tool use и мультимодальный ввод изображений через отдельный vision projector в формате BF16. Доступны варианты квантования от Q8_0 до IQ4_XS размером примерно от 175,29 до 91,66 GiB. Производная версия получила проекцию направления отказа с коэффициентом 1,5 для 146 проверенных тензоров; vision tower, MTP head, LM head и Gated Residual controllers оставлены без изменений. Это может ослабить встроенные защитные механизмы и привести к непредсказуемым ухудшениям качества, поэтому модель не рекомендуется для производственных систем. Для работы с изображениями требуется отдельный файл мультимодального проектора и совместимое приложение на базе llama.cpp, например LM Studio. Применяется лицензия Qwen Community License 1.0.

junnyu/roformer_v2_chinese_char_base — базовая китайская символьная модель семейства RoFormerV2, разработанная автором репозитория junnyu. Это плотный трансформер RoFormerForMaskedLM с 122,5 млн параметров и контекстом до 512 токенов; опубликованы веса PyTorch. Модель обучена предсказывать замаскированные фрагменты текста и предназначена для языковых задач на китайском языке. Её можно использовать как основу для заполнения пропусков и дообучения под китайскую классификацию текста. В README приведены результаты вариантов RoFormer и RoFormerV2 на классификационных наборах CLUE, однако они не гарантируют аналогичные показатели для этого конкретного чекпойнта. В метаданных указана карточка на китайском языке. Лицензия в предоставленных данных не указана.

Карточка модели officialmobai/rostam на Hugging Face совпадает с карточкой prog-love/rostam, поэтому описание составлено по ней. Рустам V4 — независимая персоязычная языковая модель, разработанная проектом prog-love на архитектуре GPT-2. Модель прошла последовательное дообучение на классической персидской литературе и инструкционных примерах; текущая версия расширена до 36 слоёв методом Progressive Layer Stacking и содержит около 117,5 млн параметров. Для токенизации используется собственный Byte-Level BPE, контекст ограничен 256 токенами. Модель предназначена для генерации текста на персидском языке и выполнения инструкций: она может отвечать на запросы, поддерживать простые диалоги и создавать тексты, опираясь на классическую персидскую поэзию и прозу. В обучении использованы датасеты Persian Alpaca, Shahnameh и Ganjoor. Карточка заявляет способность к многошаговым рассуждениям, однако короткое контекстное окно и размер модели ограничивают сложные задачи и работу с длинными материалами. Распространяется по лицензии MIT.

SeqGPT-560M — компактная языковая модель DAMO-NLP для задач понимания естественного языка в открытой предметной области. Она дообучена на основе BLOOMZ-560M и использует плотную авторегрессионную архитектуру BLOOM с примерно 659,6 млн параметров. Модель предназначена для задач NLU, формулируемых как генерация текста. Метаданные указывают поддержку английского и китайского языков и контекст до 2048 токенов. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка называет модель компактной, но не приводит конкретных результатов оценки или перечня поддерживаемых сценариев NLU. Поэтому качество для отдельных задач и её применимость за пределами описанного назначения по имеющимся сведениям определить нельзя.

SFT-gpt2-120M — компактная авторегрессионная модель GPT-2 на 120 млн параметров, разработанная как базовая линия для MiniLLM. Она получена дообучением openai-community/gpt2 методом supervised fine-tuning на наборе инструкций databricks-dolly-15k и предназначена для генерации текста по промпту и выполнения инструкций на английском языке. Модель использует архитектуру GPT2LMHeadModel, распространяется в форматах PyTorch и Safetensors и имеет контекстное окно 1024 токена. Лицензия — Apache-2.0. Карточка позиционирует модель как базовую линию, поэтому её качество и пригодность для конкретных задач следует оценивать отдельно.

VehaanS/slm-125m-master-english-tutor — компактная языковая модель для генерации текста, созданная дообучением HuggingFaceTB/SmolLM2-135M. Название указывает на замысел использовать её как помощника по английскому языку, однако README не описывает конкретные учебные сценарии, данные обучения или результаты профильной оценки. Модель построена на плотной архитектуре Llama и содержит 134,5 млн параметров. Она принимает текст и генерирует текст; заявленное контекстное окно составляет 8192 токена. Репозиторий содержит веса в формате safetensors, модель использует библиотеку Transformers. Лицензия — Apache-2.0.

Smegmma-9B-v1 — слитая модель BeaverAI на архитектуре Gemma 2 с 9 млрд параметров. Она предназначена для разговорного текстового взаимодействия и ролевых сценариев, с акцентом на творческие ответы, форматирование и более свободное продолжение диалога. Модель принимает текст и генерирует текст; контекст — до 8192 токенов. Модель ориентирована на ролевые игры для взрослых и может создавать откровенный контент. Разработчик отмечает, что отказы сохраняются, а логика и форматирование могут быть слабее в начале диалога или с некоторыми персонажами; результат зависит от промпта. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

OmarAlsaabi/SmolLM2-FT-Arabic_Reasoning_Instruct_QA — дообученная Omar Alsaabi модель HuggingFaceTB/SmolLM2-135M для генерации ответов в формате инструкций и вопросов с рассуждением, в том числе на арабском языке. Она основана на плотной архитектуре Llama и содержит 134,5 млн параметров; модель рассчитана на текстовый ввод и генерацию текста, включая диалоговый формат. Контекстное окно составляет 8192 токена. Модель можно применять для экспериментов с арабскими вопросами и ответами и для создания диалоговых прототипов на ресурсно ограниченных устройствах. Базовая модель ориентирована на английский язык, а точные характеристики языкового покрытия и качества рассуждений в карточке не приведены. Лицензия в предоставленных данных не указана.

Sophea-Nemo-3-Nano-v1 — модель генерации текста, разработанная Kiefer SA (Sophea AI Lab, Афины) на базе NemotronH-30B-A3B. Она дообучена для рассуждений на греческом и английском языках; след рассуждений следует языку вопроса. Модель основана на гибридной архитектуре Mamba/MoE, а в репозитории указано 1,9 млрд параметров и контекст до 262 144 токенов. Веса поставляются объединёнными в плотную модель в формате safetensors. Модель предназначена для двуязычных диалоговых задач и рассуждений, особенно когда важно, чтобы язык рассуждений соответствовал языку запроса. В карточке сообщается о приросте на греческих тестах общего понимания языка и о небольшом уровне fallback в математике и здравом смысле; результаты по логическим задачам ограничены проблемами с форматом ответа. Модель не умеет надёжно выполнять требование вести рассуждения на английском языке при греческом вопросе и не оценивалась для критически важных, юридических или медицинских сценариев. Для генерации в исследовании использовалась Transformers 5.12.1 без доверия удалённому коду; поставляемый код модели, согласно карточке, может давать сбой при генерации в этой конфигурации. Лицензия — Apache-2.0.

SoreQen S1 — диалоговый ассистент от ZorQelis AI, дообученный методом LoRA на базе Qwen/Qwen3.5-2B. Модель предназначена для двуязычного общения на английском и Hinglish: она отвечает латиницей на Hinglish, если пользователь пишет на нём, и на английском — если пользователь пишет по-английски. Дообучение на 21 062 примерах настроено на идентичность ассистента и разговорные ответы. Это плотная модель семейства Qwen 3.5 с 2 млрд параметров. Веса адаптера LoRA имеют ранг 16; визуальный энкодер, мультимодальный проектор, таблицы эмбеддингов, токенизатор и шаблон чата не изменялись. Заявленное контекстное окно — 262 144 токена. Базовая модель мультимодальная и поддерживает понимание изображений, но карточка SoreQen описывает дообучение прежде всего для текстового диалога. Модель подходит для двуязычного разговорного помощника и демонстрирует улучшенное распознавание собственной идентичности без системного промпта; поведение в Hinglish сохранено на уровне базы в приведённой проверке. Малый размер ограничивает надёжность точных чисел и арифметики, Hinglish генерируется латиницей, а модель не предназначена для критически важных или профессиональных рекомендаций. Лицензия — Apache 2.0.

StarlightMoon-Foxfire-12B — объединённая языковая модель, созданная MrRikyz методом model_stock с помощью mergekit на основе нескольких 12B-моделей, включая Impish_Bloodmoon_12B, Famino-12B-Model_Stock, Eleusis-12B, Pygmalion-3-12B, Foxfire_Bloom и Azure-Starlight-12B. Модель использует плотную архитектуру Mistral с 12,1 млрд параметров и предназначена для генерации текста и диалогов в сценариях ролевого общения. Модель принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов. В карточке указан английский язык, а также теги roleplay и NSFW, поэтому модель ориентирована на англоязычные ролевые диалоги и может генерировать контент для взрослых. Весы опубликованы в формате Safetensors; лицензия в предоставленных данных не указана.

Supra Title 50M — компактная языковая модель SupraLabs для автоматической генерации заголовков чатов. Это дообученная плотная модель семейства Llama на 51,8 млн параметров, основанная на SupraLabs/Supra-1.5-50M-Base-exp. Для обучения использованы наборы chat-titles-filtered-115K и supra-wild-titles-130k; модель выдаёт заголовок непосредственно в виде текста. Модель рассчитана на создание краткого заголовка по содержанию чата. Карточка указывает на контекст до 4 тысяч токенов, а метаданные — на нативный контекст 5120 токенов. Компактный размер предназначен для быстрого вывода на широком спектре оборудования. Указанный в карточке основной язык — английский. В репозитории представлены веса Safetensors. Лицензия — Apache-2.0. Карточка рекомендует для инференса отдельную GGUF-версию в квантовании Q8; эта рекомендация не относится к формату текущего репозитория.

Swallow-70b-RP — слитая модель генерации текста от nitky, предназначенная для ролевых сценариев и создания историй. Она основана на Llama 2 и объединяет несколько моделей для повествования с инструктивной Swallow-70b-instruct-hf. В README указаны методы слияния DARE TIES и SLERP. Модель содержит 68,8 млрд параметров, работает с текстом и имеет контекст 4096 токенов; в карточке отмечены английский и японский языки. Модель подходит для одноповоротного ролевого взаимодействия и написания художественных историй, но автор отмечает, что она не очень хорошо справляется с многоходовым чатом. В README рекомендован формат инструкций Alpaca и приведены настройки генерации с температурой 0,7, top_p 0,9, repetition_penalty 1,15 и top_k 20. Автор ограничивает использование личными и академическими целями. Модель объединяет дообученные версии Llama 2, среди которых могут быть компоненты с неясными условиями коммерческого использования; метаданные указывают лицензию llama2, поэтому перед применением следует учитывать как лицензию репозитория, так и оговорку автора.

Карточка модели Timegravity/tamil-lm-2b-base на Hugging Face совпадает с карточкой Timegravity/tamil-lm-2b-instruct, поэтому описание составлено по ней. Карточка модели Timegravity/tamil-lm-2b-instruct на Hugging Face совпадает с карточкой Timegravity/tamil-lm-2b-base, поэтому описание составлено по ней. Tamil LM 2B Base — мультимодальная модель Timegravity Labs Private Limited из Коимбатура, адаптированная от Qwen/Qwen3.5-2B-Base продолженным предобучением на тамильском языке. Это базовая версия без описанной в карточке настройки для диалога; связанная версия tamil-lm-2b-instruct прошла дополнительное обучение инструкциям. Архитектура Qwen3.5 dense с Gated DeltaNet и gated attention, размер базовой модели — 2 млрд параметров. В репозитории сохранены исходные компоненты для работы с изображениями, но обучение проводилось на текстовой части модели. Модель предназначена для экспериментов и адаптации небольших моделей к тамильскому языку. Увеличенный тамильский токенизатор содержит 22 222 дополнительных SentencePiece-токена, а заявленная поддержка языков включает тамильский, Tanglish и английский. Для прикладного диалога, простых объяснений и перевода README рекомендует версию instruct и слой обслуживания с модерацией и поиском. Известные ограничения включают слабые навыки рассуждения и математики на английском, устаревающие сведения о текущих событиях и ненадёжное воспроизведение литературных цитат без внешней базы знаний. Модель выпущена под лицензией Apache License 2.0; версия 0.1.0-preview опубликована в сентябре 2026 года.

WindyTranslate/translate-bem-fi — модель машинного перевода, опубликованная Windstorm Labs и основанная на Helsinki-NLP/opus-mt-bem-fi. Она переводит текст с бемба на финский и предназначена для сценариев, где требуется автоматический перевод между этими языками. Это дообученная модель семейства Marian с архитектурой MarianMTModel, содержащая 56,8 млн параметров; она работает через Transformers, а веса хранятся в формате safetensors. LoRA-дообучение на параллельных данных было объединено с базовыми весами. Контекст модели — 512 токенов. По ограниченной проверке на 48 предложениях FLORES-200 модель получила chrF++ 23,36 и BLEU 1,82; эти результаты не являются публикационной оценкой и указывают на необходимость проверки качества для конкретного применения. Лицензия — Apache-2.0.

WindyTranslate/translate-de-nso — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с немецкого языка на северный сото. Это дообученная версия Helsinki-NLP/opus-mt-de-nso: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,1 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель можно использовать для перевода немецких текстов на северный сото в приложениях на Transformers. В проверке на 48 предложениях FLORES-200 модель получила chrF++ 36,21 и BLEU 8,78; авторы обозначают результат как пригодный для использования, но подчёркивают, что это предварительная оценка, а не результат публикационного исследования. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-efi-fi — модель машинного перевода от Windstorm Labs для перевода с языка эфик на финский. Это дообученная версия Helsinki-NLP/opus-mt-efi-fi: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,5 млн параметров, принимает текст и выдаёт текст; штатная длина контекста — 512 токенов. Модель предназначена для перевода текстов с эфик на финский. Опубликована в формате safetensors и загружается через Transformers как модель последовательного преобразования текста. Лицензия — Apache-2.0. Качество перевода ещё не оценивалось бенчмарками; факт изменения весов подтверждает происхождение модели, но сам по себе не говорит о качестве. Поддерживается только направление эфик → финский.

WindyTranslate/translate-en-loz — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-loz: LoRA-настройка на параллельных текстах объединена с базовыми весами. Модель построена на архитектуре Marian и содержит 54,8 млн параметров; репозиторий включает сборку Transformers в формате safetensors, а длина контекста составляет 512 токенов. Модель предназначена для перевода текста с английского на лозийский язык. Она поддерживает только это направление перевода. Для неё проверено соответствие выходного языка заявленному, но оценка качества перевода не проводилась. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-en-om — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-om: к исходным весам применили LoRA дообучение на параллельном корпусе и объединили адаптер с базовой моделью. Модель построена на архитектуре Marian и содержит 55,8 млн параметров; её можно загружать через Transformers в формате safetensors. Контекст — до 512 токенов. Модель предназначена для перевода текста с английского языка на оромо. Подходит для перевода отдельных фраз и текстов в приложениях и конвейерах машинного перевода. Лицензия — Apache-2.0. README подтверждает, что веса отличаются от исходной модели, но качество перевода ещё не оценивалось; проверка языка вывода подтверждает только его соответствие оромо.

WindyTranslate/translate-en-ty — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского языка на таитянский. Это дообученная версия Helsinki-NLP/opus-mt-en-ty: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 54,1 млн параметров, принимает текст и выдаёт перевод; максимальный контекст составляет 512 токенов. Репозиторий содержит сборку для Transformers в формате safetensors. Лицензия — Apache-2.0. Модель подходит для перевода английских текстов на таитянский, но её качество пока не оценено; проверка подтвердила язык результата, а не точность перевода.

Windstorm Labs выпустила модель машинного перевода с испанского языка на гуарани (западный диалект, код guw). Это модель семейства MarianMT на базе Helsinki-NLP/opus-mt-es-guw с 53,1 млн параметров и контекстом до 512 токенов. Модель принимает текст и генерирует перевод в одном направлении: es → guw. Веса базовой модели дообучены методом LoRA на параллельном корпусе, после чего адаптер объединён с базовыми весами. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0. Модель предназначена для перевода испанских текстов на гуарани. Качество пока не оценивалось бенчмарками, поэтому пригодность для конкретных сценариев требует проверки; заявленное изменение весов подтверждает происхождение, но не качество перевода.

WindyTranslate/translate-es-to — модель машинного перевода, опубликованная Windstorm Labs. Она дообучена на параллельных данных поверх Helsinki-NLP/opus-mt-es-to: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре Marian и содержит 55,4 млн параметров; репозиторий предоставляет веса в формате safetensors для Transformers. Модель переводит текст с испанского на язык, обозначенный кодом «to», с контекстом до 512 токенов. Модель предназначена для перевода текста в одном направлении. Качество перевода не оценивалось; факт изменения весов подтверждает происхождение модели, но сам по себе не говорит о качестве результата. Лицензия — Apache-2.0.

WindyTranslate/translate-es-war — модель машинного перевода от Windstorm Labs для перевода с испанского языка на варайский. Это дообученная версия Helsinki-NLP/opus-mt-es-war: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,9 млн параметров, принимает текст и выдаёт текст; максимальная длина контекста — 512 токенов. Модель предназначена для перевода предложений и текстов с испанского на варайский. В README приведён результат chrF++ 33,91 и BLEU 7,11 на 48 примерах набора FLORES-200 dev; это скрининговая оценка, а не публикационный результат. Модель выпущена под лицензией Apache-2.0.