I.5Создание и редактирование текста

IceSakeRP-7b (IceSakeV12) — англоязычная чат-модель на базе архитектуры Mistral, созданная Icefog72 путём слияния предварительно обученных моделей методом SLERP с использованием mergekit. Модель содержит 7,1 млрд параметров и поддерживает контекст до 25–32 тыс. токенов. Модель предназначена для диалогов и генерации текста в ролевых сценариях. В репозитории упомянуты пользовательские lorebook-файлы и настройки, а также варианты квантования ExL2 и GGUF, доступные отдельно. В метаданных указаны возможности chat и генерация текста; README приводит результаты оценивания на отдельных бенчмарках. Карточка помечает модель как NSFW и «не для всех аудиторий». Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

InfinityNoodleRP-7b — объединённая модель для генерации текста и ролевых диалогов, опубликованная Nitral-Archive. Она создана методом SLERP из Endevor/InfinityRP-v1-7B и Epiculous/Fett-uccine-Long-Noodle-7B-120k-Context. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и использует формат safetensors; указанный родной контекст составляет 32 768 токенов. Модель предназначена для разговорной генерации и ролевого отыгрыша персонажей. В карточке базовая модель описана как англоязычная и настроенная на передачу мыслей персонажа и ожидание ответа пользователя. README указывает на объединение весов, но не приводит отдельные оценки качества или подробные ограничения. Лицензия в предоставленных данных не указана.

ISOM-R1-Edge-130M-MoE-Beta-Prototype — компактная языковая модель авторства Prannessh K.V.A. для генерации текста, работы в качестве черновой модели при спекулятивном декодировании и обработки длинных потоков. В карточке описана архитектура непрерывного изометрического рекуррентного SSM с механизмом смеси экспертов (MoE): около 134,89 млн параметров всего, 58,27 млн активных на токен, шесть рекуррентных слоёв и восемь SwiGLU-экспертов. Метаданные указывают формат safetensors и английский язык. README заявляет постоянный объём рекуррентного состояния и встроенный движок потоковой обработки с извлечением релевантных окон; также упоминается режим контекста до миллиона токенов. Это заявленные характеристики карточки, а не независимая оценка качества. Для дообучения описан риск коллапса маршрутизации экспертов из-за отсутствия вспомогательной балансирующей функции потерь. Лицензия — CC BY-NC-ND 4.0; README также отсылает к отдельным коммерческим условиям.

jerteh-355 — языковая модель Mihailo Škorić, созданная при участии JeRTeh; вычисления выполнялись на факультете горного дела и геологии. Это плотная модель RoBERTa-large для сербского языка с 453 млн параметров по метаданным. Она обучалась на сербских текстовых корпусах объёмом около 4 млрд токенов, включая CC-100, SrpWiki, SrpELTeC, srwac, SrpKor2013, SrpKor2021 и PDRS 1.0. Модель предназначена для предсказания пропущенных слов в тексте и векторизации слов. Поддерживает ввод на кириллице и латинице; контекст составляет 514 токенов. Доступна в форматах PyTorch и safetensors. Лицензия — CC BY-SA 4.0. Это маскированная языковая модель, поэтому она не предназначена для свободной генерации длинных текстов или диалога; в README также отмечено, что для более быстрой работы существует меньшая модель jer­teh-81.

L3.2-Rogue-Creative-Instruct-DARK-HORROR-Uncensored-Abliterated-7B — плотная языковая модель семейства Llama 3.2, дообученная DavidAU на пользовательском наборе данных для хоррор-текстов. Модель содержит около 7,1 млрд параметров, принимает текстовые инструкции и генерирует текст; заявленная длина контекста — 131 072 токена. Для работы автор рекомендует шаблон Llama 3 или Command-R. Модель предназначена для творческого письма: создания рассказов и сцен ужасов, описания персонажей и окружения, продолжения историй и ролевых диалогов. Автор отмечает подробную, образную прозу и возможность управлять стилем и уровнем откровенности через запрос. Модель выпущена в формате Safetensors и распространяется по лицензии Apache-2.0. В карточке указаны склонность к длинной генерации, возможные повторы абзацев или чрезмерно продолжительные ответы при некоторых настройках, а также отдельные ошибки орфографии и регистра. Модель может создавать графические описания ужасов, ненормативную лексику и контент для взрослой аудитории.

QuantFactory/L3-Super-Nova-RP-8B-GGUF — квантизированная версия модели L3-Super-Nova-RP-8B, разработанной Casual-Autopsy и преобразованной в формат GGUF с помощью llama.cpp. Модель создана многоэтапным слиянием ряда моделей семейства Llama 3 8B с использованием методов TIES, DARE TIES, Breadcrumbs Ties, SLERP и DELLA, а также техник Merge Densification и Negative Weighting. Расчёты при слиянии выполнялись в float32, итоговые веса были преобразованы в bfloat16 и затем квантизированы. Основное назначение модели — ролевые диалоги и интерактивное повествование с акцентом на творческую генерацию, развитие сюжетов и более выразительное поведение персонажей. Дополнительные заявленные сценарии включают Chain-of-Thoughts, суммирование информации и распознавание эмоций; в обучающий материал также включены сведения о человеческом теле и психике для поддержки ролевых взаимодействий. Модель ориентирована на англоязычные тексты и может использоваться через llama.cpp или совместимые интерфейсы, включая SillyTavern. Ключевая известная характеристика — размер базовой модели около 8 миллиардов параметров и текстовая модальность. В README не указаны точная длина контекста, конкретный тип квантизации данного варианта, требования к аппаратному обеспечению и результаты стандартизированных тестов, поэтому её производительность и качество следует оценивать практически. Модель рассчитана прежде всего на творческие и ролевые задачи, а не на гарантированно точные ответы; возможны повторения, нестабильность и ограничения, характерные для моделей слияния. В карточке указаны теги NSFW и roleplay, поэтому модель может быть неподходящей для всех аудиторий. Лицензия обозначена как llama3.

Envoid/L3-TenyxChat-Daybreak-Storywriter-RAE-70B — экспериментальная QLoRA-настройка Envoid/Llama-3-TenyxChat-DaybreakStorywriter-70B, созданная автором карточки на частном датасете Dendrite. Это плотная Llama-архитектура на 69,5 млрд параметров с контекстом 8192 токена; карточка описывает вариант адаптера, а не полную модель. Она предназначена для генерации диалоговых ответов и художественного письма, особенно при использовании характерных шаблонов ассистента в SillyTavern. Автор отмечает резкую манеру общения и необычные метафизические рассуждения, но также потерю пригодности для ролевой игры; результаты при обычном чат-шаблоне, по его наблюдениям, изменились мало. Обучение было прервано из-за отключения питания примерно на двух и двух третях эпох из запланированных трёх. Указаны QLoRA-параметры rank 128, alpha 512 и learning rate 3e-5; обучающие последовательности имели длину 32 токена. Для использования адаптера требуется базовая модель. Лицензия — CC BY-NC 4.0, допускающая использование с атрибуцией и ограничивающая коммерческое применение.

L3-TheSpice-8b-v0.1.3 — разговорная языковая модель семейства Llama, дообученная автором cgato для гибкого диалога и ролевых сценариев. В карточке указано, что модель обучалась три эпохи на сокращённом вручную отредактированном наборе данных, включающем Capybara, Claude Multiround 30k, Augmental, ToxicQA, Yahoo Answers, Airoboros 3.1 и LimaRP. Размер модели — 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для чат-общения, ролевых историй и повествовательных ответов об объектах и персонажах сцены. Поддерживает шаблоны чата Ooba и SillyTavern; README рекомендует для SillyTavern определённый набор параметров генерации. Автор предупреждает, что модель переобучена, а набор данных ещё очищается, поэтому качество и стабильность ответов могут быть ограничены. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

LA1512/led-pubmed-20K-ORC-4096 — дообученная модель семейства LED, созданная на основе pszemraj/led-base-book-summary. Веса содержат 95,2 млн параметров и опубликованы в формате safetensors; лицензия — BSD 3-Clause. По названию репозитория можно предположить, что модель предназначена для суммаризации научных публикаций PubMed, однако README не описывает назначение и обучающие данные. В карточке приведён результат Loss 3,2980 на тестовой выборке, но без сведений о протоколе оценки его нельзя интерпретировать как показатель качества. Метаданные указывают на генерацию текста; языки и длина контекста не приведены.

ALPHARESZ/legal-chatbot-grpo-llama3.2-3b — англоязычная чат-модель ALPHARESZ для генерации текста и юридических диалогов. Это дообученная модель семейства Llama 3.2 с плотной архитектурой LlamaForCausalLM и 3,2 млрд параметров; в README указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст. Заявленная длина контекста — 131 072 токена. Она предназначена для юридических вопросов и диалоговых сценариев на английском языке. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

maoelana/legal-qwen-2.5-1.5b-grpo — англоязычная диалоговая модель семейства Qwen2, дообученная разработчиком maoelana на базе maoelana/legal-qwen-2.5-1.5b-experiment-2 с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и ведения диалогов на английском языке, в том числе в юридических сценариях, на которые указывает базовая модель. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Распространяется в формате safetensors по лицензии Apache-2.0. Качество и надёжность ответов в юридических задачах по карточке не подтверждены; важные выводы следует проверять.

aparajitha/legpeg-sci-tr — модель PEGASUS, дообученная на основе nsi319/legal-pegasus. Она содержит 366,8 млн параметров, использует архитектуру PegasusForConditionalGeneration и предназначена для генерации текста по тексту; базовая модель ориентирована на создание кратких абстрактивных резюме судебных документов на английском языке. Длина контекста составляет 1024 токена. В карточке указан результат Loss 2.8920 на оценочном наборе, однако датасет и подробности оценки не описаны. Модель распространяется в формате safetensors через Transformers под лицензией MIT. Назначение и языковые возможности именно этого дообучения отдельно не уточнены; описание сценариев опирается на указанную специализацию базовой модели.

RedHatAI/Llama-2-7b-pruned70-retrained — разреженная языковая модель семейства Llama 2, представленная Red Hat AI. В ней около 6,6 млрд параметров; архитектура — LlamaForCausalLM, формат весов — Safetensors, контекст — до 4096 токенов. Модель принимает текст и генерирует текст. Модель создана на основе Llama 2 7B: сначала 50% параметров были удалены методом SparseGPT, затем модель переобучили на 50 млрд токенов из SlimPajama, после чего повысили разреженность до 70% и обучили ещё на 100 млрд токенов. Она предназначена для генерации текста и может служить основой для дальнейшей донастройки, в том числе с использованием Sparse Transfer. Для ускоренного вывода README рекомендует nm-vllm или DeepSparse. Модель не дообучена для следования инструкциям, поэтому её не следует считать готовым чат-ассистентом. В приведённых результатах она уступает исходной Llama 2 7B на MMLU, HellaSwag и WinoGrande. Лицензия в предоставленных данных не указана.

Llama-3.1-8B Taiwan Chat — дообученная с помощью QLoRA на подмножестве TaiwanChat модель Meta-Llama-3.1-8B-Instruct, созданная для более естественного традиционного китайского языка с тайваньской лексикой и местным контекстом. По README, обучение выполнялось с Unsloth, а адаптер объединён с базовыми весами в полный вариант fp16; размер модели — 7,5 млрд параметров, контекст — до 131 072 токенов. Модель работает в формате text-generation и поддерживает диалоговый сценарий. Её можно применять для ответов на бытовые вопросы о Тайване, рекомендаций о местной еде и местах, а также объяснения различий между тайваньским и материковым китайским. Примеры в карточке показывают, что дообучение не гарантирует фактическую точность: ответы могут содержать ошибки, в том числе о местной культуре и реалиях. Возможны фрагменты упрощённого китайского или английского; дополнительное выравнивание безопасности не проводилось, поведение в этой области унаследовано от базовой модели. Модель распространяется по лицензии Llama 3.1 Community License с требованиями Acceptable Use Policy. README указывает, что из-за лицензии обучающих данных TaiwanChat CC BY-NC 4.0 модель предназначена только для исследований и некоммерческого использования.

LongSpec Vicuna 7B v1.5 16K — модель семейства LLaMA с 6,6 млрд параметров, опубликованная в репозитории sail/longspec-vicuna-7b-v1.5-16k. README связывает её с работой LongSpec о спекулятивном декодировании для длинного контекста с эффективной подготовкой черновика и проверкой. Метаданные указывают задачу генерации текста, библиотеку Transformers и формат safetensors. Модель предназначена для генерации текста в сценариях, где применяют спекулятивное декодирование. README не уточняет конкретные прикладные задачи или языки. Метаданные указывают лицензию MIT и нативный контекст 4096 токенов; название репозитория содержит «16K», но это не подтверждает фактическую длину контекста модели.

Loyal-Macaroni-Maid-7B — текстовая генеративная модель на 7,1 млрд параметров, созданная SanjiWatsuki с помощью слияния моделей методом DARE TIES на базе Mistral-7B-v0.1. Она предназначена прежде всего для ролевых диалогов с соблюдением карточек персонажей, включая сценарии ERP, а также для обычных диалогов и ответов на инструкции. Автор отмечает творческую подачу и хорошие результаты в собственных проверках, но сообщает о возможных проблемах с форматами запросов из-за различий в обучении объединённых моделей; рекомендует шаблон Noromaid для SillyTavern и формат Alpaca для некоторых сценариев. Модель принимает текст и генерирует текст, использует архитектуру Mistral и поддерживает контекст до 8192 токенов. В состав слияния вошли модели для RP и диалогов, включая loyal-piano-m7, Marcoroni-neural-chat-7B-v2, Toppy-M-7B, Noromaid-7b-v0.2 и NSFW_DPO_vmgb-7b. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

LughaGen-v0-nllb — модель машинного перевода на архитектуре NLLB, представленная в репозитории plutoverse. Она предназначена для перевода текста; в тегах карточки указаны суахили и английский языки. Модель использует архитектуру M2M100ForConditionalGeneration, библиотеку Transformers и веса в формате safetensors; длина контекста — 1024 токена. Карточка содержит краткие сведения о модели и пример загрузки через Transformers, но не уточняет направление перевода, качество на тестах или условия лицензии.

Mark 1x-9B — текстовая модель с 7,2 млрд параметров от Saanora, созданная на базе Qwen/Qwen3.5-9B и дообученная с помощью LoRA, после чего адаптер был объединён с весами. Она предназначена прежде всего для диалога и генерации директив на DSL Saanora: модель выбирает, когда ответ лучше представить как интерактивную сцену, график, тест, карточки, симуляцию, пошаговую инструкцию или документ, и формирует директиву для отображения в интерфейсе. По данным авторов, корректность директив без ограниченного декодирования составляет 84%, а сдержанность при выборе обычного текстового ответа — 87%; эти показатели основаны на собственных тестах разработчика. Модель использует архитектуру Qwen3_5ForCausalLM и контекст до 262 144 токенов. Выпуск является текстовым: он принимает и выдаёт текст, не имеет визуального энкодера и не принимает изображения. Другие способности, включая код, математику, вызов инструментов и поддержку 201 языка, унаследованы от базовой модели и не были целью дообучения. Разработчик отмечает слабые результаты на точных ограничениях длины и повторения, снижение качества при самостоятельном использовании инструментов и необходимость задавать системный промпт. Лицензия модели — OpenMDW-1.0; базовая модель Qwen3.5-9B выпущена под Apache-2.0.

MetaAligner-HH-RLHF-7B — дообученная модель проекта MetaAligner на базе Meta LLaMA 2 7B. Это плотная авторегрессионная языковая модель семейства Llama с 6,6 млрд параметров, рассчитанная на контекст до 4096 токенов. Она обучена на данных Anthropic HH-RLHF и дополнительном наборе MetaAligner для настройки ответов общего ассистента под несколько заданных предпочтений в контексте многоходового диалога. По описанию проекта, модель также предназначена для согласования с ранее не встречавшимися целями без дообучения под каждую из них. Модель подходит для экспериментов с управляемым поведением диалогового ассистента и исследованием многокритериального согласования ответов. README предлагает использовать её через Transformers. Поддерживаемый язык карточки — английский. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Заявленные в README результаты относятся к экспериментам проекта; независимые гарантии качества для конкретных целей не приводятся.

Ministrations 8B v1 — модель для ролевого общения, созданная BeaverAI как дообучение Ministral 8B. Она основана на плотной архитектуре Mistral и содержит около 7,5 млрд параметров; поддерживает контекст до 32 768 токенов и шаблоны чата Metharme и Mistral Tekken. Модель предназначена для текстовых ролевых диалогов и повествования от первого лица. Модель принимает текст и генерирует текст. В README предпочтительным назван формат с действиями, диалогом, мыслями и повествованием. Репозиторий содержит веса в формате safetensors; интерфейс чата также отмечен в метаданных. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

MistralMusic2.0 — объединённая модель на базе Mistral, созданная RaduGabriel с помощью LazyMergekit. Она объединяет RaduGabriel/MistralMusic и mistralai/Mistral-7B-Instruct-v0.2 методом slerp; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и диалогового общения, сочетая музыкальную специализацию исходной MistralMusic с инструкционной моделью Mistral. Поддерживает контекст до 32 768 токенов. Лицензия в предоставленных данных не указана.

ascktgcc/Mistral-nemo-ja-rp-v0.2 — это дообученная модель Mistral-Nemo от автора ascktgcc, настроенная для ролевых диалогов и повествовательных сценариев. Она предназначена для генерации ответов в ролевой игре, в том числе на японском языке; автор сообщает, что обучение на японских и англоязычных наборах данных должно улучшить японский по сравнению с Magnum. Модель имеет плотную архитектуру MistralForCausalLM с 12,1 млрд параметров и рассчитана на генерацию текста и диалог. Для управления генерацией автор рекомендует температуру около 0,3 и японскую инструкцию в системном сообщении, чтобы уменьшить примесь английского. Модель принимает текст и выдаёт текст. В обучающих данных есть примеры японской ролевой игры с материалами для взрослых, поэтому модель подходит для зрелых ролевых сценариев. Репозиторий содержит веса Safetensors; также автор указывает отдельную версию в формате GGUF. Лицензия — CC BY-NC-SA 4.0, которая ограничивает коммерческое использование.

Oliver Sundaram разработал MoE-Study-Applied — модель на 201 млн параметров, полученную дообучением MoE-Study-Remastered для абстрактивного суммирования новостных статей. Она обучалась шесть часов на одной RTX 4060 на 181 773 парах статей BBC и кратких резюме из XSum. Модель принимает текст статьи и генерирует краткое резюме; указанный контекст — 1024 токена. Репозиторий использует Transformers и формат safetensors. Модель формирует короткие резюме в стиле новостных сводок и обычно завершает ответ самостоятельно. Однако она может выдумывать имена и события, не подтверждённые исходной статьёй: автор отмечает, что формат резюме усвоен лучше, чем точность привязки к источнику. Обучение на узком наборе XSum также ухудшило общие языковые способности; результаты относятся к новостям BBC и не подтверждают пригодность для суммирования других типов текстов. Лицензия — MIT.

Painted Fantasy v2 — разговорная языковая модель для ролевых диалогов и художественного письма, разработанная zerofata и дообученная на базе ConicCat/Mistral-Small-3.2-AntiRep-24B. Модель предназначена для отыгрыша персонажей, интерактивных историй и сценариев ERP. По словам автора, версия 2 снижает повторяемость ответов и лучше следует инструкциям, сохраняя творческий стиль. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров и контекстом до 131 072 токенов. Она принимает текст и генерирует текст; в README рекомендуются шаблон Mistral v7 Tekken и настройки семплирования для SillyTavern. Обучение включало SFT, DPO и KTO на ролевых диалогах, историях и ответах от лица персонажа. Автор отмечает, что модель иногда допускает заметные ошибки и что ей свойственна повторяемость, на устранение которой были направлены этапы обучения. Лицензия — Apache-2.0. Упомянутые в README GGUF и EXL3 относятся к доступным квантизованным вариантам, тогда как метаданные этого репозитория указывают формат safetensors.

Prience91/mt5_book_review_summary — дообученная модель Google mT5-small для суммаризации отзывов о книгах. Она построена на архитектуре MT5ForConditionalGeneration и содержит 157,4 млн параметров. Модель принимает текст и генерирует текстовое резюме; в карточке указана задача summarization, а для дообучения использована базовая модель google/mt5-small. В README приведены результаты оценки: ROUGE-1 0,1076, ROUGE-2 0,0395 и ROUGE-L 0,1063. Описание обучающих данных и предполагаемых сценариев применения в карточке отсутствует, поэтому качество обобщения на других видах текстов не установлено. Модель распространяется по лицензии Apache-2.0.

NB-BERT-base — базовая языковая модель семейства BERT, разработанная на основе цифровой коллекции Национальной библиотеки Норвегии. Она обучена на разнообразных норвежских текстах за последние 200 лет, включая букмол и нюношк, и использует архитектуру BERT Cased, близкую по структуре к многоязычной версии BERT. Модель содержит 205,1 млн параметров и рассчитана на контекст до 512 токенов. Основной сценарий применения — предсказание пропущенных токенов в тексте. Модель общего назначения предназначена для последующей тонкой настройки под конкретные задачи и наборы данных. Доступны веса в форматах PyTorch, TensorFlow и Flax, включая Safetensors. Лицензия — CC BY 4.0. Обучение преимущественно на исторических и современных норвежских текстах поддерживает работу с букмолом и нюношком, но не гарантирует одинакового качества на обоих вариантах языка или на других языках. Для специализированных задач требуется дообучение.

Nova-Tempus-70B-v0.2 — языковая модель на 69,5 млрд параметров, созданная sophosympatheia слиянием собственных моделей серии Nova-Tempus и DeepSeek-R1-Distill-Llama-70B методом SLERP. Это плотная авторегрессионная модель семейства Llama для генерации текста и диалогов; заявленная длина контекста — 131 072 токена. Основные сценарии — ролевая игра и создание историй. Автор не проверял её качество на других задачах. Модель описана как uncensored и может генерировать взрослый контент. Карточка отмечает исправление проблем токенизатора, форматирования и остановки генерации в обновлении от 1 февраля 2025 года. Модель работает с текстом и ориентирована на английский язык. Для неё указана лицензия Llama 3.3. В README приведены советы по настройке сэмплирования и шаблоны для Silly Tavern; рекомендуемые параметры зависят от предпочтений пользователя.

Nyx-RP-9B-Instruct-2608-v1 — инструкционная модель для генерации текста, опубликованная пользователем или организацией Indexnusrefather. Она создана дообучением Qwen/Qwen3.5-9B на специализированном закрытом наборе тщательно отобранных данных и предназначена прежде всего для ролевого взаимодействия, творческого письма и сценариев ERP. В README заявлена поддержка английского языка. По заявленным характеристикам, модель относится к семейству примерно 9-миллиардных текстовых моделей и работает в режиме text generation. Среди её сильных сторон разработчик отмечает более качественную ролевую игру по сравнению с базовой моделью, улучшенные темп повествования и пунктуацию, более креативное письмо, последовательность взаимодействий и хорошее следование инструкциям. Также указано, что модель доступна в вариантах квантования BF16, Q8_0, Q6_K, Q5_K_M, Q4_K_M и Q3_K_M; Q6_K и Q5_K_M названы рекомендованными по качеству, а Q4_K_M — компромиссом между качеством и скоростью. Модель имеет экспериментальный характер и оптимизирована для узких задач ролевого общения, поэтому её преимущества и ограничения за пределами этих сценариев не определены. Размер контекстного окна, точные параметры архитектуры, мультимодальные возможности и подробные результаты бенчмарков в README не указаны. Модель распространяется по лицензии Apache-2.0.

Open-Reasoner-Zero-1.5B — языковая модель StepFun, созданная в рамках проекта Open-Reasoner-Zero для масштабируемого обучения рассуждениям с помощью обучения с подкреплением. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров; в метаданных указано контекстное окно 131 072 токена. Модель предназначена для диалогового использования и генерации ответов с пошаговыми рассуждениями, в частности для математических задач и вопросов на научные знания. В README авторы описывают обучение серии моделей Open-Reasoner-Zero и приводят результаты для AIME2024, MATH500 и GPQA Diamond; отдельно указано, что версия 1.5B входит в выпуски проекта и снабжена скриптами обучения. Модель распространяется в формате safetensors и может использоваться как чат-модель через Transformers и vLLM. Лицензия — MIT. README не приводит отдельные результаты оценки именно версии 1.5B, поэтому качество на конкретных задачах этой версии по карточке установить нельзя.

Helsinki-NLP/opus-mt-afa-en — модель машинного перевода семейства OPUS-MT, опубликованная Helsinki-NLP. Это MarianMT-трансформер с 56,5 млн параметров, обученный переводить с нескольких афразийских языков на английский. В источниках перечислены арабские разновидности (в том числе acm, afb, apc, arq, ary, arz и ara), амхарский, хауса, иврит, кабильский, мальтийский, рифский, сомалийский и тигринья; входной текст нормализуется и токенизируется с помощью SentencePiece. Модель подходит для перевода фраз и текстов с поддерживаемых языков на английский. В карточке приведены оценки BLEU и chr-F на тестовых наборах Tatoeba, включая результаты для амхарского, арабского и хауса; качество зависит от языка и может существенно различаться. Максимальный контекст составляет 512 токенов. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.