I.5Создание и редактирование текста

Helsinki-NLP/opus-mt-en-mkh — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP. Она переводит текст с английского на несколько мон-кхмерских языков: кхаси, кхмерский, мон и вьетнамский; для выбора целевого языка в начале предложения требуется токен вида >>id<<. Модель построена на архитектуре Transformer и реализована как MarianMTModel; содержит 53,9 млн параметров, использует нормализацию и токенизацию SentencePiece с vocabularies по 32 тыс. токенов. Максимальная длина контекста — 512 токенов. Модель подходит для перевода коротких текстов, фраз и предложений с английского на поддерживаемые языки. В карточке приведены тестовые оценки на Tatoeba для кхаси, кхмерского и монского; результаты различаются по языковым парам, поэтому качество следует проверять на конкретных текстах и целевом языке. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-is — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на основе проекта OPUS. Она переводит текст с испанского на исландский и предназначена для перевода отдельных фраз и текстов, в том числе в приложениях на базе Transformers. Модель построена на архитектуре MarianMT с Transformer и содержит 56,1 млн параметров; максимальная длина контекста — 512 токенов. Для предобработки используются нормализация и SentencePiece с отдельными словарями размером 32 тысячи токенов. В карточке приведён результат BLEU 27,1 и chr-F 0,528 на тестовом наборе Tatoeba для пары испанский—исландский. Модель не является многоязычной: она рассчитана на перевод с испанского на исландский. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-es-yua — модель машинного перевода семейства MarianMT, опубликованная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с испанского языка на юкатекский майя (yua). Модель основана на Transformer с выравниванием, содержит 48,7 млн параметров и рассчитана на контекст до 512 токенов. Для предобработки применяются нормализация текста и SentencePiece. Модель подходит для перевода отдельных фраз и текстов с испанского на юкатекский; на наборе JW300.es.yua указаны оценки BLEU 23,6 и chr-F 0,471. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-fr-pap — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с французского языка на папьяменто и предназначена для перевода отдельных фраз и текстов. Модель построена на архитектуре MarianMT (Transformer), содержит 55,7 млн параметров и использует нормализацию текста и токенизацию SentencePiece; длина контекста — 512 токенов. В README приведён результат BLEU 27,8 и chr-F 0,464 на тестовом наборе JW300.fr.pap. Модель распространяется по лицензии Apache-2.0. Показатели качества относятся к указанному тестовому набору и могут не отражать качество на других темах и типах текста.

Helsinki-NLP/opus-mt-ny-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка чичева (ny) на английский (en) и основана на архитектуре Transformer-align в реализации MarianMT. Модель содержит 55,8 млн параметров; для предобработки используются нормализация текста и SentencePiece, максимальная длина контекста — 512 токенов. Модель подходит для перевода текстов на чичева на английский, в том числе материалов из коллекций OPUS, JW300 и Tatoeba. В README приведены оценки BLEU 39,7 для JW300 и 44,2 для Tatoeba. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-sem-sem — модель машинного перевода семейства OPUS-MT, разработанная в рамках проекта Helsinki-NLP и Tatoeba Challenge. Это компактная трансформерная модель MarianMT с 42,4 млн параметров для перевода между семитскими языками и разновидностями арабского: в README перечислены apc, ara, arq, arz, heb и mlt как исходные и целевые языки. Модель принимает текст и выдаёт перевод. Перед текстом требуется указать целевой язык специальным токеном вида `>>id<<`; обработка включает нормализацию и SentencePiece с моделью словаря 32k. Максимальная длина контекста — 512 токенов. Доступны веса PyTorch и TensorFlow. Модель лицензирована по Apache-2.0. В README приведены результаты на тестовых наборах: например, BLEU 34,0 для перевода с арабского на иврит и 16,6 для перевода с арабского на мальтийский; для арабского на арабский BLEU составляет 4,2. Качество зависит от направления и языковой разновидности, поэтому результаты на одном направлении не следует переносить на другие. Для мало представленных языковых разновидностей перевод может быть ненадёжным.

Palmyra-mini — компактная авторегрессионная языковая модель для генерации текста, разработанная Writer и дообученная на Qwen/Qwen2.5-1.5B. Модель содержит 1,5 млрд параметров по метаданным каталога, использует архитектуру Qwen2 и поддерживает контекст до 131 072 токенов. Модель предназначена для задач математического и логического рассуждения, включая решение текстовых задач и многошаговых вопросов. В README приведены результаты на GSM8K, MATH500, AMC23 и BBH; это оценки из карточки модели, а не гарантия качества на новых задачах. Модель принимает текст и генерирует текст, поддерживает диалоговый сценарий и работает с Transformers и vLLM. Заявленный язык — английский. Модель распространяется по лицензии Apache-2.0. Она может выдавать предвзятую или неточную информацию, поэтому ответы, особенно вычисления и рассуждения, следует проверять.

Pantheon-Reasoning-27B — разработанная Gryphe модель для ролевых диалогов и интерактивного повествования. Это дообученная плотная модель семейства Qwen 3.6 с 27 млрд параметров, созданная на основе llmfan46/Qwen3.6-27B-uncensored-heretic-v2-Native-MTP-Preserved. Модель принимает текст и генерирует текст; она обучена следовать инструкциям и вести диалоги на английском языке. Обучение сочетает ролевые диалоги Pantheon, интерактивную прозу, текстовые приключения и набор данных с рассуждениями Opus-4.6-Reasoning-24k. Во всех репликах сохранены рассуждения: модель планирует тон, развитие сцены и поведение персонажа перед ответом. Предназначена для создания персонажей, отыгрыша ролей и продолжительных сюжетных сцен; автор экспериментирует с тем, улучшает ли такой подход качество ролевой игры. Модель распространяется в формате Safetensors под лицензией Apache 2.0. Автор описывает выпуск как исследовательский эксперимент, прошедший лишь базовые проверки качества; рассуждения могут увеличивать задержку генерации. В метаданных указана английская локаль карточки; поддержка других языков не подтверждена.

Pantheon-Reasoning-31B-1.1 — англоязычная модель Gryphe для генерации ролевых диалогов и творческого письма с планированием ответа. Это дообученная плотная модель Gemma 4 31B StyleTune, опубликованная в формате safetensors и распространяемая по лицензии Apache-2.0. Модель обучена на корпусах ролевых диалогов, текстовых приключений и данных Pantheon с добавленными рассуждениями перед каждым ответом. Она рассчитана на проработку характера персонажа, тона и развития сцены; автор сообщает о более коротких, выразительных ответах и сокращении клише относительно базовой модели. Поддерживаются диалоговый и инструкционный режимы; используется родной шаблон чата Gemma 4. Это исследовательский выпуск, прошедший только базовые проверки: автор отмечает, что качество ролевой игры и польза рассуждений требуют дальнейшей оценки. В README также рекомендуется не использовать префиксы с именами персонажей, поскольку они могут конфликтовать с рассуждениями. Контекстная длина не приводится.

PIT-4B-201511 — базовая предварительно обученная языковая модель семейства Point-In-Time от Diamegs. Это decoder-only Transformer в стиле GPT, обученный на хронологических месячных срезах FineWeb; данный чекпойнт отражает состояние знаний по ноябрь 2015 года. Для следования инструкциям автор предлагает отдельный вариант PIT-4B-FT. Модель предназначена для генерации текста и анализа того, что могло быть известно на заданный исторический момент. Она принимает текст и генерирует текст, поддерживает английский язык, имеет контекст 2048 токенов и загружается через Transformers; веса опубликованы в safetensors. Лицензия — Apache-2.0. Это базовая модель без RLHF и дообучения на безопасность. Её знания ограничены веб-текстами до ноября 2015 года, а в генерациях могут проявляться смещения обучающих данных; для критически важных сценариев без дополнительного выравнивания она не подходит.

Poemma 12B — русскоязычная языковая модель, созданная дообучением Mistral Nemo с помощью ORPO. Она предназначена для генерации стихов с нуля и имитации манеры ряда русских поэтов, включая Пушкина, Цветаеву, Ахматову, Есенина и Маяковского. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров; в метаданных указан контекст до 1 024 000 токенов. Карточка описывает генерацию поэзии на русском языке и разговорный формат. Модель распространяется под лицензией Apache-2.0.

reciprocate/ppo_hh_gpt-j — модель генерации текста на архитектуре GPT-J, дообученная методом PPO на наборе Dahoas/full-hh-rlhf. Она предназначена для диалоговых ответов, сформированных с учётом предпочтений людей, и основана на примере обучения из проекта trlx. Репозиторий содержит веса PyTorch и value head; максимальный контекст составляет 2048 токенов. Карточка указывает английский язык и лицензию Apache-2.0. Качество и ограничения модели в README подробно не описаны.

Pygmalion-3 12B — языковая модель PygmalionAI для ролевых диалогов и художественного письма. Это плотная авторегрессионная модель семейства Mistral, содержащая 12,1 млрд параметров и дообученная на базе IntervitensInc/Mistral-Nemo-Base-2407-chatml; обучение включало разговоры, творческие тексты и инструкции, в том числе данные PIPPA и ролевых форумов. Модель принимает текст и генерирует текст в формате ChatML, поддерживает ролевые сценарии и чат. В карточке указано контекстное окно до 1 024 000 токенов. Модель предназначена прежде всего для создания персонажей и интерактивных вымышленных сцен. Разработчик предупреждает, что она не обучалась обеспечивать безопасность и безвредность: ответы могут содержать ненормативную лексику и оскорбительный или откровенный текст, а также быть фактически неверными или вводящими в заблуждение. Рекомендуется экспериментировать с системным промптом; также сообщалось о проблемах с определённой фразой-токеном в выводе. Лицензия Apache 2.0 разрешает использование и дальнейшую разработку.

EleutherAI/pythia-410m-seed1 — англоязычная авторегрессионная языковая модель семейства Pythia из набора PolyPythias, разработанного EleutherAI. Это вариант обучения Pythia-410M с отдельным случайным seed; набор создан для систематического изучения стабильности обучения и воспроизводимости языковых моделей. Модель имеет плотную архитектуру GPT-NeoX и около 454,2 млн параметров. Она обучена предсказывать следующий токен на корпусе The Pile с заранее перемешанным порядком данных; длина контекста — 2048 токенов. Подходит для генерации и продолжения англоязычного текста, а также для исследовательских сравнений влияния случайного seed и порядка данных. Это базовая модель, не настроенная на выполнение инструкций. Модель выпущена под лицензией Apache-2.0. Карточка предупреждает о возможной генерации предвзятого, оскорбительного или фактически неверного текста и не рекомендует использовать её в производственных системах; результаты не фильтруются по безопасности или точности.

Qwen3.8-27B-Obliterated-E03 — текстовая производная модели Qwen, опубликованная manitcor на основе Qwen/Qwen3.8-27B. Это плотная авторегрессионная модель для генерации текста и диалогов; сохранена только текстовая часть, интерфейс обработки изображений и видео исходной модели не поддерживается. Число параметров в метаданных — 22,3 млрд, контекст — до 262 144 токенов, формат весов — BF16 Safetensors, библиотека — Transformers. Модель создана для исследований выравнивания, red teaming, механистической интерпретируемости и оценки вмешательств в поведение отказа. Экспериментальное вмешательство E03 значительно снизило частоту отказов: на финальной выборке она составила 1% (2 из 200). Проверка шести возможностей дала положительный результат для пяти, но это небольшие диагностические пробы, а не широкая оценка качества. Модель прошла заявленные пороги отбора по отказам и связности ответов. Поведение отказа намеренно ослаблено: модель может выполнять небезопасные, незаконные и нарушающие приватность запросы. В тестах также наблюдались повторяющиеся или нарушенные ответы; неудачной оказалась проба арифметического рассуждения с цепочкой мыслей. Английский указан как язык карточки, но перенос результатов на другие языки, длинный контекст, инструменты и мультимодальные сценарии не подтверждён. Лицензия — Apache-2.0.

Qwen-3.8-Flash-Next-Uncensored-MLX-MXFP4 — это независимая MLX-конверсия модели OrcaRouter Qwen3.8-Flash-Next-Uncensored, созданной на основе Qwen/Qwen3.8-Flash-Next. Конверсия выполнена в смешанном формате MXFP4 и предназначена прежде всего для запуска на устройствах Apple Silicon через oMLX или mlx-vlm. Модель относится к мультимодальным vision-language системам и поддерживает обработку текста, изображений и видео, а также сценарии рассуждений и function calling. Заявлены английский и китайский языки. Модель использует архитектуру qwen4_exp с mixture-of-experts и контекстом до 262 144 токенов. Размер файлов safetensors составляет около 100,53 ГБ в 20 сегментах. Это не равномерное 4-битное квантование: разные компоненты представлены в MXFP4, аффинных форматах Q4–Q8 или BF16; башня обработки изображений и видео, эмбеддинги, языковая голова и ряд чувствительных компонентов сохранены в BF16. В контрольной точке также сохранён однос layer MTP-блок. Преимуществами являются существенно меньший объём по сравнению с полноточной BF16-версией, сохранение мультимодальной и MTP-функциональности и адаптация к экосистеме MLX. При этом качество именно этой сборки не прошло опубликованную оценку относительно официальной FP8-версии, а запуск требует совместимого MLX-окружения и значительного объёма памяти. Модель получена из abliterated-версии с существенно удалёнными механизмами отказа и практически не имеет встроенных защитных ограничений. Она может выполнять вредоносные, незаконные или опасные запросы, поэтому не предназначена для непосредственного использования конечными пользователями или в производстве без собственных механизмов модерации и защиты. Использование регулируется Qwen Community License 1.0, условиями исходной модели OrcaRouter и применимым законодательством; релиз заявлен исключительно для легитимных исследовательских задач, включая анализ интерпретируемости, изучение безопасности, red-teaming и контролируемые эксперименты.

DavidAU/Qwen3-Horror-Instruct-Uncensored-262K-ctx-4B — дообученная инструктивная языковая модель семейства Qwen3, созданная DavidAU на основе Goekdeniz-Guelmez/Josiefied-Qwen3-4B-Instruct-2507-gabliterated-v1. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает текстовые запросы для генерации текста. Контекстное окно — до 262 144 токенов. Модель дообучена на корпусе ужасов в течение пяти эпох; по описанию автора, это меняет стиль прозы и усиливает её выразительность. Она предназначена прежде всего для написания художественных текстов ужасов, ролевых сцен и другого творческого контента. В примере карточки показана генерация графической сцены от первого лица. Для запуска доступны веса Safetensors; автор рекомендует шаблон Jinja или ChatML и приводит настройки генерации для творческих сценариев. Модель не отказывается от запросов на взрослый контент, но для желаемого уровня откровенности может потребоваться явно задавать стиль и лексику. Качество и выразительность зависят от промпта и настроек сэмплирования. Лицензия — Apache-2.0.

RLVR-math — дообученная модель Qwen/Qwen2.5-3B, подготовленная с помощью TRL и предназначенная для генерации текста в диалоговом формате. Она может использоваться для ответов на вопросы и решения математических задач; карточка демонстрирует запуск через Transformers pipeline на GPU. Базовая Qwen2.5-3B содержит 3,1 млрд параметров. В метаданных указан формат safetensors и возможность chat. Подробности о методе обучения, контекстном окне, поддерживаемых языках и условиях лицензии в предоставленных данных отсутствуют.

cahya/roberta-base-indonesian-1.5G — предварительно обученная языковая модель RoBERTa, опубликованная пользователем Cahya для индонезийского языка. Она предназначена прежде всего для задачи заполнения пропусков в тексте: по контексту модель предсказывает наиболее вероятные токены вместо маскированного фрагмента. Модель имеет около 153,2 млн параметров и поддерживает контекст длиной до 514 токенов. Она доступна для использования через Transformers и имеет реализации для PyTorch и JAX. Модель относится к архитектуре RoBERTa и может служить базой для последующей тонкой настройки под классификацию текста, анализ тональности и другие задачи индонезийского NLP. Сильная сторона модели — адаптация к индонезийскому языку и совместимость с экосистемой Hugging Face. Она не является универсальной генеративной моделью и предназначена для masked-language modeling; для прикладных задач классификации или извлечения информации потребуется дополнительная настройка. Лицензия в доступных источниках не установлена.

fhai50032/RolePlayLake-7B-Toxic — англоязычная текстовая модель для генерации ролевых диалогов и творческих текстов с менее строгими ограничениями на содержание. Её разработал fhai50032, дообучив RolePlayLake-7B методом QLoRA; в карточке указаны архитектура Mistral, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель рассчитана на форматы диалога Alpaca и ChatML. Дообучение на наборе Undi95/toxic-dpo-v0.1-sharegpt и других данных, снижающих ограничения, предназначено для более свободной генерации. Приведённые в README результаты отдельных тестов не гарантируют качество в других сценариях. Модель распространяется по лицензии Apache-2.0.

NamelessLion/salida_chida — дообученная на TRL текстовая модель на основе google/functiongemma-270m-it от Google. Она использует плотную архитектуру Gemma 3 и предназначена для диалоговой генерации текста; карточка показывает запуск через Transformers для ответа на пользовательский вопрос. Размер модели — 257 млн параметров, контекст — до 32 768 токенов. Модель принимает текст и генерирует текст. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя. Карточка не сообщает о специализированной области применения или известных ограничениях качества.

Saul-7B-Base — базовая языковая модель Equall.ai, созданная совместно с CentraleSupélec, Sorbonne Université, Instituto Superior Técnico и NOVA School of Law. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров, предназначенная для генерации текста в юридической области. Модель получена продолжением предварительного обучения Mistral-7B и служит базой для Saul-Base; карточка также отмечает возможность диалогового использования. Модель подходит для генерации текстов в юридических сценариях на английском языке; максимальная длина контекста составляет 32 768 токенов. Весы доступны в формате Safetensors через Transformers. Лицензия — MIT. Как и другие языковые модели, Saul-7B-Base может выдавать неточные или бессмысленные ответы. По карточке модели, версия на 7B параметров может быть менее надёжной, чем вариант на 70B; юридические результаты требуют проверки специалистом.

Модель SciHigh-2026 Subtask 1 — полноценно дообученная версия BART-large-CNN, созданная для задачи SciHigh-2026. Она предназначена для составления кратких пересказов научных статей по их заголовкам и аннотациям; заголовок статьи добавлялся к входному тексту при обучении. Архитектура — BART с 252,8 млн параметров, максимальная длина контекста — 1024 токена. Модель использует конвейер подготовки данных, включавший восстановление обрезанных аннотаций и получение заголовков статей. Доступна в формате safetensors по лицензии Apache-2.0. Карточка описывает обучение на корпусе научных статей для соревнования SciHigh-2026; качество за пределами этого сценария не характеризуется.

Silver-Siren-ST-12B — экспериментальная стилево-настроенная языковая модель автора ewald1976 на базе Vortex5/Silver-Siren-12B. Она предназначена для генерации текста и диалогов в манере классической научной фантастики, вдохновлённой Азимовым, Хаксли и Лемом. Это плотная Mistral-модель с 12,1 млрд параметров и контекстом до 131 072 токенов. По описанию автора, при настройке были заморожены основные слои, а обучался только выходной тензор lm_head, чтобы изменить стиль прозы, сохранив базовые знания и следование инструкциям. Карточка указывает английский язык, формат весов safetensors и лицензию Apache-2.0. Модель подходит для творческого письма и ролевых диалогов с литературной, классической научно-фантастической подачей. Это технический эксперимент по стилевой настройке; автор не приводит количественных оценок качества, поэтому сохранение всех возможностей базовой модели не подтверждено независимыми тестами.

SmolGPT-Fables v1 — языковая модель для генерации коротких английских рассказов и басен, разработанная neonforestmist на базе HuggingFaceTB/SmolLM2-1.7B-Instruct. Модель ориентирована на создание историй из 1–6 нумерованных сцен по заданным персонажам, жанру, месту действия, важным событиям, деталям и типу концовки. Модель работает в текстовой модальности и предназначена для сценариев творческого письма, прототипирования сюжетов и контролируемой генерации рассказов. Она принимает отдельные поля для имени и описания каждого основного персонажа, а также старается сохранять указанные имена, особенности сеттинга, важные предметы и финал. Поддерживаются Transformers и приложения, совместимые с llama.cpp; для нативных приложений Apple доступна отдельная версия Core ML с INT4-квантизацией. Язык модели — английский. Размер архитектуры ограничен базовой моделью на 1,7 млрд параметров. Сильные стороны модели — компактность, специализированная направленность на короткие структурированные истории и поддержка управляемой генерации с заданным числом сцен. Ограничения включают узкую специализацию на английских рассказах и отсутствие в README количественных оценок качества; сохранение всех пользовательских деталей заявлено как целевое поведение, но не гарантируется. Модель распространяется по лицензии Apache 2.0.

Strawberry-1 — языковая модель, дообученная artindnr на базе openai/gpt-oss-20b. Это причинная decoder-only модель семейства gpt_oss с архитектурой mixture-of-experts; в репозитории представлены веса safetensors. Модель рассчитана на генерацию рассуждений на фарси и многоязычную цепочку рассуждений, а также сохраняет общие навыки следования инструкциям и решения задач базовой модели. Модель подходит для создания фарсиязычных ассистентов и учебных инструментов, а также для экспериментов с многоязычными задачами, где важен язык рассуждений. Контекстное окно составляет 131 072 токена. Взаимодействие использует чат-шаблон Harmony базовой модели; лицензия — Apache 2.0. В сложных технических темах рассуждения на фарси могут содержать английские слова и фразы. Модель может ошибаться и галлюцинировать; отдельного дообучения безопасности, помимо унаследованного от базовой модели, не проводилось.

WindyTranslate/translate-de-gil — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная модель архитектуры MarianMT с 52,6 млн параметров, основанная на Helsinki-NLP/opus-mt-de-gil. LoRA-дообучение на параллельных текстах было объединено с базовыми весами; модель принимает текст на немецком языке и переводит его на язык gil. Максимальная длина контекста — 512 токенов. Репозиторий содержит сборку Transformers в формате safetensors; модель можно использовать для перевода текстов с немецкого на gil. Лицензия — Apache-2.0. Качество перевода пока не оценивалось на бенчмарках, поэтому пригодность модели для конкретных сценариев требует проверки. Поддерживается только направление de→gil.

Windstorm Labs опубликовала модель машинного перевода с немецкого языка на лингала. Это дообученная модель Helsinki-NLP/opus-mt-de-ln на основе архитектуры MarianMT; LoRA-дообучение на параллельных данных было объединено с базовыми весами. Модель содержит 56,2 млн параметров, работает через Transformers и принимает контекст до 512 токенов. Модель предназначена для перевода текстов с немецкого на лингала; заявленное направление перевода одно. В проверке на 48 предложениях FLORES-200 dev модель получила chrF++ 35,72 и BLEU 6,48; авторы относят результат к уровню «пригодно к использованию» и отмечают, что это скрининговая оценка, а не результат публикационного исследования. Репозиторий распространяется по лицензии Apache-2.0.

WindyTranslate/translate-en-bem — модель машинного перевода, опубликованная Windstorm Labs. Она переводит текст с английского языка на бемба и подходит для перевода коротких сообщений и других текстов в этом языковом направлении. Модель основана на Helsinki-NLP/opus-mt-en-bem и дообучена методом LoRA на параллельных текстах; адаптер объединён с базовыми весами. Это MarianMT-модель с 55,8 млн параметров и контекстом до 512 токенов. В репозитории доступны веса safetensors для Transformers. Лицензия — Apache-2.0. В проверке на 48 предложениях FLORES-200 dev модель получила chrF++ 31,91 и BLEU 7,52; автор характеризует этот результат как пригодный для использования, но подчёркивает, что это предварительная проверка, а не результат публикационного исследования. Модель поддерживает только перевод с английского на бемба; качество перевода следует оценивать для конкретного применения.

Windstorm Labs публикует модель машинного перевода с английского на язык или группу языков, обозначенную в карточке как CELTIC. Это дообученная версия Helsinki-NLP/opus-mt-en-CELTIC: LoRA-адаптация на параллельном корпусе объединена с базовыми весами. Модель построена на архитектуре MarianMT, содержит 29,8 млн параметров, принимает текст и выдаёт текст. Указанная длина контекста — 512 токенов. Модель предназначена для перевода текстов с английского на CELTIC. Карточка подтверждает изменение весов, но качество не оценивалось на бенчмарках, поэтому пригодность для конкретных текстов следует проверять отдельно. В репозитории представлены веса Safetensors для загрузки через Transformers; другие сборки, включая CTranslate2 INT8, не входят в него. Лицензия — Apache-2.0.