I.5Создание и редактирование текста

WindyTranslate/translate-en-kwn — модель машинного перевода, опубликованная Windstorm Labs. Она переводит текст с английского языка на кваньяма (kwn) и предназначена для перевода фраз и документов в одном направлении. Модель основана на Helsinki-NLP/opus-mt-en-kwn: к исходным весам применили LoRA дообучение на параллельном корпусе и объединили адаптер с базовыми весами. Это модель архитектуры MarianMT с 50,9 млн параметров и контекстом до 512 токенов; репозиторий содержит сборку Transformers в формате safetensors. В README указано, что выход проверен на соответствие заявленному языку, но качество перевода ещё не оценивалось. Модель поддерживает только направление en→kwn, поэтому не подходит для обратного или многоязычного перевода. Лицензия — Apache-2.0.

WindyTranslate/translate-en-ln — модель машинного перевода Windstorm Labs для перевода текста с английского на лингала. Это дообученная и объединённая с базовыми весами модель Helsinki-NLP/opus-mt-en-ln на параллельных данных. Она построена на архитектуре MarianMT, содержит 55 млн параметров, использует формат safetensors и имеет контекст до 512 токенов. Модель предназначена для перевода текстов с английского на лингала. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 39,52 и BLEU 10,46; автор относит результат к категории Usable и подчёркивает, что это не публикационный результат. Модель распространяется по лицензии Apache-2.0.

Модель WindyTranslate/translate-en-lue — дообученная система машинного перевода, опубликованная Windstorm Labs. Она переводит текст с английского на lue и подходит для однонаправленного перевода фраз и документов. Основа — архитектура MarianMT с 56,6 млн параметров; веса safetensors доступны для загрузки через Transformers, а нативный контекст составляет 512 токенов. Разработчик объединил с базовыми весами LoRA-дообучение на параллельном корпусе. Качество перевода ещё не оценено: проверка GlotLID подтвердила язык результата, но не его точность. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-en-map — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского на австронезийские языки. Она основана на Helsinki-NLP/opus-mt-en-map: к исходным весам применили LoRA-дообучение на параллельном корпусе и объединили адаптер с базовой моделью. Модель использует архитектуру MarianMT, содержит 55,9 млн параметров и работает с контекстом до 512 токенов. Репозиторий включает сборку Transformers в формате safetensors; лицензия — Apache-2.0. Качество перевода пока не оценивалось, поэтому пригодность модели для конкретных языков и сценариев следует проверять отдельно.

WindyTranslate/translate-en-phi — модель машинного перевода от Windstorm Labs, созданная на основе Helsinki-NLP/opus-mt-en-phi. Это дообученная модель архитектуры Marian с 55,8 млн параметров и контекстом до 512 токенов; веса в репозитории представлены в формате safetensors и загружаются через Transformers. Модель переводит текст с английского на язык phi. Для дообучения применён LoRA на параллельных текстах, после чего адаптер объединён с базовыми весами. Изменились 36 из 254 тензоров; наличие отличий подтверждает происхождение модели, но не качество перевода. Модель выпущена по лицензии Apache-2.0 с атрибуцией базовой модели Helsinki-NLP.

Windstorm Labs публикует модель машинного перевода с английского языка на санго. Это дообученная MarianMT-модель объёмом 47,6 млн параметров, основанная на Helsinki-NLP/opus-mt-en-sg: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель загружается через Transformers в формате safetensors и рассчитана на контекст до 512 токенов. Модель предназначена для перевода текстов с английского на санго; обратное направление не заявлено. В оценке на 48 предложениях FLORES-200 она получила chrF++ 25,90 и BLEU 4,91, что авторы относят к ограниченному уровню; это предварительная проверка, а не результат публикационного исследования. Лицензия — Apache-2.0.

WindyTranslate/translate-es-kg — модель машинного перевода, опубликованная Windstorm Labs для перевода с испанского на конго. Это дообученная версия Helsinki-NLP/opus-mt-es-kg: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 50,7 млн параметров и принимает контекст до 512 токенов; доступна в формате safetensors для Transformers. Модель предназначена для перевода текста в направлении es→kg. В скрининговой оценке на 48 предложениях FLORES-200 она получила chrF++ 29,22 и BLEU 4,40; результат обозначен авторами как ограниченный и не является результатом публикационного исследования. Репозиторий распространяется по лицензии Apache-2.0 с указанием происхождения базовой модели.

Windstorm Labs опубликовала дообученную модель машинного перевода с испанского языка на чичева (ньянджа). Это MarianMTModel семейства Marian примерно на 56,3 млн параметров; веса представлены в формате safetensors и доступны через Transformers. Модель основана на Helsinki-NLP/opus-mt-es-ny: LoRA-дообучение на параллельном корпусе было объединено с базовыми весами, изменив 36 из 254 тензоров. Модель предназначена для перевода испанских текстов на чичева. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 31,65 и BLEU 5,19; авторы оценивают результат как пригодный для использования, но это предварительная проверка, а не публикационная оценка. Контекст составляет 512 токенов. Лицензия — Apache-2.0.

WindyTranslate/translate-es-sn — модель машинного перевода Windstorm Labs для перевода с испанского на шона. Это дообученная версия Helsinki-NLP/opus-mt-es-sn: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель использует архитектуру MarianMT, содержит 56,7 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для перевода испанских фраз и текстов на шона. В скрининговой оценке на 48 предложениях FLORES-200 она получила chrF++ 32,69 и BLEU 3,99; автор характеризует результат как пригодный к использованию, но оценка не является публикационным результатом. Поддерживается только направление es→sn. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-es-swc — модель машинного перевода от Windstorm Labs, дообученная на параллельных данных на основе Helsinki-NLP/opus-mt-es-swc. Это модель архитектуры MarianMT с 56,1 млн параметров и контекстом до 512 токенов; LoRA-настройка объединена с базовыми весами. Модель переводит текст с испанского языка на конголезский суахили (swc) и предназначена для перевода предложений и документов в этом направлении. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0. Качество перевода пока не оценивалось бенчмарком, поэтому пригодность для конкретного сценария следует проверять на собственных данных. Модель поддерживает только направление es→swc.

WindyTranslate/translate-fi-gaa — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-gaa на параллельных текстовых данных: LoRA-адаптер слит с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,7 млн параметров и принимает контекст длиной до 512 токенов. Модель предназначена для перевода с финского языка на язык га. В репозитории опубликована сборка Transformers в формате safetensors. Лицензия — Apache-2.0. Качество перевода пока не оценивалось; факт изменения весов подтверждает происхождение модели, но сам по себе не показывает, что перевод стал лучше.

WindyTranslate/translate-fi-mt — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-mt: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель MarianMT с 55,4 млн параметров принимает текст и переводит с финского языка на мальтийский; длина контекста — 512 токенов. Модель предназначена для перевода отдельных текстов и интеграции в приложения на Transformers. В тесте на 48 предложениях FLORES-200 она получила chrF++ 41,73 и BLEU 10,51; авторы оценивают результат как пригодный для использования, но это предварительная проверка, а не публикационный результат. Поддерживается только направление финский → мальтийский. Репозиторий содержит веса safetensors; лицензия Apache-2.0.

WindyTranslate/translate-fi-st — модель машинного перевода, опубликованная Windstorm Labs и основанная на Helsinki-NLP/opus-mt-fi-st. Это дообученная модель архитектуры MarianMT с 56,5 млн параметров; LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель принимает текст на финском языке и переводит его на сесото. Она распространяется в формате safetensors для Transformers и имеет лицензию Apache-2.0. В карточке приведён скрининговый результат на 48 предложениях из FLORES-200 dev: chrF++ 32,50 и BLEU 6,46, с оценкой качества «Usable». Это ограниченная проверка, а не публикационный результат. Модель поддерживает только направление финский → сесото; качество может меняться в зависимости от текста. Другие сборки, включая CTranslate2 INT8, в этом репозитории отсутствуют.

WindyTranslate/translate-fr-bi — модель машинного перевода от Windstorm Labs для перевода с французского на язык Bislama (bi). Это дообученная версия Helsinki-NLP/opus-mt-fr-bi: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 54,6 млн параметров и принимает контекст до 512 токенов. Модель предназначена для прямого перевода французских текстов на Bislama в приложениях на Transformers. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Разработчик сообщает, что веса изменены относительно исходной модели, однако качество перевода ещё не оценивалось бенчмарком.

WindyTranslate/translate-fr-gil — модель машинного перевода от Windstorm Labs для перевода с французского языка на гилбертский. Это дообученная версия Helsinki-NLP/opus-mt-fr-gil: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 52,4 млн параметров и принимает последовательности длиной до 512 токенов. Репозиторий содержит сборку для Transformers в формате safetensors. Модель предназначена для перевода текста в направлении fr→gil; других языковых направлений карточка не заявляет. Лицензия — Apache-2.0. Качество перевода пока не оценивалось, поэтому пригодность для конкретного сценария следует проверять отдельно.

Veiled Calla — модель на базе Google Gemma 3 12B IT, дообученная автором soob3123 для ролевого общения и художественного письма. Она предназначена для создания атмосферных историй с загадочными сюжетами, тонкими эмоциональными оттенками и последовательными персонажами. Модель принимает текстовые сообщения и генерирует текстовые ответы. В карточке указана поддержка английского языка. Модель распространяется в формате safetensors по лицензии Apache-2.0. Автор отмечает, что ответы могут становиться чрезмерно загадочными; модель особенно подходит для камерных, атмосферных и интроспективных ролевых сценариев.

Aladdin-3B — языковая модель команды Aladdin-FTI при Женевском университете, дообученная на базе HuggingFaceTB/SmolLM3-3B. Это плотный decoder-only трансформер с примерно 3,1 млрд параметров, предназначенный для генерации на арабских диалектах и перевода между диалектным арабским, современным литературным арабским (MSA) и английским. Модель поддерживает генерацию, управляемую инструкциями о требуемом диалекте, с учётом диглоссии и естественности речи. Модель создавалась для задачи AMIYA и обучалась на закрытых данных соответствующего трека, а также на параллельных и монолингвальных корпусах арабских диалектов. Контекстное окно составляет до 65 536 токенов. Доступны веса в формате Safetensors для использования с Transformers; карточка также отмечает диалоговый режим. Модель ориентирована прежде всего на арабские диалекты, MSA и английский, поэтому качество для других языков и неспециализированных задач не заявлено. Лицензия в предоставленных сведениях не указана.

Это дообученная на TRL модель генерации текста на основе fpadovani/arb-arab-100mb-ppt-shuff-dyck-100mb_seed455. Карточка показывает использование в формате диалога: модель получает вопрос пользователя и генерирует ответ. Модель построена на архитектуре GPT-2 и распространяется в формате safetensors. Контекст составляет 512 токенов. В карточке нет сведений о специализированной предметной области, языковой поддержке или лицензии; поэтому назначение модели следует считать общим, а её ответы и пригодность для конкретных сценариев — проверять отдельно.

A.X-4.0-Light SFT — 71949 Text Causal — корейскоязычная причинно-языковая модель на архитектуре Qwen2, созданная дообучением SK Telecom модели skt/A.X-4.0-Light. LoRA-адаптер, обученный на текстовой подвыборке AI Hub Dataset 71949 по причинному рассуждению, объединён с базовыми весами; репозиторий содержит самостоятельную модель на 6,9 млрд параметров в BF16 safetensors. Модель предназначена для исследований и контролируемых бенчмарк-экспериментов на корейском языке. Модель принимает текст и генерирует текст в диалоговом формате; длина контекста — 16 384 токена. Обучающая выборка включала 478 примеров, обучение проходило в течение двух эпох. В локальных оценках приведены результаты на KMMLU-Pro, CLIcK, HLE text-only, SNU Ko-MuSR и Com2-main; результаты не являются официальными оценками K-AI leaderboard. Модель может допускать фактические ошибки и ошибки рассуждения и не заменяет профессиональную консультацию. Лицензия — Apache-2.0; использование исходного AI Hub Dataset регулируется его собственными условиями.

Японская базовая модель BERT от Hitachi, обученная для предсказания замаскированных токенов. Она предназначена для fill-mask задач и обработки японского текста. Модель использует архитектуру BERT с 136,3 млн параметров, поддерживает контекст до 512 токенов и распространяется в формате PyTorch через Transformers. Токенизатор сочетает морфологический анализ Juman++ с разбиением на субсловные токены BPE; для его работы требуется файл словаря из репозитория проекта на GitHub. Модель обучалась на данных Wikipedia и CC-100. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные материалы на тех же условиях, а также ограничивает коммерческое использование.

asafaya/bert-mini-arabic — компактная предварительно обученная языковая модель BERT для арабского языка. Это плотная архитектура BERT с головой masked language modeling; модель содержит 12,4 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для заполнения пропусков в арабском тексте и может служить компактной основой для задач обработки арабского языка. Она обучена примерно на 8,2 млрд слов из арабской версии OSCAR, дампа Википедии и других арабских текстовых ресурсов общим объёмом около 95 ГБ. Данные включают диалектные варианты наряду с современным литературным арабским; в корпусе также встречаются слова не на арабском языке. Доступны форматы PyTorch, TensorFlow и Flax, включая веса Safetensors. Для загрузки можно использовать Transformers. Лицензия в предоставленных материалах не указана.

BioMistral-7B-GGUF — это набор файлов модели в формате GGUF, подготовленный MaziyarPanahi на основе BioMistral/BioMistral-7B, разработанной командой BioMistral. Модель предназначена для генерации текста и диалоговых сценариев в биомедицинском и биологическом контексте, включая работу с научными и медицинскими текстами. В качестве исходных данных упоминается набор PubMed, однако подробности обучения и результаты оценки в карточке не приведены. Модель содержит около 7 млрд параметров и распространяется в вариантах квантования от 2 до 8 бит, включая форматы Q2_K, Q3_K, Q4_K, Q5_K и Q6_K. GGUF ориентирован на локальный запуск через llama.cpp и совместимые приложения и библиотеки, в том числе text-generation-webui, LM Studio, GPT4All и llama-cpp-python, с возможностью использования GPU-ускорения. В метаданных указана поддержка английского, французского, немецкого, нидерландского, испанского, португальского, польского, румынского и итальянского языков; модальность — текстовая. Размер контекста и точная архитектура в README не указаны. К преимуществам относятся различные уровни квантования, позволяющие выбирать между качеством и требованиями к памяти, а также удобство локального развёртывания. Ограничения включают возможное снижение качества при сильном квантовании и отсутствие в карточке сведений о точности, надёжности медицинских ответов и специализированных ограничениях применения. Для модели указана лицензия Apache-2.0.

BLIP-2 Flan-T5-xl — мультимодальная модель Salesforce для генерации текста по изображению и текстовому запросу. Она объединяет визуальный энкодер CLIP-подобного типа, трансформер Q-Former, связывающий признаки изображения с языковой моделью, и Flan-T5-xl. При обучении энкодер изображения и языковая модель оставались замороженными, а Q-Former обучался передавать визуальную информацию. Модель предсказывает следующий текстовый токен с учётом изображения и предыдущего текста. Модель подходит для создания подписей к изображениям, визуальных ответов на вопросы и диалогов с опорой на изображение. Она принимает изображения и необязательный текст, выдаёт текст; в карточке указан английский язык. Выпуск предназначен для исследовательской работы по академической статье. Лицензия — MIT. Модель может наследовать ограничения Flan-T5 и смещения данных интернет-изображений и подписей; возможны неточные ответы и неподходящий контент. В карточке указано, что модель не тестировалась в реальных приложениях и перед практическим применением требует оценки безопасности, справедливости и точности.

Broken-Tutu-24B-Unslop-v2.0 — дообученная ReadyArt разговорная языковая модель для ролевых диалогов и генерации художественного текста. Она основана на Mistral-Small-24B-Instruct-2501, имеет плотную архитектуру Mistral с 23,4 млрд параметров и принимает текстовые запросы. В карточке заявлены многоходовые сценарии, сохранение характера персонажей, следование сложным инструкциям и защита от имитации пользователя. Указанное в README обучение выполнялось методом QLoRA; репозиторий также перечисляет квантованные варианты, включая GGUF, EXL2, EXL3 и AWQ. Метаданные указывают контекст 32 768 токенов и английский язык. Модель предназначена для ролевых игр, в том числе эротических и мрачных сценариев, и рассчитана на взрослую аудиторию. Авторы заявляют улучшение связности повествования и снижение повторов относительно версии 1.1, однако это качественные утверждения из карточки, а не приведённые результаты независимой оценки. Лицензия — Apache-2.0; README устанавливает возрастное ограничение 18+ и возлагает ответственность за генерируемый контент на пользователя.

CantoneseLLMChat-v1.0-7B — разговорная языковая модель от hon9kon9ize для общения на кантонском языке и работы с темами, связанными с Гонконгом. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, реализованная для Transformers и сохранённая в формате safetensors; заявленная длина контекста — 131 072 токена. Модель создана дообучением CantoneseLLM-v1.0: базовый чекпойнт прошёл непрерывное предобучение Qwen 2.5 7B на материалах о Гонконге, затем чат-модель обучили на 75 000 пар инструкций, часть которых была проверена людьми. Модель предназначена для кантонских диалогов, ответов на вопросы о Гонконге и задач, требующих понимания кантонской речи и местного культурного контекста. В карточке заявлены сильные результаты на HK-Eval, но также отмечено, что модели с рассуждением показали существенно лучшие результаты; версия с рассуждением планировалась для следующего поколения. Лицензия — Apache-2.0.

Eugleo/climbmix-d26-10tpp-nopol-sft — исследовательская чат-модель, созданная Eugleo дообучением nopol-варианта ClimbMix на один проход по смеси SmolTalk, MMLU и GSM8K. Модель основана на плотной архитектуре nanochat GPT с 26 блоками; в карточке указано 1,2 млрд параметров. Она предназначена для генерации ответов в диалогах и решения задач, представленных в обучающей смеси, включая вопросы общего характера, тестовые вопросы и математические задачи. Модель работает с текстом на английском языке и рассчитана на контекст до 2048 токенов. Базовый корпус был модифицирован: документы с сущностями, оцениваемыми как политические, заменены. Модель выпущена в формате safetensors и использует шаблон чата из репозитория; для загрузки архитектуры README указывает trust_remote_code=True. Это экспериментальный артефакт исследования фильтрации предобучающих корпусов, поэтому качество для конкретных прикладных задач не гарантируется. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Delta-Vector/Control-8B-V1.1 — экспериментальная чат-модель на архитектуре Llama, созданная автором карточки путём дообучения и слияния моделей. В README она описана как версия Control, дообученная на базе Llama 3.1 8B Supernova с целью давать короткие и содержательные ответы, улучшить связность и поддерживать ролевые диалоги. Метаданные указывают 7,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста в чате, кратких ответов и ролевых сценариев. При обучении использовались OpenCAI ShareGPT, RP-logs и UltraFeedback; автор также упоминает DPO. В карточке нет лицензии, поэтому условия использования по имеющимся данным определить нельзя.

ds-brew-13b — плотная авторегрессионная языковая модель на базе Llama 2, созданная объединением нескольких моделей методом SLERP. В состав объединения входят airoboros-l2-13b-2.2, chronos-13b-v2, Nous-Hermes-Llama2-13b, limarp-llama2-v2 и pygmalion-2-13b; модель опубликована DS-Archive. Модель предназначена для генерации текста и диалогов с ролевыми персонажами. Для запросов можно попробовать формат инструкций Alpaca с описанием персонажа. Размер модели — 12,9 млрд параметров, контекст — до 4096 токенов; указана поддержка английского языка. Доступны веса PyTorch для Transformers. Модель может воспроизводить предубеждения, характерные для нишевых ролевых интернет-сообществ и базовой модели. Авторы не рекомендуют использовать её для предоставления фактической информации или советов. Лицензия — AGPL-3.0.

EduGanda-Gemma-4-E2B-v5 — экспериментальная разговорная модель Crane AI Labs, созданная в рамках проекта Fab AI Foundation при финансировании Gates Foundation. Это SLERP-слияние двух контрольных точек Gemma-4-E2B: педагогически дообученной модели v5-Polished и версии v4 с дополнительным обучением словарю луганда. Модель содержит 5,53 млрд параметров и предназначена для автономной работы на телефоне. Модель помогает учителям начальных классов (Primary 1–3) составлять планы уроков, проводить фонетические упражнения, готовить и проверять задания, а также писать сообщения родителям. Она генерирует ответы в диалоге и поддерживает задания на перевод между луганда и английским. Карточка приводит результаты проверок на следование инструкциям, арифметику, перевод и качество ответов, однако они не гарантируют точность в учебной практике. У модели сохраняются ошибки в материалах на луганда, включая неверные толкования и правила фонетики, а качество луганда в оценке авторов низкое. На некоторых упражнениях возможны повторения; для развертывания авторы рекомендуют защиту от повторов и штатные стоп-токены Gemma-4. Лицензия — Gemma; карточка обозначает модель как экспериментальный исследовательский чекпойнт и рекомендует проверять материалы перед использованием с учениками.

jensjepsen/eo-mt-v7-mini — компактная модель машинного перевода на архитектуре Marian, разработанная Jens Jepsen. Она переводит между английским и эсперанто в обоих направлениях. Модель содержит 21,7 млн параметров по метаданным; в README указано около 30 млн. Архитектура включает 4 слоя энкодера и 4 слоя декодера с размерностью 384 и 6 головами внимания. Контекст — до 512 токенов. Модель обучена на 5,1 млн параллельных предложений из jensjepsen/esperanto-mt-parallel. На полном наборе FLORES devtest для перевода с английского на эсперанто README сообщает BLEU 30,55. Токенизатор SentencePiece приводит текст к нижнему регистру, поэтому выход всегда записывается строчными буквами. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0. Результат оценки приведён для направления en→eo; качество направления eo→en отдельно не описано.