I.5Создание и редактирование текста

Helsinki-NLP разработала opus-mt-fi-ln — модель машинного перевода с финского языка на лингала. Это модель семейства Marian на архитектуре Transformer-align с 56,7 млн параметров; для обработки текста используются нормализация и SentencePiece. Модель обучена на данных OPUS. В карточке приведены результаты оценки на тестовом наборе JW300.fi.ln: BLEU 29,2 и chr-F 0,536. Модель подходит для перевода предложений и текстов с финского на лингала. Контекст модели составляет 512 токенов. Доступны веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-fj-en — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с фиджийского языка на английский и предназначена для перевода предложений и текстовых фрагментов. Модель построена на архитектуре Transformer с выравниванием и использует нормализацию и SentencePiece; в метаданных указаны семейство Marian, 53,8 млн параметров и контекст до 512 токенов. В карточке приведены результаты на тестовых наборах JW300.fj.en и Tatoeba.fj.en: BLEU 31,0 и 79,7 соответственно. Модель распространяется по лицензии Apache-2.0. Она выполняет перевод только в направлении с фиджийского на английский; качество на иных языках и вне приведённых тестов не подтверждено.

Helsinki-NLP/opus-mt-swc-en — модель машинного перевода семейства Marian, разработанная проектом OPUS и опубликованная под организацией Helsinki-NLP. Она переводит текст с языка swc на английский; модель построена на архитектуре Transformer и использует нормализацию текста и токенизацию SentencePiece. В метаданных указаны 55,3 млн параметров, контекст до 512 токенов и поддержка PyTorch и TensorFlow. Модель предназначена для автоматического перевода текстов с swc на английский. В карточке приведён результат BLEU 41,1 и chr-F 0,569 на тестовом наборе JW300.swc.en. Модель распространяется по лицензии Apache-2.0. Она ориентирована на одну языковую пару, поэтому не предназначена для перевода на другие языки.

Particle 2.0 — компактная чат-модель, разработанная авторами проекта Particle и обученная с нуля примерно на 109,5 млн параметров. Она использует плотную Llama-подобную архитектуру декодера с RoPE, SwiGLU и RMSNorm; в конфигурации 12 слоёв, размер скрытого состояния 768 и 12 голов внимания. Модель принимает текст и генерирует текст, поддерживает контекст до 2048 токенов и ориентирована прежде всего на английский язык. Выпуск включает дальнейшее обучение и supervised fine-tuning на новом наборе данных; состав обучающей смеси не опубликован. Модель подходит для экспериментов с обучением языковых моделей с нуля, оценки и небольших демонстраций диалоговых возможностей. Она распространяется под лицензией MIT.

Patent-Instruct-Extended-40 — языковая модель Arcee AI, полученная слиянием модели arcee-ai/Patent-Instruct-7b с помощью mergekit. Она предназначена для генерации текста и работы с инструкциями в патентной тематике. Модель построена на архитектуре Llama, содержит 8,2 млрд параметров и имеет контекст длиной 4096 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка сообщает, что это результат слияния, но не приводит подробностей о методике обучения, оценках качества или точном перечне поддерживаемых языков.

KingLTD/pretrain_Law_model_vit5_version2 — дообученная модель семейства T5, разработанная KingLTD на основе KingLTD/pretrain_Law_model_vit5_version1. Это плотная encoder-decoder модель с 126,8 млн параметров, предназначенная для генерации текста по текстовому запросу; базовая модель описана как вьетнамская и юридически ориентированная, поэтому версия подходит для текстовых задач в правовой области на вьетнамском языке. В README приведены результаты оценки: Loss 0,1644, ROUGE-1 0,4902, ROUGE-2 0,3828, ROUGE-L 0,4363 и ROUGE-Lsum 0,4521; конкретная задача и набор данных не раскрыты. Контекст составляет 512 токенов. Модель распространяется по лицензии MIT.

Карточка модели Timooody/qwen2-5-1-5b-legal-grpo-v1 на Hugging Face совпадает с карточкой Timooody/qwen2-5-1-5b-legal-grpo-v4, поэтому описание составлено по ней. Модель Timooody/qwen2-5-1-5b-legal-grpo-v4 разработана Timooody и представляет собой дообученную версию Timooody/qwen2-5-1-5b-legal-finetuned на архитектуре Qwen2. Это плотная авторегрессионная языковая модель с 1,5 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста и диалоговых ответов в юридическом контексте. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL; метаданные относят модель к англоязычным. Модель можно применять для черновиков юридических текстов и ответов на вопросы по правовой тематике. Это генеративная модель, поэтому её ответы следует проверять: карточка не приводит оценок качества, перечня правовых систем или иных специальных ограничений. Лицензия — Apache-2.0.

FormlessAI/Qwen2.5-3B-Instruct-Math-Unsloth — дообученная модель генерации текста на базе unsloth/Qwen2.5-3B-Instruct. В карточке указано, что обучение выполнено с помощью TRL; метаданные описывают плотную архитектуру Qwen2 и поддержку чата. Модель содержит около 3,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста и ответов на запросы, в том числе математические задачи, на которые указывает название модели. В README приведён пример вызова через Transformers pipeline, но сам пример не содержит отдельной демонстрации математических возможностей или оценок качества. Формат весов — safetensors. Лицензия в предоставленных данных не указана.

legraphista/Qwen2.5-Math-1.5B-Instruct-IMat-GGUF — это GGUF-квантизированная версия языковой модели Qwen2.5-Math-1.5B-Instruct, разработанной Qwen. Квантизацию выполнил legraphista с использованием llama.cpp версии b3787 и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, прежде всего для решения математических задач и инструкционного взаимодействия. Модель имеет размер 1,5 млрд параметров, поддерживает текстовую модальность и язык English. Доступны варианты от BF16 и FP16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и более компактных форматов с 2–4 битами. Для ряда вариантов применена IMatrix-квантизация, призванная сохранить качество при уменьшении размера. Размер файлов составляет примерно от 676 МБ до 3,09 ГБ. Данные о длине контекста, внутренней архитектуре и результатах бенчмарков в README не указаны. Основные преимущества — небольшой размер, поддержка запуска через экосистему llama.cpp и широкий выбор уровней квантизации для баланса между качеством, скоростью и требованиями к памяти. Ограничения связаны с малым размером модели по сравнению с более крупными системами, возможной потерей качества в низкобитных вариантах и отсутствием заявленных характеристик производительности. Модель распространяется по лицензии Apache-2.0.

Модель nityaak — дообученная версия Qwen3-4B, подготовленная с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате и может применяться для задач классификации позиции в тексте и работы с матрицей позиций в сценариях SemEval, MT-CSD и EzStance. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Базовая модель — unsloth/Qwen3-4B-unsloth-bnb-4bit; лицензия — Apache-2.0. README не приводит оценок качества или подробностей обучающих данных, поэтому пригодность результатов для конкретных наборов данных стоит проверять отдельно.

FutureMa/Qwen3-8B-Drama-Thinking — диалоговая языковая модель для разработки драматических сценариев, созданная FutureMa полным дообучением Qwen/Qwen3-8B на 6 319 примерах продолжения сценариев. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. В карточке указаны английский и китайский языки; модель работает с текстом и предназначена для генерации диалогов и сценарных фрагментов. Модель специализируется на сценарной разработке с видимыми рассуждениями: анализирует мотивацию персонажей, планирует трёхактную структуру и эмоциональные дуги, предлагает визуальные и атмосферные решения и форматирует текст как сценарий. Она подходит для генерации идей, планов и черновиков драматических сцен, а также для обучения сценарному мастерству. Выводы могут быть многословными: рассуждения занимают значительную часть ответа, из-за чего модель не всегда успевает завершить сцену в заданном лимите токенов. Диалоги могут требовать редактирования, а обучение на эмоционально интенсивной драме ограничивает применимость к комедии, экшену и сдержанным реалистичным сюжетам. Лицензия — Apache-2.0.

hfl/rbt6 — предварительно обученная китайская модель BERT с маскированием целых слов (Whole Word Masking), разработанная HFL. Это плотная модель класса BertForMaskedLM с 72,8 млн параметров и контекстом до 512 токенов. Основное назначение — предсказание замаскированных токенов в китайском тексте, в том числе как основа для задач обработки китайского языка. Модель доступна в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

sof-1 — слитая диалоговая языковая модель семейства Llama 3 от jaspionjader, созданная с помощью mergekit методом Model Stock на основе Kosmos-EVAA-Franken-Immersive-v39-8B и объединяющая ещё три модели для ролевых сценариев. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов, в том числе ролевых историй с эмоционально тяжёлыми темами и сценариями спасения персонажей. Карточка не сообщает отдельные оценки качества или подробно описанные языки. Репозиторий распространяет веса в формате safetensors; лицензия в предоставленных данных не указана.

SpoomplesMaxx-Mockingbird-36B — дообученная языковая модель для ролевого общения, созданная автором репозитория aimeri на основе ByteDance-Seed/Seed-OSS-36B-Base-woSyn. Автор описывает подход как обучение модели ролевому стилю преимущественно на данных задач, рассуждений, общения с ассистентом и общих знаний, дополняя их собственно ролевыми примерами. Модель предназначена для ведения ролевых диалогов и генерации творческого текста в заданной роли. Это плотная авторегрессионная архитектура Seed OSS с 31,7 млрд параметров; заявленное контекстное окно составляет 524 288 токенов. Метаданные указывают поддержку английского языка, текстовый ввод и генерацию текста. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает концепцию обучения, но не приводит количественных оценок качества или подробностей о поведении модели в разных сценариях. Практическая применимость длинного контекста и качество ролевой генерации могут зависеть от используемой конфигурации и оборудования.

swallow-hermes-st-v1 — японская языковая модель для генерации историй и диалогов, созданная автором репозитория napopoa32. В основе лежит Swallow-MS-7b-v0.1: к его слоям добавлены chat vector модели Hermes-2-Pro-Mistral-7b и story vector модели Mistral-7B-Instruct-v0.2-Neural-Story. Доли добавления для каждого слоя подбирались эволюционной стратегией; автор отмечает, что эффективность этого подбора не подтверждена. Модель предназначена прежде всего для создания коротких историй, в том числе рассказов перед сном, с учётом запроса пользователя. Архитектура — плотная MistralForCausalLM на 7,2 млрд параметров, формат весов — safetensors, контекст — 4096 токенов. Лицензия — Apache-2.0. README описывает японский сценарий использования; сведения о поддержке других языков не приводятся.

Talosian-7B — языковая модель для управляемого написания историй по разделам. Её автор дообучил Mistral-7B v0.2 на наборе длинных фанфик-историй; модель использует архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации художественного текста по заданной теме и тегам с пошаговым управлением содержанием: специальные маркеры [SEC] и [/SEC] задают описание следующего раздела, а маркер [END] помогает завершить историю. Карточка демонстрирует сценарии с романтической и научно-фантастической тематикой. Для загрузки автор рекомендует установить rope_frequency_base/rope_theta в значение 1000000. Talosian рассчитана на англоязычные истории и использует формат запросов с маркерами разделов. Поскольку обучение проводилось на фанфиках, стиль и содержание могут зависеть от жанровых шаблонов этого корпуса; качество на других задачах не заявлено. Лицензия в предоставленных данных не указана.

Ba2han/TinyOpenHermes-1.1B-4k — дообученная языковая модель семейства Llama с плотной архитектурой и примерно 1 млрд параметров. Она предназначена для генерации текста и диалоговых ответов; карточка указывает формат запросов Alpaca и дообучение на одном проходе, занявшее около четырёх часов на RTX 3090. В README приведены результаты отдельных тестов на логические ошибки и общие факты, а также заявлено улучшение по сравнению с TinyLlama-1.1B-Chat-v1.0 в алгебре, формальной логике и распознавании логических ошибок. Модель принимает текст и генерирует текст; длина контекста составляет 4096 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование בלבד.

WindyTranslate/translate-ee-de — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода текста с языка эве (ee) на немецкий (de). Она основана на Helsinki-NLP/opus-mt-ee-de: к базовым весам применили LoRA-дообучение на параллельных корпусах и объединили адаптер с моделью. Архитектура — MarianMT, размер — 56,1 млн параметров; модель доступна в формате safetensors для Transformers и принимает контекст до 512 токенов. Модель подходит для перевода текстов с эве на немецкий. В проверке на 48 предложениях FLORES-200 dev получены chrF++ 23,16 и BLEU 4,04; авторы относят результат к ограниченному диапазону и подчёркивают, что это скрининговая оценка, а не результат публикационного исследования. Модель не заявлена для обратного перевода или других языковых направлений. Лицензия — Apache-2.0.

Windstorm Labs опубликовала компактную модель машинного перевода WindyTranslate/translate-en-rn на архитектуре MarianMT с 29 млн параметров. Она переводит текст с английского языка на рунди и рассчитана на сценарии, где нужен перевод в одном направлении. Модель основана на Helsinki-NLP/opus-mt-en-rn: LoRA-дообучение на параллельных данных было объединено с базовыми весами. Репозиторий содержит сборку Transformers в формате safetensors; контекст — до 512 токенов. В скрининговой оценке на 48 предложениях FLORES-200 модель получила chrF++ 33,37 и BLEU 7,12. Эта небольшая выборка не даёт оснований считать результат полноценной публикационной оценкой; качество стоит проверять на данных конкретной задачи. Лицензия — Apache-2.0.

WindyTranslate/translate-eo-he — модель машинного перевода Windstorm Labs с эсперанто на иврит. Это дообученная версия Helsinki-NLP/opus-mt-eo-he: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 29,1 млн параметров и принимает текст; контекст — до 512 токенов. Модель предназначена для перевода текстов с эсперанто на иврит. В проверке на 48 предложениях FLORES-200 dev получены chrF++ 16,02 и BLEU 1,09; авторы относят результат к ограниченному диапазону и отмечают, что это скрининговая оценка, а не результат публикационного исследования. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с испанского языка на папьяменто. Это модель архитектуры MarianMT с 53,8 млн параметров и контекстом до 512 токенов, основанная на Helsinki-NLP/opus-mt-es-pap. К весам применили LoRA дообучение на параллельном корпусе и объединили адаптер с базовой моделью; репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода текста с испанского на папьяменто. В оценке на 48 предложениях FLORES-200 она получила chrF++ 38,11 и BLEU 12,47; авторы относят результат к уровню Usable и отмечают, что это предварительная проверка, а не публикационный результат. Поддерживается только направление es → pap. Лицензия — Apache-2.0.

Windstorm Labs публикует модель машинного перевода с испанского языка на сранан-тонго. Это дообученная версия Helsinki-NLP/opus-mt-es-srn: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель построена на архитектуре Marian и содержит 55,9 млн параметров; максимальная длина контекста — 512 токенов. Доступна в формате safetensors для Transformers. Модель предназначена для перевода текстов с испанского на сранан-тонго. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность для конкретных задач следует проверять на собственных данных. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-mh — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-mh: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 53,2 млн параметров и принимает текст на финском языке, выдавая перевод на маршалльский. Доступная сборка сохранена в формате safetensors и рассчитана на запуск через Transformers; длина контекста — до 512 токенов. Модель предназначена для перевода с финского на маршалльский. В репозитории есть одна сборка, другие варианты этой языковой пары, включая CTranslate2 INT8, не включены. Качество перевода пока не оценивалось; изменение весов подтверждает происхождение дообученной модели, но само по себе не гарантирует улучшения качества. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с французского языка на бемба. Это модель архитектуры MarianMT с 56,4 млн параметров и контекстом до 512 токенов, основанная на Helsinki-NLP/opus-mt-fr-bem. Её веса изменены: LoRA дообучение на параллельном корпусе объединено с базовыми весами; репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода французских текстов на бемба. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 27,35 и BLEU 3,81; авторы относят результат к ограниченному диапазону и отмечают, что это предварительная оценка, а не результат публикационного исследования. Поддерживается только направление fr → bem. Лицензия — Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с французского языка на bzs. Это дообученная версия Helsinki-NLP/opus-mt-fr-bzs на архитектуре MarianMT: LoRA-адаптер обучен на параллельном корпусе и объединён с базовыми весами. Модель содержит 52,9 млн параметров, принимает текст и выдаёт перевод; максимальная длина контекста — 512 токенов. Модель предназначена для перевода текстов с французского на bzs. В репозитории размещена сборка для Transformers в формате safetensors. Лицензия — Apache-2.0. Качество перевода пока не проверено бенчмарками, поэтому его следует оценить на целевых данных перед применением.

WindyTranslate/translate-fr-ho — опубликованная Windstorm Labs модель машинного перевода с французского языка на хо. Это дообученная версия Helsinki-NLP/opus-mt-fr-ho: к базовым весам применили LoRA-дообучение на параллельном корпусе и слили адаптер с весами. Модель построена на архитектуре Marian и содержит 48,2 млн параметров; доступна в формате safetensors для Transformers. Лицензия — Apache-2.0. Модель предназначена для перевода текстов с французского на хо. Карточка не содержит результатов оценки качества; изменение весов подтверждает происхождение модели, но не доказывает улучшение перевода. Поддерживается только направление fr→ho.

Windstorm Labs выпустила модель машинного перевода с французского языка на луганда. Это дообученная версия Helsinki-NLP/opus-mt-fr-lg: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,6 млн параметров, принимает и генерирует текст; длина контекста — 512 токенов. Модель предназначена для перевода фраз и документов с французского на луганда. В небольшом скрининговом тесте FLORES-200 на 48 предложениях она получила chrF++ 21,32 и BLEU 1,20; это ограниченный результат, а не полноценная публикационная оценка. Поддерживается только направление fr→lg. Репозиторий распространяется по лицензии Apache-2.0.

QyrouNnet-AI представляет Vega 1 — экспериментальную базовую языковую модель семейства Qyrou-1 для исследований малых языковых моделей и последующего дообучения. Это плотная авторегрессионная модель с архитектурой qyrou_arch и примерно 66,8 млн параметров; в README описана гибридная схема с 21 слоем, включая группированное внимание и причинные свёртки. Контекст обучения — 2048 токенов. Модель принимает и генерирует текст; карточка указывает английский язык, а обучающий корпус состоял преимущественно из английских текстов, а также примеров по математике, школьным естественным наукам, базовому программированию и пошаговым рассуждениям. Модель предназначена для экспериментов с генерацией и продолжением текста, суммаризацией, дополнением кода и математическими задачами, а также для пользовательского дообучения. Она не проходила инструкционное дообучение, поэтому может непоследовательно выполнять запросы; небольшой размер и незавершённый первый этап предобучения ограничивают качество по сравнению с крупными моделями. Указанная лицензия — Apache-2.0.

IlyaGusev/vikhr_nemo_orpo_dostoevsky_12b — русскоязычная чат-модель на 12,1 млрд параметров, созданная дообучением Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 методом ORPO на контрастивном наборе русской литературы. Модель предназначена для генерации текста и диалога, в частности для ответов и стилизаций, связанных с русской литературой.

YunaGPT-124M V1 Story — компактная языковая модель, разработанная в рамках проекта Yuna и дообученная для генерации коротких художественных историй по заданному промпту. Это декодерный Transformer с архитектурой LLaMA и Grouped-Query Attention (GQA), класс LlamaForCausalLM; в репозитории указано 124,4 млн параметров. Модель принимает текстовые инструкции в шаблоне проекта и генерирует продолжение текста. Контекст ограничен 2048 токенами; основной язык карточки — английский. Модель предназначена для черновиков коротких рассказов и сцен, экспериментов с творческими промптами, учебного изучения специализации небольших языковых моделей и дальнейшей тонкой настройки для письма или ролевых сценариев. Обучение включало supervised fine-tuning на 5 580 примерах коротких историй и писательских промптов. Модель может формировать узнаваемую повествовательную структуру и образные фрагменты, но качество непостоянно. Это экспериментальная модель небольшого размера: возможны повторы, бессвязность, ошибки словоупотребления, уход от темы и внезапное завершение, особенно при длинных историях. Фактические знания и следование инструкциям ненадёжны; предполагаемые сведения о франшизах могут быть выдуманы. Стандартизированные оценки качества не приведены. Лицензия в предоставленных данных не указана; README отмечает, что к источникам обучающих данных применяются их собственные лицензии и условия.