I.5Создание и редактирование текста

NLLB-Susu v1 — модель перевода для сусу (soussou), языка Гвинеи, разработанная на основе NLLB-200-distilled-600M с дообучением и добавлением токена языка sus_Latn. Она поддерживает четыре направления перевода между сусу и французским или английским: fr↔sus и en↔sus. Модель построена на архитектуре M2M100, содержит 463,7 млн параметров и рассчитана на контекст до 1024 токенов. Модель предназначена для перевода текстов между сусу, французским и английским. В тестировании на dev-наборе указаны оценки chrF++ 48,9 для fr→sus, 44,4 для en→sus и 41,2 для sus→fr. Обучающий корпус основан на параллельных переводах Библии, поэтому модель может выбирать религиозную лексику в обычном контексте. Её ещё не проверяли носители сусу. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

yaruti/nsfwvision-v4_qwen3.5-9b-gguf — мультимодальная модель для задач преобразования изображений и текста в текст, разработанная на основе Qwen3.5-9B. Автор переработал и повторно объединил модель, сохранив новые vision-веса; исходной основой указана версия Qwen3.5-9B-Uncensored-Aggressive. Модель предназначена для анализа изображений и генерации текстовых ответов, в том числе в сценариях, связанных с распознаванием визуального содержимого для взрослых. Доступна в формате GGUF, а исходные веса также представлены в Safetensors. Архитектура включает causal language model с vision encoder, 9 млрд параметров, 32 слоя и гибридную структуру Gated DeltaNet со sparse Mixture-of-Experts согласно описанию базовой Qwen3.5. Нативная длина контекста составляет 262 144 токена, с заявленной возможностью расширения до 1 010 000 токенов. Базовая модель поддерживает 201 язык и диалект, однако отдельные языковые характеристики и качество именно этой модификации не уточняются. К сильным сторонам относятся мультимодальность, большой контекст и возможность локального запуска через совместимые инструменты, включая Transformers, vLLM, SGLang и KTransformers. Автор предупреждает, что качество может быть невысоким из-за ограниченного качества обучающего набора, поэтому результаты требуют проверки и модель не следует считать универсально надежной. В карточке указана лицензия Apache-2.0.

Nymph 8B — разговорная модель для ролевого взаимодействия, выпущенная ResplendentAI. Она основана на архитектуре Llama и содержит 7,5 млрд параметров; модель дообучена на многоходовых диалогах и ролевых текстах, а также оптимизирована методом ORPO с использованием предпочтений для ролевых ответов. В README также упомянута мобильная сборка GGUF Q4_0_X_X для ARM. Модель предназначена для ведения ролевых диалогов и написания продолжений сцен на английском языке. Контекст составляет 8192 токена. Указанная лицензия — Apache-2.0. В обучающих данных есть эротические ролевые тексты, поэтому модель может генерировать контент для взрослых.

Obscura-Qwen3.6-27B — модель на архитектуре Qwen3.5 с 27 млрд параметров, созданная путём объединения ORPO-адаптера для прозы с Vorarbeiter-Qwen3.6-27B. Разработчик обучил адаптер на 220 парах глав современной художественной литературы из закрытого корпуса; модель принимает текст и изображения и поддерживает диалоговые сценарии. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Модель подходит для генерации художественной прозы и диалогового использования с визуальным вводом. Проверки не выявили улучшения прозы по сравнению с базовой моделью: измеренная близость к человеческому тексту ухудшилась, но разница статистически неубедительна; при этом выросла нестабильность результатов между запусками. Тест использования инструментов также показал небольшое снижение относительно базовой модели. Карточка отмечает сохраняющийся разрыв в китайском языке по оси цензуры. Контекстная длина в предоставленных данных не указана.

BayesRL/Olmo3-B3PO-7B-ESS1e10 — англоязычная плотная авторегрессионная модель семейства Olmo 3, разработанная BayesRL и дообученная методом B3PO для обучения с проверяемыми наградами (RLVR). Она использует параметрическое исследование: на каждом шаге обучения из приближённого апостериорного распределения IVON выбирается возмущение весов, которое применяется при генерации. Это вариант абляции ESS с λ = 1e10; базовая модель для дообучения — BayesRL/Olmo3-IVON-SFT-7B, исходная основа — allenai/Olmo-3-1025-7B. Модель содержит 6,9 млрд параметров, принимает текст и поддерживает контекст до 65 536 токенов. Она предназначена для генерации ответов и экспериментов с RLVR, в частности для математических задач; в README указана оценка на AIME 2024–2026, MATH-500, AMC 2023 и Minerva. Модель распространяется в формате safetensors и загружается как стандартная causal language model через Transformers. Лицензия — Apache-2.0.

xformAI выпустила вариант модели facebook/opt-125m с группированным совместным использованием ключей и значений внимания (GQA), предназначенный для генерации текста. Веса представлены в формате PyTorch, архитектура относится к семейству OPT и содержит около 151,9 млн параметров; контекст — до 2048 токенов. В исходной реализации OPT-125M используется 12 голов внимания для K/V. В этом варианте применено 6 групп голов K/V на слой: головы внутри группы используют одинаковые значения K или V, полученные усреднением. Это изменение направлено на работу с KV-кэшем. Модель рассчитана на англоязычные текстовые сценарии; лицензия — MIT.

Helsinki-NLP/opus-mt-af-eo — модель машинного перевода из серии OPUS-MT, разработанной Helsinki-NLP. Она переводит текст с африкаанс на эсперанто и предназначена для перевода отдельных фраз и текстов между этими языками. Модель построена на архитектуре Transformer-align и реализована как MarianMTModel; содержит около 29 млн параметров, использует нормализацию и токенизацию SentencePiece с словарями spm4k. Контекст ограничен 512 токенами. В тесте Tatoeba-test.afr.epo указаны BLEU 18,3 и chr-F 0,411. Эти результаты относятся к конкретному тестовому набору и не гарантируют качество на других текстах. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-cpp-en — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Она переводит креольские языки и пиджины на португальской основе на английский; исходная группа включает индонезийский, минангкабау, папьяменто и варианты малайского. Для токенизации используются нормализация текста и SentencePiece с моделями словаря на 32 тыс. токенов. Модель содержит 54,8 млн параметров, её родной контекст — 512 токенов. Карточка приводит контрольные результаты на наборах Tatoeba: BLEU 39,6–49,1 и chr-F около 0,58 для перечисленных тестов. Модель подходит для перевода текстов с поддерживаемых исходных языков на английский; качество может различаться между языками и типами текста. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-de-ny — модель машинного перевода из немецкого языка на чичева (ny), созданная на основе проекта OPUS-MT. Это MarianMTModel с архитектурой Transformer-align, обученная на данных OPUS; перед переводом текст нормализуется и токенизируется с помощью SentencePiece. Размер модели — 56,3 млн параметров, родная длина контекста — 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с немецкого на чичева. В карточке приведена оценка BLEU 21,4 и chr-F 0,481 на наборе JW300.de.ny. Доступны веса PyTorch и TensorFlow. Лицензия Apache-2.0.

Helsinki-NLP/opus-mt-en-guw — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на гу́н (guw) и подходит для перевода отдельных фраз и текстов в приложениях и исследовательских сценариях. Модель основана на архитектуре MarianMT с Transformer, использует нормализацию текста и токенизацию SentencePiece; размер — 51,9 млн параметров, родной контекст — 512 токенов. В метаданных указаны реализации PyTorch и TensorFlow. Для тестового набора JW300.en.guw в карточке приведены BLEU 45,7 и chr-F 0,634. Эти показатели относятся к указанному набору и не гарантируют аналогичное качество на других текстах. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-fr-ilo — модель машинного перевода семейства MarianMT, разработанная проектом OPUS. Она переводит текст с французского языка на илоканский. Модель основана на архитектуре Transformer-align, обучена на данных OPUS и использует нормализацию и SentencePiece для предобработки текста. Размер модели — 55,9 млн параметров, длина контекста — 512 токенов; доступны форматы PyTorch и TensorFlow. Модель предназначена для перевода предложений и текстовых фрагментов с французского на илоканский. В карточке приведена оценка BLEU 30,6 и chr-F 0,528 на тестовом наборе JW300.fr.ilo. Модель распространяется по лицензии Apache-2.0. Оценка на одном тестовом наборе не гарантирует аналогичного качества для других тематик и типов текста.

Pantheon-Reasoning-26B-A4B-1.1-V2 — экспериментальная разговорная модель Gryphe, дообученная на базе Gryphe/Gemma-4-26B-A4B-StyleTune-V2. Она предназначена для ролевых диалогов, творческого письма и интерактивных текстовых приключений: модель планирует характер, тон и ход повествования перед ответом. В обучающих данных использованы ролевые транскрипты, текстовые приключения и корпус Pantheon с добавленными рассуждениями; в версии 1.1 эти рассуждения сокращены и прошли дополнительную проверку качества. Модель использует архитектуру Gemma 4, обучена для диалогов по штатному шаблону чата Gemma 4 и распространяется в формате safetensors. Автор отмечает, что влияние рассуждений на качество ролевой игры ещё требует проверки, а выпуск прошёл лишь базовые проверки и не подвергался обширному тестированию. Рассуждения увеличивают задержку генерации; автор также не рекомендует префиксы с именами персонажей. Карточка не сообщает размер контекста. Лицензия — Apache-2.0.

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

Polyglot-Ko-Medical-5.8b — корейская медицинская языковая модель, созданная дообучением EleutherAI/polyglot-ko-5.8b командой squarelike. Модель основана на архитектуре GPT-NeoX и предназначена для генерации текста по медицинским темам на корейском языке. Для обучения использован примерно 420 МБ корейских медицинских и специализированных текстов, включая материалы AIHub и Национального портала медицинской информации Корейского агентства по контролю и профилактике заболеваний. Дообучение выполнено методом QLoRA; в README указаны ранг 8, alpha 32 и три эпохи обучения. Модель содержит 7,6 млрд параметров, принимает текст, генерирует текст и имеет контекстное окно 2048 токенов. Модель можно применять для генерации корейских медицинских текстов и создания прототипов медицинских языковых приложений. Специализация и обучающие данные не гарантируют клиническую точность, поэтому ответы не следует считать медицинской рекомендацией. Лицензия — Apache-2.0.

lomahony/pythia-70m-helpful-sft — языковая модель, дообученная Лорой О’Махони и соавторами на базе Pythia-70m с помощью библиотеки TRLx. Для обучения использована полезная часть датасета Anthropic HH-RLHF; дообучение в один проход. Модель построена на архитектуре GPT-NeoX и содержит 50,9 млн параметров. Модель предназначена для генерации текста и ответов в стиле полезного диалога на английском языке. Её можно использовать для экспериментов с поведением небольших языковых моделей и изучения влияния supervised fine-tuning; карточка также содержит результаты тестирования на наборах ARC. Контекст составляет 2048 токенов. Модель распространяется по лицензии Apache-2.0. Это небольшой исследовательский чекпойнт, поэтому его возможности ограничены по сравнению с современными крупными моделями; результаты на приведённых в карточке тестах не гарантируют качества в других сценариях.

Quasar-Preview — ранний контрольный пункт серии Quasar Foundation Model от SILX AI, предназначенный для исследований и дальнейшего развития экосистемы Quasar. Это причинная языковая модель для генерации текста и диалогов; карточка описывает разреженную MoE-архитектуру с гибридными рекуррентными и attention-слоями на базе Loop Transformer, Quasar, Raven и GLA. В README указано около 18 млрд параметров всего и около 2 млрд активных на проход, тогда как метаданные Hugging Face указывают 1,2 млрд параметров. Модель рассчитана на эксперименты с длинным контекстом, разреженными MoE-системами, гибридным вниманием, памятью и извлечением информации, агентными системами, а также на дистилляцию и децентрализованное обучение в Bittensor SN24. Конфигурация предусматривает контекст до 5 млн токенов, но README подчёркивает экспериментальный характер этого режима и недостаточную проверенность качества рассуждений на такой длине. По тегам карточки заявлены английский и арабский языки. Модель опубликована в формате safetensors, использует библиотеку Transformers и распространяется по лицензии MIT. Это предварительная исследовательская версия, а не готовый производственный ассистент. Возможны галлюцинации, небезопасные, предвзятые или низкокачественные ответы; для применения нужны оценка, фильтрация и дополнительные меры безопасности. Полная дорожная карта обучения не завершена, а результаты бенчмарков требуют независимой проверки.

Карточка модели Timooody/qwen2-5-1-5b-legal-gpro1 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.

Карточка модели Timooody/qwen2-5-1-5b-legal-grpo 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.

Карточка модели Timooody/qwen2-5-1-5b-legal-grpo-v2 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.

Карточка модели Timooody/qwen2-5-1-5b-legal-grpo-v3 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.

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.

Qwen2.5-32B-RP-Ink — англоязычная модель для ролевого диалога и художественного письма, созданная Allura на основе Qwen/Qwen2.5-32B-Instruct с помощью LoRA дообучения. Модель предназначена для отыгрыша персонажей, ведения сложных сцен и создания связной прозы с описаниями и атмосферой. В карточке отмечены положительные отзывы о качестве повествования и точности передачи персонажей, однако они основаны на пользовательских впечатлениях, а не на формальной оценке. Это плотная авторегрессионная модель семейства Qwen2 с 32 млрд параметров и контекстом 32 768 токенов. Она принимает и генерирует текст, поддерживает диалоговый формат ChatML; репозиторий содержит веса safetensors. Обучение использовало один эпох и параметры LoRA с рангом 16; также упомянуты отдельные квантованные сборки GGUF. Датасет автор описывает как некачественную смесь, поэтому поведение и качество ответов могут быть непредсказуемыми. Модель ориентирована на ролевые сценарии, включая взрослые сексуальные темы. Лицензия — Apache-2.0.

Dev9124/qwen3-finance-model — дообученная языковая модель на архитектуре Qwen3 для генерации текста в финансовой тематике. Она предназначена для диалогов и ответов на финансовые инструкции; среди возможных сценариев — помощь с финансовыми вопросами и подготовка тематических текстов. Модель содержит 3,7 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов. В карточке указан английский язык и обучающий набор Finance-Instruct-500k. Модель основана на Qwen/Qwen3-4B и связанной с ней 4-битной сборке Unsloth; разработчик сообщает о дообучении с использованием Unsloth и Hugging Face TRL. Выпущена под лицензией Apache-2.0. Карточка не приводит оценок качества или специальных ограничений применения, поэтому финансовые ответы следует проверять.

Sorbet-v2-25M — компактная авторегрессионная языковая модель для генерации текста, разработанная CodeSoft. Она построена в стиле Qwen2 и продолжает обучение контрольной точки Sorbet-25M на смесях FineWeb-HQ, DCLM-baseline и математического набора FineMath-4+. Модель предназначена для экспериментов, обучения и запуска лёгких систем генерации текста, где важны небольшие требования к ресурсам. Модель содержит около 25,2 млн параметров, 14 слоёв со скрытым размером 384, архитектуру внимания GQA с 6 головами и 2 KV-головами, SwiGLU-FFN размером 1024 и RoPE с θ=100k. Контекст составляет 4096 токенов, используется связанный эмбеддинг и пользовательский byte-level BPE-словарь на 8192 токена. Модель работает в формате bf16, поддерживается библиотеками transformers и llama.cpp, относится к модальности текст-в-текст и обучена преимущественно для английского языка. Небольшой размер обеспечивает удобство локального запуска и экспериментов, а включение математических данных улучшает относительные результаты на задачах арифметики. При этом модель имеет ограниченные знания о мире и слабее справляется с задачами, требующими широких фактических знаний; её показатели на общих тестах невысоки. Модель распространяется по лицензии Apache-2.0.

SRIQ-AI разработала SRIQ DiffusionGemma 26B A4B v1.6 — дообученную и объединённую с базовыми весами модель семейства DiffusionGemma для диалогов и генерации текста. Это плотная модель с архитектурой DiffusionGemmaForBlockDiffusion: она кодирует запрос в KV-кэш, затем итеративно уточняет текст на холсте из 256 токенов примерно за 48 проходов. Модель обучена с использованием набора sriq-ai/sriq-sft-v1.6 и базовой модели kaivoss/diffusiongemma-26B-A4B-it-ALWAYS-THINK. Модель предназначена для ответов на вопросы и задач рассуждения, особенно с генерацией рассуждений на упрощённом китайском языке; отвечает на языке запроса. В описанном тесте китайские символы появились в 18 из 20 ответов, однако качество рассуждений и точность отдельно не оценивались. По тестированию на 20 примерах, повторяющаяся фраза возникла в 2 ответах. Для запуска в bf16 требуется около 52 ГБ видеопамяти; README рекомендует vLLM версии 0.24.0 или выше. По данным автора, SGLang пока не поддерживает эту архитектуру. Модель распространяется по лицензии Apache-2.0.

TiLamb-7B — базовая большая языковая модель для тибетского языка, разработанная на основе Meta LLaMA2-7B. Модель содержит 6,7 млрд параметров и прошла дополнительное предобучение методом LoRA на 26,43 ГБ тибетских текстов. Словарь расширен с 32 000 до 61 221 токена с расширением инициализации embedding и lm_head. Контекст составляет 4096 токенов. Модель предназначена для генерации текста на тибетском языке и дальнейшей адаптации к тибетским NLP-задачам: классификации новостей и отношений сущностей, машинному чтению, сегментации слов, суммаризации, ответам и генерации вопросов. Это базовая модель без инструкционного дообучения, поэтому готового диалога она не поддерживает. Репозиторий содержит веса PyTorch. Указана лицензия Apache-2.0; README также требует соблюдать лицензионные условия базовой LLaMA2-7B.

WindyTranslate/translate-afa-en — модель машинного перевода от Windstorm Labs для перевода с афразийских языков на английский. Она основана на Helsinki-NLP/opus-mt-afa-en и использует архитектуру MarianMT; размер составляет 56,5 млн параметров, нативный контекст — 512 токенов. Разработчик сообщает, что модель дообучена методом LoRA на параллельных текстах, а адаптер объединён с базовыми весами. Модель принимает текст и выдаёт перевод на английском. Поддерживается только направление с афразийских языков на английский. Качество этой версии не оценивалось бенчмарками, поэтому пригодность для конкретных текстов следует проверять отдельно. Лицензия — Apache-2.0.

WindyTranslate/translate-bcl-fr — модель машинного перевода, опубликованная Windstorm Labs. Она создана на основе Helsinki-NLP/opus-mt-bcl-fr: к исходным весам применили LoRA дообучение на параллельном корпусе и объединили адаптер с базовой моделью. Модель построена на архитектуре Marian и содержит 56,1 млн параметров. Модель переводит текст с языка биколь (bcl) на французский (fr). Она предназначена для прямого использования через Transformers как модель последовательность-в-последовательность. Контекст составляет до 512 токенов; репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Качество перевода пока не оценивалось бенчмарком. Модель поддерживает только направление bcl → fr; подтверждённое изменение весов показывает происхождение дообученной версии, но само по себе не свидетельствует о качестве перевода.

Windstorm Labs опубликовала модель машинного перевода с немецкого языка на фиджийский. Это дообученная версия Helsinki-NLP/opus-mt-de-fj на базе MarianMT: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель содержит 55,8 млн параметров, работает с текстом и имеет контекст до 512 токенов. Модель предназначена для перевода немецких текстов на фиджийский в приложениях на Transformers. В проверке на 48 предложениях FLORES-200 она получила chrF++ 29,43 и BLEU 6,18; авторы характеризуют этот результат как предварительную ограниченную оценку, а не публикационный результат. Поддерживается только направление de→fj, поэтому качество на других языках и направлениях не заявлено. Лицензия — Apache-2.0.

WindyTranslate/translate-en-chk — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-chk на основе архитектуры MarianMT; LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель содержит 54 млн параметров, работает с текстом и рассчитана на перевод с английского на чукский (chk). Максимальная длина контекста — 512 токенов. Модель предназначена для перевода текстов с английского на чукский. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0. Качество перевода ещё не оценено: проверка подтвердила язык результата, но не точность перевода.