I.5Создание и редактирование текста

WindyTranslate/translate-en-crs — модель машинного перевода Windstorm Labs для перевода с английского языка на креольский язык Сейшел (crs). Это дообученная версия Helsinki-NLP/opus-mt-en-crs: LoRA-дообучение на параллельных данных было объединено с базовыми весами. Модель использует архитектуру Marian, содержит 47,5 млн параметров и рассчитана на контекст до 512 токенов. Модель распространяется в формате safetensors и загружается через Transformers как encoder-decoder модель для генерации текста. Лицензия — Apache-2.0. Карточка подтверждает, что веса отличаются от оригинала, но качество перевода пока не оценивалось; проверка языка результата не является оценкой точности перевода.

WindyTranslate/translate-en-nyk — модель машинного перевода, опубликованная Windstorm Labs. Она переводит текст с английского языка на nyk; модель построена на архитектуре Marian и содержит 52,2 млн параметров. Максимальная длина контекста составляет 512 токенов. Модель получена дообучением Helsinki-NLP/opus-mt-en-nyk на параллельном корпусе: LoRA-адаптер слит с базовыми весами. В репозитории доступна сборка Transformers в формате safetensors. Модель подходит для автоматического перевода текстов с английского на nyk; лицензия — Apache-2.0. Качество перевода пока не оценено. Проверка GlotLID подтвердила, что результат написан на заявленном языке, но это не является оценкой точности или естественности перевода. Поддерживается только направление en→nyk.

WindyTranslate/translate-en-ss — модель машинного перевода Windstorm Labs для перевода с английского на свати (ss). Это дообученная версия Helsinki-NLP/opus-mt-en-ss: LoRA-дообучение на параллельном корпусе было объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 53,4 млн параметров и рассчитана на контекст до 512 токенов. Доступна в формате safetensors для Transformers. Модель предназначена для перевода англоязычных предложений и текстов на свати; поддерживается только это направление перевода. В проверке на 48 предложениях FLORES-200 dev результат chrF++ составил 21,98, отнесённый авторами к ограниченному диапазону, поэтому качество стоит оценивать на собственных данных. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-en-tut — модель машинного перевода от Windstorm Labs для перевода с английского на язык с кодом tut. Это дообученная версия Helsinki-NLP/opus-mt-en-tut: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,7 млн параметров и принимает текст с контекстом до 512 токенов. Модель предназначена для перевода англоязычных текстов на tut. Качество перевода пока не оценивалось бенчмарками; подтверждено изменение весов, но это само по себе не подтверждает улучшение качества. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-en-tvl — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского на тувалу. Это дообученная версия Helsinki-NLP/opus-mt-en-tvl: LoRA-адаптация на параллельных текстах объединена с базовыми весами. Модель построена на архитектуре MarianMT, содержит около 44,8 млн параметров и распространяется в формате safetensors для использования с Transformers. Заявленная длина контекста — 512 токенов. Модель подходит для перевода отдельных текстов и других сценариев, где нужен перевод с английского на тувалу. Карточка подтверждает, что результаты относятся к заявленному языку, но не содержит оценки качества перевода. Поддерживается только одно направление перевода. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с испанского языка на ниуэ. Это дообученная версия Helsinki-NLP/opus-mt-es-niu: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 48,4 млн параметров, принимает текст и выдаёт перевод; максимальная длина контекста — 512 токенов. Модель предназначена для перевода текста с испанского на ниуэ, например, коротких сообщений и документов. В репозитории доступны веса в формате safetensors для Transformers. Качество этой версии ещё не оценивалось бенчмарками, поэтому точность перевода не подтверждена. Лицензия — Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с испанского на тагальский. Это дообученная версия Helsinki-NLP/opus-mt-es-tl: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,7 млн параметров и рассчитана на контекст до 512 токенов. Репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода испанских фраз и текстов на тагальский. Качество перевода ещё не оценивалось бенчмарками; подтверждено изменение весов относительно исходной модели, но это само по себе не свидетельствует о качестве. Поддерживается только направление es→tl. Лицензия — Apache-2.0.

Windstorm Labs публикует модель машинного перевода с финского языка на игбо. Это дообученная версия Helsinki-NLP/opus-mt-fi-ig: LoRA-адаптация на параллельных данных объединена с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,5 млн параметров и распространяется в формате safetensors для библиотеки Transformers; максимальная длина контекста составляет 512 токенов. Модель предназначена для перевода текстов с финского на игбо. В проверке на 48 предложениях FLORES-200 она получила chrF++ 23,92 и BLEU 3,12; авторы относят результат к ограниченному уровню и подчёркивают, что это предварительная оценка, а не публикационный результат. Поддерживается только направление fi→ig. Лицензия — Apache-2.0; README указывает на происхождение базовой модели и атрибуцию Helsinki-NLP.

WindyTranslate/translate-fi-lg — модель машинного перевода, выпущенная Windstorm Labs для перевода с финского языка на луганда. Это дообученная версия Helsinki-NLP/opus-mt-fi-lg: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 57,1 млн параметров и работает с текстом; максимальная длина контекста — 512 токенов. Модель предназначена для перевода текстов с финского на луганда, например отдельных фраз и документов. В ограниченной проверке на 48 предложениях FLORES-200 она получила chrF++ 21,32 и BLEU 1,38; автор характеризует результат как ограниченный и не как результат публикационного исследования. Поддерживается только направление fi→lg. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

littlelearner/unfiltered-5b-base — базовая языковая модель семейства Qwen3, разработанная в рамках исследования LittleLearner. Это плотная авторегрессионная модель на 5,04 млрд параметров, обученная с нуля на 88 млрд токенов из неограниченного по школьным классам корпуса FineWeb-Edu. В исследовании её сравнивают с моделью, обученной только на материалах для начальной школы США, чтобы изучить влияние границ учебных данных на приобретаемые знания. Модель предназначена для генерации продолжений текста и исследовательских сравнений языковых моделей. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 4096 токенов. Карточка приводит оценку BPB 0,644 на текстах тематики K–5 и отмечает, что модель охватывает более широкий круг знаний, чем ограниченная версия. Это базовая модель предобучения, а не настроенный чат-ассистент. Лицензия указана как other; конкретные условия использования в карточке не описаны.

Vakya-Mini-100M — компактная модель для перевода с английского на хинди, разработанная автором репозитория Vakya и дообученная методом SFT на базе tiiuae/Falcon-H1-Tiny-Multilingual-100M-Instruct. Она использует плотную архитектуру Falcon-H1 и содержит 77,6 млн параметров по метаданным; карточка оценивает размер примерно в 100–108 млн параметров. Модель рассчитана на быстрый локальный перевод английских предложений на устройства с ограниченными ресурсами, включая ноутбуки с GPU начального уровня. Для дообучения использовано около 127 тысяч примеров из набора английско-хинди перевода; обучение длилось 2 000 шагов. В метаданных указан контекст 262 144 токена, однако карточка не уточняет его практическую применимость к переводу. Модель может галлюцинировать при интенсивном использовании. Лицензия обозначена как other, поэтому перед использованием следует проверить условия лицензии в репозитории.

Veiled Calla — дообученная модель soob3123 на базе Google Gemma 3 4B IT, предназначенная для диалогового ролевого отыгрыша и художественного письма. Она создаёт атмосферные истории с элементами тайны, поддерживает последовательность персонажей и передаёт эмоциональные подтексты. Модель использует плотную архитектуру Gemma 3 и распространяется в формате Safetensors; базовая Gemma 3 также поддерживает работу с изображениями, но карточка Veiled Calla описывает её текстовые сценарии. Модель подходит для ролевых диалогов, развития загадочных сюжетов и создания выразительных сцен. Автор отмечает, что ответы могут становиться чрезмерно загадочными; поведение зависит от режима и системного промпта: в ролевом режиме модель описана как uncensored, а в режиме ассистента может отказывать. Лицензия — Apache-2.0.

VietLlama2_Law_Pretrain_7B — плотная авторегрессионная языковая модель семейства Llama 2 объёмом 6,7 млрд параметров, созданная huyhuyvu01 на основе BKAI Vietnamese Llama2 7B, а та — на основе Meta Llama 2. Модель дополнительно предварительно обучена на корпусе правовых материалов и публичных онлайн-сервисов, собранных на VBPL. Для обучения использовались LoRA и смешанная точность BFloat16. Модель предназначена для генерации текста на вьетнамском языке по правовой и публично-сервисной тематике. Её можно использовать для продолжения профильных текстов и как основу для создания специализированного помощника после дополнительной контролируемой тонкой настройки (SFT). Контекст составляет 2048 токенов; карточка также указывает английский язык, но отдельные возможности для него не описаны. Для практического использования требуется SFT, а точность ответов и соответствие законодательству не гарантируются. Лицензия указана как Llama 2; при использовании необходимо соблюдать её условия и применимые местные законы.

Wayfarer-2-12B — дообученная LatitudeGames модель для текстовых приключений, интерактивной прозы и ролевых сценариев. Она основана на Mistral Nemo Base 2407, содержит 12,1 млрд параметров и использует архитектуру Mistral с генерацией текста. Модель дообучали методом SFT на данных текстовых приключений Wayfarer, эмоционально сбалансированных ролевых диалогах и небольшой подборке инструкций; карточка также указывает поддержку чата и контекст до 131 072 токенов. Модель рассчитана на повествование от второго лица в настоящем времени. Она замедляет темп событий, отвечает более длинными и подробными фрагментами и допускает неудачи, конфликты и гибель персонажей, поэтому подходит для историй с ощутимыми последствиями действий игрока. Основной язык карточки — английский. Модель может хуже работать с повествованием от других лиц и в других временах. Указанная лицензия — Apache-2.0.

Это модель машинного перевода с английского на китайский, обученная с помощью fairseq и опубликованная для задачи оценки качества переводов WMT20 на наборе MLQE. Модель использовалась для создания переводов, которые затем применялись в этой задаче. Архитектура — FSMT для условной генерации текста; в репозитории размещён PyTorch-чекпойнт объёмом 25,2 млн параметров. Максимальный контекст составляет 1024 токена. Модель предназначена для перевода англоязычного текста на китайский; в метаданных также отмечены языки en и zh и датасеты WMT News Commentary, WikiTitles и UN Corpus. Чекпойнт конвертирован из исходного fairseq-чекпойнта в формат Transformers. Для использования указана лицензия CC BY-SA 4.0. README отсылает за дополнительными сведениями о параметрах и обучающих данных к связанным репозиториям.

Aion-3.0 Mini — система для ролевого взаимодействия и создания историй от AionLabs, построенная на моделях семейства DeepSeek. Она использует совместную генерацию с участием нескольких специализированных моделей, чтобы создавать ролевые ответы и повествовательный текст.

Kuvera-8B-v0.1.0-GGUF — квантизированная версия языковой модели Kuvera-8B-v0.1.0, разработанной Akhil-Theerthala и подготовленной в формате GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена для генерации текста и ориентирована на финансовые и персональные финансовые запросы; при обучении использовался набор данных Personal-Finance-Queries. Указан английский язык и текстовая модальность. Модель имеет размер 8B параметров. Доступны варианты от BF16 до различных уровней квантизации Q2–Q8 и IQ, что позволяет выбирать между качеством, требованиями к памяти и скоростью локального запуска. Рекомендуются варианты Q4–Q6 для общего использования; запуск поддерживается через LM Studio, llama.cpp и совместимые проекты. Формат запросов использует шаблон ChatML с ролями system, user и assistant. Сильной стороной модели является специализация на финансовой тематике и широкий выбор квантизированных вариантов, включая компактные версии для систем с ограниченным объёмом оперативной памяти. Ограничения включают возможное снижение качества в вариантах с сильной квантизацией; размер контекста, точная архитектура и мультиязычные возможности в предоставленных данных не указаны. Модель распространяется по лицензии MIT.

Карточка модели soob3123/amoral-gemma3-27B-v2 на Hugging Face совпадает с карточкой soob3123/amoral-gemma3-12B-v2, поэтому описание составлено по ней. soob3123/amoral-gemma3-12B-v2 — диалоговая модель для генерации аналитически нейтральных ответов на чувствительные и спорные запросы. Она дообучена разработчиком soob3123 на базе Google Gemma 3 12B Instruct с использованием набора TheDrummer/AmoralQA-v2; в репозитории представлены веса Safetensors. Модель предназначена для ответов с нейтральным тоном, без выраженных моральных оценок и с акцентом на фактическую точность и эпистемическую сдержанность. Архитектура — плотная Gemma 3; базовая модель мультимодальна и поддерживает понимание изображений, однако карточка этой версии заявляет текстовую генерацию и не описывает её работу с изображениями. В метаданных указан английский язык. README сообщает, что версия V2 улучшает аналитические способности и немного реже отказывает в ответах; для общих запросов различия с V1 могут быть малозаметны. Лицензия в предоставленных данных не приведена.

kykim/bert-kor-base — базовая модель BERT для корейского языка. В README указано, что она обучена на корпусе корейских текстов объёмом 70 ГБ с использованием словаря из 42 000 токенов в нижнем регистре. В метаданных указаны архитектура BertForMaskedLM, размер 145,5 млн параметров и контекст до 512 токенов; доступны версии весов для PyTorch, TensorFlow и Flax. Модель предназначена для предсказания замаскированных токенов в корейском тексте и может служить основой для задач понимания корейского языка. README показывает загрузку через Transformers с токенизатором BertTokenizerFast и моделью BertModel. В карточке не указаны отдельные оценки качества и условия лицензии.

BetterGPT-150M — языковая модель на 150 млн параметров от Harikrish2727, построенная как декодерный Transformer и предварительно обученная с нуля на PyTorch. Архитектура включает многоголовое внимание, RoPE, RMSNorm, SwiGLU, связывание весов и SDPA; максимальная длина контекста — 2048 токенов. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0. Это базовая, не прошедшая инструкционную настройку модель для автодополнения и генерации текста, продолжения предобучения, supervised fine-tuning и исследовательских экспериментов. Обучение примерно на 15 млрд токенов использовало FineWeb-Edu, Cosmopedia, FineMath и StarCoder-Python; автор сообщает о результатах на тестах научного и бытового рассуждения, включая ARC и SciQ. Модель рассчитана преимущественно на английский язык. Она компактна и может служить основой для адаптации под конкретные задачи, однако напрямую не подходит в качестве разговорного ассистента: следование инструкциям не обучалось. Возможны фактические ошибки и непоследовательные ответы; рассуждения, многоязычность и программирование ограничены по сравнению с более крупными специализированными моделями.

BLIP-2 OPT-2.7b COCO — мультимодальная модель Salesforce для генерации текста по изображению с возможностью учитывать текстовый запрос. Архитектура объединяет визуальный энкодер типа CLIP, модуль Querying Transformer (Q-Former) и языковую модель OPT-2.7b; параметры визуального энкодера и OPT заморожены, а Q-Former обучен связывать представления изображения с языковой моделью. Модель опубликована в формате PyTorch и Safetensors под лицензией MIT. Модель подходит для создания подписей к изображениям, ответов на вопросы о содержимом изображения и диалоговых сценариев с изображением и историей переписки. В карточке указано, что она дообучена на COCO; метаданные указывают поддержку английского языка. Она может ошибаться, галлюцинировать и воспроизводить смещения или неподходящее содержимое из обучающих данных. Разработчики предупреждают, что модель не проверялась в реальных приложениях и требует оценки перед применением.

Cakrawala-Llama-3.1-8B — дообученная NarrativAI диалоговая языковая модель для ролевых бесед и взаимодействия персонажей. Она основана на meta-llama/Llama-3.1-8B-Instruct и использует плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров; контекст — до 131 072 токенов. Для обучения применялась QLoRA: 13 000 пар диалогов длиной не менее 12–13 ходов, два прохода по данным. Модель предназначена для генерации подробных реплик персонажей с описаниями действий, выражений лица, окружения и эмоций, поддерживая заданный голос и перспективу персонажа в продолжительных сценах. Карточка указывает английский язык, формат PyTorch и safetensors, а также лицензию MIT. Описание обучения и специализации дано автором модели; качество и устойчивость ролевого поведения на независимых оценках не приводятся.

Chaifighter-20B — плотная языковая модель семейства Llama, созданная автором карточки методом passthrough-слияния нескольких предварительно обученных моделей. Она предназначена прежде всего для длинных ролевых диалогов с подробными ответами; автор стремился сделать Fimbulvetr 11B v2 более творческой и многословной, сохранив связность и качество рассуждений. В слияние вошли Sao10K/Fimbulvetr-11B-v2, SanjiWatsuki/Kunoichi-7B, Gryphe/MythoMist-7b и Undi95/Toppy-M-7B. По метаданным модель содержит 20,6 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors. Она генерирует текст, поддерживает английский язык и имеет контекстное окно 4096 токенов. Автор отмечает, что модель лучше подходит для длинных ролевых чатов, чем для коротких реплик, и что качество ответов зависит от подробности исходного контекста. Лицензия — CC BY 4.0.

Cheetah — модель генерации текста, разработанная исследователями UBC-NLP и представленная в статье ACL 2024 о генерации естественного языка для 517 африканских языков и языковых вариантов. Это модель семейства T5 на 291,2 млн параметров, доступная в формате PyTorch. Модель предназначена для генеративных задач на африканских языках, в том числе для создания связного текста, поддержки приложений на языках с ограниченными NLP-ресурсами и исследовательской работы по сохранению языкового разнообразия. В статье описаны оценки на семи задачах генерации; авторы сообщают, что в пяти из них Cheetah превзошла другие сравниваемые модели. Доступный пример использования упоминает предсказание маскированных токенов. Качество может различаться между языками: авторы отмечают, что не смогли провести полноценную проверку с носителями большинства охваченных языков. Обучающие данные могут содержать предвзятость, а проведённые анализы не гарантируют её отсутствия. Условия лицензии в предоставленных данных не описаны.

Chronomaid-Storytelling-13b — слитая языковая модель на архитектуре Llama, опубликованная NyxKrage. Она объединяет Noromaid-13b-v0.1.1 и Chronos-13b-v2, после чего к объединённой модели применён LoRA-адаптер Storytelling-v1. Модель содержит 12,9 млрд параметров, использует формат safetensors и поддерживает контекст до 4096 токенов. Модель предназначена прежде всего для ролевых диалогов и написания историй: она подходит для общения с персонажем, повествования от лица персонажа и групповых чатов. Автор также сообщает, что модель справляется с эротическими ролевыми сценариями. В карточке приведён шаблон промпта Alpaca и настройки сэмплирования, проверенные автором. Модель распространяется по лицензии Llama 2. Результаты и пригодность для конкретных сценариев не гарантируются; заявленные возможности основаны на тестировании автора карточки.

Cream-Phi-3-14B-v1 — языковая модель BeaverLegacy на архитектуре Phi-3, дообученная для ролевого общения. Автор описывает её как продолжение дообучения Cream-Phi-3-14B-v1a; в карточке заявлены обучение на ролевых диалогах и поддержка откровенного контента. Модель содержит 13,8 млрд параметров, принимает текст и генерирует текст, длина контекста — 4096 токенов. Модель рассчитана прежде всего на ролевые сценарии с персонажами и может использоваться для диалогов в формате Instruct. Автор отмечает сильное форматирование ролевых ответов и достаточно длинные реплики; при этом откровенные ответы остаются умеренными, что автор связывает с предварительным обучением Phi Medium. Лицензия — MIT.

Языковая модель DeBERTa V2 Large для японского языка, разработанная командой KU-NLP и предварительно обученная на японской Википедии, японской части CC-100 и японской части OSCAR. Это трансформерная модель с архитектурой DebertaV2ForMaskedLM и 435,4 млн параметров; она принимает текст с пропущенными токенами и предсказывает вероятные заполнения. Контекстное окно — 512 токенов. Модель предназначена прежде всего для восстановления пропусков в японском тексте и может служить основой для дообучения на задачах понимания японского языка. До подачи текста его необходимо сегментировать на слова с помощью Juman++; далее применяется токенизация SentencePiece. Для перечисленных в карточке задач NLU приведены результаты дообученных вариантов, поэтому их не следует считать оценкой этой исходной модели без дополнительного дообучения. Весовые файлы доступны в форматах PyTorch и safetensors. Лицензия — CC BY-SA 4.0.

Это чат-модель для генерации текста на основе архитектуры Llama, разработанная umarsani16. Модель содержит 3,2 млрд параметров и дообучена от umarsani16/dicoding-llama-3.2-3b-legal-chatbot-sft; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для диалоговых ответов на юридические вопросы и других текстовых задач правовой тематики. Метаданные указывают контекстное окно до 131072 токенов и поддержку английского языка. Веса доступны в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Качество и точность юридических ответов в README не описаны; ответы модели следует проверять, особенно перед использованием в практических правовых решениях.

DropLychee-1.0-sol — дообученная модель разработчика MD-Mushfiqur123 на базе мультимодальной Qwen3.5-4B от Unsloth. Она предназначена для диалоговых сценариев с пониманием изображений и генерацией текстовых ответов. Модель использует плотную архитектуру Qwen3.5 и распространяется в формате safetensors; карточка указывает английский язык и возможность взаимодействия с инструментами. Модель обучена с использованием Unsloth и библиотеки Hugging Face TRL. Лицензия Apache-2.0 разрешает её использование на соответствующих условиях этой лицензии. README не сообщает специальных ограничений применения или результатов оценки качества.

willherbert27/electra-finetuned-combo-textbook — дообученная модель ELECTRA на базе google/electra-small-generator для задачи заполнения пропусков в тексте. Она подходит для восстановления замаскированных слов в англоязычных текстах; архитектура — ElectraForMaskedLM, размер — 20,4 млн параметров, контекст — до 512 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. В карточке приведено значение loss 2,0564 на оценочном наборе, но набор данных указан как None, а подробности обучения и сценарии применения не описаны. Поэтому качество на конкретных текстах и устойчивость результатов по карточке оценить нельзя.