I.5Создание и редактирование текста

Helsinki-NLP/opus-mt-bem-fi — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с бемба (bem) на финский (fi) и предназначена для перевода отдельных фраз и документов между этими языками. Модель основана на архитектуре Transformer-align и использует нормализацию текста и токенизацию SentencePiece. Модель содержит 56,8 млн параметров, её нативный контекст составляет 512 токенов; доступны веса PyTorch и TensorFlow. В тесте JW300.bem.fi указаны BLEU 22,8 и chr-F 0,439. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-cus — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского на кушитские языки; в карточке указана сомали как целевой язык, а целевая группа обозначена как кушитские языки. Модель построена на архитектуре Transformer и реализована как MarianMTModel. Веса содержат 37,1 млн параметров, родной размер контекста — 512 токенов. Для предварительной обработки применяются нормализация текста и SentencePiece с моделями токенизации spm12k. В тестах Tatoeba для пары английский—сомали указаны BLEU 16,0 и chr-F 0,173. Модель подходит для базового перевода с английского на сомали, но приведённые оценки указывают на ограничения качества; результаты для других кушитских языков отдельно не представлены. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-fr-ln — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с французского языка на лингала. Модель построена на архитектуре Transformer-align и использует нормализацию текста и токенизацию SentencePiece; число параметров — 55,3 млн, длина контекста — до 512 токенов. Модель обучена на данных OPUS. Для набора JW300.fr.ln в карточке приведены оценки BLEU 30,5 и chr-F 0,527. Она подходит для перевода отдельных фраз и текстов с французского на лингала; обратный перевод и другие направления не заявлены. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-tc-big-cel-en — модель машинного перевода проекта OPUS-MT, разработанная с использованием Marian NMT и опубликованная в формате PyTorch для Transformers. Она переводит с бретонского, валлийского и ирландского языков на английский. Модель основана на архитектуре Transformer-big, содержит 154,3 млн параметров и использует токенизацию SentencePiece с словарями по 32 тысячи токенов. Контекст ограничен 1024 токенами. Модель предназначена для перевода текстов с кельтских языков, в том числе в доступных через Transformers конвейерах перевода. В README приведены результаты тестирования на наборе Tatoeba для каждой из трёх языковых пар. Модель распространяется по лицензии CC BY 4.0.

Penchant-7B — языковая модель для сочинения стихов, разработанная afoland и дообученная на dolphin-2.1-mistral-7b с использованием набора penchant. Это плотная причинная модель семейства Mistral на 7,1 млрд параметров с контекстом до 32 768 токенов; она принимает инструкции в формате ChatML и предназначена для генерации текста, а не многоходового диалога. Набор обучения содержит более 3 000 преимущественно коротких стихотворений викторианских авторов из общественного достояния, поэтому модель особенно ориентирована на английскую поэзию. Модель подходит для создания стихотворений по заданной теме или названию, подражания литературным приёмам и экспериментирования с ритмом, рифмой и образностью. Для более оригинальных результатов карточка рекомендует давать развёрнутые инструкции: на короткие запросы модель нередко отвечает цитатами известных стихотворений. Она чувствительна к точному формату ChatML и иногда не соблюдает ожидаемые теги ответа. Для загрузки автор рекомендует Transformers с bitsandbytes в 8-битном режиме. Модель выпущена под лицензией Apache-2.0; автор отмечает, что базовая Dolphin не имеет фильтров выравнивания и предостерегает от предоставления модели как общедоступного сервиса.

ProgressGym-HistLlama3-70B-C021-pretrain — языковая модель, разработанная PKU-Alignment в рамках исследовательского проекта ProgressGym. Это версия без дообучения на инструкциях, предназначенная для изучения того, как языковые модели могут воспроизводить моральные представления, характерные для исторических периодов, в исследованиях выравнивания ИИ и общественных ценностей. Модель построена на Meta-Llama-3-70B и продолжительно предварительно обучена на текстах XXI века из корпуса ProgressGym-HistText. Она содержит 69,5 млрд параметров, принимает и генерирует текст, имеет контекст 8192 токена; карточка указывает лицензию CC-BY-4.0. Данные продолжительного предобучения ограничены объёмом 3 ГБ, а при превышении лимита корпус случайно выборочно сокращается. Модель находится в процессе итеративного улучшения, поэтому её отражение исторических моральных тенденций ограничено текущей версией и использованным корпусом.

Pythia-1b-Unfiltered_NSFW-GGUF es una versión cuantizada en formato GGUF y ajustada por Novaciano a partir de EleutherAI/pythia-1b. Es un modelo causal de generación de texto con 1.000 millones de parámetros, orientado a roleplay, juegos narrativos y escritura creativa, incluso en equipos modestos; la tarjeta recomienda al menos 3 ГБ оперативной памяти для запуска. La tarjeta также описывает генерацию черновиков и перевод, но не приводит подтверждений качества для академических или переводческих задач. Модель предназначена для свободного ролевого общения и может выдавать контент для взрослых. В метаданных указаны английский и испанский языки, библиотека adapter-transformers и лицензия Apache-2.0. В карточке не заявлена длина контекста; размер контекста задаётся пользователем при запуске.

HuggingJin выпустил контрольную точку третьего цикла OEL + ReSAIL на базе Qwen/Qwen3-4B, дообученную для TextCraft. Модель с плотной архитектурой Qwen3 содержит 3,7 млрд параметров и принимает текст, выдавая текст; доступны чат-интерфейс и интерфейс вызова инструментов. Максимальная длина контекста — 40 960 токенов. Модель предназначена для выполнения задач TextCraft в формате языкового агента. В README приведён средний результат 64,0% на официальном тесте TextCraft по трём случайным seed декодирования; это не оценка вариативности между независимыми запусками обучения. В этих экспериментах режим рассуждений был отключён. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0.

Рустам V4 — независимая персоязычная языковая модель, разработанная проектом prog-love на архитектуре GPT-2. Модель прошла последовательное дообучение на классической персидской литературе и инструкционных примерах; текущая версия расширена до 36 слоёв методом Progressive Layer Stacking и содержит около 117,5 млн параметров. Для токенизации используется собственный Byte-Level BPE, контекст ограничен 256 токенами. Модель предназначена для генерации текста на персидском языке и выполнения инструкций: она может отвечать на запросы, поддерживать простые диалоги и создавать тексты, опираясь на классическую персидскую поэзию и прозу. В обучении использованы датасеты Persian Alpaca, Shahnameh и Ganjoor. Карточка заявляет способность к многошаговым рассуждениям, однако короткое контекстное окно и размер модели ограничивают сложные задачи и работу с длинными материалами. Распространяется по лицензии MIT.

SC_aime_qwen3_1_7b_ep1 — объединённый чекпойнт Qwen3-1.7B с весами LoRA-адаптера, дообученного методом GRPO на задачах AIME с подходом self-certainty. Это плотная авторегрессионная языковая модель на 1,7 млрд параметров для генерации текста и диалогов; в карточке указаны шаг global_step_8 и первая эпоха обучения, поэтому чекпойнт отражает ранний этап эксперимента. Модель принимает текст и выдаёт текст. Она рассчитана на математические задачи и рассуждения в формате AIME, а также может использоваться для обычной генерации текста и диалога. Базовая модель поддерживает контекст до 40 960 токенов; доступны интерфейсы чата и вызова инструментов. Весы опубликованы в формате safetensors по лицензии Apache-2.0. Поскольку это чекпойнт раннего этапа обучения, его качество на AIME и других задачах может быть ограниченным; README не приводит оценок или результатов тестирования.

Squelching-Fantasies-8B — англоязычная разговорная модель для генерации текста и ролевых диалогов, созданная автором Mawdistical на основе дообучения Sao10K/L3-8B-Stheno-v3.2. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста — 8192 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Модель предназначена для ролевых сценариев и создания историй с широким диапазоном тем, включая откровенный и мрачный контент. Автор рекомендует температуру 1,0–1,1 и Min P 0,02–0,05; настройки DRY приведены как необязательные. Лицензия — CC BY-ND 4.0.

Карточка модели Mawdistical/Squelching-Fantasies-glm-32B на Hugging Face совпадает с карточкой Mawdistical/Squelching-Fantasies-8B, поэтому описание составлено по ней. Squelching-Fantasies-8B — англоязычная разговорная модель для генерации текста и ролевых диалогов, созданная автором Mawdistical на основе дообучения Sao10K/L3-8B-Stheno-v3.2. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста — 8192 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Модель предназначена для ролевых сценариев и создания историй с широким диапазоном тем, включая откровенный и мрачный контент. Автор рекомендует температуру 1,0–1,1 и Min P 0,02–0,05; настройки DRY приведены как необязательные. Лицензия — CC BY-ND 4.0.

RJ3vans/SSMNspanTagger — модель на базе BERT для разметки токенов в предложении. Она выявляет именные группы, осложнённые нефинитными именными придаточными в функции аппозитива, и отмечает, какие токены входят в такую конструкцию. Модель предназначена для этапа анализа предложений, например, в системах упрощения текста. Для обнаружения конструкции в примере необходимо заранее отметить её левую границу квадратными скобками. Модель разработана на основе кода программы доктора Ле Ан Ха из Университета Вулвергемптона и дообучена на наборе данных из докторской диссертации Р. Эванса о упрощении предложений. Это модель классификации токенов на архитектуре BERT с 432,3 млн параметров и контекстом до 512 токенов. Репозиторий содержит веса PyTorch.

research-backup/t5-small-tweetqa-qag-np — модель T5-small, дообученная авторами карточки с помощью lmqg для генерации пар «вопрос—ответ» по тексту. Она обучена на англоязычном наборе lmqg/qag_tweetqa без префикса задачи. Модель содержит 38,5 млн параметров, принимает текст и выдаёт текст; указанная длина контекста — 512 токенов. Модель подходит для автоматического составления вопросов и ответов по текстам из Twitter и похожим коротким материалам на английском языке. В README приведены оценки на lmqg/qag_tweetqa, включая BERTScore 89,48 и BLEU-1 35,61. Опубликованные веса представлены в формате PyTorch. Лицензия — CC BY 4.0.

xlr8harder выпустил Transformers-совместимую BF16-конверсию базовой языковой модели Talkie Web 13B. Модель с плотной архитектурой Talkie содержит 17,1 млрд параметров и предназначена для генерации продолжений текста и контролируемых сравнений языковых моделей, обученных на винтажных и современных данных. Исходная модель обучалась на 260 млрд токенов FineWeb. Конверсия хранится в формате sharded safetensors и рассчитана на контекст до 4096 токенов. Для загрузки используются пользовательские модули с trust_remote_code=True и токенизатор Talkie, совместимый с tiktoken. Модель принимает текст и генерирует текст; в карточке указан английский язык. Лицензия — Apache-2.0. Это базовая модель для продолжения текста, а не специализированный чат-ассистент. Для загрузки требуется поддержка пользовательского кода Transformers; переход к BF16 даёт небольшие отличия от исходных FP32-весов: в проверке максимальная абсолютная разница логитов составила 0,03125.

Cran-May/T.E-8.1 — дообученная диалоговая модель для ролевого общения, созданная на базе Qwen/Qwen2.5-7B-Instruct. Она использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров; принимает текстовые запросы и генерирует текст. По метаданным, модель поддерживает китайский и английский языки, а её контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для ролевых диалогов и генерации ответов в чате. Она распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространяет производные работы на тех же условиях и запрещает коммерческое использование. Карточка не сообщает подробностей о качестве ролевых ответов и специальных ограничениях модели.

TenaOS — адаптер LoRA и связанные объединённые артефакты для Gemma 4 E4B Instruct, разработанные для локальной клинической информационной системы TenaOS. Модель генерирует текст в клинических рабочих процессах первичной медицинской помощи; задачи маршрутизируются явными тегами, включая построение форм и рабочих процессов, планирование отчётов, клиническую документацию по тексту и голосу, а также другие клинические сценарии из обучающих данных. Пакет предназначен для работы с локальным рантаймом llama.cpp и OpenMRS. Адаптер обучен методом BF16 LoRA на синтетических многошаговых трассах клинических рабочих процессов; опубликованные артефакты включают LoRA в safetensors и объединённые веса GGUF. Базовая Gemma 4 E4B Instruct мультимодальна, однако область адаптера — текстовый декодер, а README не подтверждает качество адаптера для аудио или изображений. Основной язык карточки — английский. Модель предлагает черновики, которые должны быть обоснованы локальными базами знаний, проверены детерминированным промежуточным ПО и рассмотрены клиницистом до внесения в OpenMRS. Лицензия — Gemma.

blueapple8259/TinyStoriesWriter-korean — языковая модель автора blueapple8259 для генерации коротких историй на корейском языке. Она предварительно обучена на наборе TinyStories-Korean, а затем дополнительно обучена на данных, где к 1% историй добавлены описания. Модель использует плотную архитектуру LlamaForCausalLM и содержит 40,8 млн параметров. Она принимает текстовые подсказки и генерирует текст; длина контекста составляет 512 токенов. Репозиторий содержит веса в формате safetensors, лицензия — MIT.

WindyTranslate/translate-de-efi — модель машинного перевода от Windstorm Labs, предназначенная для перевода с немецкого на эфик. Это дообученная версия Helsinki-NLP/opus-mt-de-efi: LoRA-адаптация на параллельных текстах объединена с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,7 млн параметров и рассчитана на контекст до 512 токенов; доступна в формате safetensors для Transformers. Модель подходит для перевода немецких текстов на эфик. В карточке не приведены результаты оценки качества, поэтому пригодность для конкретных сценариев следует проверять на собственных данных. Поддерживается только направление de→efi. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с испанского языка на креольский язык Сейшельских островов (crs). Это дообученная версия Helsinki-NLP/opus-mt-es-crs на параллельных текстовых данных: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре Marian и содержит 49,4 млн параметров; для загрузки доступны веса Safetensors в Transformers, лицензия — Apache-2.0. Модель предназначена для перевода текста только в направлении с испанского на креольский язык Сейшельских островов. Качество этой версии не оценивалось на бенчмарках; подтверждено изменение весов относительно исходной модели, но это само по себе не подтверждает качество перевода.

WindyTranslate/translate-es-yua — модель машинного перевода от Windstorm Labs для перевода с испанского языка на юкатекский майя. Она основана на MarianMT с архитектурой MarianMTModel и содержит 48,7 млн параметров; модель принимает текст и выдаёт текст. Нативная длина контекста — 512 токенов. Модель дообучена методом LoRA на параллельном корпусе, а адаптер объединён с базовыми весами Helsinki-NLP/opus-mt-es-yua. Репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода текстов с испанского на юкатекский майя; обратное направление не заявлено. Качество перевода не оценивалось, поэтому его точность не подтверждена. Лицензия — Apache-2.0.

Windstorm Labs публикует модель машинного перевода с финского языка на бикольский (fi→bcl), созданную на основе Helsinki-NLP/opus-mt-fi-bcl. Это архитектура MarianMT с 56,8 млн параметров и контекстом до 512 токенов. Модель рассчитана на перевод текста в одном направлении. Веса дообучены методом LoRA на параллельном корпусе, а адаптер объединён с базовыми весами. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0. Качество этой версии не оценивалось бенчмарками, поэтому её пригодность для конкретных текстов следует проверять отдельно.

WindyTranslate/translate-fi-kg — модель машинного перевода, опубликованная Windstorm Labs для перевода с финского языка на конго. Это модель MarianMT на архитектуре encoder-decoder с 51,1 млн параметров и контекстом до 512 токенов; она использует Transformers и хранится в формате safetensors. Модель основана на Helsinki-NLP/opus-mt-fi-kg: к исходным весам применили дообучение LoRA на параллельных текстах и объединили адаптер с базовыми весами. Она предназначена для перевода текстов с финского на конго; обратное направление карточкой не заявлено. В скрининговой оценке на 48 предложениях FLORES-200 модель получила chrF++ 29,01 и BLEU 3,41. Это ограниченный результат, а небольшая выборка не позволяет считать его полноценной оценкой качества. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-ln — модель машинного перевода от Windstorm Labs для перевода текстов с финского языка на лингала. Это дообученная версия Helsinki-NLP/opus-mt-fi-ln: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 56,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для перевода в направлении финский → лингала. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 35,52 и BLEU 5,47; авторы характеризуют этот результат как пригодный для использования, но отмечают, что это предварительная оценка, а не результат публикационного исследования. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-lus — модель машинного перевода от Windstorm Labs для перевода с финского языка на мизо. Это дообученная версия Helsinki-NLP/opus-mt-fi-lus: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель использует архитектуру MarianMT, содержит 52,7 млн параметров, принимает текст и выдаёт текст; заявленная длина контекста — 512 токенов. Модель предназначена для перевода в одном направлении — с финского на мизо. В проверке на 48 предложениях FLORES-200 она получила chrF++ 21,05 и BLEU 2,92; авторы относят этот результат к ограниченному диапазону и подчёркивают, что это предварительная проверка, а не итог публикационного исследования. Модель распространяется в формате safetensors под лицензией Apache-2.0.

WindyTranslate/translate-fi-run — модель машинного перевода от Windstorm Labs, полученная дообучением Helsinki-NLP/opus-mt-fi-run: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель с архитектурой Marian содержит 56,9 млн параметров и принимает текст на финском языке, выдавая перевод на кирунди; заявленная длина контекста — 512 токенов. Модель предназначена для перевода с финского на кирунди. В репозитории размещена сборка Transformers в формате safetensors; лицензия — Apache-2.0. В карточке приведена ограниченная проверочная оценка на 48 предложениях FLORES-200: chrF++ 28,81 и BLEU 3,46, поэтому результат не следует считать публикационной оценкой качества.

WindyTranslate/translate-fi-sg — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельных данных для перевода с финского языка на санго. Она основана на Helsinki-NLP/opus-mt-fi-sg: LoRA-дообучение слито с исходными весами; архитектура — MarianMT, размер — 49,5 млн параметров. Модель принимает текст и выдаёт текст перевода, поддерживает одно направление перевода и имеет контекст до 512 токенов. В проверке на 48 предложениях FLORES-200 модель получила chrF++ 23,87 и BLEU 3,25; авторы относят результат к ограниченному уровню и подчёркивают, что это предварительная оценка, а не публикационный результат. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

Windstorm Labs публикует модель машинного перевода с финского языка (fi) на язык тулу (tll). Это дообученная версия Helsinki-NLP/opus-mt-fi-tll: LoRA-адаптер обучили на параллельных данных и объединили с базовыми весами. Модель MarianMT содержит 57 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для перевода текстов с финского на тулу. В репозитории размещена сборка Transformers в формате safetensors. Лицензия — Apache-2.0. Качество перевода не оценивалось; модель поддерживает только одно направление перевода.

WindyTranslate/translate-fi-ty — модель машинного перевода Windstorm Labs для перевода с финского языка на таитянский. Это дообученная версия Helsinki-NLP/opus-mt-fi-ty: к исходным весам применили LoRA-дообучение на параллельных текстах и объединили адаптер с базовой моделью. Модель построена на архитектуре MarianMT, содержит 56 млн параметров и загружается через Transformers в формате safetensors. Для неё заявлен контекст длиной 512 токенов. Модель рассчитана на перевод текстов только в направлении с финского на таитянский. Качество перевода ещё не оценивалось бенчмарками, поэтому пригодность для конкретных текстов следует проверять отдельно. Репозиторий распространяется по лицензии Apache-2.0.

TranslatePsy-AfriSLM-0.8B — компактная разговорная модель машинного перевода, разработанная Tether AI Research и опубликованная QVAC. Это полноразмерное supervised fine-tuning модели Qwen3.5-0.8B с примерно 0,8 млрд параметров; веса доступны в формате safetensors, лицензия Apache 2.0. Модель предназначена для перевода между английским и 19 языками Африки к югу от Сахары, а также для многоходового диалога о переводе. Она обучена на отфильтрованных параллельных данных и многоязычных инструкциях. В статье сообщается о результатах на африканских тестах перевода, однако качество различается по языкам и направлениям; мультимодальные возможности базовой модели после дообучения не оценивались. Модель может ошибаться, пропускать или искажать содержание, особенно для неподдерживаемых языков, диалектов, специализированных текстов, переключения языков и длинных документов. Обучающие переводы преимущественно синтетические, а экспертная оценка носителями языков в статье не проводилась. Для медицинских, юридических и других важных переводов требуется проверка квалифицированным человеком.