I.5Создание и редактирование текста

AETHER-10M — компактная языковая модель архитектуры AETHER, представленная пользователем gautamabhish. В карточке она описана как посттрансформерная модель с ассоциативным фазовым состоянием и симплектическим обновлением состояний; заявленная цель архитектуры — генерировать текст с постоянным объёмом рекуррентной памяти вместо растущего KV-кэша. Модель доступна в формате safetensors и распространяется по лицензии MIT. README приводит результаты экспериментов на задачах иерархической обработки списков, многозначной арифметики и трассировки кода, а также оценки памяти и энергопотребления. Эти показатели заявлены в карточке модели и не сопровождаются здесь подробностями протокола оценки. Метаданные указывают английский язык и задачу text-generation; сведения о числе параметров и длине контекста не приведены.

Average Normie v1 — разговорная текстовая модель для ролевых диалогов, созданная автором jeiku. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Модель предназначена для ролевых бесед и диалогов общего характера. Модель создана слиянием jeiku/Average_Normie_l3_v0_8B и ResplendentAI/Theory_of_Mind_Llama3; README также упоминает применение LoRA к итоговому слиянию. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Оценка качества и подробные ограничения в карточке не приведены.

SudaBERT — предварительно обученная модель BERT base для суданского варианта арабского языка, опубликованная Enigma-for-AI. Она предназначена для предсказания скрытых токенов: модель может подставлять пропущенные слова в тексте и служить основой для дообучения на языковые задачи. Архитектура — BERT, размер — 162,4 млн параметров, максимальный контекст — 512 токенов; модель работает с текстом на арабском языке. Репозиторий содержит веса в формате safetensors и поддерживает библиотеку Transformers.

muhtasham/bert-tiny-finetuned-legal-definitions — компактная модель на базе BERT, дообученная для заполнения пропусков в тексте юридических определений. Она предсказывает токены вместо маскированных фрагментов и подходит для подсказок при редактировании или анализа формулировок. Модель содержит 4,4 млн параметров, использует архитектуру BertForMaskedLM, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. В карточке указано дообучение google/bert_uncased_L-2_H-128_A-2, но набор данных обозначен как None; подробности о составе и оценке обучающих данных не приведены. Лицензия — Apache-2.0. Результат оценки на тестовом наборе: loss 2,5125; это значение само по себе не позволяет судить о качестве для конкретных юридических задач.

C4-Broken-Tutu-24B — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом DARE TIES. В качестве базовой использована ReadyArt/The-Omega-Directive-M-24B-v1.1; в слияние также вошли ReadyArt/Forgotten-Safeword-24B, ReadyArt/Omega-Darker_The-Final-Directive-24B, TheDrummer/Cydonia-24B-v4 и TroyDoesAI/BlackSheep-24B. Модель содержит 23,4 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации англоязычных ролевых диалогов и историй, включая откровенную эротику, хоррор и сцены насилия. Принимает текстовые запросы и генерирует текст; в метаданных отмечена возможность чата. Распространяется в формате safetensors по лицензии Apache-2.0. Из-за специализации на откровенном и жестоком контенте она не подходит для всех аудиторий.

CaPlatTessDolXaBoros-Yi-34B-200K-DARE-Ties-ExtremeDensity — экспериментальное слияние моделей, опубликованное brucethemoose. Автор описывает его как проверку слияния DARE TIES с очень высокой плотностью для оценки на Open LLM Leaderboard; в карточке приведены результаты бенчмарков, включая среднюю оценку 71,57, AI2 Reasoning Challenge — 66,89 и HellaSwag — 85,69. Модель имеет плотную архитектуру семейства Llama с классом LlamaForCausalLM, содержит 33,9 млрд параметров и поддерживает контекст до 200 000 токенов. Она принимает текст и генерирует текст. Лицензия указана как other, поэтому условия использования следует сверять с лицензией и файлами репозитория. Автор предупреждает, что модель предназначена для тестирования и рекомендует использовать другую модель; результаты на бенчмарках сами по себе не гарантируют качество в прикладных задачах.

Это дообученная модель AmberYifan на базе marin-community/marin-8b-base. Она предназначена для генерации текста и диалоговых ответов в финансовом контексте; согласно карточке, при дообучении использовался набор capsd_marin-8b-base-n11082-finance-convfinqa-fullscore__mix_finance_random_b4000_s0. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст, выдавая текст. Контекстное окно составляет 4096 токенов. Базовая модель ориентирована на английский язык, однако язык и качество именно этой донастройки в карточке не описаны. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия указана как other, без дополнительных условий в предоставленных данных.

AmberYifan/capsd-finance-fincot-finqa-clean6k-marin-8b-base-finance_random_b2000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base. Она содержит 7,5 млрд параметров, построена на плотной архитектуре и предназначена для генерации текста; в метаданных также указана возможность чата. Модель дообучена на наборе capsd_marin-8b-base-n6000-finance-fincot-finqa-clean6k__mix_finance_random_b2000_s0, связанном с финансовыми данными и вопросами и ответами. Модель может применяться для генерации ответов на финансовые вопросы и ведения диалогов на финансовые темы. Контекст составляет 4096 токенов. Базовая модель описана как англоязычная, однако поддерживаемые языки именно этого чекпойнта не подтверждены. Репозиторий содержит веса в формате safetensors. Лицензия указана как other; README не приводит дополнительных условий использования и не содержит сведений об оценке качества. Такие ответы не следует считать проверенной финансовой рекомендацией.

AmberYifan/capsd-medcase-marin-8b-base-medicine_cap_b2000_s0 — дообученная модель на основе marin-community/marin-8b-base, разработанная AmberYifan. Она предназначена для генерации и продолжения текста; название обучающего набора указывает на адаптацию к медицинским клиническим случаям. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров, принимает текст и генерирует текст. Контекстное окно составляет 4096 токенов. В карточке нет сведений об оценке качества и конкретных сценариях применения. Модель опубликована в формате safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория и исходной базовой модели перед применением.

CINO-base-v2 — многоязычная предварительно обученная языковая модель лаборатории HFL, совместной лаборатории HIT и iFLYTEK Research. Она построена на XLM-R и дополнительно обучена на корпусах китайского и ряда языков и языковых разновидностей Китая: тибетского, монгольского в уйгурской письменности, уйгурского, казахского в арабской письменности, корейского, чжуанского и кантонского. Модель предназначена для понимания текста на этих языках и может использоваться как основа для NLP-систем; её основная задача в каталоге — восстановление замаскированных токенов (fill-mask). Архитектура — XLM-RoBERTa для masked language modeling, размер — 217,2 млн параметров, длина контекста — 514 токенов. Доступны веса PyTorch и TensorFlow. Модель принимает текст и предсказывает замаскированные текстовые токены. README не приводит результаты оценивания или конкретные ограничения качества. Лицензия — Apache-2.0.

communicative-baby-dpo-synthetic — плотная авторегрессионная языковая модель семейства Llama, дообученная на основе bbunzeck/llamalogue с использованием TRL и набора синтетических предпочтений fpadovani/child-dpo-preferences-synthetic. Она предназначена для генерации текста в диалоговом формате, например для ответов на открытые вопросы и поддержания беседы. Модель содержит 126,1 млн параметров, принимает текст и имеет контекст длиной 1024 токена. В карточке указан английский язык; пример демонстрирует ответ на вопрос о выборе между прошлым и будущим. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

jkminder/d12_135m_seed6_sft — модель jkminder, полученная дообучением базовой GPT-модели nanochat Scaling Ladder на диалогах и вспомогательных примерах для чата. Это плотная причинная языковая модель семейства nanochat_gpt на 138,4 млн параметров; она принимает текст, использует токенизатор BPE на 32 768 токенов и имеет контекст 2 048 токенов. Модель предназначена для базового диалогового общения, ответов на вопросы и решения простых задач на знания и математику. Дообучение выполнено одним проходом по смеси из 460 тысяч диалогов SmolTalk, примеров MMLU и GSM8K. В карточке приведены результаты оценки, включая точность 32,05% на MMLU и 32,85% на ARC-Challenge; это небольшая исследовательская модель, а не сильный универсальный помощник. Разработчик отдельно указывает, что у модели нет обучения безопасности. Весовые файлы представлены в формате safetensors и bfloat16. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

DarkIdol-Qwen3.8-27B-v1.1 — специализированная дообученная модель на базе Qwen/Qwen3.8-27B, созданная для интерактивной художественной прозы и ролевых сценариев. Это плотная мультимодальная модель семейства Qwen с архитектурой Qwen3_5ForConditionalGeneration; поддерживает диалог и анализ изображений, а в README описана работа с иллюстрациями персонажей, сценами и картами настольных игр. Для запуска указаны Transformers и формат safetensors; лицензия — Apache-2.0. Модель ориентирована на TRPG, SillyTavern, симуляцию персонажей и сюжетное соавторство. Карточка подчёркивает сохранение пользовательской самостоятельности, последовательность персонажей и прозу с жанровой стилистикой; заявлены английский и китайский как основные творческие направления, а метаданные перечисляют также немецкий, французский, итальянский, португальский, хинди, испанский, тайский, корейский и японский. Размер и длина контекста этой версии в предоставленных данных не указаны. Модель не предназначена для достоверных справок, программирования или практических советов: её ответы могут содержать вымышленные факты, небезопасные инструкции и контент с ослабленной фильтрацией. Использовать её следует для художественных сценариев, а сгенерированные сведения и технические фрагменты не следует считать проверенными.

Это модель классификации предложений на основе DeBERTa-v3-small, дообученная mrm8488 на наборе CoLA из бенчмарка GLUE. Она оценивает, является ли предложение грамматически приемлемым; в README указаны результат Matthews Correlation 0,6333 и loss 0,4051 на оценочной выборке. Архитектура DeBERTa использует раздельное представление содержимого и позиции в механизме внимания и улучшенный декодер маски. Вариант v3 при предварительном обучении применяет задачу обнаружения заменённых токенов. Карточка описывает исходную конфигурацию как 6 слоёв с размером скрытого состояния 768; метаданные репозитория указывают 155 млн параметров, контекст до 512 токенов, форматы PyTorch и safetensors и лицензию MIT. Модель подходит для оценки грамматической приемлемости отдельных английских предложений. Обучающие данные CoLA содержат предложения из лингвистических публикаций с экспертными оценками грамматичности; это узкая задача, поэтому модель не следует считать универсальным классификатором текста или средством проверки всех аспектов письма. Оценка на бенчмарке не гарантирует такое же качество на иных текстах.

Dirty-Alice-RP-2b — чат-модель для ролевых диалогов и повествовательных историй, опубликованная пользователем D1rtyB1rd. Она основана на архитектуре Gemma 2, содержит 2,7 млрд параметров и рассчитана на контекст до 8192 токенов. Модель использует формат чата Gemma; в конфигурацию добавлены системные подсказки для персонажа Алисы, но README сообщает, что можно задавать и другие персонажи. Модель предназначена для ролевых бесед и совместного написания историй. Обучение сочетает наборы данных для ролевых диалогов, эротические рассказы с заменой имён персонажей, истории об Алисе в Стране чудес, многоходовые чат-данные и фрагменты Википедии по темам секса для привязки ответов к фактам. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому конкретные условия использования следует уточнять в карточке модели.

EEVE-Instruct-Math-10.8B — корейская языковая модель kuotient для диалоговой генерации текста и решения математических задач. Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров и контекстом 4096 токенов. Она создана слиянием EEVE-Math и EEVE-Korean-Instruct с помощью DARE-TIES: цель — совместить математические навыки специализированной модели с удобством общения instruct-модели. Модель подходит для ответов на математические вопросы на корейском языке и диалоговых сценариев. В README приведены результаты GSM8K-KO: pass@1 0,539 для EEVE-Math после второго этапа обучения; в сравнении объединённая модель также оценивалась на GSM8K и KoBEST. Лицензия — CC BY-SA 4.0.

Gemma4-12b-it-asimov — полное дообучение SFT модели unsloth/gemma-4-12b-it, выполненное автором ewald1976 на датасете opus48-gpt55-asimov.jsonl. Это плотная модель семейства Gemma 4 с архитектурой Gemma4UnifiedForConditionalGeneration; карточка описывает эксперимент с полным SFT и сравнением результатов с базовой моделью и вариантом SSFT. Модель предназначена для диалоговой генерации текста в стиле или по мотивам Айзека Азимова. Доступны веса safetensors, лицензия Apache-2.0. Базовая модель мультимодальна, но README не подтверждает сохранение мультимодальных возможностей после дообучения; поэтому назначение этой версии описывается как текстовое.

GemMoE-Beta-1 — экспериментальная языковая модель Crystalcareai на архитектуре Gemma с механизмом смеси экспертов (MoE). По README, она объединяет восемь отдельно дообученных моделей Gemma и использует двух экспертов для каждого токена; метаданные указывают 8,2 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста и запуска через Transformers. Репозиторий помечен как устаревший и служит только для размещения файлов, необходимых для поддержки GemMoE в Transformers: README предупреждает, что обучение и инференс из этого репозитория не работают, и направляет к новому расположению моделей. Проект описан как бета-версия, поэтому его архитектура и интеграция ещё дорабатывались. Лицензия указана как other, без конкретных условий в предоставленных данных.

Gemstone-2048x27 — языковая модель из набора Gemstone Suite, разработанного авторами проекта Gemstone. Это плотная авторегрессионная Gemma-модель с 1,8 млрд параметров, обученная с помощью litgpt и AxoNN на GPU AMD MI250X. Для запуска используется библиотека Transformers и файл modeling_gemma.py. Модель обучалась на непересекающихся подмножествах Dolma в течение 350 млрд токенов; в репозитории публиковались промежуточные контрольные точки с интервалом в 2 млрд токенов. Это базовая модель продолжения текста, а не модель, настроенная на выполнение инструкций: она предназначена для генерации текста и исследовательских экспериментов с вариантами ширины и глубины Gemstone. Контекст составляет 2048 токенов, заявленный язык карточки — английский. Модель распространяется по лицензии Apache-2.0. Она не оптимизирована для диалога по инструкциям; качество ответов в таком сценарии не гарантируется, а короткое контекстное окно ограничивает работу с длинными документами.

Это веса языковой модели AI Dungeon 2 2019 года, опубликованные lukasstraub2. Модель представляет собой дообученную GPT-2 XL с плотной авторегрессионной архитектурой и форматом safetensors; исходные веса были преобразованы в формат Hugging Face Transformers. Базовая GPT-2 XL содержит 1,5 млрд параметров, а контекст модели составляет 1024 токена. Модель предназначена для генерации продолжения текста по подсказке, в частности для интерактивного повествования и текстовых приключений в стиле AI Dungeon. В README приведены рекомендуемые параметры сэмплирования: temperature 0,4, top_p 0,9, top_k 40 и repeat_penalty 1,1764. Модель унаследовала англоязычную направленность базовой GPT-2 XL; иных поддерживаемых языков в источниках не заявлено. Лицензия — MIT. Это специализированное дообучение для генерации художественного текста, поэтому ответы могут быть непредсказуемыми и не подходят без проверки для задач, требующих точности или актуальных сведений.

Модель anezatra/gpt2-rdanny-chatbot — разговорная языковая модель на архитектуре GPT-2, разработанная Anezatra и обученная на наборе данных rDany. Она предназначена для генерации ответов в диалоге, ответов на вопросы и шуток. Модель принимает текст и генерирует текст; заявленная длина контекста — 1024 токена. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Карточка описывает модель как чат-бота общего назначения, однако не приводит оценки качества, точного размера модели или языков обучения. Поэтому пригодность ответов для конкретных задач следует проверять отдельно.

Czech Poetry GPT — модель GPT-2, разработанная путём дообучения модели lchaloupsky/czech-gpt2-oscar на чешской поэзии из проекта Института чешской литературы Чешской академии наук. Она предназначена для генерации и продолжения чешских стихотворных текстов по подсказке. Модель использует архитектуру GPT-2 и принимает текст, выдавая текст; максимальная длина контекста составляет 1024 токена. Модель можно использовать для творческих экспериментов, создания стихотворных продолжений и генерации текста в поэтическом стиле. Доступные веса представлены в форматах PyTorch и Safetensors. Лицензия — CC BY-SA 4.0; при распространении производных материалов следует соблюдать её условия.

Haru v1.1 — компактная модель продолжения корейских историй, разработанная автором репозитория gaon12 на основе причинной архитектуры CFRD. Она предназначена для генерации продолжения текста, а не для диалога с инструкциями. Модель содержит 11 634 459 параметров, принимает контекст длиной до 512 токенов и поддерживает рекуррентную глубину инференса 2, 4 и 6. В репозитории опубликованы веса в формате Safetensors; для работы используется Transformers и пользовательский код модели. Модель обучалась на 753 664 000 токенах; в карточке указана атрибуция обучающих данных Tiny-Ko-Stories с лицензией CC BY 4.0. Лицензия самой модели — MIT. Haru подходит для творческого продолжения корейских рассказов, но не следует полагаться на неё в фактических или критически важных сценариях: длинные генерации могут повторяться или терять связность персонажей, а следовать инструкциям модель не обучена. Инференс пока не использует кэш и повторно обрабатывает активный контекст.

Horus Taleeq 0.2 Base — базовая арабоязычная языковая модель компании TokenAI, разработанная Ассемом Сабри. Это компактная модель примерно на 199,9 млн параметров с плотной архитектурой LlamaForCausalLM и декодером-трансформером. Она принимает текст и генерирует продолжение; нативный контекст составляет 4096 токенов. Модель предназначена для исследований и оценки арабских языковых моделей, продолжения предобучения, экспериментов с дообучением и генерации арабского текста, включая диалектный. Это базовый чекпойнт, а не готовый чат-ассистент: качество ответов, беглость на диалектах, фактическая точность и арифметика требуют проверки. Возможны непоследовательные продолжения и повторы; для чат- или производственного применения нужны дополнительное дообучение, настройка безопасности и оценка качества. Исторические данные обучения не полностью воспроизводимы. Лицензия — MIT.

ICONOCLAST — англоязычная диалоговая модель генерации текста на основе Mistral-7B-Instruct-v0.3 от Mistral AI. Разработчик HaadesX применил к ней метод representation editing с сохранением подпространства безвредных ответов, чтобы уменьшить отказы на вредоносных запросах и сохранить качество обычных ответов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель предназначена для исследований поведения отказов и jailbreak-устойчивости, а также для генерации ответов на английском языке. По оценке авторов на ограниченных контрольных наборах она отказала на 1 из 20 вредоносных запросов, не дала избыточных отказов на 64 безвредных запросах и показала KL-дивергенцию 0,0554 относительно базовой модели. Эти результаты не гарантируют аналогичного поведения на других запросах. Лицензия — AGPL-3.0-or-later.

ISOM-130M-MoE — компактная языковая модель Pranneshkva, созданная на основе Mamba-130M и предназначенная для генерации текста на устройствах с ограниченной памятью. Она сочетает рекуррентные слои ISOM на основе state-space-модели с архитектурой Mixture-of-Experts: 134,89 млн параметров всего, около 58,27 млн активных на токен, 8 экспертов SwiGLU с выбором двух экспертов. В README заявлена рабочая память менее 2 МБ, не растущая с длиной последовательности. Модель рассчитана на роль быстрой черновой модели в speculative decoding для более крупных моделей, а также на задачи пошагового рассуждения, включая абстрактные головоломки ARC и символьную математику. Указаны англоязычная карточка и токенизатор GPT-2 BPE. Контекстная длина для этой версии не приведена. Архитектура и показатели производительности описаны разработчиком; README не приводит подробностей независимой оценки качества. Модель выпущена под лицензией Apache 2.0. Это производная от state-spaces/mamba-130m модель с экспериментальной архитектурой ISOM; заявления о скорости, качестве рассуждений и памяти следует считать характеристиками из карточки модели.

jinen-v1-xsmall — японская языковая модель на архитектуре GPT-2, разработанная togatogah для преобразования записи каны в кандзи. Модель содержит 36 млн параметров, использует BPE-токенизатор и обучена на предварительно обработанных данных Miwa-Keita/zenz-v2.5-dataset. Модель выполняет контекстно-зависимое преобразование: принимает ввод каны и может учитывать левый контекст. Для работы используется формат jinen со специальными Unicode-маркерами начала контекста, входа и результата. Максимальная длина контекста — 1024 токена. В оценке AJIMEE-Bench версия xsmall показала Acc@1 0,720 при NFKC-нормализации и CER 0,033. Репозиторий содержит веса safetensors; автор также указывает варианты GGUF, включая FP16 и Q5_K_M. Модель предназначена для японского языка. Лицензия — CC-BY-SA 4.0.

KansenSakura-Conflagration-RP-12b — экспериментальная разговорная модель Retreatcost для интерактивного ролевого письма. Это плотная причинно-языковая модель семейства Mistral на 12,1 млрд параметров, собранная слиянием нескольких моделей и затем слегка дообученная с помощью rsLoRA. Репозиторий содержит веса Safetensors; модель работает через Transformers, поддерживает чат и контекст до 131 072 токенов. Модель рассчитана на динамичные ролевые диалоги, быстрые реплики и решительные действия персонажей. По описанию автора, она уделяет меньше внимания психологической рефлексии, усиливает реактивность персонажей и чаще поддерживает движение сцены; заявлены также возможности NSFW-контента. Автор отмечает, что это его первая модель и у неё могут быть шероховатости; среди ограничений — склонность слишком быстро продвигать сцену. В README рекомендованы шаблон ChatML и контекст 16K для инференса. Лицензия — Apache-2.0.

KL3M 170M, 6-го поколения, — языковая модель Alea Institute для генерации текста на основе Llama с Grouped Query Attention. Чекпойнт обучен на юридических соглашениях; он содержит 181,7 млн параметров, включая 170 млн непринадлежащих эмбеддингам, и обучался 33 000 шагов с оптимизатором Muon и спектральной регуляризацией. Модель работает с контекстом до 4096 токенов и хранится в формате safetensors; в README указана точность BF16. Модель предназначена прежде всего для генерации связного юридического и договорного текста, например проектов формулировок и продолжений соглашений. По карточке, генерация плавная и без проблем с повторениями. Указанная в README оценка spectral health характеризует состояние слоёв, но не заменяет независимую проверку качества и пригодности для конкретных юридических задач. Лицензия — Apache-2.0. Модель ориентирована на английский язык и юридический домен; результаты следует проверять перед практическим использованием, поскольку карточка не приводит оценки точности на юридических тестах или гарантий корректности правовых формулировок.

Uchtave v0.1 — объединённая автором модель для генерации текста, разработанная как модель для ролевых диалогов и художественного повествования. Она создана на основе нескольких моделей и LoRA-адаптеров семейства Llama 3.1 с помощью mergekit; в карточке указаны архитектура Llama и 7,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. Для использования указана лицензия Llama 3.1. Модель ориентирована на ролевые сцены и рассказы с более мрачным, эмоциональным тоном, включая откровенные и графические эпизоды. Автор отмечает разнообразный словарь и выразительный стиль, а также склонность развивать сцену самостоятельно. При высокой температуре генерация может уходить в сторону; следование инструкциям бывает избирательным, а обычные ответы могут быть многословными, но малосодержательными. Модель описана как экспериментальная версия, которая ещё тестируется.