I.5Создание и редактирование текста

Gemma 4 26B-A4B-it QAT JANG_4M CRACK — мультимодальная доработанная версия Gemma 4 от dealignai. Она сочетает архитектуру MoE с 128 экспертами и выбором восьми активных экспертов, гибридное внимание и квантизацию JANG_4M: 8 бит для attention и 4 бита для MLP. Модель принимает текст и изображения и отвечает текстом; карточка заявляет поддержку рассуждений, визуальных запросов, вопросов и ответов и генерации кода. Модель рассчитана на общие диалоговые сценарии, включая анализ изображений, многошаговые рассуждения и написание кода. По результатам, приведённым в README, её показатель MMLU составляет 79,8% против 84,2% у базовой модели; автор также сообщает о сохранении визуальных возможностей и снижении отказов на тесте HarmBench. Для запуска требуются Mac на Apple Silicon с достаточным объёмом объединённой памяти и vMLX с поддержкой Gemma 4. Лицензия — Gemma; README указывает исследовательское назначение и возлагает на пользователя ответственность за соблюдение применимого законодательства.

CorticalStack/gemma-7b-ultrachat-sft — языковая модель на архитектуре Gemma, дообученная методом supervised fine-tuning на наборе диалогов UltraChat с использованием LoRA. Она предназначена для генерации ответов в чатах и ведения диалога. Модель содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Модель принимает текст и генерирует текст. В репозитории указаны веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает отдельные языковые специализации или ограничения качества.

Llama 4 Maverick — мультимодальная модель Meta для диалога и понимания изображений. Она использует авторегрессионную архитектуру mixture-of-experts с 17 млрд параметров и 128 экспертами, а также раннее объединение модальностей для работы с текстом и изображениями. В репозитории доступны веса Safetensors для Transformers. Модель предназначена для коммерческих и исследовательских сценариев: чат-помощников, визуального анализа, распознавания объектов и сцен, описания изображений и ответов на вопросы по ним. Она поддерживает арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский и вьетнамский языки. Модель проверена для анализа до пяти изображений на вход. Для использования действует пользовательская Llama 4 Community License Agreement. Модель обучена на статичном офлайн-наборе данных. Возможности и качество могут различаться в зависимости от языка и сценария; для работы с большим числом изображений, чем проверенное, требуется дополнительная проверка и настройка.

LocalAI-io разработала разговорную модель на базе Phi-4, дообученную для диалога и вызова функций в LocalAI. Модель имеет 14,1 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Родительская модель указана как unsloth/phi-4-unsloth-bnb-4bit; при дообучении использовались наборы данных для вызова функций, диалога и рассуждений. Контекст модели составляет 16 384 токена. Модель предназначена для диалоговых сценариев и передачи вызовов функций через LocalAI. README отмечает улучшенные возможности рассуждения в стиле o1 в третьей итерации. Репозиторий распространяется под лицензией Apache 2.0. Данных о поддерживаемых языках в карточке мало: метаданные указывают английский язык.

MasherAI-7B-v1 — диалоговая языковая модель, разработанная mahiatlinux и дообученная на openchat/openchat-3.5-0106. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для обучения использовались Unsloth и TRL. Модель предназначена для генерации текста в формате диалога: её можно применять для общения, ответов на вопросы и помощи с программированием и математическими рассуждениями — эти возможности описаны для базовой модели OpenChat. Поддерживаемый язык карточки — английский, длина контекста составляет 8192 токена. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Карточка не приводит отдельной оценки качества или подробных ограничений MasherAI-7B-v1.

Карточка модели mahiatlinux/MasherAI-7B-v3 на Hugging Face совпадает с карточкой mahiatlinux/MasherAI-7B-v1, поэтому описание составлено по ней. MasherAI-7B-v1 — диалоговая языковая модель, разработанная mahiatlinux и дообученная на openchat/openchat-3.5-0106. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для обучения использовались Unsloth и TRL. Модель предназначена для генерации текста в формате диалога: её можно применять для общения, ответов на вопросы и помощи с программированием и математическими рассуждениями — эти возможности описаны для базовой модели OpenChat. Поддерживаемый язык карточки — английский, длина контекста составляет 8192 токена. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Карточка не приводит отдельной оценки качества или подробных ограничений MasherAI-7B-v1.

MiLMMT-46-12B-v1.0 — модель Xiaomi для перевода между 46 языками. Она основана на Gemma 3 12B и дообучалась в несколько этапов: продолжительное предобучение на 143 млрд токенов монолингвальных и параллельных данных, supervised fine-tuning, обучение с подкреплением и слияние моделей. В метаданных указаны архитектура Gemma 3 с плотными весами, класс Gemma3ForConditionalGeneration, библиотека Transformers и формат safetensors. Модель предназначена для перевода текстов между поддерживаемыми языками. Список охватывает, в частности, русский, английский, китайский, японский, арабский, хинди и вьетнамский. Для перевода следует задавать языки явно в промпте. Модель доступна по лицензии Gemma. Качество перевода на языках вне списка не гарантируется.

Ming-Lite-Omni — мультимодальная модель от InclusionAI, дообученная на Ling-lite. Она использует архитектуру MoE с маршрутизаторами для разных модальностей и выделенными энкодерами. По данным разработчика, активируется 2,8 млрд параметров; модель объединяет обработку изображений, текста, аудио и видео, а также генерацию текста, речи и изображений. Она предназначена для мультимодального диалога, распознавания и понимания речи, преобразования текста в речь, анализа изображений и видео, генерации и редактирования изображений. Модель подходит для приложений, где нужно принимать смешанные мультимодальные запросы и формировать текстовые, речевые или визуальные ответы без отдельных моделей для каждой задачи. README приводит результаты оценок на задачах понимания изображений, видео и речи, а также генерации изображений. Контекст, поддерживаемые языки и ограничения качества в предоставленных источниках не описаны. Лицензия — MIT.

Moonshine Tiny PT v05 — дообученная модель распознавания речи на базе aomocelin/moonshine_tiny_pt_v04, разработанная автором репозитория. Она принимает аудио и генерирует текстовую транскрипцию; в метаданных указаны архитектура Moonshine и библиотека Transformers. Для модели приведён результат оценки на тестовом наборе: WER 0,2474 и loss 11,9352, однако сведения о наборе данных и условиях оценки отсутствуют. Контекст составляет 194 токена. Модель распространяется по лицензии MIT.

Pareto — мультимодальная составная модель, предназначенная для исследований, программирования и агентных сценариев. По карточке модели, она рассчитана на широкий круг задач общего назначения и заявляет высокий уровень производительности. Метаданные каталога относят её к моделям типа image-text-to-text, поэтому она принимает изображения и текст и формирует текстовые ответы. Сведений об архитектуре, размере, языковой поддержке и лицензии в доступных данных нет. Карточка позиционирует модель для исследовательских и агентных рабочих процессов, но не описывает конкретные возможности, ограничения или условия применения.

PowerLM-3B — компактная языковая модель от IBM Research с архитектурой Granite и 3,5 млрд параметров. Она обучена с планировщиком скорости обучения Power и на смеси открытых и проприетарных наборов данных. Модель предназначена для генерации текста и демонстрирует результаты в задачах выбора ответа на естественном языке, генерации кода и математических рассуждений. Контекст составляет 4096 токенов. Для запуска используется библиотека Transformers; README отмечает, что требуется её версия из исходного кода. Модель распространяется по лицензии Apache 2.0. Карточка сообщает о перспективных результатах на бенчмарках, но не приводит их численные значения; пригодность для конкретных задач следует оценивать отдельно.

QUEST-30B-RL — разговорная языковая модель OSU NLP для выполнения задач с поиском и исследованием в интернете. Это полный чекпойнт после трёх этапов обучения: mid-training, SFT и RL; в README указана база Qwen3-30B-A3B. Модель построена на архитектуре Qwen3 MoE и содержит 2,6 млрд параметров по метаданным. Она принимает текст и генерирует текст, поддерживает контекст длиной до 262 144 токенов и рассчитана на использование через Transformers. Модель оценивали на BrowseComp, Mind2Web 2 и HLE; README приводит результаты по этим бенчмаркам и рекомендует RL-чекпойнты для комплексной оценки объективных и открытых задач. Доступны веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает языковой охват и не описывает ограничения по качеству или безопасности.

QuestionGenerationComQ6 — модель семейства T5, дообученная автором Gayathri142214002 на основе Gayathri142214002/Question_Generation_ComQ_5. Она предназначена для генерации вопросов по входному тексту. Модель содержит 123,8 млн параметров, работает с текстом и имеет контекст до 512 токенов. В карточке приведён результат оценки: loss 0,2626. Данных о языках, обучающем наборе и конкретных ограничениях применения нет. Модель распространяется по лицензии Apache-2.0.

RobBERT-v2 Dutch Base — созданная исследовательской группой RobBERT предварительно обученная языковая модель для нидерландского языка на архитектуре RoBERTa. Она содержит 144 млн параметров, обучена на нидерландском токенизаторе и корпусах и поддерживает контекст до 514 токенов. Модель предсказывает замаскированные токены и служит основой для дообучения под классификацию текста, регрессию и разметку токенов. Модель применялась для анализа тональности и эмоций, распознавания именованных сущностей, разрешения кореференции, тегирования частей речи, обнаружения юмора и кибербуллинга, а также исправления орфографических ошибок. Карточка сообщает о сильных результатах на ряде нидерландских задач, в том числе при малом объеме данных. Доступны веса в форматах PyTorch, TensorFlow, Flax и safetensors. Лицензия — MIT. В статье об исследовании отмечены возможные гендерные смещения: модель чаще предпочитает местоимение «он» в шаблонах с названиями профессий и точность определения тональности может различаться в зависимости от указанного пола автора отзыва. Для прикладных задач классификации и разметки требуется дообучение на соответствующих данных.

WindstormLabs translate-windy-nano — модель машинного перевода, дообученная Windstorm Labs на параллельных данных OPUS-100 от facebook/m2m100_418M. LoRA-адаптер ранга 8 объединён с базовыми весами, после чего модель квантована до INT8 и упакована для быстрого вывода на CPU через CTranslate2. По данным карточки, она охватывает 74 языка из набора Windy; телугу и баскский не поддерживаются. Для загрузки вместе с репозиторием поставляется токенизатор, поэтому подключение к сети не требуется. Модель предназначена для перевода текстов между языками. В карточке приведены оценки FLORES-200 для 16 языковых пар, включая английский↔испанский, английский↔французский и английский↔немецкий; проверка охватывает новостную и энциклопедическую прозу, а человеческая оценка не проводилась. Модель распространяется по лицензии MIT с сохранением уведомления об авторских правах Meta.

wtp-bert-mini — компактная символьная модель BERT для классификации токенов, опубликованная пользователем benjamin на Hugging Face для проекта wtpsplit. Она предназначена для восстановления границ предложений и связанных задач сегментации текста. Модель содержит около 12 млн параметров, принимает текстовые последовательности длиной до 512 токенов и поддерживает множество языков; репозиторий включает веса PyTorch и ONNX. Карточка модели распространяется по лицензии MIT.

Darwin-V9-Chimera-4B-SFT — экспериментальная диалоговая языковая модель, созданная автором проекта Darwin путем объединения компонентов Qwen3-4B и Gemma4-E4B с последующим полным дообучением на инструкциях. Архитектура — плотная Qwen3ForCausalLM; модель содержит около 3,7 млрд параметров, принимает текст и рассчитана на контекст до 40 960 токенов. В README заявлена поддержка корейского и английского языков и переключения между режимами рассуждения и краткого ответа. Модель предназначена для диалогов, следования инструкциям, генерации кода и задач с многошаговым рассуждением. По оценке авторов на KMMLU она набрала 52,2% при разрешении генерировать до 768 токенов; результат короткого ответа они считают нехарактерным из-за необходимости сначала рассуждать. Это частный исследовательский чекпойнт, а весовой отпечаток остаётся преимущественно близким к Qwen3-4B. Указана лицензия Apache-2.0.

DheyoAI выпустила GGUF-версию модели DeepSeek-R1-Distill-Qwen-1.5B — компактной плотной языковой модели на архитектуре Qwen2 с 1,5 млрд параметров. Она предназначена для генерации текста в диалоге и решения задач, требующих рассуждений, включая математику и программирование. В README приведено сравнение вариантов квантования семейства на тестах GSM8K, GPQA Diamond, Math500 и AIME; результаты относятся к описанным вариантам и условиям оценки. Модель принимает текст и генерирует текст. Метаданные указывают контекст до 131 072 токенов и поддержку английского языка. Формат GGUF рассчитан на компактное локальное хранение и запуск совместимыми средствами. Лицензия — MIT.

Модель dpo-qwen2.5-0.5b-halueval разработана Varun Chundru и Debasmita Biswas как компонент снижения галлюцинаций в исследовательском проекте Purdue University Fort Wayne. Это плотная причинная языковая модель Qwen2.5 на 494 млн параметров, дообученная методом Direct Preference Optimization на предпочтениях, составленных по трём задачам набора HaluEval: ответам на вопросы, диалогу и суммаризации. Модель предназначена для генерации текста по контексту, в частности для ответов на вопросы и суммаризации документов с опорой на источник. Она принимает текст и может использовать контекст до 32 768 токенов; карточка указывает английский язык. В оценке на отложенной части HaluEval общая доля галлюцинаций, измеренная отдельным классификатором DeBERTa, снизилась с 85,5% у базовой модели до 37,7%. Наибольший эффект показан для ответов на вопросы и суммаризации, тогда как в диалоге показатель остался высоким — 94,2%. Это измерения классификатора-прокси, а не человеческая оценка; обучение длилось одну эпоху, а ограничение длины при обучении могло обрезать длинные документы. Модель не рекомендуется для высокорисковых сценариев без дополнительной проверки. Лицензия — Apache-2.0.

DrakIdol-Roleplayer-1.0 — мультимодальная чат-модель для ролевых диалогов, созданная путём дообучения Gemma 3 4B IT с помощью LoRA на данных и методике aifeifei798/roleplayer-actor-lora. Модель рассчитана на воплощение персонажей, творческое письмо и диалоги с историческими и культурными фигурами; её можно использовать в играх, сценарной работе и образовательных симуляциях. Архитектура — плотная Gemma 3; карточка указывает поддержку изображений и текста, а основной сценарий из README — генерация ролевых ответов.

Einstein-v7-Qwen2-7B-GGUF — набор квантизированных GGUF-версий модели Einstein-v7-Qwen2-7B, разработанной Weyaxi и подготовленной квантизатором bartowski с использованием llama.cpp. В качестве базовой модели указана Qwen/Qwen2-7B. Модель предназначена для генерации текста и диалоговых сценариев, включая задачи по физике, химии, биологии, математике, естественным наукам, инженерии, ответам на вопросы и общим инструкциям. Обучение выполнялось на смесях научных, математических, диалоговых и instruction-датасетов, включая AI2 ARC, ScienceQA, MathInstruct, MetaMathQA, OpenAssistant и другие. Это текстовая decoder-only LLM примерно на 7 млрд параметров; поддерживается английский язык. Модель использует формат запросов ChatML с ролями system, user и assistant. В репозитории представлены варианты квантизации от Q8 до Q3 и IQ3/IQ4 с размером файлов примерно от 3,5 до 9,1 ГБ. Более высокие разрядности обеспечивают лучшее качество, тогда как варианты Q3 предназначены для устройств с ограниченной оперативной памятью. Для большинства сценариев автор рекомендует варианты Q4–Q6, при этом Q6 и Q8 описаны как высококачественные. К сильным сторонам относятся специализация на STEM-задачах, широкий набор обучающих источников и возможность локального запуска через llama.cpp благодаря GGUF-квантизации. Ограничения включают возможное снижение качества на низких уровнях квантизации, отсутствие заявленной мультимодальности, неизвестный размер контекстного окна и неопределённые характеристики на других языках. Лицензия обозначена как other, но её конкретные условия в README не указаны.

gopi30/english-to-tamil-stage3 — дообученная модель машинного перевода на архитектуре M2M100ForConditionalGeneration. Она создана на основе facebook/m2m100_418M и предназначена для перевода с английского на тамильский. По данным карточки, модель обучалась на более чистых и разнообразных параллельных парах предложений и улучшалась для передачи идиом, сложных конструкций, грамматики и морфологии тамильского языка. Модель подходит для перевода учебных материалов и локализации веб- и мобильных приложений, а также может использоваться как компонент голосовых помощников и средств доступности. Она содержит 332,5 млн параметров, работает через Transformers и использует формат safetensors; длина контекста — 1024 токена. Лицензия в предоставленных данных не указана.

GPT-OSS-Nano — компактная языковая модель с архитектурой Mixture of Experts, опубликованная пользователем squ11z1 и дообученная на базе openai/gpt-oss-20b. Модель ориентирована на пошаговое рассуждение и решение задач, включая математические вопросы, объяснение концепций и общий текстовый диалог. Для обучения использовались QLoRA, Unsloth и TRL на наборе Superior-Reasoning с примерами цепочек рассуждений. Модель содержит около 9 млрд параметров, из которых примерно 3 млрд активируются на каждом проходе. Архитектура включает 12 экспертов, 4 активных эксперта на токен, 24 слоя, скрытое измерение 2880, 64 attention heads с 8 KV-головами и GQA. Заявлена поддержка контекста до 131 072 токенов и точности BFloat16. Основной язык — английский; качество на других языках может варьироваться. Доступны форматы GGUF для локального запуска через llama.cpp и Ollama, а также интеграция с Transformers и 4-битной загрузкой через Unsloth. Сильными сторонами модели являются относительно экономичное разреженное вычисление, большой контекст и специализация на пошаговом reasoning. Ограничения включают преимущественно англоязычную оптимизацию, риск правдоподобных ошибок и непригодность для критически важных сценариев без дополнительной проверки. Модель распространяется по лицензии Apache-2.0.

CarrotAI/ko-gemma-2b-it-sft — разговорная языковая модель, дообученная на основе google/gemma-2b-it. Это плотная модель семейства Gemma с 2,5 млрд параметров, рассчитанная на генерацию ответов в диалоге; пример в карточке показывает ответ на корейский запрос с кодом на Python. Модель предназначена для чат-ботов и систем вопросов и ответов, а также может генерировать объяснения и примеры кода. Поддерживаемые языки — корейский и английский; контекст — до 8192 токенов. Модель распространяется в формате safetensors для библиотеки Transformers. В карточке не приведена лицензия. Качество может зависеть от сложности задачи и формулировки запроса, поэтому пригодность для конкретного применения следует оценить отдельно.

Llama-3.2-1B-Instruct-Frog — компактная языковая модель на архитектуре Llama, разработанная phamhai на базе Meta Llama 3.2 1B Instruct и дообученная для задач RAG на вьетнамском языке. Модель содержит 1,2 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для диалоговых сценариев, ответов на вопросы с использованием найденных документов, суммаризации, извлечения сущностей, вызова функций и переформулирования вопросов. Небольшой размер позволяет использовать её для быстрого инференса на локальных и периферийных устройствах. Автор отмечает, что у версии 1B слабее понимание запросов и ниже точность в некоторых задачах, включая суммаризацию и извлечение сущностей при вызове функций. Модель распространяется по лицензии Llama 3.2; использование требует соблюдения условий лицензии Meta.

Orion-zhen разработал чат-модель Orion-zhen/Llama3-70B-Orion-Chinese на основе failspy/Llama-3-70B-Instruct-abliterated-v3, дообучив её методом DPO. Это плотная авторегрессионная модель семейства Llama 3 с 69,5 млрд параметров, контекстом 8192 токена и поддержкой диалога; карточка демонстрирует ответы на китайском языке с более оживлённой подачей и частым использованием эмодзи. Модель предназначена для диалога на китайском, рассуждений, ответов на вопросы и генерации кода. В README приведены примеры решения математических и логических задач, бытовых вопросов, анализа эмоций и написания кода. Метаданные также связывают обучение с наборами предпочтений для китайского и английского диалога, математики, физического рассуждения, кода и других ответов. Файлы опубликованы в формате Safetensors. Лицензия — Llama 3; применимость и условия использования следует сверять с её условиями. Примеры README показывают возможные ошибки в рассуждениях и небезопасные советы, поэтому ответы требуют проверки; инструкция по расширению контекста до 32k в карточке не подтверждена как штатная длина контекста модели.

Local AI Toolkit — это подборка локально запускаемых моделей и инструментов, опубликованная под идентификатором m15dg/local-ai-toolkit. Коллекция собрана с использованием AI-подбора и предназначена как отправная точка для локального AI-окружения, а не как единая модель. Она ориентирована на работу на потребительском оборудовании с NVIDIA RTX 3060 с 12 ГБ видеопамяти и 32 ГБ оперативной памяти. В состав входят модели для универсальной генерации текста, программирования и кодовых агентов, координации multi-agent систем, RAG и анализа документов, embeddings и reranking, синтеза речи, распознавания речи, мультимодального анализа изображений и текста, а также uncensored-варианты. Заявлены форматы GGUF и SafeTensors; для отдельных сценариев предусматриваются GPU и CPU offload либо полностью GPU-ориентированный запуск. Поддерживаются английский и персидский языки, однако характеристики отдельных моделей, включая архитектуру, размеры, контекст и точные мультимодальные возможности, зависят от конкретных компонентов коллекции. Сильной стороной является подборка моделей, адаптированная под ограниченный бюджет памяти и различные локальные сценарии — от диалогов и генерации кода до RAG, агентов и речи. Ограничения заключаются в том, что это незавершённый и периодически обновляемый набор рекомендаций: заявленные возможности и качество не являются гарантированными, а Image Generation и Video Generation на момент описания отсутствуют. Лицензия указана как other; отдельные лицензии входящих моделей в README не приведены.

mBART-50 many-to-many — модель машинного перевода от Facebook, дообученная на основе mBART-large-50. Она переводит напрямую между любыми парами из 50 языков: целевой язык задаётся специальным токеном в начале генерации. Модель построена на архитектуре MBartForConditionalGeneration и содержит около 457,4 млн параметров; максимальная длина контекста — 1024 токена. Модель предназначена для многоязычного перевода текстов, включая перевод на русский и с русского. Для её использования требуется указать токен целевого языка при генерации. Карточка не сообщает лицензию и специфические ограничения качества, поэтому их нельзя уточнить по имеющимся данным.

Moondream 3 (Preview) — мультимодальная модель Moondream для анализа изображений и работы с текстом. Она принимает изображение и текстовый запрос, а также может использоваться как универсальная текстовая модель. Архитектура — Mixture of Experts: 9 млрд параметров всего, из них 2 млрд активны; визуальный энкодер основан на SigLIP. Модель имеет 24 слоя и контекстное окно до 32 тысяч токенов. Модель предназначена для ответов на вопросы об изображениях, создания подписей, поиска точек объектов и обнаружения объектов с ограничивающими рамками. Режим рассуждений включён по умолчанию; его можно отключить для простых запросов. Для локального запуска предлагается Transformers с FlexAttention, а также доступен облачный API. Moondream 3 выпущена как Preview, поэтому качество и поведение могут измениться. Веса распространяются по Business Source License 1.1 с Additional Use Grant: разрешены личное и исследовательское применение, внутреннее производственное использование и большинство коммерческих сценариев, но платные сервисы, конкурирующие с предложениями M87 Labs, требуют отдельного соглашения.

emozilla разработал эту дообученную версию mosaicml/mpt-7b-storywriter для создания кратких пересказов и литературного анализа художественных произведений. Модель построена на архитектуре MPT и выдаёт текст; примеры в карточке показывают анализ отдельных сюжетных глав и пересказ текста объёмом 6 287 токенов. Модель подходит для подготовки краткого содержания рассказов и романов, а также для анализа персонажей, событий и тем повествования. Обучение проводилось на наборе emozilla/booksum-summary-analysis_gptneox-8192, адаптированном из kmfoda/booksum, с последовательностями длиной до 8 192 токенов. Для использования заявлена лицензия Apache-2.0. Результаты зависят от входного текста и параметров генерации; примеры показывают возможные интерпретации сюжета, а не гарантированно точный литературоведческий вывод. README описывает загрузку с оптимизациями MPT и 8-битным режимом, но не приводит формальной оценки качества.