I.5Создание и редактирование текста

TranslatEGemma 12B IT 4bit — компактная 4-битная квантованная версия модели google/translategemma-12b-it, преобразованная сообществом mlx-community в формат MLX с использованием mlx-lm 0.29.1. Модель предназначена для генерации текста и, судя по названию и базовой модели, прежде всего для задач машинного перевода и связанных с ними сценариев. Модель содержит 12 миллиардов параметров, поддерживает текстовый ввод и вывод и рассчитана на запуск в экосистеме MLX через библиотеку mlx-lm, включая диалоговый шаблон tokenizer, если он доступен. 4-битное представление снижает требования к памяти и делает модель более подходящей для локального запуска на совместимом оборудовании, но может ограничивать точность по сравнению с полноразмерной версией. Сведения о поддерживаемых языках, размере контекста, архитектуре и конкретных ограничениях качества в README не указаны. Для использования требуется принять лицензию Google Gemma на Hugging Face; доступ регулируется условиями этой лицензии.

Vecteus-v1-abliterated — это японская языковая модель для генерации и понимания текста в литературном домене, представленная проектом Local-Novel-LLM-project. Модель основана на дообученной Mistral-7B-v0.1 и предназначена для создания естественного японского текста, в том числе художественной прозы. Модель поддерживает генерацию текста и диалоговый сценарий; в карточке также заявлены ответы на вопросы, суммаризация и перевод. Вариант abliterated создан удалением выходных фильтров исходной модели, что расширяет свободу генерации. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

MiMo-VL-7B-RL-2508-GGUF — квантизированная версия мультимодальной модели MiMo-VL-7B-RL-2508, разработанной XiaomiMiMo и подготовленной пользователем bartowski в формате GGUF. Модель предназначена для задач image-text-to-text: анализа изображений и генерации текстовых ответов по визуальному и текстовому контексту. Модель содержит около 7 миллиардов параметров и поддерживает обработку текста и изображений. Для квантизации использовались llama.cpp и калибровочные данные с методом imatrix. Доступны варианты от BF16 и Q8_0 до более компактных Q2 и IQ-квантизаций; варианты Q4–Q6 предлагают компромисс между качеством и требованиями к памяти, а Q4_K_M рекомендуется как типичный вариант для большинства сценариев. Сведения о поддерживаемых языках, размере контекстного окна и точном формате промптов в README не указаны. Модель можно запускать через llama.cpp, LM Studio и другие совместимые проекты. Квантизация уменьшает размер файлов и требования к ресурсам, однако более низкие уровни квантизации могут заметно снижать качество ответов. Лицензия в предоставленных данных не указана.

AfriNLP/AfriNLLB-12enc-12dec-full-ft — дообученная командой AfriNLP модель машинного перевода на базе facebook/nllb-200-distilled-600M. Она обучена на наборе AfriNLP/AfriNLLB-train и поддерживает 15 языковых пар, то есть 30 направлений перевода. Среди перечисленных языков — суахили, хауса, йоруба, амхарский, сомали, зулу, лингала, африкаанс, волоф, египетский арабский, а также арабский, английский, французский, португальский и испанский. Модель использует архитектуру M2M100 с 12 слоями энкодера и 12 слоями декодера, содержит 463,7 млн параметров и имеет контекст до 1024 токенов. Для инференса доступны Transformers и CTranslate2; авторы рекомендуют CTranslate2 для более быстрого применения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

webbigdata/ALMA-7B-Ja — языковая модель для машинного перевода, созданная webbigdata на основе метода обучения ALMA. Модель построена на плотной архитектуре Llama и содержит 6,6 млрд параметров; указанное окно контекста — 4096 токенов. Основное назначение — перевод между японским и английским языками в обоих направлениях. В README также отмечена проверенная способность переводить между английским и немецким, китайским, исландским и чешским языками, однако для этих языковых пар автор рекомендует оригинальную ALMA-13B. Метод ALMA включает дообучение на одном языковом корпусе с последующей оптимизацией на качественных параллельных данных. Репозиторий содержит веса PyTorch и Safetensors. Лицензия в предоставленных сведениях не указана.

Baichuan-M2-32B — медицинская языковая модель Baichuan AI для рассуждений о здоровье, клинических сценариев и общения с пациентами. Репозиторий AIArchiveInfo является побитовой копией Baichuan AI; модель основана на Qwen2.5-32B и дообучена для медицинской области. Это плотная трансформерная модель Qwen2 с 32 млрд параметров и контекстом до 131 072 токенов, принимающая и генерирующая текст. В README описаны адаптация на медицинских данных, многоэтапное обучение с подкреплением и система проверки ответов с симуляторами пациентов. Модель предназначена для медицинского образования, консультаций по вопросам здоровья и поддержки клинических решений; также сохраняет общие возможности генерации текста и поддерживает интерфейс вызова инструментов. В карточке указаны английский и китайский языки. По заявлению авторов, модель показала высокие результаты в HealthBench и общих тестах, однако эти показатели приведены авторами и не гарантируют качество в реальных клинических случаях. Использовать её следует при участии медицинских специалистов: она не заменяет диагноз или лечение. Лицензия — Apache-2.0.

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_random_b2000_s0 — дообученная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-4B-Base. В карточке указано дообучение на смеси данных sciweb и Stack Exchange с научными примерами; подробности о составе выборки и процедуре обучения не приведены. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 32 768 токенов. Репозиторий использует Transformers и хранит веса в формате safetensors. Лицензия указана как «other», без уточнения условий, поэтому перед использованием следует проверить лицензионные сведения репозитория. README не содержит результатов оценки качества или конкретных ограничений модели.

CAT-Translate-3.3B — языковая модель CyberAgent для двустороннего перевода между японским и английским языками. Это плотная авторегрессионная модель семейства Llama с 3,1 млрд параметров, рассчитанная на контекст до 8192 токенов и работающая через Transformers; для запуска перевода ей требуется инструкция в prompt. Модель дообучена на базе sbintuitions/sarashina2.2-3b. В обучении использовались синтетические параллельные корпуса, двухэтапное supervised fine-tuning и обучение с подкреплением Multi-Objective GRPO; для эффективного обучения применялась LoRA. Разработчики оценивали переводы в направлениях японский—английский и английский—японский на наборах, связанных с диалогами, судебным переводом, медициной, патентами и деловой тематикой. Модель предназначена для перевода текстов и диалогов между японским и английским, в том числе в прикладных сценариях из оценки разработчиков. Репозиторий распространяется по лицензии MIT. Результаты бенчмарков приведены разработчиками; они не гарантируют одинаковое качество на произвольных текстах и доменах.

microsoft/deberta-xlarge — англоязычная модель DeBERTa, разработанная Microsoft для задач понимания естественного языка. Она развивает подходы BERT и RoBERTa с помощью раздельного внимания (disentangled attention) и улучшенного декодера маски; в README указаны 48 слоёв и размер скрытого состояния 1024, а метаданные каталога — 856,8 млн параметров и контекст до 512 токенов. Модель предназначена прежде всего для заполнения пропусков в тексте: она предсказывает замаскированные токены с учётом контекста. Её также можно дообучать для задач NLU, включая классификацию текста и ответы на вопросы; приведённые в README результаты относятся к дообученным вариантам и не гарантируют такую же точность у этого базового чекпойнта. Доступны веса PyTorch и TensorFlow. Лицензия — MIT.

DeepReviewer-14B — языковая модель WestlakeNLP для подготовки структурированных отзывов на научные статьи. Она основана на Microsoft Phi-4 и дополнительно обучена с учителем для академического рецензирования; модель содержит 14 млрд параметров согласно названию версии. Это текстовая модель с диалоговым режимом, доступная в формате safetensors и рассчитанная на работу через Transformers или vLLM. Модель анализирует текст статьи и формирует оценку, сильные и слабые стороны, а также рекомендации по улучшению. Fast Mode предназначен для краткого отзыва, Standard Mode имитирует несколько точек зрения рецензентов с проверкой, а Best Mode даёт наиболее подробный разбор. Модель можно применять для самооценки рукописи, практики академического письма и подготовки к получению отзывов; карточка указывает поддержку английского, китайского, японского, корейского, французского и немецкого языков. Модель не предназначена для официального рецензирования и принятия решений о публикации, а также не заменяет экспертную оценку, проверку фактов или обнаружение плагиата. Она принимает только текст, поэтому не может напрямую анализировать изображения, графики и сложные формулы; результаты могут быть менее точными в узких и быстро развивающихся областях. Лицензия указана как other, а README запрещает формальное использование для рецензирования.

Модель eren23/DistiLabelOrca-TinyLLama-1.1B — диалоговая языковая модель семейства Llama, разработанная на основе TinyLlama/TinyLlama-1.1B-Chat-v1.0. Автор дообучил её методом DPO на датасете argilla/distilabel-intel-orca-dpo-pairs, представляющем собой дистиллированную версию набора предпочтений Intel Orca. Модель содержит около 1 млрд параметров, использует архитектуру LlamaForCausalLM и работает с контекстом до 2048 токенов. Модель предназначена для генерации текста в диалоге и ответов на вопросы на английском языке. Её можно применять для разговорных ассистентов и ответов на пользовательские запросы. В карточке приведены результаты Open LLM Leaderboard, включая среднее значение 37,17, но они сами по себе не гарантируют качество в конкретных сценариях. Доступна в формате safetensors для Transformers; лицензия — Apache-2.0.

transformers-community/dola — реализация метода Decoding by Contrasting Layers (DoLa) для генерации текста на базе архитектуры Qwen3. Она сравнивает логиты финального слоя с логитами более ранних слоёв, чтобы усилить фактические знания и уменьшить влияние недостоверных продолжений. Предусмотрены режимы с выбором высоких слоёв для коротких ответов и низких слоёв для задач с развёрнутым рассуждением. Модель имеет 507,9 млн параметров, использует библиотеку Transformers и поддерживает контекст до 40 960 токенов. Карточка указывает чат-возможности и интерфейс вызова инструментов. DoLa применяется при генерации ответов на вопросы и рассуждений; README отмечает, что улучшение может быть незначительным для небольших моделей. Веса опубликованы в формате safetensors. Условия лицензии в предоставленных данных не указаны.

Карточка модели sulabhkatiyar/en-indic-translate-26b на Hugging Face совпадает с карточкой hariharasudhan/en-indic-translate-26b, поэтому описание составлено по ней. En-Indic Translate 26B — дообученная модель на базе google/gemma-4-26B-A4B-it, представленная автором карточки как система перевода с английского на 11 индийских языков: ассамский, бенгальский, гуджарати, хинди, каннада, малаялам, маратхи, одиа, пенджаби, тамильский и телугу. Она предназначена для перевода сложных, длинных документов с формулами и структурированным содержимым. Модель сохраняет LaTeX-формулы, блоки кода, заголовки и структуру документа. Базовая Gemma 4 — мультимодальная модель, но README описывает именно перевод текста; указанная архитектура — Gemma4ForConditionalGeneration, формат весов — safetensors, библиотека — Transformers. В карточке приведена оценка на 500 документах, где отдельно измерялись сохранность математических элементов, кода и склонность к циклическим повторам. Возможность модели обрабатывать тысячи токенов согласованно заявлена в README, но точная длина контекста в предоставленных сведениях не приведена. Автор сообщает о тестировании на AMD MI300X с ROCm; для NVIDIA CUDA могут потребоваться корректировки версий пакетов. Лицензия — Gemma.

Falcon-E-3B-Base — базовая языковая модель, разработанная Technology Innovation Institute (TII). Это авторегрессионная causal decoder-only модель семейства Falcon-E на основе pure-transformer архитектуры с 1,58-битным представлением параметров. Модель предназначена для работы с текстом на английском языке и может использоваться как основа для генерации текста, экспериментов и последующей instruction-тонкой настройки. Модель содержит около 3 млрд параметров, при этом заявленный объём памяти составляет примерно 999 МБ, что делает её ориентированной на эффективное развёртывание на устройствах с ограниченными ресурсами и edge-сценарии. Для инференса поддерживаются библиотеки Hugging Face Transformers и Microsoft BitNet; также предусмотрены варианты checkpoint для тонкой настройки и версия bfloat16. Максимальный размер контекста в README не указан. К сильным сторонам относятся существенно сниженные требования к памяти и поддержка 1,58-битного формата, а также конкурентные результаты на приведённых внутренних тестах для моделей масштаба 3B: средний нормализованный балл Falcon-E-3B-Base указан как 18,32. Это базовая, а не instruction-тюненная версия, поэтому она не оптимизирована для непосредственного диалогового взаимодействия и выполнения инструкций без дополнительной настройки. Сведения о мультимодальности отсутствуют; модель следует рассматривать как текстовую. Использование регулируется Falcon-LLM License.

GemmaX2-28-9B-v0.1 — языковая модель Xiaomi для машинного перевода. Она основана на архитектуре Gemma 2 и дообучена методом supervised fine-tuning на инструкциях по переводу; базовая модель предварительно обучалась на текстах и параллельных данных на 28 языках. Модель содержит 9 млрд параметров, принимает и генерирует текст, работает через библиотеку Transformers и имеет контекстное окно 8192 токена. Модель предназначена для перевода между поддерживаемыми языками, в том числе в сценариях, где перевод задаётся инструкцией в чате. Поддерживаемые языки: арабский, бенгальский, чешский, немецкий, английский, испанский, персидский, французский, иврит, хинди, индонезийский, итальянский, японский, кхмерский, корейский, лаосский, малайский, бирманский, нидерландский, польский, португальский, русский, тайский, тагальский, турецкий, урду, вьетнамский и китайский. Лицензия — Gemma; условия её применения следует сверять с лицензией модели.

GottBERT_base_last — немецкоязычная модель семейства RoBERTa, разработанная и предварительно обученная на немецкой части первого выпуска корпуса OSCAR. Это базовая версия GottBERT с архитектурой RoBERTa и примерно 153,2 млн параметров по метаданным Hugging Face; она принимает текст и предназначена прежде всего для предсказания замаскированных токенов, а также может служить основой для задач распознавания именованных сущностей, классификации текста и логического вывода на немецком языке. Контекст составляет 514 токенов, токенизатор использует BPE со словарём около 52 тысяч подслов. В README приведены результаты оценки на немецких наборах CoNLL 2003, GermEval и XNLI. Модель поддерживает только немецкий язык и распространяется по лицензии MIT. Среди ограничений карточка отмечает, что фильтрация обучающих данных дала лишь небольшие улучшения, а TPU-обучение потребовало обработки данных единым потоком и обучения в 32-битном режиме.

Tooony133/LenoPalenoQwen-3.6-27B — производная мультимодальная модель семейства Qwen3.5, дообученная на основе Tooony133/Qwen-3.6-27B-SkinnyPete, которая, согласно README, восходит к Qwen/Qwen3.6-27B. Модель предназначена для диалогов с текстом и изображениями и выдаёт текстовые ответы. В репозитории указаны веса Safetensors в формате FP8 с упаковкой compressed-tensors; метаданные также отмечают поддержку vision и chat. Модель распространяется по лицензии Apache-2.0. Размер параметров, длина контекста и поддерживаемые языки в предоставленных сведениях не указаны.

nayohan/llama3-8b-it-translation-general-en-ko-1sent — дообученная автором nayohan диалоговая языковая модель семейства Llama 3 для перевода отдельных предложений с английского на корейский в общей тематике. Она основана на Meta-Llama-3-8B-Instruct с архитектурой LlamaForCausalLM и содержит 7,5 млрд параметров. Модель работает с текстом, поддерживает контекст до 8192 токенов и предназначена для использования через Transformers. Модель обучена на 1,18 млн примеров из набора nayohan/aihub-en-ko-translation-1.2m. Её сильная сторона — узкая специализация на переводе с английского на корейский; перевод в обратном направлении, другие языковые пары и управление стилем в README не заявлены. Лицензия — Llama 3; применяются её условия использования.

Llama-3-8B-Special-Tokens-Adjusted — модель Astronomer, созданная Дэвидом Сюэ на основе Meta Llama 3. Это версия базовой Meta-Llama-3-8B с исправленными входными и выходными эмбеддингами для токенов, которые не были обучены при предварительном обучении: их нулевые веса заменены средними значениями обученных токенов. Модель предназначена прежде всего для дальнейшей тонкой настройки; исправление призвано снизить риск нестабильности обучения, включая взрыв градиентов и NaN-значения. Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Она принимает текст и генерирует текст; базовая модель ориентирована на английский текст и код. Модель распространяется под лицензией Llama 3 Community License. README описывает коррекцию эмбеддингов, но не приводит отдельной оценки качества после исправления.

Lucy — компактная языковая модель на 1,7 млрд параметров, разработанная Alan Dao, Bach Vu Dinh, Alex Nguyen и Norapat Buppodom на базе Qwen3-1.7B. Она предназначена для агентного веб-поиска, лёгкого просмотра веб-страниц и диалоговой генерации текста. Для поиска и работы с веб-страницами модель использует внешние инструменты через MCP, например Serper и Crawl4AI. Модель построена на плотной архитектуре Qwen3 и рассчитана на контекст до 40 960 токенов. Авторы описывают оптимизацию для мобильных устройств и запуска на CPU, а также обучение с подкреплением без supervised fine-tuning и сгенерированные машинным способом task vectors. Карточка приводит результат сравнения на SimpleQA, но не содержит подробностей протокола или воспроизводимых результатов. Модель поддерживает английский язык; лицензия — Apache-2.0.

Heng-Shiou Sheu подготовил эту версию MADLAD-400-3B-MT, преобразовав исходную модель Google в оптимизированный формат CTranslate2 с INT8-квантизацией. Это модель машинного перевода на архитектуре T5, обученная на данных более чем для 450 языков; автор карточки указывает, что она конкурентоспособна с существенно более крупными моделями. Модель предназначена прежде всего для перевода между языками и многоязычных NLP-задач. Её можно применять для перевода текстов и в исследовательских сценариях с поддерживаемыми языками. Карточка отмечает, что качество зависит от языка и, вероятно, от предметной области; модель обучена на общих данных и не оценивалась для производственного применения или специализированных областей. Возможны ошибки и проблемные ответы из-за особенностей веб-данных, использованных при обучении. Модель распространяется по лицензии Apache 2.0.

Карточка модели MergekitCloud/mergekit-63 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-73, поэтому описание составлено по ней. MergekitCloud/mergekit-73 — объединённая языковая модель на основе Llama 3.1, созданная с помощью mergekit методом Model Stock. В слияние вошли четыре модели для диалогов и ролевого общения; базовой указана vicgalle/Humanish-Roleplay-Llama-3.1-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в формате диалога. Заявленная длина контекста — 131 072 токена. Модель подходит для ведения диалогов и ролевых сценариев, в том числе с более свободными ответами. README не приводит результаты оценки качества или подробностей о поддерживаемых языках. В репозитории указаны веса safetensors; библиотека для работы — Transformers. Условия лицензирования в предоставленных данных не описаны.

MergekitCloud/mergekit-73 — объединённая языковая модель на основе Llama 3.1, созданная с помощью mergekit методом Model Stock. В слияние вошли четыре модели для диалогов и ролевого общения; базовой указана vicgalle/Humanish-Roleplay-Llama-3.1-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в формате диалога. Заявленная длина контекста — 131 072 токена. Модель подходит для ведения диалогов и ролевых сценариев, в том числе с более свободными ответами. README не приводит результаты оценки качества или подробностей о поддерживаемых языках. В репозитории указаны веса safetensors; библиотека для работы — Transformers. Условия лицензирования в предоставленных данных не описаны.

MiniMax-M2.7 Legal REAP 0.35 — модель PLI Labs / Proprietary Legal Intelligence для генерации текста в юридических сценариях. Это разреженная mixture-of-experts модель семейства MiniMax M2.7 с 2,9 млрд параметров и контекстом до 204 800 токенов, созданная как кандидат для оценки pruning экспертов с калибровкой на юридических задачах. Модель предназначена для помощи юристам при подготовке и редактировании документов, синтезе правовой и фактической информации, суммаризации с опорой на источники и анализе, чувствительном к полноте материалов. Предусмотрены консервативный отказ или эскалация при неполной доказательной базе и локальная либо приватная оценка командами юристов. Это исследовательский кандидат для оценки, а не проверенная производственная система или средство самостоятельной юридической консультации. Публичные агрегированные результаты бенчмарков не опубликованы; выводы и цитаты требуют независимой проверки, а любое юридическое применение — контроля юриста. Лицензия указана как other.

Felldude/Ministral-3-8B-Uncensored — полноразмерное дообучение Ministral 3 для задач компьютерного зрения и языковой генерации на темах NSFW. Модель объединяет языковую часть на 8,4 млрд параметров и визуальный энкодер на 0,4 млрд параметров; поддерживает ввод изображений и текста, а также контекст длиной до 256 тыс. токенов. В карточке заявлена многоязычная поддержка, но конкретные языки не перечислены. Модель предназначена для подробного описания изображений, включая NSFW-контент, ответов на вопросы по изображениям, создания NSFW-историй и других мультимодальных диалогов. Также заявлены OCR и извлечение данных, классификация текста, перевод, вызов функций и структурированный JSON. Указаны соблюдение системных инструкций и развертывание на периферийных устройствах; пример использования требует CUDA GPU. Модель основана на mistralai/Ministral-3-8B-Base-2512 и распространяется по лицензии Apache 2.0. README не приводит результатов сравнительной оценки, поэтому качество для отдельных задач, языков и сценариев применения не подтверждено.

Это квантованная версия модели перевода NLLB-200 Distilled 1.3B, подготовленная в формате CTranslate2 из исходной facebook/nllb-200-distilled-1.3B. Репозиторий создан JustFrederik; README показывает команду преобразования весов с квантованием int8. Модель предназначена для машинного перевода между языками, поддерживаемыми NLLB-200; в метаданных указаны языковые коды для множества языков, а также набор данных FLORES-200. Квантование int8 сокращает требования к хранению и вычислениям по сравнению с исходными весами, сохраняя назначение модели для перевода. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. README не сообщает результатов оценки качества или конкретных ограничений точности после квантования.

NorBERT 3 base — базовая версия модели третьего поколения NorBERT для норвежского языка, официальный выпуск, описанный в исследовании NorBench. Это энкодерная модель семейства BERT с архитектурой NorbertForMaskedLM и 123,3 млн параметров. Она обучена предсказывать замаскированные токены и подходит для заполнения пропусков, а также как основа для классификации текста и токенов, ответов на вопросы и задач с выбором варианта. Модель принимает текст, поддерживает норвежский язык и обрабатывает последовательности длиной до 512 токенов. Для загрузки требуется пользовательская обёртка из modeling_norbert.py и параметр trust_remote_code=True. Распространяется по лицензии Apache-2.0.

NorBERT 3 xs — официальная компактная модель языкового семейства NorBERT 3, выпущенная авторами работы NorBench — A Benchmark for Norwegian Language Models. Это энкодерная модель на основе BERT для норвежского языка с 14,9 млн параметров и контекстом до 512 токенов. Метаданные указывают поддержку норвежского языка; семейство включает модели разных размеров, а также отдельные генеративные модели NorT5. Модель предназначена прежде всего для заполнения пропусков в тексте и может использоваться в задачах классификации текста и токенов, ответов на вопросы и выбора варианта. Для загрузки требуется пользовательская обёртка modeling_norbert.py и параметр trust_remote_code=True. Веса опубликованы в формате PyTorch по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-bi-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит с языка bi на английский. Модель построена на архитектуре Transformer-align, использует SentencePiece и нормализацию текста; число параметров — 53 млн, максимальная длина контекста — 512 токенов. Модель предназначена для перевода текстов bi на английский, в том числе материалов, похожих на корпус JW300. В README приведён результат BLEU 30,3 на тестовом наборе JW300.bi.en. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-to — модель машинного перевода из семейства OPUS-MT, разработанная проектом Helsinki-NLP. Она переводит текст с испанского языка на язык, обозначенный кодом «to» в карточке модели. Модель построена на архитектуре Marian Transformer-align, содержит 55,4 млн параметров и использует нормализацию и токенизацию SentencePiece; заявленная длина контекста — 512 токенов. Модель предназначена для перевода текстов и предложений с испанского на «to». В README приведены результаты на тестовом наборе JW300.es.to: BLEU 35,7 и chr-F 0,510. Распространяется по лицензии Apache-2.0.