I.5Создание и редактирование текста

Re3Cap-CIM-Qwen2-VL-7B — мультимодальная модель на 7,1 млрд параметров, дообученная на Qwen/Qwen2-VL-7B-Instruct методом GRPO. Она предназначена для описания изображений: стратегия Re³Cap уточняет подпись с помощью поиска изображений по её тексту, а компоненты Caption Refinement Suggester и Caption Quality Assessor помогают выявлять галлюцинации и пропущенные детали. Обучение также использует награду Cross-modal Identity Mapping, которая оценивает сходство изображений, найденных по подписи, с исходным изображением. Модель принимает изображения и текстовые запросы и выдаёт текстовые подписи; архитектура — Qwen2-VL для условной генерации, формат весов — safetensors. Нативный контекст составляет 32 768 токенов. Карточка описывает задачу генерации подписей, но не уточняет набор поддерживаемых языков. Модель выпущена под лицензией Apache-2.0. Заявленное улучшение точности и детализации основано на описанном подходе; численные результаты и конкретные пределы качества в карточке не приведены.

wav2vec2-finetuned-asr — модель автоматического распознавания речи, дообученная на основе facebook/wav2vec2-xls-r-300m. Она использует архитектуру Wav2Vec2ForCTC и принимает аудио, преобразуя речь в текст. Датасет дообучения не указан; сведения о поддерживаемых языках и целевых сценариях отсутствуют. На оценочном наборе указаны Loss 0,4425, WER 0,5418 и CER 0,3254. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Результаты приведены без описания набора данных и методики оценки, поэтому их нельзя уверенно переносить на другие аудио и условия записи.

psikosen/canopy-258m-r3-v4 — компактная генеративная модель семейства Canopy, представленная как модель для рассуждений на периферийных устройствах и автоматизации браузера. В README описана архитектура рекуррентной смеси экспертов (MoE), однако метаданные указывают класс CanopyForCausalLM и 136,8 млн параметров; поэтому размер и точные архитектурные детали в источниках расходятся. Согласно README, модель ориентирована на генерацию текста, многошаговые рассуждения и выполнение действий в браузере, включая заполнение форм и цепочки действий. В карточке заявлены ограничение памяти KV-кэша при длинных последовательностях и ускорение генерации и браузерных операций; эти показатели приведены самим автором и независимая проверка в предоставленных данных отсутствует. Метаданные указывают английский язык и поддержку чата и кода. Модель распространяется под лицензией Apache-2.0.

Карточка модели psikosen/canopy-258m-r3-v5 на Hugging Face совпадает с карточкой psikosen/canopy-258m-r3-v4, поэтому описание составлено по ней. psikosen/canopy-258m-r3-v4 — компактная генеративная модель семейства Canopy, представленная как модель для рассуждений на периферийных устройствах и автоматизации браузера. В README описана архитектура рекуррентной смеси экспертов (MoE), однако метаданные указывают класс CanopyForCausalLM и 136,8 млн параметров; поэтому размер и точные архитектурные детали в источниках расходятся. Согласно README, модель ориентирована на генерацию текста, многошаговые рассуждения и выполнение действий в браузере, включая заполнение форм и цепочки действий. В карточке заявлены ограничение памяти KV-кэша при длинных последовательностях и ускорение генерации и браузерных операций; эти показатели приведены самим автором и независимая проверка в предоставленных данных отсутствует. Метаданные указывают английский язык и поддержку чата и кода. Модель распространяется под лицензией Apache-2.0.

Gemma 4 26B A4B IT Assistant — мультимодальная модель с открытыми весами от Google DeepMind, представленная как MTP-драфтер для семейства Gemma 4. Драфтер используется в спекулятивном декодировании: он предсказывает несколько токенов вперёд, а целевая модель проверяет их параллельно. По карточке семейства, этот вариант имеет архитектуру MoE размером 26B A4B и предназначен для инструкционного взаимодействия и ускорения генерации с сохранением качества целевой модели. Модель подходит для диалога, генерации и редактирования текста, программирования, рассуждений и агентных сценариев с вызовом функций. Семейство Gemma 4 принимает текст и изображения, поддерживает анализ видео; заявленная поддержка аудио относится к вариантам E2B, E4B и 12B, поэтому её нельзя переносить на этот чекпойнт. Для 26B A4B в карточке указано контекстное окно до 256K токенов, а семейство обучено на более чем 140 языках. Ключевое назначение этого чекпойнта — снизить задержку генерации в совместимом конвейере спекулятивного декодирования; заявлено ускорение до 3 раз. Для работы требуется целевая модель и поддержка MTP-декодирования, поэтому чекпойнт не является самостоятельной заменой полной модели Gemma 4. Лицензия — Apache 2.0.

Карточка модели kyutai/helium-1-2b-pop на Hugging Face совпадает с карточкой kyutai/helium-1-2b, поэтому описание составлено по ней. Helium-1-2B — базовая языковая модель Kyutai с архитектурой Llama и 1,9 млрд параметров, представленная в формате safetensors для библиотеки Transformers. Модель обучена на текстах на 24 официальных языках Европейского союза; её контекст составляет 4096 токенов. По карточке, модель дистиллирована из Gemma 2. Модель предназначена для генерации и понимания текста, а также для исследований и разработки систем NLP. Она не дообучена следовать инструкциям или предпочтениям людей, поэтому для прикладных сценариев обычно требуется дополнительное выравнивание, например supervised fine-tuning или RLHF. Компактный размер ориентирован на использование на устройствах с ограниченными ресурсами, включая мобильные и периферийные устройства. Модель может генерировать фактические ошибки, предвзятый, вредный или бесполезный текст; перед применением необходимы оценка и меры снижения рисков. Поддерживаются английский, болгарский, чешский, датский, немецкий, греческий, испанский, эстонский, финский, французский, ирландский, хорватский, венгерский, итальянский, литовский, латышский, мальтийский, нидерландский, польский, португальский, румынский, словацкий, словенский и шведский языки. Лицензия — CC-BY-SA 4.0; также действуют условия использования Gemma.

Higgs Audio v3 STT — модель распознавания речи в текст, разработанная Boson AI. Она объединяет аудиоэнкодер Whisper-Large-v3 с декодером Qwen3-1.7B; общий размер составляет 2,68 млрд параметров. Модель принимает монофоническое аудио WAV с частотой 16 кГц и выдаёт транскрипцию. Для загрузки используется собственная архитектура через Transformers с включённым trust_remote_code; обработка аудио требует библиотеки boson_multimodal. Модель предназначена для транскрибирования речи, включая записи встреч, выступлений, подкастов и финансовых аудиозаписей. В README упомянут режим Thinking для повышения точности. В обновлённом чекпойнте данные дообучения включают англоязычные наборы AMI, VoxPopuli, SPGISpeech, LibriSpeech, TED-LIUM, GigaSpeech и Earnings22; карточка отмечает, что опубликованные ранее результаты оценки относятся к предыдущему чекпойнту и требуют повторной оценки. Модель распространяется по лицензии Apache-2.0.

InternVL3-14B-hf — реализация на базе Transformers мультимодальной модели OpenGVLab InternVL3. Репозиторий содержит веса в формате safetensors и предназначен для функционально эквивалентного использования модели в экосистеме Hugging Face Transformers; архитектура — плотная модель InternVL с поддержкой диалогового режима и зрения. Это дообученная версия OpenGVLab/InternVL3-14B-Instruct. Модель принимает текст вместе с изображениями и видео, а также поддерживает генерацию текста по одному лишь текстовому запросу. Она предназначена для визуальных вопросов и ответов, анализа изображений и видео, мультимодального рассуждения и сценариев взаимодействия с интерфейсами и инструментами. В README отмечены возможности пакетного инференса и обработки чередующихся текстовых, графических и видеоданных; заявлены улучшения мультимодального восприятия и рассуждения относительно InternVL 2.5. Карточка указывает мультиязычную поддержку, но не перечисляет конкретные языки. Лицензия обозначена как other, поэтому условия использования следует сверять с лицензией исходной модели и репозитория. Модель рассчитана на инференс через Transformers; конкретные ограничения качества и контекстного окна в предоставленных данных не описаны.

LLMLingua-2-XLM-RoBERTa-Large-MeetingBank — модель Microsoft на архитектуре XLM-RoBERTa Large, дообученная для классификации токенов и сжатия промптов без привязки к конкретной задаче. Для каждого токена она оценивает вероятность сохранения, помогая сокращать текст с сохранением полезной информации. Модель содержит 658,8 млн параметров, принимает текст и имеет контекст длиной до 514 токенов. Модель обучена на данных MeetingBank, подготовленных для экстрактивного сжатия текста по методике LLMLingua-2. Её можно применять для сжатия стенограмм совещаний перед последующими задачами, например ответами на вопросы и суммаризацией. Она выдаёт метки токенов, используемые при отборе текста; сама по себе не предназначена для генерации ответов или пересказов. Лицензия — MIT.

LongAlign-7B-64k-base — базовая языковая модель семейства Llama, подготовленная командой проекта LongAlign на основе Llama-2-7B с расширенным контекстным окном до 64 тысяч токенов. Она предназначена для генерации текста и служит основой для выравнивания LLM под инструкции на длинном контексте. Проект LongAlign предлагает набор LongAlign-10k из 10 000 инструкций длиной 8–64 тысячи токенов, стратегии обучения с упаковкой примеров и сортировкой по длине, а также оценку LongBench-Chat для запросов длиной 10–100 тысяч токенов. Модель имеет плотную архитектуру LlamaForCausalLM, около 6,6 млрд параметров и доступна в формате PyTorch для Transformers. В карточке указана поддержка английского и китайского языков. Лицензия — Apache-2.0. Это базовая модель с расширенным контекстом; README не утверждает, что именно этот вариант уже дообучен для диалогового следования инструкциям. Практическая длина контекста при использовании и качество на длинных запросах могут зависеть от конфигурации и сценария запуска.

Это текстовая версия базовой модели Ministral 3, подготовленная aimeri из mistralai/Ministral-3-14B-Base-2512. При экспорте удалены башня зрения Pixtral и мультимодальный проектор, а веса языковой модели сохранены без изменений: модель не дообучалась, не объединялась с другими и не квантизировалась. Архитектура — плотная авторегрессионная Ministral3ForCausalLM с 13,4 млрд параметров, 40 слоями и контекстом до 262 144 токенов. Модель предназначена для генерации текста и использования в качестве базовой точки для дальнейшей настройки. В карточке перечислена поддержка английского, французского, испанского, немецкого, итальянского, португальского, нидерландского, китайского, японского, корейского и арабского языков. Она распространяется в формате safetensors по лицензии Apache-2.0. Это базовая, а не чат-модель: готового шаблона диалога нет. По README, большинство управляющих токенов не обучены и не должны использоваться без дополнительной настройки или замены соответствующих весов. При загрузке через AutoTokenizer также есть ограничения на работу с пользовательскими Jinja-шаблонами; для таких сценариев README рекомендует PreTrainedTokenizerFast.

Muse-Glimmer-30B-assistant представлен как облегчённая модель-черновик для Muse Glimmer 30B, разработанная Meta Superintelligence Lab. Она использует DFlash: за один проход предлагает блоки из 16 токенов, которые основная модель проверяет параллельно; заявленная цель — ускорить генерацию текста, сохраняя качество основного генератора. В README основная Muse Glimmer описана как плотный причинный трансформер с энкодером восприятия, предназначенный для локального запуска и мультимодальных агентных задач. При этом метаданные этого репозитория указывают 2,5 млрд параметров и архитектуру MuseGlimmerAssistantModel; README приводит размер около 29,6 млрд для основной модели, поэтому эти значения относятся к разным компонентам.

Nemotron-Mini-4B-Instruct — компактная языковая модель NVIDIA для генерации диалоговых ответов и выполнения инструкций. Это дообученная версия nvidia/Minitron-4B-Base, основанной на Nemotron-4 15B и сжатой с помощью прореживания, дистилляции и квантования. Модель содержит 4,3 млрд параметров и построена как авторегрессионный Transformer-декодер с Grouped-Query Attention и RoPE; принимает контекст до 4096 токенов. Модель предназначена для ролевых диалогов, ответов на вопросы по материалам в сценариях RAG и вызова функций. NVIDIA оптимизировала её для быстрого вывода и развёртывания на устройствах; карточка заявляет готовность к коммерческому использованию. Основной язык — английский. Указанная в метаданных лицензия — other, поэтому конкретные условия использования следует сверить с лицензией и условиями NVIDIA.

Helsinki-NLP/opus-mt-ja-da — модель машинного перевода с японского на датский из проекта OPUS-MT, основанная на архитектуре MarianMT. Она принимает японский текст и генерирует перевод на датском; обработка включает нормализацию и SentencePiece-токенизацию с моделями spm32k для исходного и целевого текста. Размер модели — 58,2 млн параметров, контекст — до 512 токенов. В тесте Tatoeba для направления японский—датский указаны BLEU 43,2 и chr-F 0,590. Модель выпущена под лицензией Apache-2.0.

vonjack/opus-mt-mul-en-big — модель машинного перевода на базе MarianMT, опубликованная под Apache-2.0. Она переводит тексты с большого набора исходных языков на английский; среди перечисленных языков есть русский и множество языков с ограниченными цифровыми ресурсами. Карточка указывает архитектуру Transformer-big и обучающий набор OPUS, дополненный обратным переводом и данными из JHUBC. Модель содержит около 161,5 млн параметров, принимает текст и выдаёт текст. Максимальная длина контекста — 1024 токена. Она подходит для перевода пользовательских текстов и материалов с поддерживаемых языков на английский, в том числе для языков, которые редко представлены в машинном переводе. Качество перевода может заметно различаться между языками, особенно для малоресурсных языков; модель не предназначена для перевода с английского на другие языки. Лицензия — Apache-2.0.

Ornith-9B Custom — Damien FLETY (damfle) выполнил дообучение модели Ornith-1.0-9B. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration; метаданные указывают 7,5 млрд параметров. Модель поддерживает диалог и работу с изображениями, а её основное назначение по карточке — интеграция в RAG-сценарии и эффективный инференс. Модель можно применять для вопросов по документам с контекстом из поиска и для диалога с визуальными входными данными. В README упомянуты планы оптимизации для 4-битной квантизации и FP8, однако они обозначены как будущие; среди форматов репозитория указаны safetensors. Метаданные задают языки карточки как французский и английский. Лицензия указана как ISC, хотя README говорит, что модель наследует лицензию базовой модели и предлагает свериться с её условиями.

Это конвертированная в формат MLX версия модели распознавания речи NVIDIA Parakeet-TDT 0.6B v2, подготовленная сообществом mlx-community на основе nvidia/parakeet-tdt-0.6b-v2. Модель предназначена для преобразования аудиозаписей в текст; для запуска предлагаются библиотеки parakeet-mlx и mlx-audio. В основе — архитектура FastConformer/Conformer и метод TDT; исходная модель содержит около 0,6 млрд параметров. По описанию базовой модели, она транскрибирует английскую речь, расставляя пунктуацию и заглавные буквы, а также выдаёт временные метки слов. Репозиторий использует safetensors и библиотеку MLX. Лицензия — CC BY 4.0.

Riva-Translate-4B-Instruct — модель машинного перевода NVIDIA на архитектуре decoder-only Transformer, дообученная для перевода между 12 языками и региональными вариантами: английским, немецким, европейским и латиноамериканским испанским, французским, бразильским португальским, русским, упрощённым и традиционным китайским, японским, корейским и арабским. Модель содержит 3,9 млрд параметров; её основа — Mistral-NeMo-12B-Base, сжатая pruning и дистилляцией, после чего модель прошла многоэтапные CPT и SFT. Используются токенизатор tiktoken и контекст до 8192 токенов. Модель предназначена для перевода текстов с помощью инструкций и рекомендованного шаблона диалога System/User/Assistant. Она может применяться в пользовательских и прикладных сценариях перевода между поддерживаемыми языками. Качество зависит от предметной области, контекста и характеристик входного текста; возможны грамматические и смысловые ошибки. Для использования необходимо соблюдать условия NVIDIA Open Model License Agreement.

NVIDIA Riva-Translate-4B-Instruct-v1.1 — модель для перевода текста между английским и 11 другими языками и диалектами. Она построена на архитектуре decoder-only Transformer и дообучена для перевода на основе 4-миллиардной модели, полученной сжатием и дистилляцией nvidia/Mistral-NeMo-Minitron-8B-Base. В метаданных базовой моделью указана nvidia/Mistral-NeMo-12B-Base. Модель содержит 3,9 млрд параметров и поддерживает контекст до 8192 токенов. Поддерживаются английский, немецкий, европейский и латиноамериканский варианты испанского, французский, бразильский португальский, русский, упрощённый и традиционный китайский, японский, корейский и арабский. Перевод выполняется в обоих направлениях между английским и каждым из этих языков или вариантов; выбор пары задаётся тегом в системном промпте. Модель работает с текстом и предназначена для использования через Transformers или vLLM. Модель разработала NVIDIA. В карточке лицензия обозначена как NVIDIA Community Model License; перед использованием следует соблюдать её условия. Качество зависит от предметной области, сценария, шума и контекста; возможны грамматические и смысловые ошибки. README сообщает о более новой версии, Riva-Translate-4B-Instruct-v2, с поддержкой 36 языков.

Tower-7B-d2d — языковая модель Unbabel, опубликованная в рамках исследования Doc2FRC. Это полно-параметрически дообученная версия Unbabel/TowerInstruct-Mistral-7B-v0.2 на базе Mistral с 7,1 млрд параметров, предназначенная для перевода целых документов между английским и девятью другими языками: немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским. Модель обучалась на параллельных данных DocBlocks непосредственно для перевода «документ в документ» и поддерживает контекст до 32 768 токенов. Модель принимает текстовый запрос с исходным и целевым языками и выдаёт перевод в виде текста. Она ориентирована на сохранение связности перевода на уровне документа; рекомендованный формат запроса использует ChatML-подобную структуру. Для воспроизведения настроек вывода и оценки авторы направляют к материалам проекта Doc2FRC. Модель распространяется по лицензии CC BY-NC-SA 4.0; доступна только для использования на условиях этой лицензии.

bullerwins/translategemma-12b-it-GGUF — GGUF-версия TranslateGemma 12B IT, модели Google Translate на базе семейства Gemma 3. Модель предназначена для перевода текста между 55 языками, а также для извлечения текста из изображений с последующим переводом. Благодаря относительно компактному размеру её предполагается использовать на ноутбуках, настольных компьютерах и в собственной облачной инфраструктуре. Модель мультимодальная: принимает текст или изображения, нормализованные до разрешения 896 × 896 и кодируемые в 256 токенов на изображение. Общий входной контекст составляет 2K токенов, выходом является текст на целевом языке. Для работы требуется специальный chat template с ролями User и Assistant и обязательным указанием исходного и целевого языков в формате ISO 639-1 или регионализированном формате. Поддерживаемые языки и региональные варианты ограничены возможностями модели; некорректный код языка вызывает ошибку. Сильные стороны модели — сочетание перевода текста и перевода текста с изображений, поддержка 55 языков и возможность развертывания в средах с ограниченными ресурсами. Ограничения включают небольшой контекст, строгий формат входных сообщений и необходимость применять совместимый шаблон чата. Дополнительные сценарии, например автоматическое постредактирование машинного перевода, упоминаются как неофициально поддерживаемые. Использование регулируется лицензией Gemma и условиями Google; доступ к исходной модели на Hugging Face требует принятия условий использования.

Rohith04/ct2fast_m2m100_418M — квантованная 8-битная версия многоязычной модели M2M100 на 418 млн параметров от Facebook AI, подготовленная для быстрого инференса с CTranslate2. Она предназначена для машинного перевода между 100 языками и может применяться в приложениях и сервисах, где важны скорость и уменьшенный размер модели. Репозиторий создан 19 января 2024 года; в метаданных Hugging Face указана лицензия MIT. README заявляет поддержку 100 языков, включая русский и английский.

Deepthink-1.5B-Open-PRM Fine-tuned GGUF — это языковая модель на основе prithivMLmods/Deepthink-1.5B-Open-PRM, дообученная на диалогах для обучения на вьетнамском языке. Модель рассчитана на чат с объяснением решений задач по математике, программированию, литературе, переводу и логическому рассуждению. Согласно карточке, LoRA-адаптер объединён с базовой моделью, а веса преобразованы из F16 в GGUF F16 для локального запуска через LM Studio, Ollama или llama.cpp. Поддерживаются вьетнамский и английский языки. Модель распространяется по лицензии Apache-2.0. Размер параметров и длина контекста в предоставленных данных не приведены.

sgugger/finetuned-bert-mrpc — модель классификации последовательностей на базе BERT, дообученная на наборе GLUE для задачи MRPC, связанной с определением смысловой эквивалентности пар предложений. Модель содержит 135,5 млн параметров, использует архитектуру BertForSequenceClassification и принимает текстовые входы с контекстом до 512 токенов. Модель подходит для определения, выражают ли два предложения одинаковый смысл, например, для сопоставления перефразировок. На оценочной выборке указаны accuracy 0,8235 и F1 0,8792. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Языковая специализация в карточке не указана.

Helium-1-2B — базовая языковая модель Kyutai с архитектурой Llama и 1,9 млрд параметров, представленная в формате safetensors для библиотеки Transformers. Модель обучена на текстах на 24 официальных языках Европейского союза; её контекст составляет 4096 токенов. По карточке, модель дистиллирована из Gemma 2. Модель предназначена для генерации и понимания текста, а также для исследований и разработки систем NLP. Она не дообучена следовать инструкциям или предпочтениям людей, поэтому для прикладных сценариев обычно требуется дополнительное выравнивание, например supervised fine-tuning или RLHF. Компактный размер ориентирован на использование на устройствах с ограниченными ресурсами, включая мобильные и периферийные устройства. Модель может генерировать фактические ошибки, предвзятый, вредный или бесполезный текст; перед применением необходимы оценка и меры снижения рисков. Поддерживаются английский, болгарский, чешский, датский, немецкий, греческий, испанский, эстонский, финский, французский, ирландский, хорватский, венгерский, итальянский, литовский, латышский, мальтийский, нидерландский, польский, португальский, румынский, словацкий, словенский и шведский языки. Лицензия — CC-BY-SA 4.0; также действуют условия использования Gemma.

Карточка модели kyutai/helium-1-2b-science на Hugging Face совпадает с карточкой kyutai/helium-1-2b, поэтому описание составлено по ней. Helium-1-2B — базовая языковая модель Kyutai с архитектурой Llama и 1,9 млрд параметров, представленная в формате safetensors для библиотеки Transformers. Модель обучена на текстах на 24 официальных языках Европейского союза; её контекст составляет 4096 токенов. По карточке, модель дистиллирована из Gemma 2. Модель предназначена для генерации и понимания текста, а также для исследований и разработки систем NLP. Она не дообучена следовать инструкциям или предпочтениям людей, поэтому для прикладных сценариев обычно требуется дополнительное выравнивание, например supervised fine-tuning или RLHF. Компактный размер ориентирован на использование на устройствах с ограниченными ресурсами, включая мобильные и периферийные устройства. Модель может генерировать фактические ошибки, предвзятый, вредный или бесполезный текст; перед применением необходимы оценка и меры снижения рисков. Поддерживаются английский, болгарский, чешский, датский, немецкий, греческий, испанский, эстонский, финский, французский, ирландский, хорватский, венгерский, итальянский, литовский, латышский, мальтийский, нидерландский, польский, португальский, румынский, словацкий, словенский и шведский языки. Лицензия — CC-BY-SA 4.0; также действуют условия использования Gemma.

Llama-3-8B-ProLong-512k-Base — базовая длинноконтекстная языковая модель семейства ProLong, разработанного исследователями Princeton NLP. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, созданная продолженным обучением на базе Llama-3-8B-ProLong-64k-Base. Она предназначена для генерации текста с контекстом до 524 288 токенов, в том числе для обработки длинных документов и других сценариев, где важно учитывать большой объём входного текста. В README описано обучение ProLong на данных для контекстов 64K и 512K; эта модель обозначена как Base, поэтому карточка не подтверждает её настройку для диалогов или следование инструкциям. Модель распространяется в формате safetensors по лицензии Llama 3.

Llama-3-Patronus-Lynx-70B-Instruct-GGUF — это квантизированная GGUF-версия инструкционной модели Llama-3-Patronus-Lynx-70B-Instruct, разработанной Patronus AI и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста, оценки ответов и задач, связанных с обнаружением галлюцинаций в ответах языковых моделей. Заявленный основной язык — английский. Модель содержит около 70 миллиардов параметров и распространяется в форматах GGUF, совместимых с llama.cpp. Доступны варианты от F32 и Q8_0 до низкобитных Q1–Q6 и IQ-квантизаций, что позволяет выбирать между качеством, размером файлов и требованиями к оперативной памяти. Для высококачественного использования рекомендуются варианты Q6_K, Q5_K_L, Q5_K_M, Q4_K_L и Q4_K_M; низкобитные варианты экономичнее, но дают более низкое качество. В README не указаны размер контекстного окна, дополнительные модальности и точная архитектура базовой модели. Сильными сторонами являются большой размер модели, инструкционная настройка, ориентация на оценивание и выявление галлюцинаций, а также широкий выбор квантизаций для локального запуска. Ограничения включают высокие требования к ресурсам даже у компактных вариантов, возможное ухудшение качества при агрессивной квантизации и заявленную ориентацию на английский язык. В метаданных указана лицензия cc, однако её точные условия в README не раскрыты.

MADLAD-400 3B MT — GGUF — это мультиязычная модель машинного перевода, разработанная Google и преобразованная в формат GGUF для использования с CrispASR. Модель предназначена для перевода текстов между более чем 450 языками, включая языки с ограниченными ресурсами и недостаточной представленностью в обучающих данных. Она поддерживает сценарии автоматического перевода в приложениях и локального запуска через совместимое программное обеспечение. Модель основана на архитектуре T5 encoder-decoder и содержит около 3 миллиардов параметров. Она обучена на 1 триллионе токенов, использует общий SentencePiece-токенизатор со словарём из 256 тысяч элементов, а её кодировщик и декодировщик имеют по 24 слоя с размерностью скрытого состояния 1024. Для указания целевого языка применяются языковые теги формата <2xx>. Доступны варианты весов F16, Q8_0 и Q4_K, различающиеся размером файла и уровнем квантования. Сильными сторонами модели являются широкий охват языков и ориентация на низкоресурсные языки. Ограничения включают необходимость использования совместимого рантайма, а также компромисс между качеством и размером при выборе квантованных вариантов. В README не указано максимальное окно контекста. Модель распространяется по лицензии Apache 2.0.

MiLMMT-46-4B-v0.1 — модель Xiaomi для машинного перевода на базе языковой модели Gemma 3. Она дообучена на MiLMMT-46-4B-Pretrain, созданной продолжением предобучения Gemma3-4B на 143 млрд токенов из монолингвальных и параллельных данных на 46 языках. Модель использует архитектуру Gemma 3 с генерацией текста; веса доступны в формате safetensors. Модель предназначена для перевода между поддерживаемыми языками по текстовому запросу. В их числе русский, английский, китайский, арабский, хинди, японский, корейский, испанский, французский и другие — всего 46 языков. Лицензия указана как Gemma. Заявленная поддержка ограничена перечисленными 46 языками; качество перевода на другие языки не гарантируется. Разработчик также отмечает, что качество перевода продолжает улучшаться.