I.5Создание и редактирование текста

T3Q-Merge-SOLAR — плотная авторегрессионная языковая модель семейства Llama, созданная Chihoon Lee и T3Q путём слияния через mergekit моделей davidkim205/komt-solar-10.7b-sft-v5 и hwkwon/S-SOLAR-10.7B-SFT-v1.2. Для объединения использован метод SLERP с разными коэффициентами смешивания для слоёв self-attention и MLP; базовой моделью в конфигурации указана davidkim205/komt-solar-10.7b-sft-v5. Модель содержит 10,7 млрд параметров, принимает текст и генерирует текст. Она предназначена для генерации продолжений и ответов в сценариях, соответствующих возможностям объединённых SFT-моделей. Контекст составляет 4096 токенов. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. README не уточняет языковую специализацию и не приводит результатов оценки качества.

T3Q-MSlerp-7Bx2 — языковая модель для генерации текста, созданная Chihoon Lee (chlee10) и T3Q путём слияния двух моделей Mixtral с помощью mergekit и метода SLERP: zhengr/MixTAO-7Bx2-MoE-v8.1 и yunconglong/Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B. Репозиторий содержит веса в формате safetensors; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу, в том числе для диалоговых сценариев. Архитектура — Mixtral MoE на базе MixtralForCausalLM. Языки и специализированные области применения в карточке не описаны, поэтому их нельзя определить точнее. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или сравнительных тестов; применимость к конкретным задачам следует проверять отдельно.

T3Q-qwen2.5-14b-v1.0-e3 — дообученная модель на основе Qwen/Qwen2.5-14B-Instruct-1M, опубликованная разработчиком JungZoona. Это плотная языковая модель с архитектурой Qwen2ForCausalLM и 14 млрд параметров, предназначенная для диалогов и генерации текста. Модель рассчитана на контекст длиной до 1,01 млн токенов и работает через библиотеку Transformers. В README указано, что модель прошла постобучение с LoRA на train_data_v1.0. Метаданные заявляют поддержку чата и интерфейса вызова инструментов; модель может применяться для длинных диалогов и анализа больших текстовых контекстов. В карточке сообщается о первом месте среди моделей до 32 млрд параметров в Global Open LLM Leaderboard, однако подробности оценки не приведены. Поддерживаемые языки по метаданным — английский и корейский. Модель распространяется по лицензии Apache-2.0. README сообщает о выпуске более новой версии T3Q-qwen2.5-14b-v1.2-e2 от 14 марта 2025 года, поэтому v1.0-e3 может быть устаревшей относительно неё.

domenicrosati/t5-finetuned-parasci — дообученная версия модели семейства T5 для суммаризации текста. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает контекст длиной до 512 токенов. Она предназначена для автоматического создания краткого пересказа текста. В README приведены результаты оценки: loss 1,0845 и BLEU 19,5623; описание обучающих данных и ограничений отсутствует. Модель опубликована в формате PyTorch под лицензией Apache-2.0.

google/t5gemma-s-s-prefixlm — предварительно обученная текстовая модель семейства T5Gemma, разработанная Google. Это вариант с энкодером и декодером размера S, адаптированный с использованием PrefixLM; архитектура объединяет энкодер-декодерный подход T5 с основой Gemma. Модель работает в формате «текст на входе — текст на выходе» и рассчитана на английский язык. Модель подходит для генерации текста, ответов на вопросы, суммаризации и экспериментов в области NLP. Энкодер также можно применять в задачах классификации и понимания текста. Компактный размер семейства позволяет рассматривать локальное развёртывание, однако точное число параметров этого варианта в предоставленных данных не указано. Возможности зависят от качества и охвата обучающих данных; модель может упускать языковые нюансы, допускать фактические ошибки и испытывать трудности со сложными открытыми задачами. Лицензия — Gemma; для использования следует соблюдать условия лицензии и политику допустимого использования Gemma.

Taiwan LLM 13B v1.0 chat — языковая модель, разработанная для традиционного китайского языка и культурного контекста Тайваня. Она создана на архитектуре LLaMA и дообучена методом supervised fine-tuning на общедоступных и синтетических текстовых данных, включая тайваньские источники и наборы инструкций. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Модель предназначена для диалогов, понимания и генерации текста на традиционном китайском с учетом языковых особенностей Тайваня. В карточке отмечены улучшения на бенчмарках TC-Eval, но подробные результаты приведены в отдельном техническом отчете. Распространяется по лицензии Llama 2. Разработчики предоставляют модель без гарантий и запрещают её применение для высокорисковых задач, включая медицинскую диагностику, юридические консультации и финансовые инвестиции.

taraV2-M16B — языковая модель Gragroo на архитектуре Llama с плотной архитектурой и 3,2 млрд параметров. Это дообученная версия Gragroo/runpodV1-merged_16bit; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалогового общения, а метаданные также отмечают интерфейс вызова инструментов. Заявленная длина контекста составляет 131 072 токена. В карточке указаны английский язык и формат весов safetensors. Модель распространяется по лицензии Apache-2.0. Данных о конкретной специализации или результатах оценки качества карточка не содержит.

Tarek07_Nomad-LLaMa-70B-GGUF — это набор квантизированных версий текстовой генеративной модели Nomad-LLaMa-70B, разработанной Tarek07. Квантизация выполнена пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для локального запуска и генерации текста через llama.cpp, LM Studio и другие совместимые проекты, включая сценарии диалогов, написания и обработки текста. В набор входят варианты квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, IQ4_XS и другие, размером примерно от 21 до 75 ГБ. Более качественные варианты требуют больше оперативной памяти, тогда как версии с меньшей разрядностью позволяют запускать модель на менее производительном оборудовании, но снижают качество генерации. README не содержит сведений о длине контекста, поддерживаемых языках, дополнительных модальностях, точной архитектуре исходной модели, лицензии или рекомендуемом формате промптов; формат промпта следует уточнять на странице оригинальной модели.

tau-instruct-0.5B — языковая модель с инструкционной настройкой, созданная на базе tau-0.5B. В карточке указано, что для дообучения использовали около 16 000 примеров, сгенерированных GPT-4. По архитектуре это плотная Qwen2-модель примерно на 463,9 млн параметров; она принимает текст и генерирует текст, поддерживает диалог и контекст до 32 768 токенов. Метаданные указывают английский язык. Модель предназначена для ответов на вопросы, продолжения и создания текста, решения математических задач, работы с кодом, рассуждений и общих знаний. Её можно использовать как основу для виртуальных помощников, учебных инструментов и исследовательских приложений. По README, настройка улучшила следование инструкциям относительно базовой модели, но качество может снижаться на сложных или неясных запросах; возможны унаследованные от базы и обучающих данных ограничения и предвзятость. Лицензия указана как other; README требует учитывать лицензию Qwen и сообщает, что права использования совпадают с правами базовой tau-0.5B.

tau-instruct-0.5B-DPOP — инструктивная языковая модель M4-ai на архитектуре Qwen2 с примерно 463,9 млн параметров. Она создана на базе tau-0.5B и дообучена методом DPO-Positive на примерно 700 примерах предпочтений, размеченных с помощью GPT-4. Модель поддерживает контекст до 32 768 токенов и предназначена для диалогового взаимодействия на английском языке. Модель подходит для ответов на вопросы, генерации и продолжения текста, решения математических задач, понимания и создания кода, объяснений и анализа. Её можно применять в виртуальных помощниках, образовательных инструментах и исследовательских прототипах. По предварительной оценке авторов, дообучение улучшило следование инструкциям относительно базовой модели. Качество может снижаться на сложных задачах и при неясных инструкциях; модель сохраняет возможные смещения базовой модели и обучающих данных, а её результаты следует проверять. Лицензия указана как other; README предписывает соблюдать лицензию базовой модели tau-0.5B.

Tema_Q-R-3B-Thinking — компактная языковая модель, разработанная на основе Liquid AI LFM2.5-2.6B и дообученная для генерации ответов на японском и английском языках. Это плотная причинная трансформерная модель семейства LFM2, представленная в формате safetensors; её контекстное окно составляет 131 072 токена. Модель предназначена для диалогов и генерации текста по инструкциям, включая творческое письмо и поиск знаний. Разработчик позиционирует её как улучшенный вариант базовой модели, способный давать более гибкие и полезные ответы на сложные запросы. Модель помечена как uncensored; соблюдение законодательства и правил использования контента возложено на пользователя, а README запрещает применение для дискриминации, преследования, насилия, незаконных и иных вредоносных целей. Модель основана на LiquidAI/LFM2.5-2.6B и имеет 2,6 млрд параметров. Условия лицензии в предоставленных данных не указаны.

tempesthenno-icy-0130 — созданная автором модели Sthenno слитая диалоговая языковая модель на архитектуре Qwen2 с 14 млрд параметров. Она предназначена для генерации текста и общения в формате ChatML; в слиянии методом SCE использованы три модели tempesthenno-icy-0130-01, -02 и -03, а базой указан tempesthenno-nuslerp-0124. Метаданные также связывают модель с miscii-14b-1225. Модель принимает текст и генерирует текст. В карточке указана длина контекста 131 072 токена, поддерживаемые языки — английский и китайский. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает отдельные специализированные области применения или сравнительные результаты; качество ответов может зависеть от запроса и сценария использования.

TemptressTensor-10.7B-v0.1a — текстовая генеративная модель на архитектуре Mistral, созданная с помощью LazyMergekit. В README в качестве компонентов слияния указана jsfs11/RandomMergeNoNormWEIGHTED-7B-DARETIES; метаданные также связывают модель с этим репозиторием. Модель содержит 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. Она распространяется в формате Safetensors по лицензии Apache-2.0. В README отмечена склонность модели к выдаче контента NSFW.

Tengentoppa-gemma-2-9b-base — дообученная текстовая модель семейства Gemma 2, основанная на Google Gemma 2 9B. Это декодерная архитектура dense с 9 млрд параметров, рассчитанная на генерацию текста; для общения модель использует добавленные специальные токены системных сообщений, пользовательских запросов, подсказок, рассуждений и ответов ассистента. Она подходит для ответов на вопросы, суммаризации и рассуждений, а также может развёртываться на локальном компьютере или собственной облачной инфраструктуре. Контекст модели составляет 8192 токена. README характеризует Gemma как англоязычную модель, а метаданные карточки отмечают японский язык. Весы доступны в формате safetensors; лицензия — Gemma.

Terminal-16k-top80 — диалоговая языковая модель на архитектуре Qwen3, дообученная автором cuong1692001 на наборе nemotron_complete_top_80_16k. Она предназначена для генерации текста в формате диалога; репозиторий использует Transformers и содержит веса safetensors. Модель насчитывает 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. Модель является дообучением cuong1692001/Terminal_complete_8k. Лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой модели и лицензией базовой модели. README не описывает результаты оценки или специальные ограничения применения.

Tess-3-7B-SFT — текстовая разговорная модель, созданная путём дообучения Mistral-7B-v0.3. Её разработчик описывает этот чекпойнт как первый этап финальной модели Tess-3. Модель обучена методом supervised fine-tuning на отобранном наборе примерно из 500 тысяч примеров, содержащем около 1 млрд токенов; для общения используется формат запросов ChatML. Модель предназначена для генерации ответов в диалоге и других задач генерации текста. Она имеет 7,1 млрд параметров и контекст длиной до 32 768 токенов. Карточка не указывает целевые языки или специализированные предметные области. Модель распространяется в формате safetensors по лицензии Apache-2.0. Ответы могут содержать фактические ошибки или вводящий в заблуждение текст; также возможны предвзятые, оскорбительные или неприемлемые ответы. Разработчик характеризует модель как uncensored и рекомендует проверять важную информацию.

Tess-3-Llama-3.1-70B-GGUF — набор квантизированных версий текстовой генеративной модели Tess-3-Llama-3.1-70B, разработанной migtissera. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для локального запуска задач генерации текста, включая диалоговое взаимодействие и другие сценарии, поддерживаемые исходной моделью. Модель имеет размер 70B параметров и распространяется в формате GGUF с вариантами квантизации от Q8_0 до IQ1_M. Доступны версии размером примерно от 16,75 до 74,98 ГБ; наиболее сбалансированными по качеству и размеру в README названы Q6_K, Q5_K_M, Q4_K_M, Q4_K_S и IQ4_XS. Для работы рекомендуется формат prompt, совместимый с Llama 3.1, а запуск возможен, в частности, через LM Studio и llama.cpp. Сведения о поддерживаемых языках, длине контекста и мультимодальности не указаны. Главное преимущество набора — широкий выбор квантизаций, позволяющий адаптировать модель к доступному объёму памяти при сохранении приемлемого качества; высокоточные варианты обеспечивают качество, близкое к исходному. Ограничения связаны с большими требованиями к дисковому пространству и памяти, а у низкобитных версий качество заметно снижается. Модель распространяется по лицензии llama3.1.

jaspionjader/test-18 — объединённая языковая модель, созданная с помощью mergekit методом SLERP из предварительно обученных моделей jaspionjader/test-15 и jaspionjader/test-17. В метаданных указана архитектура LlamaForCausalLM с плотной структурой и 7,5 млрд параметров; модель рассчитана на генерацию текста и контекст до 8192 токенов. Модель можно использовать для генерации продолжений текста и других сценариев text-generation. README описывает метод объединения и конфигурацию, но не сообщает о специальных возможностях, целевых областях или языках. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Hazi9/testing — дообученная языковая модель семейства Llama, разработанная Hazi9 на основе Hazi9/attnprun-llama-model_drop_mlp_layer. Модель с плотной архитектурой LlamaForCausalLM содержит 5,6 млрд параметров и принимает текст для генерации текста; заявлены диалоговый режим и интерфейс вызова инструментов. Контекст составляет 8192 токена, в карточке указан английский язык. Модель предназначена для генерации текста и диалогового взаимодействия. Она обучалась с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не сообщает результатов оценки качества или конкретной специализации модели.

Teuken 7B-instruct-v0.6 — многоязычная инструкционная языковая модель, разработанная Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках проекта OpenGPT-X. Это декодерная Transformer-модель семейства Llama с 7,5 млрд параметров, дообученная на базе openGPT-X/Teuken-7B-base-v0.6. Контекст модели составляет 4096 токенов. Модель предназначена для выполнения инструкций и генерации ответов на 24 официальных языках Европейского союза, в том числе немецком, английском, французском, польском, испанском и русском она не поддерживает. Её ориентируют на многоязычные сценарии, где важна работа с европейскими языками; заявленные области применения включают частное использование, образование и исследования. Модель не предназначена для математики и программирования. Модель может выдавать предвзятые, токсичные или ошибочные ответы, несмотря на фильтрацию данных. Для использования действует лицензия CC BY-NC 4.0, ограничивающая коммерческое применение.

TextSynth-4B-0926 — разговорная языковая модель, разработанная theprint на основе unsloth/qwen3-4b-instruct-2507-unsloth-bnb-4bit. Это плотная модель архитектуры Qwen3 с 3,7 млрд параметров, дообученная для генерации текста и диалогов; в метаданных также указана возможность работы с интерфейсом вызова инструментов. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно до 262 144 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL на датасете theprint/Hemispheres-v0.3-Combo-GPT. Подходит для диалоговых приложений и генерации ответов на английском языке. Репозиторий содержит веса safetensors; лицензия — Apache-2.0.

TheProfessor-155b — разговорная языковая модель, созданная Eric Hartford при участии Weyaxi, Charles Goddard и команды Generative AI AbacusAI. Это слияние предварительно обученных моделей семейства Llama, выполненное методом linear merge с помощью mergekit; после слияния модель не дообучали. В состав вошли модели для диалога, математики, медицины и научных задач. Модель содержит 154,3 млрд параметров, принимает текст и использует формат диалога ChatML; заявленная длина контекста — 4096 токенов. Модель предназначена для диалога, рассуждений и совместной работы над научными и математическими задачами: от обсуждения концепций до помощи с кодом, написанием и редактированием статей. Её также можно использовать для медицинских вопросов и исследовательского мозгового штурма. Модель выдаёт текст; README не указывает отдельный перечень поддерживаемых естественных языков. Модель распространяется по лицензии Llama 2. Качество ответов и надёжность фактов README не характеризует; медицинские ответы следует проверять, а генерацию цитат и научных сведений — сверять с первоисточниками.

Thespian-LLaMa-70B — экспериментальная объединённая языковая модель от TareksGraveyard, созданная методом mergekit из нескольких моделей семейства Llama. Для объединения использован метод della, а базой служила nbeerbower/Llama-3.1-Nemotron-lorablated-70B; в состав также вошли модели EVA-UNIT-01, Sao10K, SicariusSicariiStuff и TheDrummer. Модель предназначена для диалогового общения и генерации текста. Она построена на архитектуре LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Репозиторий предоставляет веса в формате safetensors для библиотеки Transformers. Автор описывает результат как удачный, но отмечает, что его другая модель, Progenitor-V1.1-LLaMa-70B, по его мнению, получилась лучше. Модель лицензирована по условиям llama3.3. README не приводит оценки качества или подробные ограничения применения, поэтому результат генерации следует проверять в конкретных сценариях.

spjabech/th_pos_neg_3epochs — дообученная диалоговая языковая модель на архитектуре Llama 3, разработанная spjabech на базе gradientai/Llama-3-8B-Instruct-262k. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 262 144 токена. Карточка не описывает предметную специализацию или конкретный сценарий, связанный с названием модели, поэтому модель можно характеризовать только как генеративную диалоговую. Она дообучалась с использованием Unsloth и TRL. Распространяется по лицензии Apache-2.0.

Threebird Scribe Alpha 0.2 — объединённая языковая модель, созданная Lambent методом TIES с помощью mergekit на основе Mistral-7B-v0.1 и моделей Threebird Scribe Alpha 0.1 и Patronum-7B. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. По описанию автора, версия Alpha 0.1 создавалась для исправления синтаксических проблем с небольшим ухудшением сохранения исходных возможностей; Alpha 0.2 показала небольшое улучшение относительно обеих объединённых моделей на EQ-Bench и сохраняет возможность разбора результатов бенчмарка. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

LongWriter-Zero-32B-GGUF — квантизированная версия языковой модели LongWriter-Zero-32B, разработанной THU-KEG и подготовленной квантизатором bartowski в формате GGUF с использованием llama.cpp. Модель предназначена для генерации текста, решения общих задач и написания развернутых материалов с поддержкой длинного контекста; заявлены английский и китайский языки. В метаданных также указано обучение с подкреплением и использование набора данных THU-KEG/LongWriter-Zero-RLData. Модель имеет размер 32B параметров и доступна в вариантах от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Это позволяет выбирать между качеством, размером файла и требованиями к памяти; рекомендуемыми названы некоторые варианты Q6, Q5 и Q4. Модель можно запускать локально через LM Studio, llama.cpp и совместимые проекты. Указанный формат и набор квантизаций являются сильной стороной для локального использования, однако README не содержит точных сведений о размере контекстного окна, архитектуре исходной модели, мультимодальности или результатах сравнительных оценок. Распространение заявлено по лицензии Apache-2.0.

trinhkhng/ties_Merged_gpt2-large_0.1 — объединённая языковая модель на архитектуре GPT-2 Large, созданная с помощью mergekit методом TIES. В качестве основы использована модель /kaggle/working/gpt2-large, в слияние также включена /kaggle/working/debias_gpt2-large; веса сохранены в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет 1024 токена. Карточка не описывает специальные предметные области или отдельные языковые возможности. Лицензия в доступных данных не приведена.

TIES-Merging — объединённая диалоговая модель на базе Mistral-7B-Instruct-v0.2, созданная с помощью LazyMergekit. В слияние вошли Open-Orca/Mistral-7B-OpenOrca, openchat/openchat-3.5-0106 и WizardLM/WizardMath-7B-V1.1; применён метод TIES, итоговый формат весов — safetensors. Модель предназначена для генерации текста и ответов на инструкции в диалоговом режиме. Она может быть полезна для общения, выполнения запросов на естественном языке и решения математических задач. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров; контекст — до 32 768 токенов. Лицензия — Apache-2.0.

TIGER-Lab_Qwen2.5-32B-Instruct-CFT-GGUF — это квантизированная версия инструкционной языковой модели Qwen2.5-32B-Instruct-CFT, разработанной TIGER-Lab и подготовленной в формате GGUF пользователем bartowski с помощью llama.cpp и метода imatrix. Модель предназначена для генерации текста, выполнения инструкций, решения математических задач и рассуждений; исходная модель обучалась с использованием датасета TIGER-Lab/WebInstruct-CFT. В README заявлен английский язык. Модель основана на архитектуре Qwen2.5 с 32 миллиардами параметров и поддерживает текстовый сценарий использования через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты квантизации от Q8_0 размером 34,82 ГБ до более компактных IQ3 и Q3 с размером около 14–18 ГБ. Более качественными и рекомендуемыми названы варианты Q6, Q5 и Q4, тогда как Q3 обеспечивают экономию памяти ценой снижения качества. Размер контекста, мультимодальные возможности и дополнительные языки в предоставленных данных не указаны. Преимуществами являются крупный размер модели, специализация исходной версии на инструкциях, математике и рассуждениях, а также широкий выбор квантизаций для различного объёма оперативной памяти. Ограничения связаны с потерями качества при агрессивной квантизации, значительными требованиями к памяти и отсутствием сведений о производительности, контекстном окне и поддержке языков помимо английского. Модель распространяется по лицензии Apache-2.0.

Cohere и Cohere Labs разработали Cohere Labs Tiny Aya — многоязычную авторегрессионную языковую модель на 3,35 млрд параметров для генерации текста и диалогов. Вариант water ориентирован на европейские и азиатско-тихоокеанские языки; семейство охватывает более 70 языков и предназначено также для дальнейшей адаптации и локального развёртывания при ограниченных вычислительных ресурсах. Модель использует оптимизированную архитектуру Transformer: три слоя со скользящим вниманием и окном 4096 токенов и один слой с глобальным вниманием. После предобучения она прошла инструкционную настройку и обучение на предпочтениях. Контекст и длина генерации — до 8K токенов. Принимает текст и выдаёт текст; подходит для диалогов, суммаризации, перевода и межъязыковых задач. Сильная сторона модели — генерация на широком наборе языков, включая языки с ограниченными ресурсами. Качество может быть менее стабильным на низкоресурсных языках; карточка также отмечает слабые результаты в сложных рассуждениях, например в многоязычной математике, и возможность фактических ошибок. Лицензия CC-BY-NC-4.0 разрешает некоммерческое использование с соблюдением Acceptable Use Policy Cohere Labs; для коммерческого применения требуется связаться с Cohere.