I.5Создание и редактирование текста

Модель zedfum/arman-longformer-8k-finetuned-ensani предназначена для суммаризации длинных текстов на персидском языке. Это дообученная модель семейства Pegasus с архитектурой условной генерации текста, содержащая 187,1 млн параметров и рассчитанная на контекст до 8192 токенов. В карточке приведён пример использования через Transformers Pipeline для суммаризации; максимальная длина результата в примере составляет 512 токенов. Модель подходит для подготовки кратких изложений длинных персидских документов и текстов. Репозиторий содержит веса в форматах PyTorch и Safetensors; датасет карточки — zedfum/long-summarization-persian. Лицензия в предоставленных данных не указана.

Карточка модели ganesh714/arq_m1_chairs на Hugging Face совпадает с карточкой ganesh714/arq_m1_chairs_think_Q7b_C, поэтому описание составлено по ней. Модель ganesh714/arq_m1_chairs_think_Q7b_C — дообученная языковая модель семейства Qwen2 на базе unsloth/qwen2.5-coder-7b-instruct-bnb-4bit. Она построена на архитектуре Qwen2ForCausalLM и содержит 7,1 млрд параметров; модель предназначена для генерации текста в диалоговом формате и поддерживает интерфейс вызова инструментов. В README указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. В карточке нет подробностей о специализации дообучения или оценках качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Artificium-llama3.1-8B-001-GGUF — это набор квантованных файлов модели Artificium-llama3.1-8B-001 от AGI-0, подготовленный пользователем bartowski в формате GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для генерации текста и диалоговых сценариев; в README также указан шаблон промпта с ролями system, user и assistant. Размер базовой модели составляет 8B параметров, однако точная архитектура, поддерживаемые языки, модальности и размер контекста в предоставленных данных не указаны. Доступны варианты от F16 размером 16,07 ГБ до низкобитных квантований, включая Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, что позволяет выбирать между качеством генерации и требованиями к памяти. Квантования выполнены с использованием imatrix и релиза llama.cpp b3658; отдельные варианты оптимизированы для ARM-процессоров. Сильная сторона модели — широкий выбор квантований для локального запуска на оборудовании с разным объёмом оперативной памяти; варианты Q5 и Q6 отмечены как высококачественные, а Q4 — как сбалансированные по размеру и качеству. Более сильное сжатие может снижать качество ответов, а совместимость ARM-вариантов зависит от поддержки соответствующих инструкций. Лицензия в README указана как неизвестная, поэтому условия использования необходимо уточнить у разработчика исходной модели AGI-0.

Asherah — языковая модель ResplendentAI на архитектуре Mistral с 7,1 млрд параметров и контекстом до 8192 токенов. Модель создана слиянием четырёх моделей Sanji Watsuki, после чего дообучена на наборах Gnosis и Synthetic Soul. Модель предназначена для генерации текста и стандартного использования как LLM. В репозитории также есть mmproj для мультимодального использования в формате GGUF; автор рекомендует Koboldcpp. Мультимодальные возможности доступны только пользователям GGUF, а без них модель можно применять как обычную языковую модель. Доступны файлы Safetensors и GGUF F16. Лицензия — Apache-2.0. Карточка не приводит оценки качества или подробных ограничений генерации.

NalDice/askvox-1.5 — языковая модель для диалоговой генерации текста, разработанная NalDice и дообученная на базе unsloth/llama-3.3-70b-instruct-bnb-4bit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 69,5 млрд параметров и поддерживающая контекст до 131 072 токенов. В метаданных указана поддержка английского языка и диалоговый режим. Модель подходит для ведения текстового диалога и генерации ответов на запросы. В карточке указаны Unsloth и TRL как инструменты обучения. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает конкретные данные и методику дообучения или специальные предметные возможности.

Athene-Phi-3.5-mini-instruct-orpo-GGUF — это набор GGUF-квантизированных версий языковой модели Athene-Phi-3.5-mini-instruct-orpo, разработанной EpistemeAI и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и выполнения инструкций в сценариях локального запуска, в том числе через llama.cpp и LM Studio. В репозитории представлены варианты от исходных весов F16 до квантизаций Q8_0, Q6, Q5, Q4, Q3 и IQ4 с размером файлов примерно от 1,88 до 7,64 ГБ. Для взаимодействия используется формат промпта с ролями system, user и assistant. Указан английский язык; сведения о количестве параметров, максимальном контексте, архитектурных деталях и поддержке других модальностей отсутствуют. К сильным сторонам относятся широкий выбор уровней квантизации, возможность подобрать баланс между качеством, размером и требованиями к памяти, а также специальные варианты Q4 для ARM и CPU-инференса. Более компактные версии могут уступать по качеству полноразмерным и менее агрессивно квантизированным вариантам. Модель распространяется по лицензии Apache-2.0.

Athene-V2-Chat-GGUF — набор квантизированных версий диалоговой языковой модели Athene-V2-Chat, разработанной Nexusflow и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста в чат-сценариях и локального инференса, в том числе через LM Studio и совместимые инструменты llama.cpp. В README указан английский язык и текстовая модальность; исходная архитектура, число параметров и размер контекстного окна не приведены. Модель доступна в вариантах квантизации Q2–Q8 и IQ2–IQ4 с размерами файлов примерно от 25,49 до 77,26 ГБ. Старшие варианты Q5–Q8 обеспечивают более высокое качество, тогда как младшие требуют меньше оперативной памяти, но заметно уступают по качеству. Некоторые варианты используют Q8_0 для весов embedding и output, а Q4_0_8_8 оптимизирован для ARM с поддержкой SVE и не рекомендуется для Mac или Windows. Указан специальный формат prompt с ролями system, user и assistant. Лицензия обозначена как other, без дополнительных условий в представленном README.

Athlon-8B-0.1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit на основе aifeifei798/DarkIdol-Llama-3.1-8B-Instruct-1.2-Uncensored и трёх других моделей семейства Llama 3.1. Для слияния использован метод della_linear; итоговые веса сохранены в формате Safetensors и типе bfloat16. Модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и предназначена для генерации текста и диалогового взаимодействия. Модель подходит для ведения диалогов, ответов на запросы и генерации текста. README описывает её как первую экспериментальную работу автора по слиянию моделей и отмечает субъективную оценку качества, поэтому результаты следует проверять на целевых задачах. В метаданных нет сведений о лицензии или языках поддержки.

Atom-7B-Chat — диалоговая языковая модель, совместно разработанная Llama中文社区 и AtomEcho. Она создана на основе Llama 2-7B и продолжительно предобучена на крупных китайских текстовых корпусах; архитектура — плотный decoder-only Transformer семейства Llama с 6,7 млрд параметров. Модель предназначена для диалогов на китайском и английском языках, ответов на вопросы и генерации текста. В README указано штатное контекстное окно 4K токенов; с NTK-расширением заявлена поддержка более 18K, а после дообучения — до 32K токенов. Разработчики сообщают об оптимизации китайского словаря до 65 000 токенов и повышении скорости кодирования и декодирования китайского текста. Модель можно запускать с Transformers; README также приводит примеры размещения 7B-модели в форматах INT8 и INT4 на потребительских видеокартах. Репозиторий содержит веса safetensors, лицензия Apache-2.0 допускает коммерческое использование. Заявленные свойства контекста и скорости приведены разработчиками; независимые результаты оценки в предоставленных материалах не описаны.

Aleteian/Avalon — объединённая автором модель семейства Mistral, созданная с помощью mergekit методом della на основе win10/Mistral-Nemo-abliterated-Nemo-Pro-v2 с включением нескольких моделей Mistral Nemo. Модель содержит 12,1 млрд параметров и предназначена для генерации текста и диалогового общения. Её можно применять для ведения беседы и создания текстовых ответов. В метаданных также заявлен интерфейс вызова инструментов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Указанное в метаданных окно контекста — 1 024 000 токенов. В README не описаны результаты оценки качества или конкретные ограничения. Лицензия в предоставленных сведениях отсутствует.

jeiku/Average_Test_v1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом линейного слияния моделей jeiku/Average_Test и ResplendentAI/Aura_Llama3. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Модель можно применять для ведения диалогов и генерации текстовых ответов. README описывает способ слияния, но не приводит сравнительных оценок качества или подробных рекомендаций по сценариям использования. Лицензия в предоставленных данных не указана.

A.X 4.0 Light — компактная языковая модель для генерации текста, разработанная SKT AI Model Lab и выпущенная SK Telecom в составе семейства A.X 4.0. Модель создана на базе открытой архитектуры Qwen2.5 и дополнительно обучена на крупномасштабных корейских данных. Она поддерживает английский и корейский языки и предназначена для диалоговых приложений, обработки текста, корпоративных сценариев и локального развёртывания. Модель содержит около 7 млрд параметров и поддерживает контекст до 16 384 токенов. Она ориентирована прежде всего на понимание корейского языка, корейской культуры и контекста; в заявленных тестах показывает 64,15 балла на KMMLU, 68,05 на CLIcK и 79,50 на Ko-MT-Bench. На английском языке модель также пригодна для общих задач, однако результаты на MMLU ниже, чем у некоторых сопоставимых моделей того же класса. К сильным сторонам относятся сравнительно небольшой размер, пригодность для эффективного развёртывания, хорошее следование инструкциям и повышенная производительность в корейскоязычных задачах. Ограничениями являются меньший контекст и более низкие показатели по ряду общих, математических и кодовых тестов по сравнению с крупными моделями семейства A.X 4.0. Модель распространяется по лицензии Apache-2.0.

A.X K2 NVFP4 — квантизированная версия языковой модели A.X K2 от SK Telecom. Это модель типа Mixture-of-Experts с 688 млрд параметров, из которых 33 млрд активны при обработке запроса. Вариант NVFP4 применяет к routed experts квантизацию NVFP4 W4A4, а attention, router, shared expert и dense layer хранит в FP8, embedding и LM head — в BF16; заявлено примерно двукратное сокращение объёма памяти по сравнению с FP8-чекпойнтом. Модель предназначена для диалоговой генерации текста, рассуждений, следования инструкциям и агентных сценариев. Режим thinking подходит для сложных задач, а non-thinking — для коротких ответов с меньшей задержкой. Конфигурация YaRN поддерживает контекст до 256K токенов; README также описывает тесты извлечения фактов при масштабировании до 512K. Для запуска на одном узле указаны четыре NVIDIA B200 и форк vLLM с поддержкой A.X K2. Модель ориентирована на английский, корейский, китайский, японский и испанский языки; проект подчёркивает понимание корейского языка и культуры. В README заявлено качество, сопоставимое с FP8-версией, и идеальный результат на описанном тесте NIAH, но эти результаты не характеризуют все задачи. Лицензия — Apache-2.0.

pix08934725/axxis-test — дообученная языковая модель автора pix08934725 на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 3,2 млрд параметров, предназначенная для генерации текста и диалогового использования. В метаданных заявлены контекст до 131 072 токенов и интерфейс вызова инструментов; модель сохранена в формате safetensors. Карточка сообщает, что обучение проводилось с Unsloth и библиотекой TRL, но не описывает специализацию дообучения, обучающие данные или результаты оценки. Указан английский язык. Модель выпущена по лицензии Apache-2.0.

duyntnet/aya-expanse-8b-imatrix-GGUF — набор GGUF-квантизаций модели Aya Expanse 8B, разработанной Cohere For AI. Это открытая исследовательская большая языковая модель для генерации текста и диалоговых сценариев с выраженной ориентацией на мультиязычность. Модель основана на предварительно обученном семействе Command и дополнительно улучшалась с применением исследований Cohere For AI в области оптимизации данных, мультиязычного обучения на предпочтениях, настройки безопасности и объединения моделей. Модель содержит около 8 миллиардов параметров и поддерживает 23 языка: арабский, китайский упрощённый и традиционный, чешский, нидерландский, английский, французский, немецкий, греческий, иврит, хинди, индонезийский, итальянский, японский, корейский, персидский, польский, португальский, румынский, русский, испанский, турецкий, украинский и вьетнамский. README не указывает размер контекста и точную архитектуру. Для работы с GGUF-квантизациями заявлена совместимость с llama.cpp, KoboldCPP, Ollama, text-generation-webui, GPT4All и Jan. Сильная сторона модели — широкая языковая поддержка и ориентация на мультиязычную генерацию текста. Ограничения включают исследовательский статус, отсутствие сведений о конкретных вариантах квантизации, контекстном окне и результатах бенчмарков. Исходная модель распространяется по лицензии CC-BY-NC с обязательным соблюдением политики допустимого использования C4AI; условия для данного набора квантизаций следует проверять отдельно.

Baanzon-Chenni-1.5-9B-i1-GGUF — это квантизированная версия модели Baanzon-Chenni-1.5-9B, разработанной Devopsopraiz и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста, диалоговых сценариев, задач разработки программного обеспечения и автономных агентов. В метаданных также указано, что это vision-модель, однако подробности о поддерживаемых визуальных входах и способах их использования в описании не приведены. Модель содержит около 9 млрд параметров и связана с семейством Qwen3. Указан английский язык. Репозиторий предоставляет набор вариантов квантизации i1, включая IQ- и Q-форматы размером примерно от 2,8 до 7,5 ГБ, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Вариант i1-Q4_K_M отмечен как быстрый и рекомендуемый, а i1-Q4_K_S — как оптимальный по сочетанию размера, скорости и качества; наиболее низкие уровни квантизации могут заметно снижать качество. Доступны imatrix-кванты и статические GGUF-файлы для локального запуска в совместимом программном обеспечении. Размер контекстного окна, точная архитектура, результаты оценивания, перечень языков помимо английского и характеристики мультимодальности не указаны. Модель распространяется по лицензии MIT.

Badger ι Llama 3 8B Instruct — разговорная языковая модель на архитектуре Llama 3, созданная автором карточки путём комбинирования нескольких моделей на базе Llama 3 8B, включая instruct- и экспериментальные варианты. Модель рассчитана на генерацию ответов в формате чата, продолжение историй и ролевые диалоги; в README также приведён пример суммаризации длинной статьи. Автор сообщает, что модель хорошо работает с instruct-шаблоном и склонна выдавать развёрнутые ответы. В метаданных указаны 7,5 млрд параметров, контекст 8192 токена, библиотека Transformers и формат safetensors. README упоминает также варианты GGUF, но карточка не уточняет, относятся ли они к этому репозиторию. Лицензия указана как Llama 3. Модель преимущественно англоязычная по приведённым примерам; подтверждённых сведений о других языках нет.

ontocord/Baguettotron-longsft_16k — дообученная командой Ontocord модель PleIAs/Baguettotron на наборе long_sft. Это плотная авторегрессионная языковая модель семейства Llama с 320,9 млн параметров, предназначенная для генерации текста в диалоговом формате. Она поддерживает контекст до 16 384 токенов и подходит для сценариев, где нужно учитывать более длинный контекст при ответах и продолжении текста. Модель представлена в формате safetensors и рассчитана на использование через Transformers. Карточка не приводит результатов оценки, подробного описания обучающих данных или специальных ограничений. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели и у правообладателя базовой модели.

Baichuan-13B-Base — базовая предварительно обученная языковая модель компании Baichuan Intelligent Technology, созданная после Baichuan-7B. Это плотная авторегрессионная модель семейства Baichuan с 12,9 млрд параметров по метаданным (в карточке указано около 13,3 млрд), 40 слоями и 40 головами внимания. Она обучена на 1,4 трлн токенов, использует позиционные смещения ALiBi и поддерживает контекст до 4096 токенов. Модель предназначена как основа для разработчиков: продолжения текста и адаптации под прикладные сценарии на китайском и английском языках. Это версия Base без диалогового выравнивания; для готового общения в карточке указан отдельный Baichuan-13B-Chat. Репозиторий содержит веса PyTorch. Заявленная лицензия — Community License for Baichuan-13B Model; для коммерческого использования требуется получить письменное разрешение Baichuan.

BanglaT5 BanglaParaphrase — модель csebuetnlp, представляющая собой предварительно обученный чекпойнт BanglaT5, дообученный на наборе данных BanglaParaphrase. Это последовательностный трансформер типа T5 с 123,7 млн параметров, обученный по задаче Span Corruption и распространяемый в формате PyTorch. Модель предназначена для перефразирования текстов на бенгальском языке и может служить основой для дальнейшего дообучения на других текстовых задачах. Для лучшего качества текст перед токенизацией необходимо нормализовать по специальному конвейеру BanglaT5; этот же конвейер используется в официальных скриптах дообучения. В README приведены результаты на наборах BanglaParaphrase и IndicParaphrase. Лицензия в предоставленных данных не указана.

Sumail/Barista20 — объединённая языковая модель на базе StableLM, созданная методом SLERP с помощью mergekit из coffiee/s31 и rwh/s1. Модель предназначена для генерации текста в диалоговом формате; метаданные относят её к возможностям chat и задаче text-generation. Модель имеет плотную архитектуру StableLM и содержит 1,4 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 4096 токенов и распространяется в формате safetensors для библиотеки Transformers. Веса объединены с параметрами, заданными отдельно для слоёв self-attention и MLP. В README не приведены сведения о языках, качестве на конкретных задачах или условиях лицензии, поэтому их нельзя определить по доступным данным. Модель создана на основе двух готовых чекпойнтов, а не обучена с нуля.

GuysTrans/bart-base-finetuned-xsum — модель GuysTrans, дообученная на базе facebook/bart-base для суммаризации текста. Она построена на encoder-decoder архитектуре BART и содержит 95,2 млн параметров. Модель принимает текст и генерирует краткое текстовое резюме; контекст — до 1024 токенов. Репозиторий содержит веса PyTorch и Safetensors. В карточке приведены результаты оценки: ROUGE-1 16,5953, ROUGE-2 12,3097, ROUGE-L 15,9007 и ROUGE-Lsum 16,4053. Датасет описан как None, поэтому связь обучения именно с XSum по имеющимся сведениям подтвердить нельзя. Модель распространяется по лицензии Apache-2.0.

Это модель суммаризации текста на архитектуре BART Large CNN, созданная Mr-Vicky-01 на основе предварительно обученной модели Facebook BART Large. Она дообучена на наборах данных XSum и SAMSum для сокращения текстов, в том числе новостных материалов и диалогов, до краткого пересказа. Модель содержит 252,8 млн параметров, принимает текст и имеет контекстное окно до 1024 токенов. Поддерживаемый язык — английский. Репозиторий содержит веса в формате safetensors и предназначен для использования с библиотекой Transformers. Лицензия — MIT.

BARThez — франкоязычная предварительно обученная модель типа BART для преобразования текста. Репозиторий содержит вариант mBARThez: продолжение предобучения многоязычной mBART на французском языке. Архитектура кодировщика-декодировщика с 95 млн параметров и контекстом до 1024 токенов позволяет модели как анализировать, так и генерировать текст. Модель обучалась восстанавливать исходные предложения из искажённого текста на корпусе из 66 ГБ французских текстов. Она рассчитана на генеративные задачи, включая абстрактивное суммирование; тег Hugging Face также указывает задачу заполнения пропусков. Модель опубликована в формате PyTorch под лицензией Apache 2.0.

erichogging/barthez-finetuned-v2-synthex — дообученная версия BARThez, созданная для автоматического суммирования статей на французском языке в рамках проекта Synthex. Модель основана на архитектуре mBART и содержит 95 млн параметров; она дообучена на французских наборах MLSUM-FR и XL-Sum. Максимальная длина контекста — 1024 токена. Модель подходит для создания кратких изложений французских статей и других текстов. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

BeagleSempra-7B — диалоговая модель генерации текста, созданная shadowml с помощью объединения моделей shadowml/WestBeagle-7B и FelixChao/Sectumsempra-7B-DPO методом SLERP через LazyMergekit. В основе архитектуры — плотная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; веса доступны в формате safetensors, а при слиянии использовалась точность bfloat16. Модель предназначена для ведения диалогов и генерации ответов по текстовым запросам. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей. README не содержит результатов оценки качества или подробных рекомендаций по настройке.

Beepo-22B-GGUF — набор GGUF-квантизированных версий языковой модели Beepo-22B, разработанной concedo и подготовленной квантизатором bartowski с использованием llama.cpp. Модель предназначена для генерации текста и локального запуска, в частности через LM Studio. Указан английский язык; поддерживается формат инструкций Alpaca, несмотря на сохранённый формат Mistral. Модель имеет размер 22 млрд параметров. Доступны варианты от F16 до различных уровней Q8, Q6, Q5, Q4, Q3 и Q2, включая IQ-квантизации, поэтому можно выбирать между качеством ответов, требованиями к памяти и скоростью инференса. Наиболее качественными и рекомендуемыми названы Q6_K_L, Q6_K, Q5 и Q4-варианты, тогда как младшие Q3 и Q2 экономят память, но снижают качество. Для некоторых вариантов указаны ограничения совместимости с ARM, AVX и Mac. Архитектура, размер контекста, дополнительные модальности и лицензия в README не указаны.

Beetle-FineWeb-2B — языковая модель для генерации текста, опубликованная организацией Beetle-FineWeb и доступная через библиотеку Transformers. По идентификатору модели она относится к семейству моделей объёмом около 2 млрд параметров, обученных на данных FineWeb и ориентированных на нидерландский и английский языки с целью сбалансированной двуязычной генерации. Модель предназначена для продолжения текста, создания черновиков, генерации ответов и других сценариев, основанных на автодополнении текста. В метаданных указан pipeline text-generation и тег pico_decoder, однако подробности архитектуры, длина контекста, результаты оценки, точные характеристики обучения и лицензия в доступных источниках не приведены. Следует учитывать, что модель может генерировать фактически неверные, предвзятые или небезопасные сведения, особенно за пределами нидерландского и английского языков. Условия коммерческого и иного использования необходимо проверить отдельно, поскольку лицензия в карточке модели не указана.

Beetle-FineWeb2-24B/beetle-bilingual-balanced-b1-fineweb-tur-eng — модель генерации текста на базе библиотеки Transformers. По названию репозитория она ориентирована на двуязычные сценарии с турецким и английским языками и связана с данными FineWeb. Модель предназначена для генерации продолжений текста и других задач, поддерживаемых пайплайном text-generation, например создания черновиков, ответов и текстовых фрагментов. Сведения о разработчике, архитектуре, размере, длине контекста, лицензии, методах обучения и результатах оценки в доступной карточке отсутствуют, поэтому эти характеристики нельзя надежно определить.

Beetle-FineWeb2-24B/beetle-bilingual-balanced-b1-fineweb-zho-eng — двуязычная языковая модель для генерации текста на китайском и английском языках. Модель опубликована в репозитории Beetle-FineWeb2-24B и доступна через библиотеку Transformers; по названию она относится к семейству Beetle FineWeb2 и имеет размерный вариант 24B. В качестве основы обучения упоминается FineWeb, однако подробности архитектуры, состава данных и разработчиков в карточке не приведены. Модель предназначена для автодополнения и генерации связного текста, диалоговых и прикладных текстовых сценариев, а также для последующей интеграции в приложения на базе Transformers. Название указывает на балансировку между китайским и английским языками и ориентацию на работу с обоими языками. Карточка не содержит сведений о длине контекста, результатах оценки, методах дообучения, рекомендованных параметрах запуска или лицензии, поэтому перед использованием в продуктивных и коммерческих системах необходима дополнительная проверка.