I.6Перевод и языковая адаптация

Index-Translate-9B — мультиязычная модель перевода на 9 млрд параметров из семейства Index-Translate, разработанная на базе Qwen3.5. Она предназначена для перевода текста между 150 языками и учитывает инструкции о терминологии, стиле, контексте, структуре и длине результата. Модель также поддерживает перевод текста на изображениях без внешнего OCR с помощью визуальных энкодеров mmproj. Модель умеет строго сохранять глоссарии, формат JSON, CSV и Markdown, блоки кода и переменные-заполнители, а также адаптировать тон и интерпретировать мемы, разговорные выражения и культурные отсылки. В техническом отчёте приведены результаты на тестах перевода и следования инструкциям, включая FLORES COMET-22 0,8789 и instTrans IFscore 0,8209. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Для перевода изображений требуется совместимый визуальный энкодер mmproj; языковой охват описан в техническом отчёте, но перечень языков в предоставленной карточке отсутствует. Результаты зависят от направления перевода и типа текста; показатели бенчмарков отражают конкретные тестовые наборы и условия оценки.

Index-Translate-35B-A3B-preview — предварительная многоязычная модель перевода семейства Index-Translate, разработанная IndexTeam на базе Qwen3.5. Это модель типа mixture-of-experts с 35 млрд общих и примерно 3 млрд активных параметров. Она предназначена для перевода текстов между 150 языками и учитывает инструкции о терминологии, стиле, контексте, форматировании, структуре и длине ответа. Модель подходит для перевода статей, субтитров, структурированных данных и культурно обусловленных выражений, включая мемы и разговорные варианты написания. Вариант с визуальными энкодерами mmproj поддерживает перевод текста на изображениях без отдельного внешнего OCR; наличие этих энкодеров в данном репозитории не подтверждено. В техническом отчёте модель показывает высокие результаты на нескольких тестах перевода, но приведённые оценки относятся к указанным наборам данных и настройкам. Карточка описывает preview-версию и не приводит конкретные ограничения её практического применения. Лицензия — Apache-2.0.

Карточка модели IndexTeam/Index-Translate-35B-A3B-preview-before-replacement-20261003 на Hugging Face совпадает с карточкой IndexTeam/Index-Translate-35B-A3B-preview, поэтому описание составлено по ней. Index-Translate-35B-A3B-preview — мультиязычная текстовая модель перевода семейства Index-Translate, созданная на базе Qwen3.5. Это модель архитектуры mixture-of-experts с 35 млрд общих и примерно 3 млрд активных параметров; в метаданных семейство архитектуры указано как qwen3_5_moe. Модель предназначена для перевода между 150 языками, включая предложения, статьи, субтитры и тексты с особыми инструкциями. Модель учитывает требования к терминологии, стилю, контексту, структуре и длине результата. Она может сохранять формат JSON, CSV и Markdown, блоки кода и переменные-заполнители, адаптировать тон и интерпретировать мемы, разговорные выражения и культурные отсылки. В техническом отчёте для preview приведены высокие результаты на тестах перевода и следования инструкциям, в том числе FLORES COMET-22 0,8794 и instTrans IFscore 0,8336. Это preview-версия. В README отмечены ошибки выбора целевого языка на малоресурсных направлениях: 2,4% на FLORES_minor_pair и 4,05% на instTrans_minor. Приведённые оценки относятся к тестам и условиям отчёта; покрытие языков описано в языковом перечне технического отчёта. Модель опубликована под лицензией Apache-2.0.

HY-MT1.5-7B — плотная языковая модель перевода семейства Hunyuan, разработанная Tencent. Модель насчитывает 7,5 млрд параметров и предназначена для взаимного перевода между 33 языками, а также поддерживает пять этнических языков и диалектных вариантов. Для загрузки и запуска используется Transformers; веса опубликованы в формате Safetensors, а заявленная длина контекста составляет 262 144 токена. Модель рассчитана на перевод смешанных языковых фрагментов и пояснительный перевод, а также поддерживает вмешательство терминологии, учёт контекста и сохранение форматирования. Это обновлённая версия HY-MT-7B, связанная с моделью Tencent, победившей в WMT25. Для применения нужны инструкции и шаблоны перевода; README отмечает, что у модели нет системного промпта по умолчанию. В предоставленных материалах условия лицензии не приведены.

Hy-MT2-7B — многоязычная модель перевода Tencent Hy на 7,5 млрд параметров с плотной архитектурой HunYuanDenseV1. Она предназначена для перевода между 33 языками, включая выполнение инструкций о переводе на разных языках, и рассчитана на сложные сценарии: повседневные, деловые и специализированные тексты. Модель работает как генеративная языковая модель; для использования доступны веса в формате Safetensors и библиотека Transformers. Заявленная длина контекста — 262 144 токена. Модель подходит для машинного перевода, локализации и перевода с учетом заданных инструкций. В README Tencent сообщает о сильных результатах на общих, деловых и специализированных тестах перевода; это заявление разработчика, а не независимая гарантия качества. Для запуска рекомендуется задавать параметры генерации и инструкции с полными названиями исходного и целевого языков. Модель распространяется по лицензии Apache-2.0.

Seed-X-PPO-7B — многоязычная модель перевода от ByteDance Seed. Это плотная причинная языковая модель на архитектуре Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов. Модель прошла предобучение и постобучение с обучением с подкреплением (PPO), направленным на улучшение качества перевода; авторы рекомендуют её вместо Seed-X-Instruct для этой задачи. Модель предназначена для перевода между 28 естественными языками и может применяться в пользовательских и исследовательских системах перевода. В карточке отмечены широкое покрытие предметных областей, включая науку и технологии, биомедицину, финансы, право и электронную торговлю, а также результаты оценок на переводческих наборах данных. Репозиторий содержит веса в формате safetensors. Для работы требуется задавать языковой тег целевого языка в конце запроса. У модели нет шаблона чата; авторы указывают, что она специализирована на переводе и не предназначена для других задач, а также не рекомендуют неофициальные квантизированные версии. Лицензия указана как other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

TowerInstruct-7B-v0.1 — языковая модель Unbabel, Instituto Superior Técnico и CentraleSupélec University of Paris-Saclay, дообученная на TowerBase с использованием набора TowerBlocks. Модель построена на архитектуре Llama и содержит 6,6 млрд параметров; для хранения используются веса Safetensors, контекст — до 4096 токенов. Модель предназначена для перевода между английским, португальским, испанским, французским, немецким, нидерландским, итальянским, корейским, китайским и русским языками. Она также выполняет постредактирование машинного перевода, контекстный и терминологически управляемый перевод, распознавание именованных сущностей, исправление грамматических ошибок и перефразирование. Разработчики указывают, что качество и согласованность при переводе документов ещё улучшаются. Модель не предназначена для роли чат-бота или помощника по программированию, несмотря на обучение на диалоговых данных и инструкциях к коду. Она не выравнивалась по предпочтениям людей, поэтому может выдавать галлюцинации, вредоносный контент и недостоверные утверждения. Лицензия — CC-BY-NC-4.0; базовая модель Llama 2 распространяется по лицензии Llama 2 Community License.

ChindaMT-4B — открытая модель машинного перевода, разработанная iApp и дообученная на базе Qwen/Qwen3.5-4B. Она переводит с тайского на английский и с английского на тайский, а также следует дополнительным инструкциям о терминологии, регистре, длине и формате ответа. Модель Dense-архитектуры содержит 4 млрд параметров; обучение проводилось полным supervised fine-tuning на наборе Grounded из 1,97 млн записей. Модель предназначена для двунаправленного перевода и перевода с заданными правилами, включая рабочие тексты и документы в разных предметных областях. В карточке приведены сравнительные оценки на автоматических и человеческих проверках. Обучение использовало ограничение длины входа в 1024 токена; для длинных документов рекомендуется переводить текст по абзацам. Обязательные глоссарии и плейсхолдеры не входят в обучающий сигнал. Лицензия — Apache-2.0.

EMMA-500 Llama 3 8B bi — многоязычная языковая модель MaLA-LM, полученная продолжительным предварительным обучением архитектуры Llama 3 8B. Модель насчитывает 7,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. Вариант bi обучен на многоязычных монолингвальных данных и двуязычном переводном корпусе для более чем 2 500 языковых пар; серия охватывает 546 языков. Модель предназначена для генерации многоязычного текста, машинного перевода, рассуждений на основе здравого смысла и классификации текстов, в том числе для языков с ограниченными ресурсами. В обучающие данные входят тексты из книг, кода, инструкций и научных статей. Лицензия — Llama 3 Community License (llama3).

SeamlessM4T Large — крупная модель семейства SeamlessM4T, разработанная Meta и реализованная в библиотеке Hugging Face Transformers. Это единая плотная модель на 664,9 млн параметров для перевода речи и текста между языками и распознавания речи; в Transformers доступны как универсальная модель, так и специализированные варианты для отдельных задач. Модель поддерживает речевой ввод на 101 языке, текстовый ввод и вывод на 96 языках и генерацию речи на 35 языках. Она предназначена для перевода речи в речь, речи в текст, текста в речь и текста в текст, а также для автоматического распознавания речи. Можно выбирать голос синтеза с помощью идентификатора говорящего. Для синтеза речи SeamlessM4T v2 предлагает улучшенную по сравнению с этой версией архитектуру, качество и скорость. Репозиторий содержит веса PyTorch, модель рассчитана на контекст до 1024 токенов и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Модель объединяет несколько языковых задач в одном решении, но для генерации речи поддерживает меньше языков, чем для речевого ввода или текстовых операций.

Hunyuan-MT-Chimera-7B — ансамблевая модель перевода от Tencent, входящая в семейство Hunyuan Translation. Она объединяет несколько вариантов перевода в итоговый текст, чтобы повысить его качество. Модель предназначена для взаимного перевода между 33 языками, включая пять языков национальных меньшинств Китая; среди перечисленных в карточке языков — китайский, английский, русский, японский, арабский и другие. Модель построена на плотной причинной архитектуре Hunyuan V1 и содержит 7,5 млрд параметров. Она принимает текст и генерирует перевод; для неё заявлено контекстное окно 32 768 токенов. В карточке отмечены высокие результаты семейства на конкурсе WMT25, однако отдельные численные результаты именно Chimera не приведены. Для загрузки доступны веса Safetensors, а для работы указана библиотека Transformers. Лицензия в предоставленных данных не указана.

Hy-MT2-30B-A3B — многоязычная модель перевода от Tencent Hy из семейства Hy-MT2. Она предназначена для перевода в сложных практических сценариях и следует инструкциям по переводу на нескольких языках. Модель использует архитектуру MoE семейства HY-V3; в репозитории указано 2,7 млрд параметров, формат весов — safetensors, библиотека — Transformers, длина контекста — 262 144 токена. Модель поддерживает перевод между 33 языками, включая китайский, английский, русский, французский, японский, арабский, хинди и другие. Разработчик сообщает о сильных результатах на общих, деловых, предметных и инструкционных задачах перевода. Модель выпущена под лицензией Apache-2.0. README не приводит отдельных ограничений именно этой версии 30B-A3B.

Marco-MT-Algharb — модель машинного перевода команды Marco Translation Team компании Alibaba International Digital Commerce, представленная для общей задачи машинного перевода WMT 2025. Она основана на Qwen3-14B и предназначена для перевода между 13 направлениями; README подчёркивает многоэтапную доработку переводов ради беглости и точности. Для повышения эффективности вывода в примерах используется vLLM, а для выбора перевода описан подход с генерацией нескольких вариантов и MBR-декодированием. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 14 млрд параметров и принимает контекст до 4096 токенов. Метаданные указывают английский, китайский, русский, украинский, чешский, японский, корейский, эстонский, сербский, арабский и немецкий языки; README сообщает о 13 направлениях перевода, хотя полный перечень направлений в доступном тексте карточки приведён не полностью. Доступны веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

SalamandraTA-7b-instruct — многоязычная языковая модель для машинного перевода, разработанная BSC-LT. Это инструкционно дообученная модель на основе SalamandraTA-7b-base, которая, в свою очередь, создана дополнительным предобучением Salamandra-7b; базовая модель SalamandraTA-7b-base не опубликована. Модель имеет плотную архитектуру семейства Llama, около 6,7 млрд параметров по метаданным и контекст до 8192 токенов. Модель предназначена для перевода между 40 языками и тремя языковыми вариантами, включая европейские и неевропейские языки. Она поддерживает перевод предложений, абзацев и документов, а также перевод с учётом терминологии, перевод структурированного текста, например HTML и XML, постредактирование перевода и распознавание именованных сущностей. Для работы доступны веса в формате safetensors; README описывает использование через Transformers и развёртывание через vLLM либо llama.cpp для квантованной версии. В карточке приведены оценки на переводческих тестах и сравнения с другими моделями, включая оценку передачи грамматического рода. Ограничения включают предварительный характер инструкционного дообучения и отсутствие подробного анализа точности по языкам, диалектам и предметным областям, а также систематических смещений перевода. Лицензия — GPL-3.0; разработчики рекомендуют проводить проверку безопасности и адаптацию для конкретных приложений.

Whisper large-v2 — мультиязычная модель распознавания речи от OpenAI, основанная на архитектуре Transformer encoder-decoder (sequence-to-sequence). Она содержит 905,2 млн параметров и обучена на 680 тыс. часов размеченных аудиоданных; по сравнению с Whisper large модель обучалась в 2,5 раза дольше и с дополнительной регуляризацией. Модель предназначена для транскрибации речи на исходном языке и перевода речи на другой язык, в том числе на английский. Она подходит для расшифровки записей, субтитров и длинных аудиоматериалов; для обработки фрагментов длиннее 30 секунд можно использовать чанкинг. Модель устойчива к акцентам, фоновому шуму и технической лексике, но точность неодинакова для разных языков, диалектов и условий записи. Возможны галлюцинации — появление в транскрипте слов, которых нет в аудио, а также повторяющийся текст. Качество ниже для языков с малым объёмом обучающих данных и может различаться между группами говорящих. Модель распространяется по лицензии Apache-2.0.

Whisper large-v3 — мультиязычная модель распознавания речи на основе Transformer encoder-decoder, разработанная OpenAI. Она предназначена для транскрибирования аудио на исходном языке и перевода речи в текст на другом языке, включая перевод на английский. Модель содержит 905,2 млн параметров; по сравнению с предыдущими версиями использует спектрограммы с 128 Mel-частотными полосами и включает отдельный токен для кантонского языка. Модель обучалась на слабой разметке и псевдоразмеченных аудиоданных и рассчитана на работу с разными языками, акцентами, шумом и предметными областями. При обработке длинных записей требуется последовательная или сегментированная обработка: рецептивное поле модели составляет 30 секунд. Лицензия — Apache-2.0. Возможны ошибки транскрибации и генерация текста, отсутствующего в аудио; качество неодинаково для разных языков, акцентов и диалектов и ниже для языков с малым объёмом обучающих данных. Архитектура также может порождать повторяющийся текст.

WiNGPT-Babel-2 — многоязычная языковая модель для машинного перевода, разработанная командой WiNGPT. Это дообученная модель Gemma 2 с плотной архитектурой Gemma2ForCausalLM и 2,7 млрд параметров. Она предназначена прежде всего для перевода с английского на другие языки и с разных языков на китайский; заявлена поддержка 55 языков. Модель также поддерживает диалоговый режим и переводит текстовые поля в структурированных данных, сохраняя формат JSON, а также работает с текстом, содержащим формулы LaTeX, код и HTML/Markdown-разметку. Для обучения использовались WMT24++ и внутренние данные, отобранные с участием человека по результатам анализа журналов реальных сценариев. Контекстное окно в метаданных указано как 8192 токена; в README приведено значение 4096 токенов. Модель доступна в формате safetensors под лицензией Apache-2.0. Заявления об улучшении точности и качестве перевода приведены в карточке модели; численные результаты оценки в README опущены.

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

Tencent HY-MT1.5-1.8B-GGUF — GGUF-версия модели перевода HY-MT1.5-1.8B, разработанной командой Tencent Hunyuan. Модель содержит 1,8 млрд параметров и предназначена для взаимного перевода между 33 языками, а также поддерживает 5 этнических и диалектных вариантов. Она ориентирована на высокую скорость и качество перевода, включая сценарии реального времени и развёртывание на периферийных устройствах после квантования. Модель подходит для машинного перевода общего назначения, терминологического вмешательства, контекстного и форматированного перевода. GGUF-вариант может использоваться с llama.cpp и Ollama; в README приведён пример квантования Q8_0. Заявляется производительность, лидирующая среди моделей сопоставимого размера, и качество, близкое к более крупной версии HY-MT1.5-7B. Поддерживаемые языки включают китайский, английский, французский, португальский, испанский, японский, турецкий, русский и другие языки из заявленного набора. README не указывает архитектуру базовой нейросети, размер контекстного окна, точный состав диалектов, результаты измерений, ограничения применения или лицензию. Поэтому эти характеристики нельзя надёжно определить по представленным данным; условия лицензирования требуют проверки в карточке модели или сопутствующих документах.

Tencent HY-MT1.5-7B-GGUF — это 7-миллиардная языковая модель машинного перевода из семейства Hunyuan Translation Model 1.5, разработанная Tencent. Данная версия распространяется в формате GGUF, предназначенном для локального запуска совместимыми инструментами, включая llama.cpp и Ollama. Модель предназначена для двунаправленного перевода между 33 языками и поддерживает пять этнических или диалектных вариантов. Она ориентирована на обычный и пояснительный перевод, смешанные языковые сценарии, а также перевод с учётом контекста, терминологии и исходного форматирования. Среди заявленных языков — китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, хинди и другие. К сильным сторонам относятся поддержка вмешательства в терминологию, контекстного и форматированного перевода, а также оптимизация для аннотированных и смешанных языковых текстов. Архитектура, размер контекстного окна, точный вариант квантования GGUF и подробные результаты сравнительных испытаний в предоставленных данных не указаны. Лицензия модели в README также не указана, поэтому условия коммерческого и иного использования требуют дополнительной проверки на странице модели.

Hy-MT2-7B-i1-GGUF — набор квантизированных моделей в формате GGUF, созданный mradermacher на основе модели tencent/Hy-MT2-7B. Модель ориентирована прежде всего на задачи машинного перевода и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, индонезийский, хинди и другие языки, перечисленные в карточке. Точное описание архитектуры, размера контекстного окна и поддерживаемых модальностей в README отсутствует; из названия базовой модели следует размер около 7 миллиардов параметров. Доступны варианты квантизации от очень компактных IQ1/IQ2 до более качественных Q5 и Q6, что позволяет выбирать между требованиями к памяти, скоростью и качеством перевода. Для большинства сценариев автор рекомендует i1-Q4_K_M как быстрый вариант, а i1-Q4_K_S описывает как компромисс между размером, скоростью и качеством. Сильной стороной модели является многоязычная направленность и возможность локального запуска через совместимые с GGUF инструменты. Ограничения зависят от выбранного уровня квантизации: наиболее компактные варианты могут заметно терять в качестве, а некоторые из них прямо отмечены как низкокачественные. Лицензия — Apache-2.0.

Index-NativeLong-2B, опубликованная под идентификатором IndexTeam/Index-Nailong-2B, — специализированная модель команды IndexTeam для перевода длинных документов. Это плотная модель семейства Qwen3.5 с 2 млрд параметров; она получает исходный документ целиком и формирует перевод за одну генерацию, чтобы сохранять охват текста, единообразие имён и терминов, а также последовательность глав и абзацев. Контекст опубликованной конфигурации обслуживания — 262 144 токена, включая запрос, исходный текст и перевод. Клиент модели предоставляет шаблоны для направлений китайский→английский, английский→китайский, китайский→японский и японский→китайский. Обучение включало многоязычную подготовку на базе Qwen3.5, настройку для перевода и дообучение на документах; карточка сообщает об оценках на трёх корпусах длинных текстов. Для запуска рекомендованы CUDA GPU и vLLM с поддержкой Qwen3.5; для весов bf16 требуется около 8 ГБ памяти, дополнительно нужна память под KV-кэш, особенно при длинном контексте. Лицензия — Apache-2.0.

Index-Translate-2B — компактная мультиязычная модель перевода с 2 млрд параметров от команды Index, построенная на архитектуре Qwen3.5. Она переводит текст между 150 языками и следует инструкциям о терминологии, стиле, контексте, формате и длине результата. Модель предназначена для перевода предложений, статей, субтитров, структурированных данных и выражений из интернет-сообществ, включая мемы и нестандартное написание. Модель также поддерживает перевод изображений в текст без отдельного внешнего OCR, используя визуальные энкодеры mmproj. Для перевода можно задавать строгие глоссарии и сохранять JSON, CSV, Markdown, блоки кода и заполнители. В техническом отчёте приведены результаты сравнительных оценок на переводческих тестах; они относятся к указанным наборам данных и условиям проверки. Модель опубликована в формате safetensors под лицензией Apache-2.0. В описании указано, что она основана на Qwen3.5 и прошла специализированное обучение для перевода, включая настройку с учётом следования инструкциям и целевую дистилляцию.

IndicTrans2 En-Indic 1.1B — модель перевода, разработанная AI4Bharat. Она предназначена для перевода с английского на индийские языки; карточка описывает вариант модели на 1,1 млрд параметров и приводит метрики этого чекпойнта. Модель относится к семейству IndicTrans2 и доступна в форматах PyTorch и Safetensors. В карточке указано, что отдельные версии IndicTrans2 с RoPE обрабатывают последовательности длиной до 2048 токенов; это ограничение не следует автоматически переносить на данный чекпойнт. Для подробностей об обучении, данных, оценке и рекомендациях карточка отсылает к приложению D препринта. Модель подходит для машинного перевода с английского на поддерживаемые индийские языки. Распространяется по лицензии MIT. Для сведений о конкретных ограничениях этого варианта карточка направляет к препринту.

Light-TLLM-7B — языковая модель для машинного перевода, разработанная 360 AI Research на основе Qwen2.5-7B. Это плотная причинная трансформерная модель с 7,2 млрд параметров по метаданным; README указывает 7,61 млрд. В архитектуре используются RoPE, SwiGLU, RMSNorm и смещение в QKV-внимании, а контекст составляет до 131 072 токенов. Модель предназначена для многоязычного перевода, в том числе профессиональных документов и диалогов. Обучение включало продолжение предобучения, SFT с учебным планом и обучение с подкреплением MtPO. Расширенный словарь улучшает эффективность токенизации для ряда низкоресурсных письменностей, включая кхмерскую, лаосскую и мьянманскую. В README приведены результаты оценки на 90 направлениях FLORES-Plus и тестах следования ограничениям. Модель доступна в формате safetensors и совместима с библиотекой Transformers. Лицензия — Apache-2.0. Авторы указывают исследовательское и образовательное применение; это предупреждение само по себе не определяет зрелость модели.

LifeAi-dev/madlad400-10b-ct2-float32 — конвертированная в формат cTranslate2 версия многоязычной модели перевода MADLAD-400-10B-MT от Google. Она предназначена для перевода текста между множеством языков; в карточке указаны, среди прочих, английский, русский, испанский, французский, немецкий, китайский и японский. Модель основана на архитектуре text-to-text и распространяется для использования через библиотеку Transformers. Веса представлены в формате cTranslate2 с точностью float32. По лицензии Apache-2.0 модель можно использовать, изменять и распространять на её условиях. Карточка не сообщает длину контекста и конкретные ограничения качества.

cstr/madlad400-3b-ct2-int8 — это оптимизированная int8-версия мультиязычной модели машинного перевода MADLAD-400-3B-MT, разработанной Google Research на основе архитектуры T5 и преобразованной в формат CTranslate2 Juarez Bochi. Исходная модель обучалась на 1 триллионе токенов общедоступных данных и охватывает более 400 языков. Модель предназначена прежде всего для перевода текста между поддерживаемыми языками и других мультиязычных NLP-сценариев. Модель имеет около 3 миллиардов параметров в исходной версии; данная публикация использует int8-квантизацию для более компактного и эффективного запуска через CTranslate2. Направление перевода задаётся специальным префиксом языка, например <2en> или <2de>. Среди явно указанных языков — английский, русский, немецкий, французский, испанский, китайский, японский, арабский и многие другие. Модель распространяется по лицензии Apache 2.0. Сильными сторонами являются широкий охват языков, специализированная ориентация на машинный перевод и сниженные требования к памяти благодаря int8-представлению. Качество может различаться между языками и предметными областями, а модель не предназначена для гарантированно точного перевода важных или чувствительных материалов без проверки человеком.

Модель NHNDQ/nllb-finetuned-en2ko разработана Jisu Kim, Juhwan Lee, TakSung Heo и Minsu Jeong. Это дообученная версия facebook/nllb-200-distilled-600M для перевода с английского на корейский язык. Модель основана на архитектуре M2M100 и содержит 463,7 млн параметров. Она принимает текст и генерирует текст; длина контекста составляет 1024 токена. Для обучения использован набор данных AI-hub. В карточке приведён BLEU 33,66 для дообученной модели и 22,83 для DeepL на указанном авторами сравнении. Модель предназначена для перевода англоязычных текстов на корейский. Лицензия CC-BY-4.0 разрешает использование с соблюдением её условий. Карточка также упоминает применение для преобразования текста и расширения корейских данных с помощью обратного перевода.

Helsinki-NLP/opus-mt-bg-en — модель машинного перевода на архитектуре Marian Transformer, разработанная проектом OPUS и опубликованная организацией Helsinki-NLP. Она переводит текст с болгарского языка на английский; обучение основано на корпусе OPUS, а предобработка включает нормализацию и SentencePiece. Модель содержит 56,8 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для перевода отдельных фраз и текстов с болгарского на английский, включая материалы для многоязычных приложений и локализации. В README приведены результаты теста Tatoeba.bg.en: BLEU 59,4 и chr-F 0,727. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-cs-sv — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с чешского языка на шведский и предназначена для перевода отдельных фраз и документов; в карточке указаны корпус OPUS, архитектура Transformer и предобработка с нормализацией и SentencePiece. Модель построена на MarianMT, содержит 54,6 млн параметров и поддерживает контекст до 512 токенов. Для набора JW300.cs.sv в карточке приведены оценки BLEU 30,6 и chr-F 0,527. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.