I.6Перевод и языковая адаптация

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.

bullerwins/translategemma-4b-it-GGUF — GGUF-версия TranslateGemma 4B Instruct, разработанная Google Translate на основе семейства Gemma 3. Модель предназначена для перевода текста между 55 языками, а также для извлечения текста с изображений и его перевода. Благодаря относительно небольшому размеру она ориентирована на запуск на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре с ограниченными ресурсами. Модель поддерживает текстовые и визуальные входные данные: изображения нормализуются до разрешения 896×896 и кодируются в 256 токенов, общий входной контекст составляет 2K токенов. Для работы требуется специальный шаблон чата с ролями User и Assistant, указанием исходного и целевого языка в кодах ISO 639-1 или регионализированном формате. Сильными сторонами являются поддержка широкого набора языков, мультимодальный перевод и компактность. Ограничения включают фиксированный контекст, необходимость соблюдения формата входных сообщений и отсутствие в предоставленных данных подробностей о качестве, требованиях к памяти и характеристиках GGUF-квантизации. Модель распространяется по лицензии Gemma; для доступа на Hugging Face требуется принять условия использования Google.

Карточка модели Hagwell/whisper-base на Hugging Face совпадает с карточкой openai/whisper-base, поэтому описание составлено по ней. Whisper Base — мультиязычная модель распознавания речи, разработанная OpenAI. Это Transformer-энкодер-декодер с архитектурой sequence-to-sequence и примерно 51,7 млн параметров; модель принимает аудио и преобразует речь в текст на том же языке. Семейство Whisper обучалось на 680 тысячах часов размеченных аудиоданных со слабым контролем, что помогает ему обобщать на разные наборы данных и предметные области без дообучения. Модель также может переводить речь на английский язык; для длинных записей транскрипцию можно выполнять частями с помощью chunking в Transformers. Whisper Base подходит для транскрибации аудио, включая речь с акцентами, фоновым шумом и технической лексикой, а также для перевода речи на английский. Карточка сообщает о поддержке множества языков, среди них английский, русский, китайский, немецкий, испанский и французский. Для обычного использования модель распространяется по лицензии Apache-2.0. Распознавание может содержать галлюцинации — текст, отсутствующий в аудио, а также повторы. Точность неравномерна между языками, акцентами и диалектами и может быть ниже для языков с малым объёмом обучающих данных. Для модели указана длина входных аудиофрагментов до 30 секунд; более длинные записи обрабатываются с разбиением на части.

Модель allenai/wmt19-de-en-6-6-big — перенесённая в Transformers версия трансформера fairseq для машинного перевода с немецкого на английский. Это FSMTForConditionalGeneration с 100,7 млн параметров и контекстом до 1024 токенов; модель принимает немецкий текст и генерирует перевод на английском. Она предназначена для перевода предложений и текстов в пользовательских приложениях и сценариях машинного перевода. В карточке приведён результат 39,9 BLEU для варианта big в Transformers. Веса совпадают с исходной моделью AllenAI; лицензия — Apache-2.0.

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

AfriNLLB-8enc-8dec-iterative-498m-ft — многоязычная модель перевода команды AfriNLP для африканских языков и связанных с ними языковых пар. Она основана на архитектуре M2M-100 с 8 слоями кодировщика и 8 слоями декодировщика; в репозитории указано около 463,7 млн параметров и контекст до 1024 токенов. Модель получена итеративным удалением слоёв из AfriNLLB-12enc-12dec-full-ft-kd и обучена на наборах AfriNLLB-train и AfriNLLB-train-distilled. Модель предназначена для перевода между английским и 13 языками, а также между французским и лингала и волоф; среди поддерживаемых языков перечислены суахили, хауса, йоруба, амхарский, сомали, зулу, африкаанс, волоф, египетский арабский, арабский, французский, португальский и испанский. Сокращённая архитектура призвана ускорить инференс; README приводит результаты сравнения качества и производительности на тестовых наборах FLORES. Для запуска доступны Transformers и варианты CTranslate2, последний рекомендован авторами для производственного инференса. Лицензия — CC BY-NC 4.0, допускающая использование с ограничением на коммерческое применение.

AfriqueQwen-14B — плотная причинная языковая модель семейства Qwen3, разработанная в рамках набора AfriqueLLM и дообученная методом продолженного предобучения на многоязычных данных. Она основана на Qwen/Qwen3-14B-Base, содержит 14 млрд параметров и использует контекст до 32 768 токенов. Для адаптации использовано около 26 млрд токенов; основное внимание уделено 20 африканским языкам, при этом обучение также сохраняло возможности на английском, французском, португальском и арабском. Модель предназначена для генерации текста и диалоговых сценариев на африканских языках, а также для многоязычных задач, включая перевод документов с длинным контекстом. В обучающие данные включены тексты, код, математические материалы и синтетические переводы. Карточка сообщает об оценках на нескольких многоязычных бенчмарках, но не приводит в доступном фрагменте результаты именно этой модели. Репозиторий использует формат Safetensors и библиотеку Transformers; для развёртывания предлагаются vLLM или SGLang. Лицензия — CC BY 4.0.

Модель sappho192/aihub-ja-ko-translator предназначена для перевода с японского языка на корейский. Она построена на архитектуре EncoderDecoderModel и объединяет bert-japanese в роли энкодера с kogpt2 в роли декодера. Модель обучена на объединённых параллельных корпусах AI-Hub, включающих повседневную и разговорную речь, а также материалы по технике и науке, гуманитарным дисциплинам и общему переводу. Для запуска README перечисляет PyTorch, Transformers, fugashi и unidic-lite; в репозитории также представлены форматы ONNX и safetensors. Указана лицензия MIT. Для использования исходных данных AI-Hub за пределами Южной Кореи, включая их экспорт, может потребоваться отдельное соглашение с организациями, управляющими данными.

AraT5v2-base-1024 — арабоязычная модель семейства T5, разработанная UBC-NLP и доступная в формате PyTorch. Она содержит 183,7 млн параметров и обучена на более крупных и разнообразных арабских данных, чем предыдущая AraT5-base. Модель предназначена для дообучения и генерации текста в формате text-to-text; в карточке перечислены машинный перевод, суммаризация, создание заголовков и вопросов, перефразирование, транслитерация и перевод текстов со смешением арабского и английского. Модель поддерживает последовательности длиной до 1024 токенов и 100 специальных sentinel-токенов для задач с маскированными фрагментами. Разработчики сообщают, что при дообучении она сходится примерно в десять раз быстрее предыдущей версии AraT5-base. В карточке не приведены сведения о лицензии и подробные ограничения качества.

google/bert2bert_L-24_wmt_en_de — модель перевода, представленная Sascha Rothe, Shashi Narayan и Aliaksei Severyn и выпущенная в репозитории Hugging Face. Это плотная encoder-decoder модель на базе BERT: энкодер и декодер инициализированы чекпойнтами bert-large, после чего модель дообучена на переводе с английского на немецкий на данных WMT. Модель предназначена для перевода англоязычных текстов на немецкий. Она доступна в формате PyTorch и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не сообщает размер модели и длину контекста.

BiDi-eng-pol — двунаправленная модель машинного перевода из коллекции BiDi, разработанной в рамках исследовательского проекта лаборатории Machine Learning Research для Allegro.com при сотрудничестве с laniqo.com. Это энкодер-декодерный трансформер MarianMT на 133,4 млн параметров, обученный для перевода на уровне предложений; базовая конфигурация — transformer-big. Модель переводит между английским и польским в обоих направлениях: целевой язык задаётся специальным токеном. Для токенизации используется SentencePiece со словарём 32 тыс. токенов. Модель рассчитана на перевод отдельных предложений между английским и польским; в README описана как часть коллекции многоязычных славянских MT-моделей. Метаданные указывают контекст до 1024 токенов. Модель обучалась на корпусах машинного перевода и оценивалась на Flores200 с метрикой COMET-DA. Качество и возможные смещения следует проверять для конкретного предметного домена: авторы предупреждают о возможных гендерных галлюцинациях при переводе с английского на славянские языки. Лицензия — CC BY 4.0.

Bifrost 1.2B — плотная языковая модель на 1,2 млрд параметров, разработанная NodeNestor с нуля для машинного перевода между английским и североевропейскими языками, а также между самими северными языками. Она поддерживает шведский, датский, норвежский букмол и нюнорск, финский, исландский и английский; модель использует причинную архитектуру NordicTranslatorForCausalLM и принимает управляющий токенизированный запрос, после которого генерирует перевод до токена EOS. Контекст — до 4096 токенов. В оценке FLORES-200 devtest модель показала средний chrF++ 57,4 для перевода с английского на северные языки, 63,6 для перевода с северных языков на английский и 54,5 для перевода между северными языками. В карточке сообщается, что на среднем показателе английский→северные языки она превзошла NLLB-200-3.3B и TranslateGemma-12B; при этом NLLB-3.3B сохраняет преимущество в некоторых направлениях перевода на английский и в финском. Модель распространяется в формате safetensors по лицензии Apache 2.0.

CataLlama-v0.1-Instruct-SFT — чат-модель на архитектуре Llama 3, разработанная Лаурентиу Петреа и дообученная методом SFT на наборе catallama/Catalan-Instruct. Это второй этап обучения CataLlama; модель получила около 445 млн новых токенов за три этапа обучения. Она предназначена прежде всего для работы с каталонским языком: извлечения сведений из документов, распознавания именованных сущностей, перевода между каталонским и английским, краткого и подробного пересказа, анализа тональности и диалогов по инструкциям. Модель имеет 7,5 млрд параметров, использует авторегрессионный трансформер и принимает текстовые запросы; длина контекста составляет 8192 токена. В карточке приведены результаты MMLU 55,28 и GSM8K 51,63, а также validation loss 0,8528 после двух эпох; автор отмечает, что модель создана для демонстрации адаптации LLM к новым языкам, а не для лидерства в бенчмарках. Лицензия — Llama 3 Community License. README содержит ограничение на использование не на английском языке, хотя модель специально дообучена для каталонского; перед применением следует учитывать условия лицензии и политики использования Llama 3.

CAT-Translate-7B — специализированная языковая модель CyberAgent для перевода между японским и английским языками. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,2 млрд параметров; она распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Для перевода требуется инструкция в запросе. Модель предназначена для двустороннего перевода, в том числе диалогов и текстов из деловой, судебной, медицинской и патентной областей. CyberAgent сообщает о многоэтапном дообучении с учителем на синтетических данных и последующем обучении с подкреплением; в оценке на перечисленных в карточке бенчмарках модель показала высокие результаты для своего размера. Заявленные результаты относятся к конкретным тестовым наборам и не гарантируют такое же качество на любых текстах. Модель выпущена под лицензией MIT. В карточке не описаны ограничения по длине отдельных переводов или меры защиты от ошибок перевода.

Cohere и Cohere Labs разработали Command A Translate — языковую модель на 111 млрд параметров, предназначенную прежде всего для перевода. Это авторегрессионная модель на оптимизированной архитектуре Transformer, дообученная с помощью supervised fine-tuning и обучения на предпочтениях. Она принимает текст и генерирует текст; заявлена поддержка 23 языков и контекст до 8 тыс. токенов на входе и 8 тыс. на выходе. Модель подходит для перевода между поддерживаемыми языками и для исследовательских экспериментов с качеством машинного перевода. По карточке модели она показывает передовые результаты в качестве перевода. Для запуска через Transformers требуются изменения из исходного репозитория библиотеки. Веса опубликованы для исследований. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование; также необходимо соблюдать политику допустимого использования Cohere Labs. Для коммерческого применения Cohere предлагает обратиться в отдел продаж.

EMMA-500 — многоязычная языковая модель MaLA-LM на архитектуре Llama 2 7B, дообученная продолжительным предварительным обучением для улучшения представления языков с ограниченными ресурсами. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; базовый контекст составляет 4096 токенов. В карточке заявлена поддержка 546 языков, включая языки, для которых в обучающих данных было более 100 тысяч токенов. Модель предназначена для многоязычной генерации и может применяться для машинного перевода, классификации текста, логического вывода на естественном языке, ответов на вопросы по тексту, генерации кода и рассуждений на основе здравого смысла. Обучение продолжалось на корпусе MaLA, который, согласно карточке, охватывает более 500 языков и содержит 74 млрд токенов из разных областей. В карточке сообщается об улучшении результатов на многоязычных задачах и бенчмарках относительно других моделей на основе Llama 2. Для низкоресурсных языков отмечено снижение разнообразия генераций. Модель распространяется по лицензии Llama 2; перед использованием следует соблюдать её условия.

LOCALENLP разработала модель машинного перевода английского текста на волоф. Это дообученная модель MarianMT — Seq2Seq Transformer на 58 млн параметров, основанная на Helsinki-NLP/opus-mt-en-mul и обученная на пользовательском параллельном корпусе примерно из 84 тысяч пар предложений. Модель работает через библиотеку Transformers; нативный контекст составляет 512 токенов. Модель предназначена для перевода текстов на волоф в образовательных, исследовательских и коммуникационных сценариях, а также для цифрового контента и приложений перевода. Её можно использовать как основу для дальнейшей адаптации к специализированным корпусам волоф. Лицензия — MIT. На неформальных выражениях, культурно окрашенных оборотах и вариантах орфографии и грамматики волоф возможны ошибки и непоследовательность. Модель может хуже справляться с длинными сложными текстами и узкоспециализированной лексикой; для важных материалов рекомендуется проверка человеком.

En-Indic Translate 4B — модель sulabhkatiyar, дообученная на google/gemma-4-E4B-it для перевода с английского на 11 индийских языков: ассамский, бенгальский, гуджарати, хинди, каннада, малаялам, маратхи, одия, панджаби, тамильский и телугу. Она предназначена для перевода сложных документов, сохраняя формулы LaTeX, блоки кода, заголовки и структуру документа. Модель использует плотную архитектуру Gemma 4 и доступна в формате safetensors для Transformers. В README приведена оценка на 500 сложных англоязычных документах: сообщается о низкой частоте зацикливания и сохранении математической разметки; результаты сравниваются с Sarvam-Translate и другими вариантами семейства. Лицензия — Gemma. Проверка проводилась на AMD MI300X с ROCm; для среды NVIDIA CUDA могут потребоваться корректировки версий пакетов. Приведённые метрики относятся к конкретному тестовому набору и не гарантируют такого же качества на других типах документов или текстов.

EuroLLM-1.7B-Instruct — мультиязычная языковая модель с 1,7 млрд параметров, разработанная Unbabel, Instituto Superior Técnico, Instituto de Telecomunicações, University of Edinburgh и другими исследовательскими организациями при финансировании Европейского союза. Это первая версия серии EuroLLM, дообученная следовать инструкциям; модель построена на плотном Transformer с архитектурой Llama, групповым запросным вниманием, RMSNorm, SwiGLU и RoPE. Длина контекста — 4096 токенов. Модель предназначена для диалогов, выполнения общих текстовых инструкций и машинного перевода. Она поддерживает множество европейских языков, а также арабский, китайский, хинди, японский и корейский. В карточке приведены результаты тестирования перевода на FLORES-200, WMT-23 и WMT-24; на FLORES-200 модель превзошла сравниваемую Gemma-2B и показала конкурентные результаты относительно Gemma-7B. Модель не прошла выравнивание по предпочтениям людей и может выдавать галлюцинации, вредоносный или ложный текст. Распространяется по лицензии Apache 2.0.

Gemma-SEA-LION-v4.5-E2B-IT — мультимодальная языковая модель AI Singapore, адаптированная для английского языка и языков Юго-Восточной Азии. Она основана на Google Gemma 4 E2B IT и прошла постобучение с дистилляцией знаний от Gemma 4 31B IT на наборе SEA-Instruct-2602. Архитектура — декодер Transformer с энкодерами зрения и аудио; размер составляет 2,3 млрд эффективных параметров (5,1 млрд с эмбеддингами), контекст — 128 тыс. токенов. Модель предназначена для диалогов и выполнения инструкций, ответов на вопросы, суммаризации, анализа тональности, перевода между английским и региональными языками, а также мультимодального анализа изображений, видео и аудио. Карточка указывает поддержку мультимодальных возможностей Gemma 4, включая вызов функций и режимы рассуждения. Модель оптимизирована для локального запуска на ноутбуках и мобильных устройствах. Постобучение охватывает бирманский, индонезийский, филиппинский (тагальский), малайский, тамильский, тайский и вьетнамский; метаданные также отмечают английский и китайский. Лицензия — MIT. Авторы предупреждают, что модель не прошла настройку безопасности и проверку устойчивости к состязательным запросам; возможны галлюцинации, нерелевантные и непоследовательные ответы.

Huihui-HY-MT1.5-7B-abliterated-GGUF — это набор GGUF-квантизаций модели Huihui-HY-MT1.5-7B-abliterated, подготовленный пользователем mradermacher. Модель предназначена прежде всего для многоязычного машинного перевода и локального запуска в форматах GGUF. В README также указана характеристика abliterated, однако её точное влияние на поведение модели не описано. Модель имеет размер 7B параметров и поддерживает китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, тагальский, хинди, польский, чешский, нидерландский, кхмерский, бирманский, персидский, гуджарати, урду, телугу, маратхи, иврит, бенгальский, тамильский, украинский, тибетский, казахский, монгольский и уйгурский языки. Архитектура, размер контекста и поддержка модальностей в README не указаны; по представленным данным модель является текстовой. Доступны варианты от Q2_K до Q8_0, IQ4_XS, а также f16, с размером файлов примерно от 3,1 до 15,1 ГБ. Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди указанных. Квантизация позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством, но низкобитные варианты могут снижать качество перевода. Лицензия в README не указана.

Hunyuan-MT-Chimera-7B-i1-GGUF — это набор квантизированных GGUF-версий модели Hunyuan-MT-Chimera-7B, разработанной Tencent и опубликованной пользователем mradermacher. Репозиторий предназначен для запуска модели в средах, поддерживающих формат GGUF, а также для создания собственных квантованных вариантов с использованием файла imatrix. Модель ориентирована на задачи машинного перевода и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий, итальянский, вьетнамский, украинский и другие. Точный размер контекста, архитектура и сведения о мультимодальности в README не указаны; из названия базовой модели следует размер около 7 миллиардов параметров. Доступно множество вариантов квантования от i1-IQ1_S до i1-Q6_K размером примерно от 1,9 до 6,3 ГБ. Они позволяют выбирать компромисс между требованиями к памяти, скоростью и качеством; в README отдельно отмечены низкое качество некоторых малых вариантов и рекомендации по i1-Q4_K_M и i1-Q4_K_S как сбалансированным версиям. Лицензия модели в предоставленных данных не указана.

HY-MT1.5-1.8B — модель машинного перевода от Tencent из семейства Hunyuan. Это плотная авторегрессионная модель с 1,8 млрд параметров, рассчитанная на взаимный перевод между 33 языками и поддержку пяти языковых вариантов и диалектов. В метаданных указан контекст длиной 262 144 токена. Модель предназначена для перевода текстов, включая сценарии с терминологическими указаниями, контекстом и форматированием. Tencent сообщает о высокой скорости и качестве перевода для своего размера; после квантизации модель можно развернуть на периферийных устройствах для перевода в реальном времени. Репозиторий содержит веса Safetensors и предназначен для использования с Transformers. Модель подходит для межъязыкового перевода и интеграции в приложения, которым важны скорость и локальное развертывание. Заявление о сопоставимом качестве с более крупной моделью и превосходстве над большинством коммерческих API приведено разработчиком; независимые результаты в карточке не представлены. Условия лицензии в предоставленных данных не указаны.

HY-MT1.5-1.8B-GGUF — квантизированная версия переводческой модели HY-MT1.5-1.8B, разработанной Tencent в рамках семейства Hunyuan Translation. Модель предназначена для автоматического перевода между 33 языками и поддерживает 5 этнических и диалектных вариантов. Среди заявленных языков — китайский, английский, русский, французский, испанский, японский, корейский, немецкий, арабский и другие языки Европы и Азии. Модель ориентирована на высокоскоростной перевод, включая работу на периферийных устройствах и сценарии реального времени. Она поддерживает терминологическое вмешательство, контекстный перевод и перевод с сохранением форматирования. По данным разработчика, при размере 1,8 млрд параметров модель обеспечивает качество, сопоставимое с более крупной HY-MT1.5-7B, сохраняя меньшие требования к вычислительным ресурсам. Формат GGUF подготовлен с использованием llama.cpp и предназначен для локального запуска в совместимых средах. К сильным сторонам относятся компактный размер, высокая скорость и широкая языковая поддержка. Ограничения включают отсутствие в предоставленных данных точных сведений об архитектуре, размере контекстного окна, конкретном уровне квантизации и количественной оценке качества. Лицензия в карточке модели не указана.

unsloth/Hy-MT2-1.8B-GGUF — это GGUF-версия мультиязычной модели машинного перевода Hy-MT2-1.8B, разработанной Tencent. Модель предназначена для быстрого перевода в реальных сценариях, включая общие, деловые, специализированные и задачи, требующие следования инструкциям. Формат GGUF рассчитан на запуск через llama.cpp и удобен для локального и ресурсоограниченного развертывания. Модель имеет 1,8 млрд параметров и поддерживает перевод между 33 языками, включая китайский, английский, русский, французский, испанский, японский, корейский, арабский, немецкий, итальянский, португальский, турецкий, украинский и другие языки. В README не указаны архитектурные детали и размер контекста. К сильным сторонам относятся ориентация на быстрый вывод, широкий языковой охват и заявленная высокая точность в разнообразных переводческих задачах. Ограничения, включая качество для отдельных языковых пар, доменов и конкретных вариантов квантизации, требуют самостоятельной оценки. Модель распространяется по лицензии Apache-2.0. Указанный репозиторий является квантизированной сборкой базовой модели tencent/Hy-MT2-1.8B.

Hy-MT2-1.8B-i1-GGUF — квантованные GGUF-версии модели Hy-MT2-1.8B, разработанной Tencent и подготовленной пользователем mradermacher. Модель предназначена прежде всего для задач машинного перевода и локального запуска в приложениях, поддерживающих формат GGUF. Доступны варианты с разной степенью квантования и размером примерно от 0,6 до 1,6 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. Заявлена поддержка китайского, английского, французского, португальского, испанского, японского, турецкого, русского, арабского, корейского, тайского, итальянского, немецкого, вьетнамского, индонезийского, малайского, филиппинского, хинди, польского, чешского, нидерландского, кхмерского, бирманского, персидского, гуджарати, урду, телугу, маратхи, иврита, бенгальского, тамильского, украинского, тибетского, казахского, монгольского и уйгурского языков. Архитектура, размер контекста и другие внутренние характеристики в карточке не указаны; из названия следует размер базовой модели около 1,8 млрд параметров. Сильной стороной является широкий набор языков и возможность запуска на устройствах с ограниченными ресурсами благодаря многочисленным квантованным вариантам. Качество зависит от выбранного типа квантования: в README отмечены компромиссы между размером, скоростью и точностью, а некоторые малые варианты характеризуются как низкокачественные. Модель ориентирована на перевод, поэтому её возможности для других задач и мультимодальность не заявлены. Распространение указано по лицензии Apache-2.0.

Index-Homura-9B — специализированная модель перевода из семейства Index-Translate, разработанная IndexTeam на основе Qwen3.5. Она принимает исходный текст и заданное пользователем целевое число слогов, подбирая формулировку перевода с учётом этого ограничения и сохранением смысла и естественности. Модель также поддерживает обязательные термины и глоссарии одновременно с контролем числа слогов, что подходит для подготовки реплик дубляжа и субтитров с заданной длительностью. Модель имеет плотную текстовую архитектуру Qwen3_5ForCausalLM и около 7,2 млрд параметров; заявленное контекстное окно — 262 144 токена. В SandGlass, на 3 600 случаях для каждого тестируемого варианта, RL-чекпойнт показал 74,42% переводов в пределах одного слога от цели и 81,92% в пределах 10%; эти показатели описывают приближение к целевой длине, а не гарантию точного совпадения. Оценка качества перевода в том же тесте составила 0,7863. Испытания охватывали английский, японский, арабский и испанский языки перевода; это не подтверждает одинаковую точность управления слогами для всех языков. Для запуска руководство рекомендует CUDA GPU и сборку vLLM с поддержкой Qwen3.5; для версии 9B указано около 24 ГБ памяти под bf16 без учёта KV-кэша. Модель распространяется под лицензией Apache-2.0.

Index-NativeLong-9B — специализированная модель перевода длинных документов из семейства Index-Translate, опубликованная IndexTeam под идентификатором IndexTeam/Index-Nailong-9B. Это плотная авторегрессионная модель на архитектуре Qwen3.5 с 7,2 млрд параметров, дообученная на многоязычных данных и переводах документов. Она получает исходный документ целиком и генерирует перевод одним проходом, чтобы сохранять полноту, согласованность имён и терминологии, а также связность глав и сцен. В опубликованном клиенте доступны направления китайский→английский, английский→китайский, китайский→японский и японский→китайский. Окно контекста конфигурации сервинга составляет 229 376 токенов и включает запрос, источник и сгенерированный перевод; для длинных текстов нужно оставлять место под результат. Модель рассчитана на работу через vLLM с поддержкой Qwen3.5 и CUDA. Для хранения bf16-весов указано около 24 ГБ видеопамяти, дополнительно требуется память под KV-кэш, объём которой зависит от длины контекста. README приводит результаты внутреннего теста NativeLongBench на длинных книжных фрагментах. Модель распространяется по лицензии Apache-2.0. Заявленная семейная поддержка 150 языков относится к общей текстовой модели и не подтверждает качество этой версии для всех этих языков.

IndicTrans2 Indic-Indic Distilled 320M — модель машинного перевода, разработанная AI4Bharat. Это вариант для перевода между индийскими языками, полученный объединением моделей Indic-En Distilled 200M и En-Indic Distilled 200M. Модель использует архитектуру семейства IndicTrans2 и распространяется в форматах PyTorch и Safetensors. Модель предназначена для перевода текстов между поддерживаемыми индийскими языками. В карточке указаны бенгальский, хинди, тамильский и урду; теги репозитория также перечисляют ассамский, бодо, догри, конкани, гуджарати, каннада, кашмири, майтхили, малаялам, маратхи, манипури, непали, одия, панджаби, санскрит, сантали, синдхи и телугу. Данные для обучения и оценки связаны с FLORES-200, IN22-Gen и IN22-Conv. Модель подходит для межъязыкового перевода в приложениях и исследовательских системах, работающих с индийскими языками. В README не приведены сведения о длине контекста и конкретных ограничениях качества. Лицензия — MIT.

Lapa LLM v0.1.3 Instruct — украинская мультимодальная модель команды Lapa LLM, созданная на базе Gemma 3 12B и дообученная на украинских текстах. В проекте участвовали исследователи Украинского католического университета, AGH University of Krakow, КПИ имени Игоря Сикорского и Львовской политехники. Версия 0.1.3 содержит исправления согласования и проверку pipeline; остальная модель не изменилась. Модель принимает текст и изображения и генерирует текст для диалога, ответов на вопросы, анализа изображений, суммаризации и перевода между английским и украинским языками. В README заявлены контекст входа до 128 тысяч токенов и выход до 8192 токенов. Адаптированный токенизатор заменяет 80 тысяч из 250 тысяч токенов украинскими; разработчики сообщают о сокращении числа токенов для украинского текста примерно в 1,5 раза относительно Gemma 3. Модель предназначена для украинских NLP-сценариев, включая локальную обработку документов, чат-боты и RAG. README отмечает сильные результаты в переводе, вопросах по изображениям и суммаризации, но также сообщает, что разработчики продолжают собирать данные для улучшения обработки изображений и следования инструкциям. Лицензия в метаданных указана как gemma; README заявляет о возможности коммерческого использования.