I.6Перевод и языковая адаптация

dan-omni-3b-mobile — компактная разговорная языковая модель семейства Dan Omni, разработанная для запуска на мобильных устройствах с ограниченной памятью. В карточке указаны дообучение LoRA на инструкционных данных для мобильных сценариев и дальнейшая квантизация базовой Qwen2.5-3B. Модель распространяется в формате GGUF и предназначена для генерации текста и диалогов; заявленное контекстное окно — 2048 токенов. Модель подходит для автономного помощника на устройстве, коротких ответов на вопросы, перевода, написания текстов, простых математических задач и программирования. В README указан размер файла 1,2 ГБ и ориентир около 1,5 ГБ оперативной памяти. Это показатели из карточки, а не гарантия производительности на конкретном телефоне. Контекст короче, чем у полной версии dan-omni-3b, поэтому модель менее удобна для длинных запросов и документов. Лицензия — Apache-2.0.

DictaBERT-tiny-joint — компактная модель семейства BERT, разработанная Dicta для совместного лингвистического разбора современного иврита. Это дообученная версия BERT-tiny с 46 млн параметров и контекстом до 512 токенов; модель работает с текстом и предназначена для выделения признаков и структурированного анализа предложений. Модель выполняет сегментацию префиксов, морфологическое снятие неоднозначности, лемматизацию, синтаксический разбор зависимостей и распознавание именованных сущностей. Результаты доступны в JSON и форматах Universal Dependencies, включая вариант разметки IAHLT. Для более точного разбора авторы рекомендуют соответствующую версию bert-base. Модель распространяется по лицензии CC BY 4.0.

Erk-14B — языковая модель с 14 млрд параметров, разработанная eCloud Yazılım Teknolojileri на основе Qwen/Qwen3-14B. Это плотная авторегрессионная модель с архитектурой Qwen3ForCausalLM; она сохраняет исходные токенизатор и формат диалога, а её контекст составляет 40 960 токенов. Модель предназначена прежде всего для генерации текста на турецком языке, диалогов и выполнения инструкций. Версия v2 прошла продолженное обучение на турецких текстах, настройку на инструкциях и этап укрепления идентичности; авторы сообщают о первом месте среди 17 моделей в TurkMorfBench, особенно по морфологии. Модель также подходит для многоязычной генерации и ответов на вопросы, однако специализация и опубликованные оценки сосредоточены на турецком языке. В README отмечены слабые результаты в математике и числовых рассуждениях, возможные ошибки в свежих или узкоспециальных фактах и риск фактических ошибок в генерации. Для критически важных ответов требуется проверка. Указанная в метаданных лицензия — other; конкретные условия использования в доступных данных не раскрыты.

Gemma3.Novaciano-1B-i1-GGUF — квантизированная GGUF-версия модели NovaCorp/Gemma3.Novaciano-1B, подготовленная mradermacher. Модель основана на архитектуре Gemma 3 и содержит около 1 млрд параметров. В README указаны варианты imatrix-квантизации i1 с разными уровнями сжатия, размером примерно 0,7–0,9 ГБ, а также файл imatrix для самостоятельного создания квантов. Модель предназначена для генерации текста, диалогов, ролевых сценариев, творческого и художественного письма, создания сюжетов, сцен и продолжения историй. Среди заявленных направлений — roleplay, NPC, fiction, romance, science fiction и другие жанры. В качестве языков заявлены английский, русский, немецкий, французский, испанский, китайский, японский, корейский, арабский, турецкий, украинский и ряд других языков; полный список включает 50 языков. К сильным сторонам относятся небольшой размер, возможность локального запуска на устройствах с ограниченными ресурсами и наличие множества уровней квантизации с разным компромиссом между качеством и требованиями к памяти. Ограничения включают заметное снижение качества у наиболее сильно сжатых вариантов, отсутствие в README сведений о размере контекста, точных характеристиках архитектуры и результатах оценивания. Модель ориентирована на текстовые задачи; поддержка изображений или других модальностей не заявлена. Указана лицензия Gemma, поэтому использование должно соответствовать её условиям.

Infinirc-Llama3-8B-2G-Release-v1.0 — модель на основе Llama 3, разработанная Чэнь Чжаожу (Infinirc.com) и дообученная на материалах, связанных с культурой Тайваня: новостях, литературе и интернет-текстах. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев, в том числе для автоматических ответов и работы с текстами о Тайване с учётом местных культурных особенностей и языковых привычек. Карточка указывает китайский и английский языки; метаданные отмечают китайский традиционный вариант. Поддерживается лицензия Llama 3, ограничения которой необходимо соблюдать. Разработчик предупреждает о риске дискриминационного или вредоносного содержания и рекомендует проверять результаты. Карточка не приводит оценок качества или подробных сведений о безопасности.

Japanese-LLaMA-2-13B — базовая полноразмерная языковая модель на архитектуре Llama с 13 млрд параметров, представленная как модель для японского языка. Она предназначена для генерации текста и может служить основой для дальнейшей адаптации под инструкции или другие задачи. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 2048 токенов. В карточке проекта также перечислены отдельные LoRA- и instruction-варианты семейства, но этот репозиторий содержит базовую полную модель. Доступны веса PyTorch. Лицензия — Llama 2; при использовании необходимо соблюдать её условия.

MaziyarPanahi/japanese-stablelm-instruct-gamma-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и stabilityai/japanese-stablelm-instruct-gamma-7b методом SLERP. Модель предназначена для генерации текста и ответов на инструкции в формате диалога; контекстное окно составляет до 32 768 токенов. Слияние объединяет параметры двух моделей, а конфигурация README указывает на смешивание слоёв self-attention и MLP. В карточке не приведены результаты оценки качества, поэтому пригодность для конкретных сценариев следует проверять на собственных данных. Модель распространяется под лицензией Apache-2.0.

KhanomTan LLM 1B — двуязычная языковая модель PyThaiNLP для генерации текста на тайском и английском языках. Модель обучена командой easylm на открытом наборе данных; код, данные и веса опубликованы в открытом доступе. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 1,2 млрд параметров. Она предназначена для генерации текста и имеет контекстное окно 2048 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Модель подходит для генерации продолжений и ответов на тайском и английском языках. Карточка не приводит оценки качества и более конкретные сценарии; небольшой размер и ограниченное контекстное окно могут сужать её возможности. Лицензия — Apache-2.0.

LiquidAI/LFM2.5-1.2B-JP-GGUF — GGUF-версия языковой модели LFM2.5-1.2B-JP, разработанной Liquid AI. Модель предназначена для генерации и автодополнения текста, прежде всего на японском языке, и ориентирована на запуск в средах с ограниченными ресурсами, включая сценарии на периферийных устройствах. Для работы поддерживается llama.cpp. Модель построена на гибридной архитектуре LFM2.5 и содержит около 1,2 млрд параметров. В карточке указаны японский и английский языки, модальность — текстовая. Размер контекста и дополнительные характеристики производительности не указаны. Сильными сторонами являются компактный размер, поддержка формата GGUF и ориентация на японскую генерацию текста; ограничения включают меньшую мощность по сравнению с более крупными моделями и отсутствие подробных данных о контекстном окне и результатах тестирования. Лицензия указана как lfm1.0 с типом other.

Модель Atsuki Yamaguchi — языковая модель на архитектуре Llama 3.1 8B Instruct, адаптированная для бирманского языка. Она продолжает предобучение базовой модели на 500 млн токенов бирманского языка из набора MADLAD-400 и использует расширенный на 10 тысяч единиц целевой словарь. Веса новых токенов эмбеддингов и LM head инициализированы методом среднего значения. Модель предназначена для генерации текста и диалогов на бирманском языке. Она содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — до 131 072 токенов. Использование требует соблюдения Llama 3.1 Community License Agreement. Карточка не приводит результатов оценки качества, поэтому преимущества и ограничения по сравнению с базовой моделью не установлены.

Llama-3.1-8B-Nepali-alpaca-merged-16bit — плотная авторегрессионная языковая модель семейства Llama, опубликованная vhab10. Модель дообучена на базе unsloth/meta-llama-3.1-8b-bnb-4bit с использованием Unsloth и библиотеки TRL; заявленный размер составляет 7,5 млрд параметров. Репозиторий содержит веса PyTorch в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста в формате инструкций Alpaca и сценариев общения на непальском языке; также в метаданных указан английский язык. Заявленная длина контекста — до 131 072 токенов. Карточка не описывает конкретный набор данных или результаты оценки, поэтому качество ответов на непальском и соответствие Alpaca-формату по ней подтвердить нельзя.

Модель lianghsun/Llama-3.2-Taiwan-3B-Instruct разработана Huang Liang Hsun на основе lianghsun/Llama-3.2-Taiwan-3B. Это плотная авторегрессионная языковая модель семейства Llama с 3,2 млрд параметров и контекстом до 131 072 токенов, предназначенная для диалога и выполнения инструкций. Модель дообучали на традиционном китайском языке Тайваня и многоязычных диалоговых данных с помощью instruction fine-tuning и итеративной оптимизации предпочтений DPO. Модель рассчитана на чат, ответы на вопросы и генерацию текста с акцентом на знания и языковой стиль Тайваня. В обучающие данные включены материалы по тайваньскому праву, медицине, экзаменационным вопросам, а также многоязычные диалоги; README также приводит примеры для юридических и общих задач. Заявлена лицензия llama3.2. Автор предупреждает, что ответы могут быть предвзятыми или фактически неверными; результаты бенчмарков по ряду предметных областей описаны как неудовлетворительные, поэтому ответы следует проверять.

macbert4mdcspell_v1 — модель Macropodus для проверки и исправления орфографических ошибок в китайском тексте (Chinese Spelling Correction, CSC). Она дообучена на основе hfl/chinese-macbert-base и использует архитектуру MDCSpell с взаимодействием детектора и корректора; во время обучения также применялся MLM-loss MacBERT. Веса представлены в формате PyTorch, размер модели — 129,5 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для проверки китайских текстов и автоматического исправления опечаток, в том числе в предложениях и более длинных фрагментах. В README приведены результаты оценки на нескольких наборах данных CSC; качество зависит от набора и метрики. По метаданным автор указал задачу text-generation, однако архитектура BERT также соответствует fill-mask. Лицензия — Apache-2.0.

Matoub-82M — модель синтеза речи на кабильском языке (Taqbaylit), разработанная agbalu как дообучение StyleTTS2 на базе Kokoro-82M. В метаданных указано 11,1 млн параметров, тогда как README описывает модель как имеющую 82 млн параметров; поэтому размер модели по источникам расходится. Для запуска требуется Transformers с trust_remote_code=True. Модель преобразует кабильский текст в речь голосом kab_male с частотой дискретизации 24 кГц. Она предназначена для озвучивания кабильских материалов, экранных дикторов, учебных аудиозаписей и завершающего этапа языковых NLP-конвейеров. Фронтенд адаптирован к кабильской фонологии и сохраняет характерные согласные и диакритические символы. Опубликован один мужской голос; оценка качества синтеза самой модели в README ещё не приведена. Обучающие записи ограничены примерно 7,9 кГц, поэтому более высокие частоты в выходном сигнале не несут полезного звука. Модель обучена только для кабильского и не рассчитана на длинную связную речь с моделированием абзацной интонации. Лицензия Apache-2.0 допускает коммерческое использование.

mitra-qwen35-embedder — плотная модель эмбеддингов для поиска в классической буддийской литературе, созданная командой Dharmamitra на базе Qwen3.5-9B. Модель прошла доменное продолжение предобучения, дообучение с учителем и контрастивное дообучение на параллельных данных; в финальном этапе использовались сложные негативные примеры из сценариев исследовательского поиска. Модель предназначена для межъязыкового поиска параллельных мест: она сопоставляет предложение на одном классическом языке с фрагментом на другом, а также поддерживает поиск по запросу на английском и извлечение фрагмента-перевода. Размер — 7,2 млрд параметров по метаданным, размерность эмбеддинга — 4096, контекст — до 262 144 токенов. Использует архитектуру Qwen3.5 Text и библиотеку Transformers. Для запросов требуется инструкция в шаблоне; документы подаются как обычный текст. Качество зависит от EOS-токена, левого дополнения и pooling по последнему токену. Тибетский поддерживается письмом и транслитерацией Уайли, санскрит и пали — романизацией IAST, китайский — китайским письмом. В карточке приведены результаты собственных оценок на бенчмарке поиска параллельных текстов, включая сложную настройку с 25 000 отвлекающих фрагментов. Модель распространяется по лицензии Apache-2.0.

LeroyDyer разработал Mixtral_AI_MiniTron_Swahili_3.75b — экспериментальную языковую модель семейства Mistral с 3,6 млрд параметров, дообученную на корпусе суахили. Она предназначена для генерации текста и диалогов на суахили, а также для дальнейшего дообучения, в том числе с помощью LoRA. Автор сообщает, что обучение продолжается и модель ещё может уступать другим моделям серии. Модель принимает и генерирует текст. Для обучения использовались Unsloth и библиотека Hugging Face TRL; указанный в метаданных размер контекста — 32 768 токенов. README предупреждает, что длинный контекст повышает расход видеопамяти и рекомендует для локального обучения использовать небольшие тексты и снижать контекст. Лицензия — Apache-2.0.

MMed-Llama-3-8B — медицинская языковая модель Henrychur на архитектуре Llama 3. Веса репозитория содержат плотную autoregressive-модель примерно с 7,5 млрд параметров, дополнительно предварительно обученную на медицинском мультиязычном корпусе MMedC; длина контекста — 8192 токена. Модель предназначена для генерации текста по медицинским темам на английском, китайском, японском, французском, русском и испанском языках. Модель можно использовать для генерации медицинских ответов и текста, а также как основу для дальнейшей адаптации. Это базовая модель без дообучения на инструкциях, поэтому она не настроена специально для диалога и может не следовать запросам как ассистент. В репозитории указана лицензия Llama 3.

facebook/mms-tts-agx — модель синтеза речи на языке агуль, выпущенная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на агульском языке. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS; синтез выполняется сквозным образом, а стохастический предиктор длительности позволяет получать разные ритмические варианты произношения одного текста. Для воспроизводимого результата требуется фиксировать seed. Модель доступна через библиотеку Transformers версии 4.33 и новее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Модель предназначена для агульского языка; качество речи для других языков не заявлено.

facebook/mms-tts-caa — модель синтеза речи на языке Ch’orti’ (caa), разработанная Meta* в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на Ch’orti’. Модель построена на архитектуре VITS: объединяет вариационный автоэнкодер, потоковый модуль с текстовым энкодером на основе Transformer, стохастический предиктор длительности и декодер, формирующий аудиоволну. Размер модели — 3,5 млн параметров; для каждого языка MMS обучается отдельный чекпойнт. Стохастический предиктор длительности позволяет получать разные ритмические варианты произнесения одного текста. Из-за этой стохастичности результат может меняться между запусками; для повторяемого синтеза требуется фиксировать seed. Модель распространяется под лицензией CC BY-NC 4.0, которая не допускает коммерческого использования. Для работы с чекпойнтом поддерживается библиотека Transformers версии 4.33 и новее.

facebook/mms-tts-hyw — модель синтеза речи на западноармянском языке (hyw), разработанная Meta в рамках проекта Massively Multilingual Speech. Это отдельный контрольный набор VITS, обученный для одного языка; модель преобразует входной текст в речевую аудиоволну. Архитектура VITS объединяет вариационный автоэнкодер, потоковый модуль, текстовый энкодер на основе Transformer, стохастический предиктор длительности и декодер, подобный HiFi-GAN. Размер модели — 3,5 млн параметров. Она поддерживается библиотекой Transformers версии 4.33 и новее. Модель предназначена для озвучивания текста на западноармянском, включая приложения синтеза речи и голосового вывода. Стохастический предиктор позволяет получать разные ритмические варианты одной фразы; результат генерации недетерминирован, поэтому для воспроизводимого аудио нужен фиксированный seed. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но некоммерческое.

facebook/mms-tts-ipi — модель синтеза речи на языке ипили, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на ипили. Для каждого языка проекта MMS обучается отдельная модель VITS; эта версия содержит около 3,5 млн параметров и доступна через библиотеку Transformers версии 4.33 и выше. VITS объединяет вариационный автоэнкодер, потоковый модуль с текстовым энкодером на основе Transformer и декодер, построенный по типу HiFi-GAN. Стохастический предиктор длительности позволяет получать разные ритмические варианты произношения одного текста, поэтому генерация недетерминирована; для повторяемого результата требуется фиксировать seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-kaq — модель синтеза речи для языка капанахуа (kaq), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Это отдельная языковая версия MMS-TTS, построенная на архитектуре VITS и имеющая 3,5 млн параметров. Модель принимает текст на капанахуа и генерирует речевую волну; поддержка доступна через библиотеку Transformers версии 4.33 и выше. Модель подходит для озвучивания текстов на капанахуа и создания речевого вывода в приложениях на этом языке. Стохастический предсказатель длительности позволяет варьировать ритм произношения; для повторяемого результата нужен фиксированный seed. Репозиторий распространяет веса в форматах PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

facebook/mms-tts-mdv — модель синтеза речи на языке Mixtec из Санта-Лусия-Монтеверде, разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну; отдельный чекпойнт VITS обучен для этого языка. Архитектура VITS объединяет текстовый энкодер на основе Transformer, flow-модуль и декодер, похожий на HiFi-GAN; размер модели — 3,5 млн параметров. Модель предназначена для озвучивания текста на Mixtec, например для речевых интерфейсов и создания аудиоверсий материалов. Генерация недетерминирована: для повторения результата нужно фиксировать seed. Для работы доступна библиотека Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-pui — модель синтеза речи на языке пуинаве (Puinave, код pui) из проекта Massively Multilingual Speech компании Meta. Она преобразует текст на пуинаве в речевую аудиоволну и предназначена для создания озвучивания на этом языке. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров; для каждого языка проекта MMS обучается отдельный чекпойнт. Модель доступна через библиотеку Transformers версии 4.33 и новее. VITS объединяет вариационный автоэнкодер, потоковый модуль и декодер, формирующий аудиоволну; стохастический предиктор длительности позволяет получать варианты с разным ритмом. Генерация недетерминирована, поэтому для повторения результата нужно зафиксировать seed. Веса опубликованы в форматах PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-saq — модель синтеза речи на языке самбуру (Samburu, код saq), разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевой аудиосигнал; отдельная модель VITS обучена для каждого языка проекта. Чекпойнт содержит 3,5 млн параметров и доступен для работы через библиотеку Transformers версии 4.33 и выше. Модель использует архитектуру VITS — сквозную систему синтеза речи на основе вариационного автоэнкодера и состязательного обучения. Текстовый энкодер и потоковый модуль формируют акустические представления, а декодер генерирует волну аудио. Стохастический предиктор длительности позволяет варьировать ритм произношения; генерация недетерминирована, поэтому для повторения результата нужен фиксированный seed. Модель предназначена для озвучивания текста на самбуру. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

facebook/mms-tts-urd-script_latin — модель синтеза речи на урду латинским письмом из проекта Massively Multilingual Speech, разработанного Facebook. Это отдельный языковой чекпойнт семейства VITS с архитектурой сквозного преобразования текста в речевую волну; модель содержит 3,5 млн параметров и доступна в Transformers. Она предназначена для озвучивания текста на урду латинским письмом. Стохастический предиктор длительности позволяет получать разные ритмические варианты произношения одного текста, поэтому для повторяемого результата нужен фиксированный seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Koichi Yasuoka разработал эту ModernBERT Large для морфологического анализа японского текста. Модель дообучена на базе KoichiYasuoka/modernbert-large-japanese-wikipedia и размечает длинные единицы слов тегами UPOS и FEATS; карточка также указывает назначение для синтаксического анализа зависимостей. Модель принимает японский текст и выдаёт разметку токенов. Архитектура ModernBERT, около 409,7 млн параметров, контекст до 8192 токенов. Базовая модель предварительно обучена на японской Википедии и текстах Aozora Bunko. Лицензия — Apache-2.0.

Morocco-Darija-STT-large-v1.4 — модель распознавания речи, созданная дообучением openai/whisper-large-v3. Она предназначена для преобразования аудио в текст; название модели указывает на фокус на марокканском дарижа. В качестве основы используется мультиязычная архитектура Whisper large-v3 от OpenAI, а веса опубликованы в формате safetensors. В карточке приведены результаты оценки: loss 0.5198 и WER 0.8556. Датасет обучения не установлен, поэтому результаты не позволяют надёжно оценить качество на конкретных сценариях или разновидностях речи. Модель распространяется по лицензии Apache-2.0.

nekomata-14b-pfn-qfin — языковая модель Preferred Networks, дообученная на базе rinna/nekomata-14b для генерации связного текста в финансовой тематике. Это плотная авторегрессионная модель с архитектурой Qwen и 21,8 млрд параметров; веса опубликованы в формате Safetensors и предназначены для работы через Transformers. Модель дообучена на 370 млн токенов специализированных данных Preferred Networks, преимущественно японских, а также английских и числовых. Карточка описывает поддержку японского и английского языков. Контекст обучения указан как 2048 токенов, тогда как метаданные сообщают нативное окно контекста 8192 токена. Модель подходит для генерации текста по финансовым темам и финансовых языковых задач на японском и английском. Она может выдавать неточные, предвзятые или нежелательные ответы и не предназначена для юридических, налоговых, инвестиционных или финансовых консультаций; перед применением нужна проверка и настройка под конкретный сценарий. Лицензия — Tongyi Qianwen License Agreement, обозначенная в метаданных как other.

OpenHathi-7B-Hi-v0.1-Base — базовая языковая модель из серии OpenHathi, разработанная Sarvam AI. Модель содержит около 7 миллиардов параметров и основана на архитектуре Llama 2. Модель обучена на хинди, английском и Hinglish — смешанном использовании хинди и английского. Она предназначена для дальнейшей адаптации под прикладные задачи обработки и генерации текста, включая сценарии, связанные с индийскими языками. Это базовая модель, поэтому её не рекомендуется использовать напрямую без дополнительного дообучения на целевых задачах. Модель поддерживается библиотекой Transformers и использует компоненты LlamaTokenizer и LlamaForCausalLM. В README не указаны размер контекста, дополнительные модальности или подробные результаты оценивания. Лицензия обозначена как llama2; перед использованием следует учитывать её условия.