I.6Перевод и языковая адаптация

MaplePT-Mini v1 — канадская разговорная языковая модель от CanXP AI, дообученная на основе Microsoft Phi-3 Mini 4K Instruct для канадского языкового и культурного контекста. Это плотная авторегрессионная модель архитектуры MaplePT объёмом 3,7 млрд параметров с контекстом до 4096 токенов, предназначенная для генерации текста и диалоговых ответов. Модель ориентирована на канадскую английскую орфографию, метрические единицы, фактические сведения о Канаде и профессиональный нейтральный тон. В карточке заявлены настройки безопасности, приватности и этического выравнивания, включая отказ от сексуальных, романтических и ролевых запросов. Указана поддержка английского и французского языков. Модель распространяется в формате safetensors для Transformers по лицензии MIT. README описывает обучающие данные как наборы CanXP для идентичности и безопасности, подборку канадской Википедии и более 850 тысяч размеченных вопросов и ответов; независимо подтверждённых оценок качества в предоставленных материалах нет.

DataVortexS-10.7B-dpo-v1.10-i1-GGUF — это набор квантизированных GGUF-версий модели DataVortexS-10.7B-dpo-v1.10, разработанной Edentns. Квантизацию выполнил mradermacher; доступны варианты с разными уровнями сжатия и качеством, включая IQ-квантизации и форматы Q2–Q6. Размер файлов составляет примерно от 2,5 до 9,0 ГБ. Модель предназначена для генерации текста и, согласно карточке, ориентирована на корейский язык. GGUF-версии рассчитаны на локальный запуск в совместимых инструментах, однако архитектура, длина контекста, точное число параметров базовой модели и поддерживаемые модальности в README не указаны. Основное преимущество набора — выбор между размером, скоростью и качеством: Q4_K_M отмечен как быстрый и рекомендуемый вариант, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Более агрессивные варианты могут заметно снижать качество, а некоторые специально ориентированы на работу на ARM-устройствах. Лицензия модели — CC BY-NC 4.0, то есть использование ограничено условиями этой лицензии и некоммерческим характером. В README нет результатов бенчмарков базовой модели, подробного описания её обучения, ограничений по безопасности или рекомендаций по системным требованиям.

Koichi Yasuoka разработал эту модель на архитектуре DeBERTa V2 для разметки частей речи в японском тексте. Модель дообучена на основе KoichiYasuoka/deberta-base-japanese-aozora, предварительно обученной на текстах японской литературы из корпуса Aozora Bunko. Она присваивает каждому слову длинной единицы тег UPOS из набора Universal Dependencies. Модель предназначена для морфологического анализа японских текстов, в том числе для подготовки разметки частей речи и последующего синтаксического анализа. Она принимает текст и возвращает метки для токенов; максимальная длина контекста составляет 512 токенов, размер — 137,8 млн параметров. Распространяется по лицензии CC BY-SA 4.0.

surrey-nlp разработала DiaLLM Qwen 3-8B AUS GRPO — плотную авторегрессионную языковую модель семейства Qwen3 с 7,6 млрд параметров, предназначенную для генерации текста на австралийском варианте английского языка. Модель дообучена на основе jordanpainter/diallm-qwen-sft-aus с помощью GRPO после диалектно-ориентированного SFT на данных предпочтений en-AU; в предшествующей подготовке использовался International Corpus of English с 18 вариантами английского языка и примерно 20 млн токенов. Модель поддерживает контекст до 40 960 токенов и доступна в формате Safetensors для Transformers. Она подходит для диалоговых ответов и генерации текста с лексикой и особенностями австралийского английского. В исследовании DiaLLM модель используется для изучения адаптации к диалектам английского языка. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества; специализация на en-AU не гарантирует одинакового качества для других вариантов английского или языков.

DictaBERT-lex — дообученная модель семейства BERT от Dicta для лемматизации современного иврита. Она получает текст на иврите и предсказывает для каждого слова лексему из словаря BERT; для глаголов лексемой служит форма третьего лица единственного числа прошедшего времени. Архитектура — BERT, размер — 211,6 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для лемматизации текстов на иврите, в том числе слов, разделённых токенизатором на несколько частей. Если подходящей лексемы нет в словаре, модель может вернуть специальный токен [BLANK]; это часто встречается с именами людей и городов. В редких случаях нейросеть может предложить семантически близкий синоним вместо лексически связанной формы, поэтому для повышения точности авторы рекомендуют ранжировать варианты и фильтровать их, например, по расстоянию редактирования. Модель опубликована в форматах PyTorch и Safetensors под лицензией CC BY 4.0. Для загрузки через Transformers в README показано использование trust_remote_code=True.

sappho192/ffxiv-ja-ko-translator — модель перевода с японского на корейский язык для текста, связанного с FINAL FANTASY XIV. Разработчик указывает, что подробности проекта находятся в репозитории GitHub, и описывает демонстрацию в виде приложения для Windows с моделью ONNX. Модель построена на архитектуре encoder-decoder и предназначена для машинного перевода японского текста на корейский. В метаданных указаны задачи перевода и обучающие наборы Helsinki-NLP/tatoeba_mt и sappho192/Tatoeba-Challenge-jpn-kor. Доступны файлы PyTorch, Safetensors и ONNX; README также упоминает вариант ONNX с квантизацией и использование Optimum.OnnxRuntime. Модель ориентирована на перевод игровых текстов FFXIV, но доступные сведения не подтверждают отдельную оценку качества или покрытие всех игровых терминов. Лицензия — MIT. Для запуска через Optimum.OnnxRuntime README указывает на необходимость PyTorch в качестве бэкенда.

Модель frisian-asr-streaming-0.6b — потоковая система автоматического распознавания речи на западнофризском языке (fy-NL), созданная сообществом LokaalHub путём дообучения NVIDIA Nemotron 3.5 ASR. Это модель NeMo на архитектуре Cache-Aware FastConformer-RNNT с примерно 600 млн параметров; для распознавания используется токенизатор базовой модели и слот языкового запроса nl-NL. Модель предназначена для потоковой транскрипции записанной речи на фризском. В описанной оценке на отложенном наборе Common Voice она достигла WER 20,36% при задержке 80 мс. Подходит для транскрибирования фризских аудиозаписей, подготовленных в условиях, близких к чтению предложений. Модель моноязычная: дообучение привело к катастрофической потере поддержки остальных 39 языков базовой модели, и входная речь обычно распознаётся как фризская. При использовании требуется передавать target_lang=nl-NL. Качество может снижаться на спонтанной, шумной или записанной издалека речи. Требуется NeMo версии 26.06 или новее. Лицензия указана как other; точные условия следует сверить с карточкой модели.

G4-WanaMeroQueen-v3-31B — мультимодальная модель семейства Gemma 4, созданная автором vulture3 слиянием предварительно обученных моделей методом DARE TIES. В качестве базовой использована kawaimasa/Wanabi-Gemma4-31B; также в слияние вошли zerofata/G4-MeroMero-v2-31B и aifeifei798/Gemma-4-Queen-31B-it. Архитектура плотная, веса доступны в формате safetensors; размер — 31 млрд параметров. Модель предназначена для диалогов с текстом и изображениями. Автор настраивал слияние так, чтобы сохранить качество японского языка и связность рассуждений; метаданные также отмечают возможности чата и анализа изображений. В карточке нет сведений о длине контекста и лицензии, поэтому условия использования по лицензии определить нельзя.

Hermes-2-Pro-Ninja-V3 — объединённая языковая модель на архитектуре Mistral, созданная слиянием NousResearch/Hermes-2-Pro-Mistral-7B, Local-Novel-LLM-project/Ninja-V3 и mistralai/Mistral-7B-v0.1. Разработчик описывает её как модель с поддержкой вывода JSON на японском языке. Модель предназначена для генерации текста и диалогов, включая формирование ответов в формате JSON на японском. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и предоставляет интерфейс вызова инструментов. Веса размещены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Доступные сведения подтверждают японский язык; другие языки не заявлены. Практическое качество, точность JSON и надёжность вызова инструментов в карточке не оценены.

IPA Transcriptor 300M — дообученная pymlex байтовая модель google/byt5-small на базе архитектуры T5. Она преобразует английские слова в фонетическую транскрипцию IPA, например analytical → ˌænəˈlɪtɪkəl. Модель обучена на 125 925 очищенных парах «английское слово — транскрипция IPA» из фонетического словаря. Веса доступны в форматах Safetensors и ONNX; для запуска используется библиотека Transformers. Общее число параметров — 364,6 млн. Модель предназначена для получения IPA-транскрипций отдельных английских слов и может применяться в инструментах изучения произношения или фонетической обработки текста. В README приведены значения loss и perplexity на валидационной и тестовой выборках, однако данных о качестве на других типах текста нет. Лицензия — GPL-3.0.

neurlang/ipa-whisper-base — дообученная версия мультиязычной Whisper Base от OpenAI для распознавания речи и вывода транскрипции в Международном фонетическом алфавите (IPA). Модель основана на Transformer-архитектуре encoder-decoder с 51,7 млн параметров и принимает аудио. Для работы с ней в Transformers используется WhisperProcessor. Дообучение выполнено на 15 000 синтетических аудиозаписей с разметкой IPA, созданных с помощью фонемайзера goruut, а также на случайной выборке из 15 000 записей Common Voice 21 более чем на 70 языках. Модель подходит для фонетической транскрипции и распознавания речи на разных языках; базовая Whisper также поддерживает перевод речи на английский, но карточка не подтверждает отдельно это умение у данной версии. Качество распознавания может быть неравномерным между языками, акцентами и диалектами. Возможны галлюцинации — текст, которого нет в аудио, — и повторяющиеся фрагменты; у низкоресурсных языков эти проблемы могут быть заметнее. Для сегментов длиннее 30 секунд README рекомендует использовать обработку с разбиением на чанки. Лицензия — Apache-2.0.

Это GPTQ-квантизированная версия Japanese StableLM Instruct Gamma 7B, подготовленная пользователем mmnga на основе модели, опубликованной Stability AI. Для калибровки использована выборка примерно из 1 000 фрагментов японской Википедии. Модель относится к семейству Mistral, имеет плотную архитектуру с 7,1 млрд параметров и контекстное окно до 32 768 токенов. Модель предназначена для генерации текста и диалоговых инструкций на японском языке. Квантизация GPTQ ориентирована на более компактное использование весов; README указывает на применение AutoGPTQ и Transformers. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0.

JP-EN-Translator-2K-steps-7B — экспериментальная модель mpasila для перевода между японским и английским языками. Она создана дообучением augmxnt/shisa-base-7b-v1, плотной авторегрессионной модели Mistral с 7,5 млрд параметров, на модифицированной версии параллельного набора художественных текстов на японском и английском. Модель использует формат запросов Alpaca и принимает текстовую инструкцию, контекст и исходный текст, после чего генерирует ответ-перевод. Модель предназначена для пробного перевода художественных фрагментов между японским и английским. В метаданных указан контекст до 32 768 токенов. Автор сообщает, что обучение с длиной контекста 8 тысяч токенов заметно не улучшило качество; модель может работать неудовлетворительно и требует проверки результата. Лицензия — Apache-2.0.

ThuyNT03/KLTN_COQE_viT5_total_POSAL_v4 — дообученная модель VietAI/vit5-large на архитектуре T5 с 389,3 млн параметров. В карточке не описаны её назначение и обучающие данные, поэтому специализированные сценарии применения установить нельзя. Базовая модель предназначена для генерации текста на вьетнамском языке, включая ответы на вопросы, суммаризацию и перевод; эти возможности не подтверждены отдельно для данного дообучения. Модель распространяется в формате safetensors по лицензии MIT.

Konthee/Llama-3.1-8B-ThaiInstruct — текстовая генеративная модель Konthee, дообученная методом QLoRA на наборе airesearch/WangchanThaiInstruct от unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Она предназначена для диалогов и генерации ответов на тайском языке. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и опубликована в формате PyTorch. Метаданные указывают контекст до 131 072 токенов; в README длина последовательности при обучении указана как 2 048 токенов. Модель можно применять для тайскоязычного чат-бота, ответов на инструкции и генерации текста. Она распространяется по лицензии Apache-2.0. README сообщает об обучении в течение одной эпохи с помощью Unsloth и TRL; отдельные оценки качества не приведены.

pooka74/LLaMA3-8B-Chat-Chinese — чат-модель на основе Meta Llama 3 8B, дообученная для китайского языка с помощью Llama-Factory. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст, а заявленная длина контекста составляет 8192 токена. Модель подойдёт для китайскоязычных чат-ботов, ответов на вопросы и генерации текста. В README указано дообучение Meta Llama 3 Instruct 8B, но подробности обучающих данных и оценки качества не приведены. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

Buseak/md_mt5_0109 — дообученная модель Google на базе google/mt5-small с архитектурой MT5ForConditionalGeneration. Она содержит 157,4 млн параметров и предназначена для преобразования текста в текст. Карточка сообщает результаты оценки: loss 0,4790, BLEU 0,457 и средняя длина генерации 18,93 токена, но не описывает конкретную задачу, обучающие данные или целевые языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Без сведений о датасете и назначении нельзя надёжно определить сценарии применения, языковую специализацию или качество на конкретных задачах; приведённые метрики сами по себе этого не устанавливают.

MERaLiON-OmniVoice-Hokkien-TTS — модель синтеза речи, разработанная MERaLiON на базе OmniVoice и дообученная методами SFT и GRPO на разговорных данных. Она преобразует текст на китайских иероглифах в речь на сингапурском хоккиене (южноминьском), стремясь сохранить характерные произношение, тоны и просодию. Модель также поддерживает клонирование голоса по короткой записи целевого диктора и её расшифровке. В сравнительной оценке на 25 предложениях модель показала высокую долю распознавания речи как хоккиенской и лучшие значения WER и естественности среди приведённых систем. Оценка ограничена небольшим набором предложений, автоматическими судьями и одним голосом для клонирования. Репозиторий содержит веса в формате safetensors; лицензия указана как other, без уточнения условий в предоставленных данных.

facebook/mms-tts-mco — модель синтеза речи для языка Mixe, Coatlán (код mco), разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Для каждого языка MMS обучается отдельная модель VITS; архитектура VITS выполняет синтез речи сквозным образом и использует стохастический предиктор длительности, поэтому одинаковый текст может звучать с разным ритмом. Размер модели — 3,5 млн параметров; она доступна в форматах PyTorch и Safetensors и поддерживается библиотекой Transformers с версии 4.33. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Генерация недетерминирована: для воспроизводимого результата требуется фиксированное начальное значение генератора случайных чисел.

facebook/mms-tts-mib — модель синтеза речи на языке миштек, Атлатлаука (код ISO 639-3: mib), разработанная Facebook в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт для одного языка, который преобразует входной текст в речевую аудиоволну. Модель использует архитектуру VITS: она объединяет текстовый энкодер на основе Transformer, вариационный автоэнкодер, потоковые слои и декодер, построенный по принципу HiFi-GAN. Объём модели — 3,5 млн параметров; доступны веса PyTorch и safetensors. Для работы с чекпойнтом подходит библиотека Transformers версии 4.33 и новее. Модель предназначена для озвучивания текста на миштекском языке, например для речевых интерфейсов и создания аудиоверсий материалов. Случайный предиктор длительности делает синтез недетерминированным: для повторения того же результата нужен фиксированный seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

facebook/mms-tts-ncl — модель синтеза речи на языке науатль Мичоакана (код ncl), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну и предназначена для озвучивания текстов и создания речевых интерфейсов на языке с ограниченными речевыми ресурсами. Модель использует архитектуру VITS: текстовый энкодер, вариационный автоэнкодер, flow-модуль, декодер и стохастический предсказатель длительности, позволяющий варьировать ритм речи. Чекпойнт содержит около 3,5 млн параметров и доступен для использования через Transformers. Из-за стохастического предсказателя повторная генерация может дать другой результат; для воспроизводимости требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Это модель синтеза речи на языке киче, диалект севера (K’iche’, quc-dialect_north), разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для генерации речи на этом варианте языка. Модель использует архитектуру VITS: текстовый энкодер, flow-модуль, стохастический предиктор длительности и декодер HiFi-GAN объединены в сквозную систему синтеза. Чекпойнт содержит 3,5 млн параметров и доступен в форматах PyTorch и Safetensors; его можно использовать через Transformers версии 4.33 и новее. Из-за стохастического предиктора одинаковый текст может давать разные варианты речи; для повторяемого результата нужен фиксированный seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-shk — модель синтеза речи на языке шиллук, выпущенная в рамках проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на шиллук. Модель построена на архитектуре VITS: текстовый энкодер, вероятностный модуль длительности и декодер формируют речь сквозным образом; для каждого языка MMS обучается отдельный чекпойнт. Размер модели — 3,5 млн параметров. Стохастический предиктор длительности позволяет получать варианты ритма для одного текста, поэтому для повторяемого результата требуется фиксировать seed. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Модель facebook/mms-tts-wal-script_latin — система синтеза речи на Wolaytta латинским письмом, созданная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания текстов на Wolaytta. Это отдельный языковой чекпойнт проекта MMS-TTS на архитектуре VITS; число параметров — 3,5 млн. Для одинакового результата при повторной генерации требуется фиксированное начальное значение случайного генератора. Модель доступна через библиотеку Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

facebook/mms-tts-zaa — модель синтеза речи для языка сапотек, Сьерра-де-Хуарес (zaa), разработанная Meta в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт VITS, обученный для одного языка; модель принимает текст и генерирует речевую аудиоволну. Архитектура VITS объединяет вариационный автоэнкодер, Transformer-энкодер текста, flow-модуль и декодер в стиле HiFi-GAN, а стохастический предсказатель длительности позволяет варьировать ритм произношения. Размер модели — 3,5 млн параметров. Модель предназначена для озвучивания текста на сапотекском языке Сьерра-де-Хуарес, например для речевых интерфейсов и создания аудиоверсий текстов. Для повторения одинакового результата при генерации требуется фиксированное случайное зерно. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

PAYA — языковая модель на 8 млрд параметров, разработанная на основе Aya 23 8B и дообученная методом supervised fine-tuning с использованием DoRA на персидских данных, включая persian-alpaca-deep-clean. Она предназначена для генерации связного текста и диалоговых ответов на персидском языке; также в метаданных заявлена поддержка английского. Модель использует архитектуру CohereForCausalLM и работает с контекстом до 8192 токенов. Модель подходит для создания персидских текстов и ответов в чате. Репозиторий содержит веса в формате safetensors, а лицензия — Apache 2.0. Карточка подчёркивает настройку токенизатора для персидского языка, но не приводит сравнительных оценок качества; результаты могут зависеть от запроса и сценария применения.

ApolloRaines/Qwen2.5-7B-Parasite — исследовательская proof-of-concept модель, разработанная Apollo Raines на базе Qwen/Qwen2.5-7B-Instruct. В нейтральной базовой модели на уровне весов заменена исходная идентичность на идентичность Parasite с использованием фреймворка jBlaze. Изменения выполнены прямой модификацией весов без обучения и градиентного цикла; заявленное время обработки составило 8,7 минуты на двух RTX 3090 с NVLink. Модель предназначена прежде всего для демонстрации возможности хирургической замены идентичности языковой модели, а также для исследований в области безопасности ИИ, alignment и управления моделями. При этом заявлено сохранение базовых возможностей Qwen2.5-7B-Instruct, включая генерацию текста, математику, программирование, рассуждение, многоязычный диалог и работу без системного промпта. Поддерживаются английский, китайский, японский, корейский, французский, немецкий, испанский, португальский, русский, арабский и другие языки. Это авторегрессионная текстовая модель с 7,6 млрд параметров, контекстом до 32 768 токенов и точностью float16. Доступны варианты SafeTensors fp16, GGUF Q8_0 и GGUF Q4_K_M; заявлено сохранение идентичности после квантования. Ограничение модели заключается в её экспериментальном статусе: README позиционирует её как исследовательскую демонстрацию, а не как готовое решение для production-сценариев. Модель распространяется по лицензии Apache 2.0, унаследованной от базовой модели.

Sailor-0.5B — базовая языковая модель из серии Sailor, разработанной для языков Юго-Восточной Азии. Она построена дообучением Qwen1.5-0.5B и предназначена для генерации текста и диалогового использования на индонезийском, тайском, вьетнамском, малайском и лаосском языках. В документации серии отмечены ответы на вопросы и рассуждения на распространённых знаниях на языках региона. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 463,9 млн параметров и поддерживает контекст до 32 768 токенов. Она принимает текст и генерирует текст; файлы модели представлены в формате safetensors. Карточка описывает серию Sailor, включающую модели разных размеров и отдельные версии Sailor-Chat для следования инструкциям; Sailor-0.5B указана как базовая модель, поэтому её пригодность для диалогов по инструкциям может быть ограничена. Модель выпущена под лицензией Apache-2.0. Её специализация — языки Юго-Восточной Азии; карточка не приводит оценок производительности для этой конкретной версии 0.5B, поэтому качество на отдельных задачах может различаться.

Minuri разработала эту инструктивно настроенную языковую модель для генерации текста на сингальском языке. Модель построена на плотной архитектуре LLaMA (`LlamaForCausalLM`) с 1,3 млрд параметров и дообучена методом SFT на примерно 213 тысячах пар инструкций на сингальском языке. Её базовая модель прошла дополнительное предобучение на разнообразном корпусе сингальских текстов; контекст составляет до 131 072 токенов. Модель предназначена для следования инструкциям на сингальском языке, исследований и бенчмаркинга NLP для языков с ограниченными ресурсами, а также для дальнейших экспериментов с сингальскими LLM. В серии вариантов README называет её наиболее успешной по результатам авторской оценки, но конкретная метрика для этой модели не приведена. По карточке, базовая модель достигла perplexity 10,49 среди трёх вариантов дополнительного предобучения. Ограничение, отмеченное авторами: из-за размера в 1 млрд параметров способность к сложным рассуждениям ограничена. Модель опубликована в формате safetensors по лицензии Llama 3.2.

Synatra V0.1 7B Instruct — текстовая instruction-tuned модель, разработанная Jeonghwan Park на базе архитектуры Mistral. В данном репозитории опубликована её квантованная версия в формате GGUF, подготовленная TheBloke для локального запуска. Модель предназначена для генерации текста и выполнения инструкций, прежде всего на корейском языке. Она поддерживает сценарии диалога, создания и преобразования текста, а также другие задачи text-generation, совместимые с instruction-моделями. Используется шаблон запросов Mistral: <s>[INST] запрос [/INST]. Доступны варианты квантования с разной разрядностью, включая 2-, 3-, 4-, 5-, 6- и 8-битные версии, что позволяет выбирать баланс между качеством, потреблением памяти и скоростью работы на CPU и GPU. Ключевые характеристики: около 7 миллиардов параметров, архитектура Mistral, текстовая модальность, заявленный язык — корейский, формат GGUF. Модель совместима с llama.cpp и рядом сторонних интерфейсов и библиотек для локального вывода. Более низкая разрядность снижает требования к памяти, но может уменьшать качество генерации; конкретные показатели производительности и размер контекстного окна в README не указаны. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.