I.6Перевод и языковая адаптация

BuzzASR/slovenian — одноязычная модель автоматического распознавания речи для словенского языка, разработанная как часть набора BuzzASR из 102 специализированных моделей. Она дообучена методом fine-tuning на базе openai/whisper-large-v3 и использует архитектуру Whisper large-v3 с 905,2 млн параметров. Модель принимает аудио и преобразует речь в текст; языковая и задачная подсказка включена в конфигурацию генерации. Модель предназначена для транскрибации словенской речи. В приведённых тестах FLEURS и Common Voice 25 она показала CER 4,98% и 0,65% соответственно, а на объединённом наборе — CER 2,31% и WER 7,83%; результаты относятся к указанным тестовым выборкам. Обучение использовало данные FLEURS, Common Voice Corpus 25.0 и текстовые данные корпуса Goldfish. Модель выпущена под лицензией MIT.

Vikhr-Nemo-12B-Instruct-R-21-09-24-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Vikhr-Nemo-12B-Instruct-R-21-09-24, разработанной Vikhrmodels и подготовленной для распространения в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и диалогового взаимодействия, включая выполнение инструкций, ответы на вопросы и работу с русскоязычными и англоязычными текстами. Модель имеет размер 12 млрд параметров; точная архитектура, поддерживаемые варианты квантования, размер контекста и другие технические характеристики в README не указаны. В качестве связанных наборов данных перечислены Vikhrmodels/GrandMaster-PRO-MAX и Vikhrmodels/Grounded-RAG-RU-v2. Основная заявленная модальность — текстовая. Сильной стороной модели является специализация на инструкционном использовании и поддержка русского языка наряду с английским. Ограничения, результаты оценки, сведения о безопасности, смещениях, производительности и рекомендуемых аппаратных требованиях не приведены, поэтому качество в конкретных сценариях требует самостоятельной проверки. Модель распространяется по лицензии Apache-2.0.

aware-ai/wav2vec2-large-xlsr-53-german-with-lm — акустическая модель распознавания речи на базе Wav2Vec2 XLSR-53, дополненная языковой моделью KenLM. Она предназначена для преобразования немецкой речи в текст; в карточке приведена оценка на тестовой части Common Voice: WER около 5,75% и CER около 1,90%. Архитектура модели — Wav2Vec2ForCTC, размер — 402,7 млн параметров. Модель принимает аудио и выдаёт распознанный текст на немецком языке. В README указано, что акустическая часть скопирована с модели jonatasgrosman и для неё обучена соответствующая языковая модель KenLM. Файлы доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

Wav2Vec2-Large-XLSR-53-Romanian — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на румынском языке с использованием Common Voice. Она принимает аудиозапись речи с частотой дискретизации 16 кГц и преобразует её в текст; модель можно применять напрямую, без отдельной языковой модели. Архитектура — Wav2Vec2ForCTC, число параметров — 402,7 млн. В карточке приведён результат оценки 28,43% на тестовой части Common Voice, но метрика не уточнена. Модель распространяется под лицензией Apache-2.0; доступны веса в форматах PyTorch и Flax.

maxidl/wav2vec2-large-xlsr-german — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на немецкой части набора Common Voice. Она преобразует немецкую речь в текст и предназначена для сценариев автоматической транскрипции. Архитектура — Wav2Vec2ForCTC; размер — 402,8 млн параметров. Для входного аудио требуется частота дискретизации 16 кГц. В оценке на тестовой части Common Voice для немецкого языка модель показала WER 12,77 %. Репозиторий содержит веса PyTorch и Flax. Лицензия — Apache-2.0.

Wav2Vec2-Large-XLSR-Indonesian — модель распознавания речи, созданная Cahya и дообученная на базе facebook/wav2vec2-large-xlsr-53 на индонезийской части Common Voice. Она преобразует аудиозапись речи в текст и рассчитана на распознавание индонезийской речи; входное аудио должно иметь частоту дискретизации 16 кГц. Модель построена на архитектуре Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Доступны веса PyTorch и Flax. В карточке приведён результат оценки 25,86% на тестовых данных Common Voice, но метрика не уточнена. Модель распространяется по лицензии Apache-2.0.

vumichien/wav2vec2-large-xlsr-japanese-hiragana — модель распознавания японской речи, дообученная автором на основе facebook/wav2vec2-large-xlsr-53. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Для обучения применялись данные Common Voice и японский речевой корпус лаборатории Саруватари Токийского университета (JSUT). Модель преобразует японскую речь в текст и рассчитана на входное аудио с частотой дискретизации 16 кГц. В оценке на японской тестовой выборке Common Voice указаны WER 24,74% и CER 10,99%. Репозиторий содержит веса PyTorch и Safetensors; лицензия — Apache-2.0.

m3hrdadfi/wav2vec2-large-xlsr-persian-v3 — модель распознавания персидской речи, разработанная на основе facebook/wav2vec2-large-xlsr-53 и дообученная на датасете Common Voice. Она принимает аудио и преобразует речь на фарси в текст; входные записи должны иметь частоту дискретизации 16 кГц. Модель построена на архитектуре Wav2Vec2 с CTC-выходом и содержит 402,7 млн параметров. В карточке указана оценка WER 10,36% на тесте. Модель подходит для транскрибации персидских аудиозаписей. Доступны веса PyTorch и TensorFlow. Условия лицензии в предоставленных данных не указаны.

jonatasgrosman/wav2vec2-xls-r-1b-german — модель распознавания речи на немецком языке, дообученная Jonatas Grosman с помощью инструмента HuggingSound на базе facebook/wav2vec2-xls-r-1b. Она использует архитектуру Wav2Vec2ForCTC и содержит 1,3 млрд параметров. Модель обучалась на данных Common Voice 8.0, Multilingual TEDx, Multilingual LibriSpeech и Voxpopuli. Модель преобразует немецкую речь в текст и подходит для транскрибирования аудиозаписей. Для входного аудио требуется частота дискретизации 16 кГц. Веса опубликованы в формате PyTorch по лицензии Apache-2.0.

zuazo/whisper-base-es — дообученная модель распознавания речи, созданная на основе openai/whisper-base и набора данных Mozilla Common Voice 13.0 для испанского языка. Она использует архитектуру Whisper с 51,7 млн параметров и принимает аудио, выдавая распознанный текст. Модель предназначена для автоматической транскрипции испанской речи, например аудиозаписей и голосовых сообщений. На оценочной выборке указана WER 13,5312 и loss 0,3281. Базовая Whisper также умеет переводить речь на английский, но для этой версии карточка подтверждает дообучение именно для распознавания испанской речи. Модель распространяется по лицензии Apache-2.0, которая разрешает использование, изменение и распространение с указанием авторов. Результаты могут зависеть от акцента, качества записи и состава данных; карточка не приводит дополнительных ограничений или подробностей об оценочном протоколе.

Chillarmo/whisper-large-v3-turbo-armenian — модель распознавания армянской речи, разработанная Movses Movsesyan и дообученная на базе openai/whisper-large-v3-turbo на наборе Chillarmo/common_voice_20_armenian. Она преобразует аудио с армянской речью в текст и предназначена для транскрибации записей, создания субтитров, голосовых интерфейсов и анализа разговоров. Архитектура Whisper Large v3 Turbo использует Transformer-энкодер для обработки мел-спектрограмм и Transformer-декодер для генерации текста; размер модели — 905,2 млн параметров. Модель рассчитана на армянский язык и использует библиотеку Transformers. В README приведены результаты оценки на отложенной выборке того же датасета: WER 15,31%, CER 2,86% и точное совпадение для 42,73% высказываний. Качество может снижаться на шумных записях, при диалектных различиях и в областях, отличающихся от обучающих данных; для критически важных решений требуется проверка человеком. Модель требует больше вычислительных ресурсов, чем меньшие варианты Whisper. Лицензия — Apache 2.0.

Модель TalTechNLP/whisper-large-v3-turbo-et-verbatim — дообученная командой TalTechNLP мультиязычная модель Whisper large-v3-turbo для автоматического распознавания речи. Её обучили на 1400 часах аудио с вручную подготовленными дословными транскрипциями из набора TalTech Estonian Speech Dataset 1.0. Модель принимает аудио и выдаёт текст. Она подходит для дословной транскрибации эстонской речи; архитектура — WhisperForConditionalGeneration, размер — 905,2 млн параметров. Модель доступна в формате safetensors и рассчитана на работу через Transformers. Лицензия — MIT.

Whisper ASR for Kyrgyz Language — модель распознавания речи на кыргызском языке, опубликованная Национальной комиссией по государственному языку и языковой политике при Президенте Кыргызской Республики. Она основана на предварительно обученном Whisper и дообучена с адаптацией к фонетическим особенностям кыргызской речи. Модель принимает аудио и преобразует кыргызскую речь в текст. Её можно использовать для расшифровки записей и живой речи с микрофона; пример демонстрационного приложения построен на Transformers и Gradio. Архитектура — WhisperForConditionalGeneration, число параметров — около 153,1 млн.

yuriyvnv/whisper-small-mixed-cv-nl — дообученная Yuriyvnv модель OpenAI Whisper Small для распознавания речи на нидерландском языке. Она принимает аудио и генерирует текстовую транскрипцию; модель построена на архитектуре WhisperForConditionalGeneration, содержит 153,1 млн параметров и распространяется в формате safetensors через Transformers. Модель обучена на смеси 34 952 реальных аудиозаписей Common Voice 17.0 и 30 182 синтетических примеров на нидерландском языке, отфильтрованных по качеству выравнивания аудио и текста. В карточке указаны WER 8,73% на валидации и 10,86% на тестовой выборке Common Voice, а также результаты на MLS; эти показатели относятся к описанным наборам и не гарантируют аналогичное качество на других данных. Модель предназначена для транскрибации чистой нидерландской речи общего назначения. Она может хуже работать с технической лексикой, шумным аудио и региональными вариантами нидерландского. Лицензия — Apache-2.0.

AFM-4.5B-GGUF — это квантизированная версия языковой модели AFM-4.5B, разработанной arcee-ai и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и локального инференса через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Доступны варианты с разными уровнями квантизации — от BF16 и Q8_0 до Q2_K_L и IQ3_XXS, что позволяет выбирать между качеством ответов, размером файла и требованиями к оперативной памяти. Модель поддерживает английский, испанский, французский, немецкий, итальянский, португальский, русский, арабский, хинди, корейский и китайский языки. В README не указаны архитектурные особенности, длина контекста, поддержка мультимодальности и подробные сведения о качестве на конкретных задачах. К сильным сторонам относятся широкий набор языков, возможность локального запуска и наличие вариантов, оптимизированных под разные аппаратные ограничения. Более агрессивная квантизация уменьшает потребление памяти, но может снижать качество; низкобитные варианты прямо обозначены как менее качественные или нерекомендуемые. Для генерации рекомендуется температура 0,5, top_k 50, top_p 0,95, repeat_penalty 1,1 и min_p 0,05; модель склонна к избыточно длинным ответам при более высокой температуре. Распространение указано на условиях лицензии Apache-2.0. Квантизация выполнена с использованием llama.cpp версии b6014 и метода imatrix на калибровочном наборе данных combined_all_medium.

Jacaranda Health разработала модель распознавания речи на базе Whisper medium, дообученную для транскрибирования речи на суахили и английском языках. Модель принимает аудио и выдаёт текст; число параметров — 455,8 млн. В метаданных указано объединение моделей openai/whisper-medium и openai/whisper-small, а README описывает дообучение whisper-medium на Common Voice 17.0. Поэтому точный способ получения чекпойнта по источникам расходится. Модель подходит для расшифровки записей и смешанной речи на суахили и английском. README сообщает WER 14,7 на оценочном наборе и улучшение по сравнению с базовой моделью, особенно для суахили, но подробности протокола оценки не приведены. Лицензия в метаданных — CC BY-SA 4.0; README ограничивает назначение исследованиями, общественно полезными и внутренними сценариями, а коммерческое использование и распространение предлагает согласовывать с Jacaranda Health.

Модель reazon-research/japanese-hubert-base-k2-rs35kh — акустическая модель для автоматического распознавания японской речи. Её разработала команда Reazon Research: HuBERT Base дообучена на корпусе ReazonSpeech v2.0 с использованием фреймворка k2. Модель содержит около 117,3 млн параметров, реализована как HubertForCTC и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для преобразования японской речи в текст, включая длинные записи. В тестах авторов она показала CER 11,23% в среднем по указанным наборам и 27,05% на JSUT-BOOK; результаты зависят от данных и условий распознавания. Модель принимает аудио и выдаёт текст. Лицензия Apache-2.0.

LaBSE, дообученная командой Lingtrain на парах предложений на русском и ингушском языках. Модель построена на архитектуре BERT и Sentence-Transformers и преобразует предложения и абзацы в плотные векторы размерности 768; заявленный размер модели — 498,1 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для сопоставления русских и ингушских текстов в общем векторном пространстве. Её можно применять для семантического поиска, сравнения предложений и кластеризации. Репозиторий содержит веса PyTorch и safetensors. Лицензия в предоставленных данных не указана.

LeoLM/leo-hessianai-13b-chat — немецко-английская чат-модель, разработанная в проекте LAION и HessianAI при участии Бьёрна Плюстера и Кристофа Шу. Это причинная decoder-only трансформерная модель семейства Llama с 12,9 млрд параметров и контекстом до 8192 токенов. Она дообучена на основе LeoLM/leo-hessianai-13b на подборке немецкоязычных инструкционных датасетов и предназначена для диалога, написания текстов, объяснений и обсуждений. Модель особенно хорошо показала себя в гуманитарных задачах, письме и ролевом диалоге; слабее справляется с математикой и сложными рассуждениями. Поддерживает немецкий и английский языки. Доступна в формате PyTorch через Transformers под лицензией Llama 2 Community License; перед применением следует проверять точность, смещения и безопасность ответов.

LeoLM 70b — открытая языковая модель, разработанная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Это причинный декодерный трансформер семейства Llama, дообученный продолжением предобучения на большом корпусе преимущественно немецкоязычных и локально ориентированных текстов на базе meta-llama/Llama-2-70b-hf. Модель предназначена для генерации текста на немецком и английском языках, включая исследовательские и коммерческие сценарии работы с немецкоязычными LLM. Модель содержит 68,7 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Опубликована в формате safetensors и загружается через Transformers. Для запуска требуется значительный объём видеопамяти, вероятно, несколько устройств; квантизация может снизить требования к памяти. Распространяется по лицензии Llama 2 Community License Agreement.

LeoLM/leo-hessianai-7b-chat — чат-модель команды LeoLM, созданная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Она основана на LeoLM/leo-hessianai-7b — немецкоязычной версии Llama 2, дополнительно обученной на немецких текстах, — и дообучена на наборах немецких инструкций. Модель представляет собой плотный авторегрессионный трансформер-декодер семейства Llama с 6,6 млрд параметров и контекстом до 8 192 токенов; работает через Transformers и использует формат диалога ChatML. Модель предназначена для общения, написания и объяснения текстов, обсуждений, ролевых диалогов и ответов на вопросы на немецком и английском языках. В оценке MT-Bench-DE особенно хорошо показала себя в гуманитарных и STEM-задачах, а математика, программирование и сложные рассуждения оказались слабее. Разработчики предупреждают о возможных неточных, предвзятых или нежелательных ответах и рекомендуют проверять модель и адаптировать меры безопасности под конкретное применение. Лицензия — Llama 2 Community License Agreement.

Leo Hessianai 7B Chat Bilingual — это двуязычная чат-модель на базе архитектуры Llama с 7 млрд параметров, разработанная LAION LeoLM. Представленная версия распространяется в формате GGUF и квантизирована TheBloke для запуска на CPU и GPU. Модель предназначена для генерации текста и диалогового взаимодействия на английском и немецком языках. Модель подходит для локальных чат-приложений, текстовых ассистентов и других сценариев генерации текста. Она поддерживается llama.cpp и рядом совместимых интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и ctransformers. Для взаимодействия используется шаблон ChatML. README не указывает размер контекстного окна и конкретные показатели качества; квантизация может снижать требования к памяти и вычислительным ресурсам, но потенциально отражаться на точности по сравнению с исходной версией. Исходная модель обучалась с использованием немецкоязычных и многоязычных наборов данных, включая OpenSchnabeltier, OpenAssistant и наборы инструкций на немецком языке, а также англоязычные датасеты. Модель распространяется по лицензии Llama 2; условия применения следует проверять в соответствии с этой лицензией и требованиями исходной модели.

LFM2-24B-A2B-MLX-4bit — 4-битная квантованная версия модели LFM2-24B-A2B, разработанной LiquidAI. Квантование выполнено командой LM Studio с использованием mlx_lm, а модель оптимизирована для запуска на устройствах Apple Silicon. Она предназначена для генерации текста и локального использования в приложениях и инструментах, поддерживающих формат MLX. В карточке указано, что модель работает с английским, арабским, китайским, французским, немецким, японским, корейским, испанским и португальским языками. Размер исходной модели обозначен как 24B-A2B, однако подробности архитектуры, фактическое назначение компонентов A2B, максимальная длина контекста и список поддерживаемых модальностей не приведены. Ключевые преимущества — снижение требований к памяти благодаря 4-битной квантованию и оптимизация для экосистемы Apple Silicon. Ограничения включают зависимость от совместимого MLX-окружения и возможное снижение качества по сравнению с полной точностью; конкретные показатели качества в README отсутствуют. Модель распространяется по лицензии lfm1.0.

LiquidAI/LFM2.5-1.2B-Instruct-ONNX — ONNX-версия языковой модели LFM2.5-1.2B-Instruct, разработанной Liquid AI. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск на периферийных устройствах, серверах и в браузере через WebGPU. Модель содержит около 1,2 млрд параметров и использует гибридную архитектуру с мультипликативными гейтами и короткими свёртками, оптимизированную для быстрого вывода на CPU, GPU и NPU. Поддерживаются английский, японский, корейский, французский, испанский, немецкий, итальянский, португальский, арабский и китайский языки. Доступны варианты Q4, FP16 и Q8: Q4 рекомендуется для большинства сценариев и WebGPU, FP16 ориентирован на более высокое качество, а Q8 предназначен для серверного использования. Размер контекста в README не указан. Сильные стороны модели — компактный размер, кроссплатформенность, поддержка ONNX Runtime и возможность браузерного запуска без отдельного серверного окружения. Ограничения включают отсутствие заявленной поддержки Q8 в WebGPU, необходимость размещать дополнительные файлы весов рядом с ONNX-графом, а также неуказанные в README показатели качества и ограничения контекстного окна. Модель распространяется по лицензии lfm1.0; лицензия обозначена как other.

Llama-3-KafkaLM-8B-v0.1 — языковая модель Seedbox, обученная Dennis Dickmann на базе Llama 3 8B. Это плотная авторегрессионная модель для генерации текста и диалогового взаимодействия; она содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель дообучена на отфильтрованной версии набора multitask_german_examples_32k, в котором собраны открытые инструкции, переведённые с английского на немецкий. Она предназначена для повседневных задач на немецком языке, в том числе для применения в деловом контексте, и также поддерживает английский. Автор отмечает, что ответы могут быть творческими и иногда выходить за рамки обычной языковой сдержанности. Модель распространяется в формате safetensors и использует лицензию Llama 3 со всеми её ограничениями и ограничениями обучающих наборов данных. Автор указывает исследовательскую цель использования; это само по себе не означает, что модель является экспериментальным исследовательским чекпойнтом.

lmstudio-community/Llama-4-Scout-17B-16E-MLX-text-8bit — это текстовая версия модели Llama 4 Scout, адаптированная сообществом lmstudio-community для экосистемы MLX. Базовая модель — meta-llama/Llama-4-Scout-17B-16E-Instruct, разработанная Meta. Обозначение модели указывает на использование 8-битного представления весов и архитектуру с 17 млрд параметров и 16 экспертами, однако в README не приведены подробности о механизме маршрутизации экспертов или фактическом объёме активных параметров. Модель предназначена для генерации и обработки текста, включая диалоговые и инструкционные сценарии. Заявлена поддержка арабского, немецкого, английского, испанского, французского, хинди, индонезийского, итальянского, португальского, тайского, тагальского и вьетнамского языков. Сведения о размере контекста, дополнительных модальностях, результатах тестирования, производительности и конкретных ограничениях в README отсутствуют, поэтому их нельзя достоверно оценить. Использование регулируется Llama 4 Community License от Meta. Лицензия предоставляет ограниченные права на использование, копирование, распространение, модификацию и создание производных работ при соблюдении условий соглашения, включая передачу текста лицензии, указание «Built with Llama», атрибуцию и соблюдение Acceptable Use Policy. Для продуктов и сервисов с более чем 700 млн ежемесячных активных пользователей требуется отдельная лицензия Meta.

llm-jp-3.1-8x13b-32K — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это вариант llm-jp-3.1-8x13b с продолженным предобучением на дополнительных 50 млрд токенов для увеличения контекста с 4K до 32K токенов. Модель построена на архитектуре Mixtral MoE с восемью экспертами, из которых активируются два; в метаданных указан размер 13,2 млрд параметров. Веса доступны в формате Safetensors для Transformers. Модель предназначена для генерации текста и диалогов с выполнением инструкций, в частности на японском и английском языках. Увеличенное окно контекста подходит для работы с длинными запросами и документами. Модель развивает серию LLM-jp-3.1, обученную на многоязычных данных, а инструкция-ориентированное промежуточное обучение улучшает следование указаниям. Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не была настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

Atotti разработала llm-jp-4-8b-speech-asr — модель семейства LLM-jp-4, специализированную для автоматического распознавания речи. Она принимает аудио и генерирует текстовую расшифровку; для запроса на японском рекомендуется инструкция «音声を書き起こしてください。」. Архитектура — плотная LlamaForSpeechLM; модель объединяет компоненты LLM-jp-4 и Whisper large-v3 и использует формат safetensors. Основной язык — японский, также в метаданных указаны японский и английский. Модель подходит для транскрибации японской речи. Карточка предупреждает, что качество может снижаться на шумной записи, длинных аудио и спонтанной речи, а расшифровки могут содержать ошибки. Лицензия — Apache-2.0.

Meltemi 7B Instruct v1.5 — языковая модель ILSP для диалогов и выполнения инструкций, дообученная на основе Meltemi 7B v1.5. Она использует плотную архитектуру MistralForCausalLM с 7,2 млрд параметров и предназначена прежде всего для работы с греческим языком, а также поддерживает английский. Модель использует расширенный греческими токенами токенизатор Mistral, что снижает число токенов на греческое слово и ускоряет обработку этого языка. По README, контекст составляет 8192 токена; метаданные каталога указывают нативный контекст до 32768 токенов. Для настройки применён алгоритм ORPO на 97 тысячах предпочтений: преимущественно на греческих данных, а также на английских. Модель подходит для диалогов, ответов на вопросы и задач языкового понимания и рассуждения; в тестах авторов она улучшила средний результат на греческих бенчмарках по сравнению с предыдущей версией. Модель принимает текстовые запросы и генерирует текст. Она не гарантирует точность ответов и может выдавать вводящую в заблуждение, вредоносную или токсичную информацию; медицинские тесты в README не подтверждают пригодность для клинических решений. Лицензия — Apache-2.0.

Meltemi-7B-v1 — базовая языковая модель, разработанная Институтом обработки языка и речи (ILSP) Центра исследований и инноваций Athena. Она основана на Mistral-7B и продолжает его предобучение на греческом, английском и параллельном греко-английском корпусах общим объёмом около 40 млрд токенов; токенизатор расширен греческими токенами. Модель имеет плотную архитектуру MistralForCausalLM, 7,2 млрд параметров и контекстное окно до 32 768 токенов по метаданным Hugging Face; в README указана длина 8 192 токена. Модель предназначена для генерации текста и языковых задач на греческом и английском языках, включая ответы на вопросы, понимание текста и рассуждения. По оценкам разработчиков, дообучение повысило средний результат на греческих тестах на 14,9% относительно Mistral-7B. Модель не проходила выравнивание с человеческими предпочтениями и может генерировать вводящий в заблуждение, вредный или токсичный текст. Распространяется по лицензии Apache-2.0.