I.6Перевод и языковая адаптация

AfriqueQwen3.5-4B-50Langs-Instruct-v1 — дообученная McGill-NLP версия AfriqueQwen3.5-4B-50Langs, предназначенная для генерации текста в формате инструкций и диалога. Это плотная языковая модель семейства Qwen 3.5; в репозитории веса хранятся в формате safetensors. Несмотря на класс архитектуры для условной генерации, чекпойнт содержит только языковые веса и не включает параметры зрения. Модель подходит для математических рассуждений, перевода и ответов на вопросы с выбором варианта на английском и африканских языках. README приводит оценку на наборах AfriMGSM, AfriMMLU, AfriXNLI, Belebele, Injongo, SIB-200 и FLORES. Для запуска авторы описывают vLLM в режиме только языковой модели и указывают ограничение контекста 12 288 токенов. Лицензия — CC BY 4.0.

Aladdin-3B — языковая модель команды Aladdin-FTI при Женевском университете, дообученная на базе HuggingFaceTB/SmolLM3-3B. Это плотный decoder-only трансформер с примерно 3,1 млрд параметров, предназначенный для генерации на арабских диалектах и перевода между диалектным арабским, современным литературным арабским (MSA) и английским. Модель поддерживает генерацию, управляемую инструкциями о требуемом диалекте, с учётом диглоссии и естественности речи. Модель создавалась для задачи AMIYA и обучалась на закрытых данных соответствующего трека, а также на параллельных и монолингвальных корпусах арабских диалектов. Контекстное окно составляет до 65 536 токенов. Доступны веса в формате Safetensors для использования с Transformers; карточка также отмечает диалоговый режим. Модель ориентирована прежде всего на арабские диалекты, MSA и английский, поэтому качество для других языков и неспециализированных задач не заявлено. Лицензия в предоставленных сведениях не указана.

alexmt-gemma4-e4b-dpo-bwspbleu-lr2e6 — диалоговая модель перевода, разработанная на базе Gemma 4 E4B Instruct и дообученная командой, опубликовавшей чекпойнт, методом DPO. Она переводит в обе стороны между английским языком и девятью разновидностями диалектного арабского: египетской, иорданской, ливанской, марокканской, оманской, палестинской, саудовской, сирийской и йеменской. Для перевода учитывает до трёх предыдущих реплик, предметную область беседы, участников и направление рода говорящего и адресата. Ожидает JSON-промпт Alexandria в одном пользовательском сообщении и возвращает перевод в поле translation; для генерации требуется шаблон чата токенизатора с add_generation_prompt=True и отключённым thinking. Модель основана на плотной архитектуре Gemma 4 E4B и распространяется в формате safetensors. На публичном тестовом наборе Alexandria авторы сообщают усреднённые по девяти разновидностям оценки spBLEU 30,12 и chrF++ 45,24 для перевода с английского на диалекты и 53,14 и 67,55 соответственно для перевода с диалектов на английский. Результаты получены с одним seed и одним разбиением данных; сравнение вариантов DPO на тестовой выборке предварительное, а показатели нельзя напрямую сопоставлять с результатами других протоколов. Лицензия CC-BY-NC-4.0 разрешает некоммерческое использование с соблюдением её условий.

ALMA-13B-R — языковая модель для машинного перевода, разработанная Haoran Xu и соавторами. Она построена на базе haoranxu/ALMA-13B-Pretrain и представляет собой LoRA-дообученную версию ALMA-13B-LoRA с последующим применением метода Contrastive Preference Optimization (CPO), использующего триплетные данные о предпочтениях. Разработчики позиционируют её как лучшую модель семейства ALMA-R; по заявлению авторов, она может достигать или превосходить результаты GPT-4 и победителей конкурсов WMT. Модель предназначена для перевода между языками в сценариях, где требуется высокое качество нейронного машинного перевода. В README приведён пример перевода с китайского на английский; полный набор поддерживаемых языков, максимальная длина контекста и перечень модальностей не указаны. Размер модели составляет 13B параметров, архитектура описана как причинная языковая модель, совместимая с AutoModelForCausalLM в Transformers. Для запуска рекомендуется использовать float16 и автоматическое распределение модели по доступным устройствам. К сильным сторонам относятся специализированное обучение для машинного перевода и оптимизация по предпочтениям, направленная на улучшение качества относительно обычного supervised fine-tuning. Ограничения включают отсутствие в README подробных данных о языковом покрытии, контекстном окне, вычислительных требованиях и независимых результатах оценки. Модель распространяется по лицензии MIT.

Canary-1B — многоязычная модель распознавания и перевода речи от NVIDIA, доступная как предварительно обученный чекпойнт для NeMo. Она предназначена для преобразования аудио в текст: распознаёт английскую, немецкую, испанскую и французскую речь, а также переводит речь с английского на немецкий, французский или испанский и обратно на английский. Для текста можно включать или отключать пунктуацию и заглавные буквы. Модель содержит 1 млрд параметров и использует архитектуру encoder-decoder: энкодер FastConformer с 24 слоями и Transformer-декодер с 24 слоями. На вход подаётся монофоническое аудио с частотой дискретизации 16 кГц и указаниями задачи и языков; на выходе — распознанный или переведённый текст. Для работы используется инструментарий NVIDIA NeMo. Модель обучена на 85 тысячах часов речи, включая публичные, собранные Suno и внутренние данные. Карточка приводит оценки WER на тестовой выборке Common Voice 16.1: 7,97 для английского, 4,61 для немецкого, 3,99 для испанского и 6,53 для французского. Результаты зависят от языка и условий записи; эти показатели не гарантируют точность на других данных. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

CataLlama-v0.1-Instruct-DPO — авторегрессионная языковая модель на архитектуре Llama 3, разработанная Лаурентиу Петреа. Это финальный этап обучения CataLlama: модель дообучена методом DPO на наборе catallama/Catalan-DPO поверх CataLlama-v0.1-Instruct-SFT. Размер модели — 7,5 млрд параметров, контекст — 8192 токена; доступны веса в формате Safetensors. Модель предназначена для диалогового взаимодействия и выполнения инструкций на каталанском языке. Она поддерживает извлечение информации для RAG, распознавание именованных сущностей, перевод между английским и каталанским, краткое и развернутое суммирование, а также анализ тональности. Разработчик сообщает об улучшенной работе с каталанским после обучения примерно на 445 млн новых токенов в три этапа. Модель может быть полезна для приложений, которым требуется генерация и анализ текста на каталанском, однако README представляет её как демонстрацию методов адаптации LLM к новым языкам, а не как модель, ориентированную на рекорды бенчмарков. Лицензия — Llama 3 Community License; применяются её условия и Acceptable Use Policy.

CataLlama-v0.2-Instruct-DPO — языковая модель Laurentiu Petrea на архитектуре Llama 3, дообученная методом DPO на наборе catallama/Catalan-DPO-V2 поверх CataLlama-v0.2-Instruct-SFT. Это авторегрессионный трансформер с 7,5 млрд параметров и контекстом до 8192 токенов, предназначенный для диалогов и выполнения инструкций преимущественно на каталанском языке. Модель подходит для извлечения информации из документов, в том числе в сценариях RAG, распознавания именованных сущностей, перевода между каталанским и английским, краткого и развернутого суммирования, анализа тональности и чата. Карточка сообщает об улучшении владения каталанским языком; также приведены результаты бенчмарков MMLU и GSM8K. Модель использует шаблон запросов Llama 3 Instruct. Модель распространяется по лицензии Llama 3. Авторы указывают, что она создана для демонстрации методов адаптации LLM к новым языкам и сохранения языков с малым числом ресурсов. В карточке также приведено ограничение лицензии Llama 3 на использование модели в языках, отличных от английского, и отдельно отмечено, что разработчики могут дообучать модели для других языков при соблюдении условий лицензии и Acceptable Use Policy.

CataLlama-v0.2-Instruct-SFT — авторегрессионная плотная языковая модель семейства Llama 3 с 7,5 млрд параметров, разработанная Лауренциу Петреа на основе CataLlama-v0.2-Base от catallama и дообученная методом SFT на наборе Catalan-Instruct-V2. Контекст модели составляет 8192 токена; она распространяется в формате safetensors и предназначена для диалогового взаимодействия и генерации текста по инструкциям. Модель ориентирована прежде всего на работу на каталанском языке: извлечение информации для RAG, распознавание именованных сущностей, перевод между каталанским и английским, краткое и развёрнутое суммирование, анализ тональности и чат. В карточке сообщается об улучшении относительно CataLlama-v0.1 на перечисленных задачах и приведены результаты тестов MMLU и GSM8K, однако эти показатели не гарантируют качество в прикладных сценариях. Лицензия — Llama 3 Community License. Карточка указывает, что базовые условия Llama 3 ограничивают предполагаемое применение английским языком, но также допускают дообучение для других языков при соблюдении лицензии и Acceptable Use Policy; поэтому условия использования каталанской версии следует сверять с актуальными положениями лицензии.

michaelfeil/ct2fast-opus-mt-de-en — версия модели машинного перевода OPUS-MT с ускоренным инференсом в CTranslate2, представленная Michael Feil. Модель переводит с немецкого языка на английский; исходная модель использует архитектуру Transformer-align, нормализацию текста и SentencePiece. Для ускорения заявлена int8-инференция на C++ с ускорением в 2–8 раз относительно исходного варианта. Модель предназначена для перевода немецких текстов на английский, в том числе новостных материалов. В README приведены результаты на нескольких тестовых наборах: BLEU от 26,8 до 29,4 и chr-F от 0,543 до 0,557. Лицензия репозитория — Apache-2.0.

Cyfieithydd 7b Fersiwn 3 — экспериментальная модель перевода, разработанная BangorAI на основе BangorAI/mistral-7b-cy-epoch-2. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, обученная для перевода между английским и валлийским языками на данных Cofnod y Cynulliad, подготовленных TechIaith, и архиве уведомлений правительства Уэльса. Модель принимает текст и генерирует текст; формат запросов в карточке показывает перевод с английского на валлийский и обратно. Модель использует веса PyTorch и распространяется по лицензии Apache-2.0. В метаданных указано контекстное окно 32 768 токенов, тогда как README описывает базовую Mistral-7B-v0.1 как модель с окном 4k и рекомендует подавать текст по абзацам. Поэтому при длинных входах следует учитывать эту оговорку и проверять фактически поддерживаемую длину в используемой конфигурации.

Aleton/en-be-translator — модель машинного перевода, разработанная дообучением Helsinki-NLP/opus-mt-en-mul на англо-белорусской части набора OPUS-100. Она использует архитектуру MarianMT и предназначена для перевода коротких и средних по длине предложений с английского на белорусский. Модель принимает текст и выдаёт текст перевода; для неё указан контекст длиной 512 токенов. Модель подходит для перевода отдельных фраз и предложений, а также коротких и средних текстовых фрагментов с английского на белорусский. Репозиторий содержит веса в формате safetensors и предназначен для использования с библиотекой Transformers. Лицензия в предоставленных данных не указана.

jensjepsen/eo-mt-v13-large-bidir — двунаправленная модель машинного перевода на архитектуре MarianMT, разработанная Jens Jepsen и обученная на корпусе v13. Она переводит между английским и эсперанто в обоих направлениях; направление задаётся специальным токеном перед входным текстом. Модель содержит около 285,3 млн параметров по README; в метаданных указано 183,4 млн. Контекст — 512 токенов, библиотека загрузки — Transformers, веса доступны в формате safetensors. Модель обучена на параллельных корпусах английского и эсперанто, включая данные для математики и разметки. В README приведены результаты BLEU 28,37 на FLORES devtest для перевода с английского на эсперанто и 34,02 на валидации OPUS-100, а также примеры сохранения форматирования LaTeX и передачи названий произведений. Версия v13 исключает загрязнённые UI-данные OPUS-100 KDE/GNOME/Ubuntu, которые приводили к сбоям перевода меток интерфейса в v12. Модель предназначена для перевода текстов между английским и эсперанто, включая предложения с математической разметкой и названиями. Лицензия — MIT. Число параметров в README расходится с метаданными; приведены оба значения.

exaone3-instrucTrans-v2-enko-7.8b — модель на базе EXAONE 3 7.8B IT, дообученная разработчиками проекта Translation-EnKo на наборах данных для перевода с английского на корейский. Она предназначена для перевода английских инструкций и текстов на корейский язык и может использоваться через Transformers или vLLM. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,4 млрд параметров и поддерживает контекст до 8192 токенов. В карточке приведены результаты оценки на наборах AIHub/FLoRes, IWSLT 2023 и новостных текстах, однако для этой версии не приведено достаточно чисел, чтобы оценить качество перевода. Для запуска с vLLM README указывает потребность как минимум в 24 ГБ видеопамяти, либо использование режима FP8 при 12 ГБ. Модель опубликована в формате safetensors; лицензия в доступных данных не указана.

Lvxue/finetuned-mt5-small-10epoch — дообученная модель машинного перевода на базе google/mt5-small, созданная для перевода между румынским и английским языками. Модель использует архитектуру MT5ForConditionalGeneration и содержит 157,4 млн параметров. Модель обучена на наборе данных WMT16 ro-en; для оценочной выборки указано значение loss 1,7274. Она принимает текст и генерирует перевод. Репозиторий содержит веса PyTorch. Лицензия — Apache 2.0.

Gemma Ko 7B Instruct v0.41 — разговорная языковая модель, разработанная lemon-mint и дообученная на google/gemma-7b-it. Она предназначена для генерации связного текста на корейском языке и поддерживает английский; подходит для диалогов, перевода, суммаризации и ответов на вопросы. Модель построена на плотной архитектуре GemmaForCausalLM, содержит 8,2 млрд параметров и рассчитана на контекст до 8192 токенов. Для использования доступны веса в формате safetensors через Transformers; модель распространяется по условиям gemma-terms-of-use.

GemmaTranslate-v3-12B — мультимодальная модель на архитектуре Gemma 3, созданная объединением Google Gemma-3-12B-IT и TranslateGemma-12B-IT методом SLERP. Она предназначена прежде всего для перевода между языками, а также для диалоговой помощи и понимания изображений. Размер модели — 12 млрд параметров; заявленное окно контекста — до 128 тыс. токенов. Веса vision tower и multimodal projector взяты из Gemma-3-12B-IT, а языковые веса объединены в пропорции 50/50. Модель поддерживает более 30 языков и принимает текст и изображения, выдавая текст. Для запуска README рекомендует библиотеку Hugging Face Transformers; файлы опубликованы в формате safetensors. Модель доступна по условиям лицензии Gemma Terms of Use. Карточка заявляет усиленные возможности перевода, но не приводит результатов сравнительных оценок качества.

Huihui-HY-MT1.5-1.8B-abliterated-i1-GGUF — это набор квантованных файлов GGUF на основе модели Huihui-HY-MT1.5-1.8B-abliterated, разработанной huihui-ai и подготовленной квантизатором mradermacher. Модель предназначена прежде всего для машинного перевода и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий и многие другие. Размер базовой модели составляет 1,8 млрд параметров. В репозитории представлены варианты квантизации i1 с форматами IQ и Q, размером примерно от 0,6 до 1,4 ГБ, а также imatrix-файл для самостоятельного создания квантованных версий. Это позволяет запускать модель на устройствах с ограниченными ресурсами и выбирать компромисс между скоростью, занимаемой памятью и качеством. В README не указаны архитектура, размер контекста, дополнительные модальности и точные характеристики качества. Сильной стороной модели является поддержка большого числа языков и наличие компактных вариантов GGUF для локального использования. При этом низкобитные варианты могут заметно уступать по качеству; для некоторых файлов README отдельно отмечает низкое качество, тогда как i1-Q4_K_S и i1-Q4_K_M представлены как сбалансированные или рекомендуемые варианты. Модель обозначена как abliterated и uncensored, однако подробное описание этих свойств отсутствует. Лицензия в предоставленных данных не указана.

Hypa-Gemma4-E2B-v1 — текстовая мультиязычная модель Hypa Intelligence, дообученная методом LoRA на базе Google DeepMind Gemma 4 E2B-it; адаптер объединён с базовыми весами. Вариант E2B содержит 2,3 млрд эффективных параметров, а обучение использовало 1,62 млрд из 6,74 млрд параметров. Модель предназначена для перевода, определения языка, словарных объяснений и выполнения инструкций на английском, французском, испанском и четырнадцати языках Нигерии. Она сохраняет формат диалогов Gemma 4 и структуру запросов для работы с инструментами. Обучение проведено на смеси из 15,9 млн примеров, включавшей словарные, переводные, языковые и синтетические инструкции, а также данные для вызова функций. Модель принимает текст и выдаёт текст. Хотя у базовой Gemma 4 есть возможности работы с изображениями и аудио, в этой текстовой версии эти компоненты не обучались для целевых языков, и их качество не проверено. Качество ответов различается между языками; для малоресурсных языков результаты следует проверять с носителями. Модель не проходила RLHF или DPO и не подходит для неконтролируемого применения в медицинских, юридических, финансовых и психологических сценариях. Лицензия — Apache-2.0.

kazRush-ru-kk — модель машинного перевода с русского на казахский, разработанная DeepVK. Это компактная encoder-decoder модель семейства T5 с 48,1 млн параметров, обученная с нуля на параллельных русско-казахских корпусах, включая OPUS, kazparc и WMT19. Для работы используется библиотека Transformers и требуется SentencePiece. Модель предназначена для перевода текстов с русского языка на казахский. В README описана оценка на тестовой части FLORES+ с метриками BLEU, chrF и COMET, однако приведённые результаты относятся к моделям NLLB и не сообщают оценку kazRush-ru-kk. Лицензия репозитория — Apache-2.0.

Llama-3.1-Swallow-70B-v0.1 — языковая модель команды Swallow из лабораторий Okazaki и YOKOTA Токийского технологического института и AIST. Она создана продолжительным предварительным обучением Meta Llama 3.1 на примерно 200 миллиардах токенов японских и английских текстов, включая веб-материалы, Википедию, математику и код. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров и контекстом 8192 токена. Модель рассчитана на генерацию текста на японском и английском языках: ответы на вопросы, суммаризацию, машинный перевод, рассуждения, понимание текста и генерацию кода. README сообщает об улучшении японских языковых возможностей при сохранении возможностей английской исходной модели; оценка проводилась на японских и англоязычных бенчмарках. Это базовая версия, не Instruct-вариант, поэтому она не настроена для следования инструкциям и не гарантирует соответствия ответов намерениям пользователя или требованиям безопасности. Распространяется по лицензии Llama 3.1.

Llama3 8B CPT Sahabat-AI v1 Instruct — модель-генератор текста, разработанная PT GoTo Gojek Tokopedia Tbk и AI Singapore в рамках экосистемы Sahabat-AI, созданной совместно с Indosat Ooredoo Hutchison. Это декодер на архитектуре Llama 3 с 7,5 млрд параметров, дообученный следовать инструкциям на индонезийском, яванском, сунданском и английском языках. Для настройки использовали около 448 тысяч индонезийских, 96 тысяч яванских, 98 тысяч сунданских и 129 тысяч английских пар «инструкция — ответ». Модель поддерживает контекст до 8192 токенов и запускается с библиотекой Transformers. Модель предназначена для диалогов, ответов на вопросы, суммаризации, перевода, анализа тональности и следования заданным форматам, особенно для индонезийского языка и региональных языков Индонезии. Лицензия — Llama 3 Community License. Модель может галлюцинировать, выдавать нерелевантные ответы и непоследовательно рассуждать; она не прошла настройку на безопасность, поэтому её ответы требуют проверки, а для практического развёртывания могут понадобиться дополнительные меры безопасности.

santhosh/madlad400-3b-ct2 — конвертированная в CTranslate2 версия мультиязычной модели машинного перевода MADLAD-400-3B-MT, созданной Google. В основе лежит архитектура T5; исходную модель обучали на корпусе MADLAD-400 и параллельных данных для перевода. По карточке модели она охватывает более 400 языков, а в метаданных перечислены языки, включая русский, английский, китайский, японский и хинди. Модель предназначена для перевода текстов и многоязычных NLP-сценариев. Конвертацию выполнил Santhosh Thottingal; веса оптимизированы для запуска через CTranslate2. В карточке заявлено обучение исходной модели на триллионе токенов. Лицензия — Apache 2.0. Качество зависит от языковой пары и предметной области. Оценка охватывала 204 языка и задачи машинного перевода и few-shot перевода; модель обучена на данных общего назначения и не оценивалась для производственных сценариев. Веб-данные могли содержать чувствительный, оскорбительный или низкокачественный контент, что может отражаться на ответах.

marefa-nlp/marefa-mt-en-ar — модель машинного перевода, разработанная проектом موسوعة المعرفة (Marefa Encyclopedia), для перевода с английского на арабский. Она построена на архитектуре MarianMT, содержит 57,3 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель обучена для английско-арабского перевода и поддерживает дополнительные арабские буквы, например پ и گ, чтобы передавать особенности произношения английских звуков. Для использования нужны Transformers и SentencePiece. Модель распространяется по лицензии Apache-2.0; карточка не приводит оценок качества или подробных ограничений.

mBART-50 — многоязычная модель Sequence-to-Sequence, разработанная исследователями Facebook AI. Она предварительно обучена восстанавливать текст после перестановки предложений и замены фрагментов маскирующими токенами; для машинного перевода модель расширили на 50 языков и обучали на многих направлениях перевода одновременно. Веса доступны в форматах PyTorch и TensorFlow; размер модели — около 457,4 млн параметров, контекст — до 1024 токенов. Модель предназначена прежде всего для дообучения под многоязычный машинный перевод, а также может адаптироваться к другим задачам преобразования текста. При работе используются специальные коды языка источника и целевого языка. Поддерживаются 50 языков, в том числе русский, английский, китайский, арабский и многие европейские и азиатские языки. Это базовая предварительно обученная модель, поэтому для практического перевода её обычно нужно дообучить на соответствующей задаче и языковых парах. Лицензия — MIT.

mrm8488/mbart-large-finetuned-opus-es-en-translation — модель перевода текста с испанского на английский, созданная дообучением mBART-large-cc25 на наборе данных OPUS100. Она построена на архитектуре mBART и содержит около 457,4 млн параметров; заявленная длина контекста — 1024 токена. В карточке приведены оценки BLEU 28,25 на валидационной выборке и 28,28 на тестовой выборке. Модель подходит для перевода испанских текстов на английский в приложениях и рабочих процессах, где требуется автоматический перевод. Репозиторий содержит веса в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

NghiemAbe/mbart_VietnameseToEnglish — модель машинного перевода, созданная дообучением mBART-50 разработчиком NghiemAbe. Она предназначена для перевода с вьетнамского на английский. Модель имеет архитектуру MBartForConditionalGeneration, содержит около 457,4 млн параметров и принимает последовательности длиной до 1024 токенов. В карточке указаны результаты оценки: BLEU 27,9659 и loss 1,3869; набор данных описан в метаданных как NghiemAbe/translation-vietnamese-english. Модель опубликована в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

TransQuest/monotransquest-da-multilingual — модель оценки качества машинного перевода без эталонного перевода, основанная на XLM-RoBERTa и классификаторе последовательностей. Разработчики TransQuest создали её для sentence-level direct assessment: модель получает исходный текст и его перевод и оценивает качество перевода. В карточке указаны 658,7 млн параметров, контекст до 514 токенов и лицензия Apache-2.0. Модель предназначена для отбора вариантов машинного перевода, оценки надёжности переведённого текста и решения, нужна ли публикация без правок или постредактирование человеком. README описывает также возможности семейства TransQuest для оценки усилий постредактирования и разметки качества на уровне слов, однако для этой модели метаданные подтверждают задачу классификации текста. Карточка относится к датскому языку; других поддерживаемых языков для данного чекпойнта README и метаданные не устанавливают.

Mythos2.0-2B — открытая модель перевода от Adithyan AI с архитектурой encoder-decoder Sparse Mixture-of-Experts. В ней 2,04 млрд параметров, из которых на каждом токене активируется около 678,7 млн; используются 24 трансформерных слоя и восемь экспертов SwiGLU с маршрутизацией Top-2. Модель работает с текстом и рассчитана на перевод между более чем 500 языками и региональными вариантами. Модель предназначена для перевода отдельных текстов и длинных документов, включая статьи, субтитры SRT/VTT и Markdown. Контекст составляет 8 192 токена: до 4 096 токенов для входного текста и 4 096 для результата; заявлена упаковка документов, сохраняющая контекст между фрагментами. README описывает поддержку малоресурсных языков, однако подтверждающих оценок качества или бенчмарков в предоставленных данных нет. Модель распространяется по лицензии Apache 2.0.

Nemotron-SEA-LION-v4.8-30B-A3B — инструктивная языковая модель, разработанная AI Products Pillar организации AI Singapore при финансировании National Research Foundation Singapore. Она дообучена на основе aisingapore/Nemotron-SEA-LION-v4.8-30B-A3B-Base с помощью SFT и онлайн-дистилляции по собственным ответам модели. Архитектура — гибрид Mamba2 и Transformer с Mixture of Experts; модель рассчитана на контекст до 262 144 токенов. Модель предназначена для генерации текста, диалога и выполнения инструкций на английском и языках Юго-Восточной Азии: бирманском, вьетнамском, индонезийском, тагальском, малайском, тамильском и тайском. Среди оценённых сценариев — ответы на вопросы, анализ тональности, перевод, суммаризация, причинно-следственные рассуждения, распознавание токсичности и многоходовый чат. Модель распространяется по лицензии MIT. Качество и надёжность ответов могут быть непоследовательными: модель способна галлюцинировать и выдавать не относящийся к запросу текст. Устойчивость к состязательным запросам не проверялась, а безопасность не была специально выровнена; для прикладного использования могут потребоваться отдельная настройка безопасности и проверка результатов.

Это модель машинного перевода NERDS-NITS, созданная участниками команды для задачи WMT 2026 по переводу с арабского на английский в условиях ограниченных данных. Она дообучена на базе Helsinki-NLP/opus-mt-tc-big-ar-en и использует архитектуру Marian Transformer с кодировщиком и декодировщиком; токенизация основана на SentencePiece. В метаданных указаны 163,2 млн параметров и контекст 1024 токена. Модель предназначена для прямого перевода арабских текстов на английский и может применяться в системах машинного перевода и языковых инструментах для этой языковой пары. В README приведены результаты оценки на тестах WMT 2026, включая BLEU 29,35 и COMET 80,88 на официальном тесте. Распространяется по лицензии MIT.