I.6Перевод и языковая адаптация

Helsinki-NLP/opus-mt-sv-hr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст со шведского языка на хорватский и предназначена для автоматического перевода отдельных фраз и текстов. Модель построена на архитектуре Transformer-align и обучена на данных OPUS; перед обработкой текст нормализуется и токенизируется с помощью SentencePiece. Размер модели — 55 млн параметров, длина контекста — до 512 токенов. В карточке приведены результаты на тестовом наборе JW300.sv.hr: BLEU 25,7 и chr-F 0,498. Модель принимает и выдаёт текст. Распространяется по лицензии Apache-2.0; доступны веса в форматах PyTorch и TensorFlow.

Модель Helsinki-NLP из проекта OPUS-MT предназначена для машинного перевода с романских языков на английский. Она основана на архитектуре Marian Transformer-big, содержит 157,5 млн параметров и принимает текст с контекстом до 1024 токенов. Среди исходных языков — каталанский, испанский, французский, итальянский, португальский, румынский и ряд региональных языков и их разновидностей; целевой язык — английский. Модель обучена на данных OPUS и корпусах, связанных с переводом Библии, и доступна для использования через Transformers. Модель подходит для перевода предложений и текстов с поддерживаемых романских языков на английский. В карточке приведён результат оценки на многоязычном тестовом наборе Tatoeba: BLEU 62,8. Качество зависит от языка, тематики и соответствия входного текста обучающим данным; обучающие публичные корпуса могут содержать оскорбительный контент и стереотипы. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-tc-bible-big-sla-en — модель машинного перевода проекта OPUS-MT, разработанная Language Technology Research Group Хельсинкского университета. Она переводит предложения с ряда славянских языков на английский и подходит для перевода текстов, включая материалы библейской тематики. Модель построена на архитектуре Marian Transformer-big, содержит 162 млн параметров и принимает текст, выдавая текст перевода. Она обучена на данных OPUS с применением SentencePiece; родная длина контекста составляет 1024 токена. В README приведён результат chr-F 0,70473 и BLEU 55,6 на многоязычном тесте Tatoeba. Модель может наследовать смещения и нежелательные формулировки из обучающих данных. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-tc-bible-big-trk-deu_eng_fra_por_spa — модель машинного перевода проекта OPUS-MT, разработанного группой Language Technology Research Group Хельсинкского университета. Она переводит тексты с тюркских языков на немецкий, английский, французский, португальский и испанский; целевой язык задаётся специальной меткой. Модель построена на архитектуре Marian Transformer-big и содержит 163,1 млн параметров. Максимальная длина контекста — 1024 токена. Модель подходит для перевода между указанными языками, в том числе для работы с языками с ограниченными ресурсами. Она обучена на данных OPUS с использованием процедур OPUS-MT-train и доступна через Transformers в форматах PyTorch и safetensors. Веса опубликованы по лицензии Apache-2.0. Качество зависит от языка и тематики текста; модель не гарантирует точность специализированных переводов.

Helsinki-NLP/opus-mt-tc-big-ar-en — модель машинного перевода проекта OPUS-MT, разработанная с использованием Marian NMT и опубликованная в формате Transformers. Она переводит арабский текст на английский; для арабского указаны варианты afb, ara и arz. Модель построена на архитектуре Transformer-big с 163,2 млн параметров, использует SentencePiece с размером словаря 32 тыс. токенов и имеет контекст до 1024 токенов. Модель предназначена для перевода предложений и текстов с арабского на английский в приложениях на базе Transformers. Обучающие данные взяты из OPUS, включая обратный перевод; в README приведены оценки на тестовых наборах Tatoeba, FLORES-101 и TICO-19. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — CC BY 4.0. Модель специализируется на одной языковой паре и направлении перевода. Качество может различаться в зависимости от тематики и входных данных; опубликованные оценки относятся к указанным тестовым наборам и не гарантируют качество для любого текста.

Helsinki-NLP разработала opus-mt-tc-big-de-zle в рамках проекта OPUS-MT для машинного перевода с немецкого на восточнославянские языки: белорусский, русский и украинский. Модель построена на архитектуре Marian и обучена на данных OPUS; веса перенесены в PyTorch для использования с Transformers. Размер модели — 163,3 млн параметров, максимальный контекст — 1024 токена. Модель предназначена для перевода предложений и текстов с немецкого на один из поддерживаемых языков. В карточке приведены результаты тестирования на наборах Tatoeba для белорусского, русского и украинского языков. Распространяется по лицензии CC BY 4.0. Возможности перевода в обратном направлении не заявлены; качество может различаться в зависимости от языка и тематики текста.

gsarti/opus-mt-tc-big-en-de — модель машинного перевода с английского на немецкий, разработанная Йоргом Тидеманном и обученная с использованием MarianNMT. Репозиторий содержит PyTorch-конверсию исходной модели Helsinki NLP; архитектура — Marian Transformer Big с 167,2 млн параметров. Модель предназначена для перевода английских текстов на немецкий. Она обучена на данных opusTCv20210807+bt, применяет нормализацию и токенизацию SentencePiece с словарями по 32 тыс. токенов. В README приведены оценки BLEU и chr-F на нескольких тестовых наборах новостных текстов. Метаданные указывают контекст до 1024 токенов и лицензию CC BY 4.0. Это однонаправленная модель перевода: карточка не подтверждает поддержку обратного перевода или иных языковых пар; приведённые тестовые оценки не гарантируют качество на других типах текста.

Helsinki-NLP разработала эту модель в рамках проекта OPUS-MT для перевода текста с английского языка на испанский. Модель построена на архитектуре Transformer-big и Marian NMT; в карточке указано около 157 млн параметров. Она обучена на данных OPUS, включая opusTCv20210807+bt, и использует токенизацию SentencePiece с словарями spm32k для обоих языков. Модель подходит для перевода предложений и документов с английского на испанский, в том числе в приложениях на базе библиотеки Transformers. В README приведены результаты тестирования на нескольких наборах данных для языковой пары eng-spa. Максимальная длина контекста — 1024 токена. Модель не предназначена для перевода с испанского на английский или других языковых пар; качество может различаться в зависимости от тематики и стиля текста. Лицензия — CC BY 4.0.

Helsinki-NLP/opus-mt-tc-big-en-lt — модель машинного перевода проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на литовский и предназначена для интеграции в приложения через библиотеку Transformers. Модель основана на архитектуре Marian Transformer-big и содержит 160,6 млн параметров; для токенизации используется SentencePiece с словарями размера 32 тыс. для каждого языка. Метаданные указывают контекст до 1024 токенов. Модель обучена на данных OPUS с использованием конвейера OPUS-MT-train и дополнена обратным переводом. В карточке приведены результаты на тестовых наборах Tatoeba, FLORES-101 и Newsdev2019. Модель специализирована на одной языковой паре, поэтому её нельзя считать универсальной для перевода с других языков или на другие языки. Лицензия — CC BY 4.0.

Helsinki-NLP разработала эту модель в рамках проекта OPUS-MT для перевода с латышского языка на английский. Это нейросетевая модель машинного перевода с архитектурой Transformer Big на базе Marian NMT, обученная на данных OPUS с использованием обратного перевода. Размер модели — 159,8 млн параметров, контекст — до 1024 токенов; для токенизации используется SentencePiece с моделью на 32 тыс. токенов. Модель подходит для перевода отдельных фраз и текстов с латышского на английский, в том числе для интеграции в приложение через Transformers. В карточке приведены результаты на тестовых наборах Tatoeba, FLORES-101 и новостных текстах. Модель предназначена для одного направления перевода и не заявлена как универсальная многоязычная система. Лицензия — CC BY 4.0.

Helsinki-NLP/opus-mt-tn-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка тсонга (tsonga, tn) на английский и обучена на данных OPUS. Модель использует архитектуру Transformer-align в реализации MarianMT; в метаданных указаны 54,5 млн параметров и контекст до 512 токенов. Предобработка включает нормализацию текста и SentencePiece. Для тестового набора JW300.tn.en в карточке приведены оценки BLEU 43,4 и chr-F 0,589. Модель предназначена для перевода с тсонга на английский. Карточка не описывает поддержку обратного или других направлений перевода. Веса доступны по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-trk-en — модель машинного перевода семейства OPUS-MT, представленная Helsinki-NLP. Это трансформер MarianMT с 56,8 млн параметров, обученный переводить тексты с тюркских языков на английский. Поддерживаются, в частности, турецкий, татарский, казахский, кыргызский, узбекский, азербайджанский, башкирский, чувашский, уйгурский и другие языки и варианты письма из семейства тюркских, перечисленные в карточке. Модель подходит для перевода отдельных фраз и текстов, а также для включения в конвейеры автоматического перевода. Для предобработки используются нормализация и SentencePiece с моделью на 32 тысячи токенов; контекст — до 512 токенов. В README приведены оценки BLEU и chr-F на наборах OPUS, включая низкие BLEU-оценки на нескольких тестах турецко-английского перевода, поэтому качество может существенно зависеть от языка и тематики текста. Веса доступны в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0. Карточка не заявляет специализацию на конкретной предметной области.

Helsinki-NLP/opus-mt-zh-vi — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP на основе проекта Tatoeba-Challenge. Она переводит текст с китайского на вьетнамский и обратно не предназначена. Архитектура — Marian Transformer; модель содержит 58,4 млн параметров и использует SentencePiece с препроцессингом нормализации. Поддерживается китайский текст, включая упрощённое и традиционное письмо, а также латинскую транслитерацию; целевой язык — вьетнамский. Максимальный контекст составляет 512 токенов. Модель подходит для перевода предложений и коротких текстов с китайского на вьетнамский, например для пользовательских сообщений или материалов общего характера. В карточке приведён результат BLEU 20,0 на наборе Tatoeba-test.zho.vie; качество зависит от тематики и формулировок исходного текста. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0.

plT5 Base — языковая модель на архитектуре T5, обученная командой Machine Learning Research Team компании Allegro совместно с Linguistic Engineering Group Института информатики Польской академии наук. Модель содержит 137,5 млн параметров и обучалась на польских текстовых корпусах с исходной для T5 целью денойзинга. Для токенизации используется SentencePiece unigram со словарём размером 50 тысяч токенов. Основное назначение модели — перевод текстов. Польская языковая специализация также делает её подходящей для экспериментов с задачами преобразования текста, такими как суммаризация и ответы на вопросы, хотя каталог подтверждает только задачу перевода. Модель принимает текст и генерирует текст. Модель опубликована в формате PyTorch под лицензией CC BY 4.0. Карточка не приводит сведений о длине контекста или конкретных ограничениях качества; при использовании следует учитывать специализацию на польских данных.

plT5 Large — польскоязычная модель семейства T5, разработанная исследовательской командой Machine Learning Research Team компании Allegro совместно с Linguistic Engineering Group Института информатики Польской академии наук. Модель имеет архитектуру T5ForConditionalGeneration и содержит около 403,6 млн параметров. Модель обучена на польских текстовых корпусах, включая CCNet и Национальный корпус польского языка, с исходной для T5 целью денойзинга. Для токенизации используется SentencePiece unigram со словарём на 50 тыс. токенов. Основное назначение в каталоге — перевод; метаданные также относят её к text-to-text генерации и указывают задачи суммаризации и ответов на вопросы. Модель принимает текст и генерирует текст. Репозиторий содержит веса PyTorch, лицензия — CC BY 4.0. README не приводит результатов оценки качества или подробностей ограничений применения.

plT5 Small — польскоязычная модель семейства T5 с примерно 55 млн параметров, разработанная командой Machine Learning Research Team компании Allegro совместно с Linguistic Engineering Group Института информатики Польской академии наук. Модель обучена на польских текстовых корпусах и использует денойзинговую цель исходного T5; для токенизации применяется SentencePiece unigram со словарём размером 50 тысяч токенов. В метаданных основная задача модели обозначена как перевод. Она предназначена для преобразования польского текста в текст на задачах перевода; карточка также помечает семейство plT5 задачами суммаризации и ответов на вопросы, но метаданные каталога подтверждают только перевод. Доступная версия представлена в формате PyTorch. Модель ориентирована на польский язык и может быть полезна для прикладных задач обработки польского текста. Лицензия — CC BY 4.0; сведения о длине контекста и конкретных ограничениях качества в карточке не приведены.

Plume256k — языковая модель для машинного перевода, разработанная подразделением Language Technologies Unit Барселонского суперкомпьютерного центра (BSC). Модель обучена с нуля только на параллельных данных с каталонским языком в качестве центрального и предназначена для перевода предложений. Она основана на плотной архитектуре Gemma, имеет 2,5 млрд параметров и словарь размером 256 тысяч токенов; контекст составляет 8192 токена. Модель поддерживает испанский, французский, итальянский, португальский, галисийский, немецкий, английский и баскский языки. Она обучена для 16 контролируемых направлений перевода с каталонским языком и, по данным карточки, способна переводить ещё в 56 направлениях без прямого обучения. Опубликованные оценки приводятся на наборах FLORES-200 и NTREX. Модель распространяется по лицензии Apache 2.0. Авторы предупреждают о возможных смещениях и нежелательных искажениях, поскольку обучающие данные собирались из веб-источников; оценка токсичности не проводилась. Карточка описывает перевод предложений, поэтому пригодность для длинных документов отдельно не заявлена.

Qwen2.5-ja-zh — дообученная диалоговая языковая модель на архитектуре Qwen2, созданная на основе Qwen/Qwen2.5-7B-Instruct. Она предназначена прежде всего для перевода с японского на китайский: задайте системную инструкцию «翻译为中文» и передайте японский текст. Модель содержит 7,1 млрд параметров, принимает текст и имеет контекст длиной до 32 768 токенов. В карточке указаны японский и китайский языки, формат весов — safetensors. Модель также сохраняет возможности генерации текста и диалога базовой инструктивной модели, однако карточка описывает её главным образом как переводчик с японского на китайский. Сведений о качестве на конкретных жанрах текста или о специализированной обработке терминологии нет. Лицензия в предоставленных данных не указана.

Qwen-SEA-LION-v4-8B-VL — мультимодальная модель на 8 млрд параметров, разработанная AI Products Pillar, AI Singapore при финансировании NRF Сингапура. Она основана на Qwen3-VL-8B-Instruct и дообучена методом SFT на примерно 9 млн инструкций и примеров вопросов и ответов для языков Юго-Восточной Азии. Модель использует архитектуру Qwen3-VL и предназначена для диалога с изображениями и текстом. Модель рассчитана на английский и семь языков региона: бирманский, индонезийский, филиппинский, малайский, тамильский, тайский и вьетнамский. Унаследованные от базовой модели возможности включают визуальные вопросы и ответы, описание изображений и использование инструментов; заявленная длина контекста — 256 тыс. токенов. Разработчики сообщают, что дообучение преимущественно на текстовых данных сохранило возможности базовой модели в задачах компьютерного зрения. Модель может галлюцинировать, давать нерелевантные или противоречивые ответы и не проверялась на устойчивость к состязательным запросам. Она не прошла настройку безопасности, поэтому разработчикам приложений следует самостоятельно оценить её поведение и при необходимости адаптировать меры безопасности. Лицензия — MIT.

prajdabre/rotary-indictrans2-indic-en-dist-200M — модель машинного перевода на основе IndicTrans2, созданная как независимое воспроизведение исследования по развитию обработки длинного контекста в многоязычных системах машинного перевода. В исходной архитектуре синусоидальные позиционные эмбеддинги заменены на Rotary Positional Embedding, после чего модель дообучена для дополнительного выравнивания. Модель предназначена для перевода между индийскими языками и английским, в том числе длинных документов и контекстов. Для подготовки входного текста README рекомендует IndicTransToolkit и модуль IndicProcessor; генерация выполняется через интерфейс Hugging Face. Семейство архитектуры — RotaryIndicTrans, тип — плотная модель условной генерации; веса опубликованы в формате PyTorch. Лицензия — MIT. Модель ориентирована прежде всего на документный и длинноконтекстный перевод. На коротких предложениях качество может быть несколько ниже, а результаты генерации иногда требуют настройки параметров и проверки на целевом сценарии. README указывает, что пример с входом размера 1457 запускался на одной GPU A100; фактические требования зависят от генерации и оборудования.

anuj1541/rotary-indictrans2-indic-en-mr-docs — модель перевода, дообученная автором репозитория на базе RotaryIndicTrans из семейства IndicTrans2. Она переводит текст с маратхи на английский, включая документы; обучение проведено методом LoRA на 4 773 парах и 596 парах для валидации, в течение пяти эпох. Архитектура — плотная условная генеративная модель RotaryIndicTrans; базовая модель содержит 200 млн параметров. Модель загружается через Transformers с пользовательским кодом. В оценке на 500 примерах перевода с маратхи на английский дообученная версия показала BLEU 49,05 и ChrF 65,92; эти результаты относятся к указанному в README набору и протоколу оценки. Модель рассчитана на перевод документов, но возможны ошибки перевода и качества для текстов, отличающихся от обучающих данных. Репозиторий не сообщает лицензию.

facebook/s2t-small-mustc-en-fr-st — модель Speech to Text Transformer, разработанная Facebook для сквозного перевода английской речи в текст на французском языке. Она обучена на англо-французской части корпуса MuST-C, содержащей записи выступлений TED Talks с транскрипциями и переводами. Модель построена на архитектуре Transformer encoder-decoder с последовательным авторегрессионным декодированием. Свёрточный модуль уменьшает длину речевых признаков перед подачей в энкодер; используются 80-канальные log-Mel фильтры и SentencePiece с словарём из 8 000 токенов. Размер модели — 14,6 млн параметров. На тестовой части MuST-C для направления en-fr указана оценка BLEU 32,9. Модель предназначена для преобразования английской речи во французский текст и может применяться для перевода выступлений и записей. Обучение энкодера предварительно выполнялось для распознавания английской речи, но основное назначение этой версии — речевой перевод. Репозиторий содержит веса PyTorch и TensorFlow; лицензия — MIT.

SeaLLMs-v3-1.5B-Chat — чат-модель семейства SeaLLMs, разработанная для языков Юго-Восточной Азии. Это плотная авторегрессионная модель Qwen2 с 1,5 млрд параметров и контекстом до 131 072 токенов, дообученная выполнять инструкции и поддерживать многошаговый диалог. Она предназначена для ответов на вопросы, перевода, математических рассуждений и других текстовых задач, особенно с учетом языкового и культурного контекста региона. Карточка заявляет улучшенное следование инструкциям, снижение галлюцинаций и безопасные ответы; это не гарантирует фактическую точность или безошибочную безопасность. Модель поддерживает английский, китайский, индонезийский, вьетнамский, тайский, тагальский, малайский, бирманский, кхмерский, лаосский, тамильский и яванский языки. Веса распространяются на условиях SeaLLMs Terms Of Use; метаданные обозначают лицензию как other.

Swahili Gemma 1B — дообученная CraneAILabs инструктивная модель Google Gemma 3 1B для перевода с английского на суахили и диалогов на суахили. Она принимает текст на английском и суахили, а ответы формирует только на суахили. Модель использует плотную архитектуру Gemma 3 с причинным языковым моделированием, содержит 1 млрд параметров и имеет контекстное окно 32 768 токенов по метаданным; в README указаны 4 096 токенов как длина для оптимальной работы. Помимо перевода и диалогов, модель подходит для краткого пересказа, ответов на общие вопросы и создания текстов на суахили. В README приведена оценка перевода на FLORES-200: BLEU 27,6 и chrF++ 56,8 на 1 012 парах, в режиме zero-shot. Компактный размер позволяет запускать её на потребительском оборудовании, однако заявленные показатели относятся к конкретной оценке и не гарантируют качество в других областях. Модель распространяется по лицензии Gemma. Она не предназначена для программирования, математических задач или специализированных областей; знания общего назначения могут быть ограничены, а генерировать ответы на других языках, кроме суахили, она не рассчитана.

T5-Small — компактная текстовая модель семейства Text-To-Text Transfer Transformer, разработанная Колином Раффелом и коллегами. Она представляет задачи обработки естественного языка в формате преобразования текста в текст; в каталоге для этой версии указана задача перевода. Модель содержит 38,5 млн параметров по метаданным, имеет плотную архитектуру T5ForConditionalGeneration и контекст до 512 токенов. Модель предназначена для перевода и может применяться в дообученных сценариях суммаризации, ответов на вопросы, классификации и других задач преобразования текста. Она принимает и генерирует текст; в карточке указаны английский, французский, румынский и немецкий языки. Предобучение проводилось на корпусе C4 и смеси задач, включавшей денойзинг и контролируемые текстовые задачи. Компактный размер упрощает использование модели в ограниченных вычислительных условиях, но может уступать более крупным моделям в качестве и надёжности. Карточка не приводит конкретных оценок качества или подробных ограничений. Лицензия — Apache 2.0.

optimum/t5-small — версия модели T5-small в формате ONNX, подготовленная для запуска через Optimum и ONNX Runtime. T5 разработана исследовательской группой Google и использует архитектуру кодировщик–декодировщик с преобразованием задач в формат «текст на входе — текст на выходе». В модели около 38,5 млн параметров, контекст — до 512 токенов; лицензия Apache-2.0. Модель предназначена прежде всего для перевода текста. В примере из карточки показан перевод с английского на французский через Transformers pipeline. Метаданные также указывают языки английский, французский, румынский и немецкий, а также поддержку многоязычного режима. Формат ONNX позволяет запускать модель через ONNX Runtime. Карточка не описывает отдельное дообучение для перевода или гарантии качества по языковым парам, поэтому качество может зависеть от задачи и направления перевода. Указанная лицензия — Apache-2.0.

TowerVideo-2B — мультимодальная языковая модель семейства TowerVision от utter-project. Она принимает текст, изображения и видео и генерирует текст; архитектура объединяет Tower-Plus на 2 млрд параметров с визуальным энкодером SigLIP2-patch14-384 через мультимодальный адаптер. Модель поддерживает контекст до 8192 токенов и предназначена для многоязычного описания и понимания визуального содержимого, ответов на вопросы, суммаризации и перевода с учетом контекста изображения или видео. Модель обучена на видео- и текстовой части набора VisionBlocks, включающей видеоданные LLaVA-Video. В карточке заявлена поддержка более 20 языков и диалектов; среди перечисленных — английский, немецкий, испанский, французский, китайский, японский, хинди, русский и украинский. Для запуска авторы рекомендуют точность bfloat16. Лицензия CC-BY-NC-SA-4.0 разрешает использование на некоммерческих условиях с атрибуцией и распространением производных материалов на тех же условиях.

Windstorm Labs публикует модель машинного перевода с арабского языка на турецкий. Это дообученная версия Helsinki-NLP/opus-mt-ar-tr на параллельных данных OPUS-100; архитектура MarianMT, около 57,6 млн параметров, контекст до 512 токенов. Модель принимает арабский текст и выдаёт перевод на турецкий, подходит для перевода предложений и текстовых фрагментов в приложениях на Transformers. В репозитории представлены веса в формате safetensors. Лицензия — Apache-2.0. Качество этой версии не оценивалось бенчмарками, поэтому пригодность перевода для конкретного сценария следует проверять отдельно.

WindyTranslate/translate-cs-de — модель машинного перевода от Windstorm Labs для перевода текстов с чешского языка на немецкий. Она основана на Helsinki-NLP/opus-mt-cs-de: авторы выполнили дообучение LoRA на параллельном корпусе и объединили адаптер с базовыми весами. Модель MarianMT содержит 55 млн параметров, принимает текст и выдаёт перевод; доступна в формате safetensors для Transformers. Контекст — до 512 токенов. В карточке приведена оценка на 48 предложениях набора FLORES-200 dev: chrF++ 52,91 и BLEU 25,97; это скрининговый результат, а не публикационная оценка. Модель поддерживает только направление чешский → немецкий, а качество дообучения не гарантируется самим фактом изменения весов. Лицензия — Apache-2.0.

WindyTranslate/translate-da-es — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная и объединённая с базовыми весами модель Helsinki-NLP/opus-mt-da-es на архитектуре MarianMT: около 54,6 млн параметров, формат safetensors, библиотека Transformers, контекст до 512 токенов. Модель переводит текст с датского языка на испанский; другие направления в карточке не заявлены. Для оценки приведены результаты chrF++ 49,23 и BLEU 25,81 на 48 предложениях из FLORES-200 dev. Это скрининговая оценка, а не результат публикационного исследования. Модель распространяется по лицензии Apache-2.0 с атрибуцией базовой модели Helsinki-NLP/opus-mt-da-es.