I.6Перевод и языковая адаптация

Helsinki-NLP/opus-mt-uk-pl — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с украинского на польский и предназначена для перевода отдельных фраз и текстов. Модель основана на архитектуре Marian Transformer с выравниванием, содержит 57,2 млн параметров и использует предварительную обработку с нормализацией и SentencePiece; размер контекста — 512 токенов. В карточке приведён результат BLEU 49,9 на тестовом наборе Tatoeba-test.ukr.pol. Модель поддерживает только направление украинский → польский. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ur-en — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с урду на английский и обратно не предназначена: направление модели — только урду → английский. Архитектура — Marian Transformer; в метаданных указано 56,9 млн параметров и контекст до 512 токенов. Для подготовки текста применяются нормализация и SentencePiece с словарями по 32 тыс. токенов. Модель подходит для перевода предложений и текстовых фрагментов с урду на английский, в том числе в сценариях, где нужен локальный запуск через Transformers. В карточке приведён результат BLEU 23,2 и chr-F 0,435 на Tatoeba-test.urd.eng; эти оценки относятся к указанному тестовому набору и не гарантируют такое же качество на других типах текстов. Репозиторий предоставляет веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP разработала opus-mt-xh-en — модель машинного перевода с коса (xh) на английский язык. Она предназначена для перевода текстов с коса на английский и построена на архитектуре Transformer-align в семействе Marian; для предобработки используются нормализация и SentencePiece. Модель содержит 56,5 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. В README указаны датасет OPUS и результат BLEU 45,8 на тестовом наборе JW300.xh.en. Модель распространяется по лицензии Apache-2.0. Показатель на одном тестовом наборе не гарантирует качество перевода для других тематик и стилей текстов.

Helsinki-NLP/opus-tatoeba-es-zh — модель машинного перевода из проекта OPUS/Tatoeba Challenge, разработанная Helsinki-NLP. Она переводит текст с испанского на китайский; модель построена на архитектуре Transformer и реализована как MarianMTModel. Число параметров — 58,4 млн, родная длина контекста — 512 токенов. Для предобработки используются нормализация и SentencePiece с словарями по 32 тыс. токенов. Перед китайским переводом требуется указать целевой языковой токен в формате >>id<<; доступны варианты китайского, перечисленные в карточке, включая мандаринский, кантонский и другие разновидности. В README указан результат BLEU 38,8 на наборе Tatoeba-test.spa.zho. Модель подходит для перевода предложений и коротких текстов с испанского на китайский. Она не предназначена для перевода в обратном направлении или с иных исходных языков. Распространяется по лицензии Apache-2.0; доступны веса PyTorch и TensorFlow.

PLaMo-2-Translate — специализированная модель для машинного перевода, разработанная Preferred Networks на базе PLaMo 2 8B. Представлена в формате GGUF и предназначена для запуска через совместимые инструменты, включая модифицированную версию llama.cpp. Модель ориентирована на перевод между английским и японским языками. Модель не проходила instruction tuning для ведения диалогов и других задач, поэтому её следует использовать именно как переводчик, а не как универсального чат-ассистента. В README не указаны точные сведения об архитектуре, размере контекста и конкретном количестве параметров производной модели; базовая модель обозначена как pfnet/plamo-2-8b. Доступны варианты квантования IQ4_XS и Q5_K_M, что позволяет выбирать между меньшими требованиями к ресурсам и потенциальным качеством. Модель распространяется по PLaMo Community License. Для коммерческого использования требуется предварительная регистрация, а также соблюдение ограничений лицензии, включая порог дохода или выручки пользователя и связанных компаний. При распространении модели, производных моделей или результатов необходимо соблюдать условия лицензии, включая указание «Built with PLaMo» и раскрытие происхождения результатов. Модель предоставляется без гарантий, поэтому переводы требуют проверки, особенно в юридических, медицинских, финансовых и других критически важных сценариях.

Qwen3-Swallow-8B-SFT-v0.2 — диалоговая языковая модель на архитектуре Qwen3, разработанная проектом Swallow LLM Токийского технологического института. Это версия размером 7,6 млрд параметров, полученная supervised fine-tuning модели tokyotech-llm/Qwen3-Swallow-8B-CPT-v0.2. Она предназначена для генерации ответов и диалогов на японском и английском языках, а также для задач перевода, математики и программирования с рассуждениями. Модель принимает текст и генерирует текст, поддерживает контекст до 40 960 токенов по метаданным; разработчики рекомендуют ограничивать длину контекста 32 768 токенами. Для запуска рекомендуют vLLM. Инструментальное использование явно не обучалось, а переключатель режима рассуждений не поддерживается. Разработчики отмечают, что модель находится на ранней стадии разработки и не настроена для надёжного следования человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

prajdabre/rotary-indictrans2-en-indic-1B — плотная модель условной генерации из семейства RotaryIndicTrans, созданная Праджабре как независимое воспроизведение исследования по развитию возможностей длинного контекста у многоязычных моделей машинного перевода. В модели IndicTrans2 заменены синусоидальные позиционные эмбеддинги на Rotary Positional Embedding, после чего модель дообучена для дополнительного выравнивания; размер — 1 млрд параметров. Модель предназначена прежде всего для перевода с английского на индийские языки на уровне документов и длинных контекстов. Перед генерацией требуется предварительная обработка текстов с помощью IndicTransToolkit и IndicProcessor. Для коротких предложений качество может быть несколько ниже, а для генерации может потребоваться настройка параметров beam search и штрафов. В тестах пример с входом длиной 1457 запускался на одной GPU A100; версия 1B требует значительных вычислительных ресурсов или уменьшения размера beam. Лицензия — MIT.

prajdabre/rotary-indictrans2-indic-en-1B — модель машинного перевода, созданная как независимое воспроизведение исследования по развитию возможностей работы с длинным контекстом у многоязычных нейросетевых моделей перевода. Автор заменил синусоидальные позиционные эмбеддинги базовой модели IndicTrans2 на Rotary Positional Embedding и дополнительно дообучил модель для выравнивания. Это плотная модель класса RotaryIndicTransForConditionalGeneration с примерно 1 млрд параметров, предназначенная для перевода с индийских языков на английский, прежде всего на уровне документов и длинного контекста. Для предварительной обработки текстов используется IndicTransToolkit с модулем IndicProcessor. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Модель ориентирована на длинные документы; автор приводит пример обработки входа размером 1457 на одном GPU A100. Для коротких предложений результат может быть немного хуже, чем у базовых моделей IndicTrans2, и может потребоваться настройка параметров генерации. В отдельных случаях перевод бывает неоптимальным; также версия 1B может требовать значительных вычислительных ресурсов или уменьшения размера beam search. Автор рекомендует проверять качество на целевом сценарии до масштабного использования.

SalamandraTA-2B-academic — языковая модель для машинного перевода, разработанная подразделением Language Technologies Unit Барселонского суперкомпьютерного центра (BSC). Это дообученная на перевод корпуса ACAData версия Salamandra-2B-Instruct с архитектурой Llama и примерно 1,7 млрд параметров по метаданным. Модель принимает текст и предназначена для общего машинного перевода в 96 направлениях между английским, испанским, каталанским, баскским, галисийским, астурийским, немецким, греческим, французским, итальянским, нидерландским и португальским языками. Контекст составляет 8192 токена. Модель ориентирована на перевод, а не на диалог: авторы не тестировали её чат-возможности. Карточка приводит оценку переводов на ACAD-Bench, но отмечает, что анализ точности по языкам, диалектам и предметным областям, а также систематических смещений пока не проводился; настройка модели предварительная. Репозиторий распространяется по лицензии Apache-2.0 и заявлен для исследовательского и коммерческого использования.

Suchinthana/Sinhala-Translate-and-Dolly-Llama-7b — дообученная автором модель семейства Llama для генерации текста, перевода между сингальским и английским языками и ответов в формате инструкций. В карточке указано обучение на Dolly 3k в течение одной эпохи, затем на 20 тысячах примеров перевода с сингальского на английский и повторно на том же наборе для перевода с английского на сингальский. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 6,6 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 2048 токенов. Репозиторий использует форматы PyTorch и Safetensors, лицензия — Llama 2. Карточка не приводит оценок качества перевода, поэтому результаты для конкретных текстов могут требовать проверки.

Sunflower-14B-FP8 — квантизированная версия многоязычной причинно-следственной языковой модели Sunflower-14B от Sunbird AI на архитектуре Qwen3-14B. Она предназначена для генерации текста и перевода между английским и 31 языком Уганды; по данным карточки, модель показала наивысшую точность среди оценённых моделей в 24 из 31 языковой пары. Модель использует динамическую FP8-квантизацию, выполненную с помощью llmcompressor для инференса через vLLM. По README, размер весов сокращён примерно с 28 до 14 ГБ относительно FP16, что снижает требования к памяти и может ускорить генерацию. Лицензия — Apache 2.0. Квантизация может немного снизить качество по сравнению с полной точностью, а для оптимальной производительности требуется совместимый ускоритель NVIDIA и среда vLLM. Для задач, где важна максимальная точность, README рекомендует полную версию модели.

TowerInstruct-7B-v0.2-EN2ES-GGUF — квантизированная версия модели Iker/TowerInstruct-7B-v0.2-EN2ES, разработанной Iker и подготовленной в формате GGUF пользователем MaziyarPanahi. Модель предназначена для генерации текста, прежде всего для перевода с английского на испанский, а также для диалоговых и инструкционных сценариев. Модель содержит около 7 миллиардов параметров и распространяется в формате GGUF, совместимом с llama.cpp и рядом локальных интерфейсов и библиотек. Доступны варианты квантизации от 2 до 8 бит, включая Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между размером файла, требованиями к памяти, скоростью и качеством генерации. Поддерживаемые модальности и языки ограничены текстом; целевая языковая пара — английский и испанский. Размер контекстного окна в README не указан. Сильными сторонами модели являются специализация на переводе EN→ES, возможность локального запуска и наличие вариантов с различной степенью квантизации. Ограничения включают возможную потерю качества по сравнению с полной точностью при использовании низкобитных вариантов, а также отсутствие в предоставленных данных сведений о точности, производительности, языках помимо целевой пары и максимальном контексте. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-el-fi — модель машинного перевода от Windstorm Labs для перевода с греческого на финский. Это дообученная версия Helsinki-NLP/opus-mt-el-fi: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для перевода греческих текстов на финский. В тесте FLORES-200 на 48 предложениях для этого направления получены chrF++ 45,99 и BLEU 16,35; авторы называют результат скрининговой оценкой, а не публикационным результатом. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-en-eo — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-eo: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель MarianMT содержит 55,5 млн параметров, принимает текст и переводит с английского на эсперанто; максимальный контекст — 512 токенов. Модель подходит для перевода отдельных фраз и текстов с английского на эсперанто. В проверке FLORES-200 на 48 предложениях она получила chrF++ 47,35 и BLEU 21,69; автор отмечает, что это предварительная оценка, а не результат публикационного исследования. Доступна в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-en-sw — модель машинного перевода от Windstorm Labs для перевода текста с английского на суахили. Это дообученная версия Helsinki-NLP/opus-mt-en-sw: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,3 млн параметров и распространяется в формате safetensors для Transformers; длина контекста — 512 токенов. Модель предназначена для перевода англоязычных фраз и документов на суахили. Проверка подтверждает, что результат написан на заявленном языке, но качество перевода не оценивалось. Поддерживается только направление en→sw. Лицензия — Apache-2.0.

WindyTranslate/translate-en-tn — модель машинного перевода от Windstorm Labs для перевода текста с английского языка на тсвана. Это дообученная версия Helsinki-NLP/opus-mt-en-tn: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 54,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для перевода коротких текстов с английского на тсвана. В проверке на 48 предложениях набора FLORES-200 она получила chrF++ 39,15 и BLEU 13,01; авторы относят результат к уровню «пригодно к использованию» и отмечают, что это скрининговая оценка, а не публикационный результат. Поддерживается только направление en→tn. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Windstorm Labs публикует эту модель машинного перевода с английского на китайский. Это дообученная версия Helsinki-NLP/opus-mt-en-zh на архитектуре MarianMT с 58,4 млн параметров; LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель принимает текст и выдаёт перевод, максимальная длина контекста — 512 токенов. Модель предназначена для перевода английских фраз и текстов на китайский. В проверке на 48 предложениях FLORES-200 dev она набрала chrF++ 23,06 и BLEU 3,55; авторы относят результат к ограниченному диапазону и подчёркивают, что это предварительная оценка, а не результат публикационного исследования. Поддерживается только направление en→zh. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

WindyTranslate/translate-es-et — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода текста с испанского на эстонский. Она основана на Helsinki-NLP/opus-mt-es-et: к базовым весам применили LoRA дообучение на параллельных текстах и объединили адаптер с моделью. Архитектура MarianMT, размер — 54,9 млн параметров; модель доступна в формате safetensors для Transformers и принимает контекст длиной до 512 токенов. Модель подходит для перевода коротких текстов с испанского на эстонский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 43,09 и BLEU 14,27; авторы относят результат к уровню «пригодно к использованию» и отмечают, что это скрининговая оценка, а не результат публикационного исследования. Поддерживается только направление es→et. Лицензия — Apache-2.0.

WindyTranslate/translate-es-is — модель машинного перевода от Windstorm Labs, созданная на основе Helsinki-NLP/opus-mt-es-is. Она дообучена методом LoRA на параллельном корпусе, а адаптер объединён с базовыми весами. Модель на архитектуре MarianMT содержит 56,1 млн параметров, принимает испанский текст и переводит его на исландский; нативный контекст — 512 токенов. Доступна в формате safetensors для Transformers. Модель предназначена для перевода текстов с испанского на исландский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 36,17 и BLEU 9,50; авторы относят результат к уровню Usable и отмечают, что это предварительная оценка, а не результат публикационного исследования. Лицензия — Apache-2.0.

TranslatePsy-AfriSLM-2B — диалоговая модель машинного перевода, разработанная Milan Gritta, Patrik Lambert, Jihye Back и Amril Nazir из Tether AI Research и опубликованная QVAC. Это полно-параметрическая донастройка Qwen3.5-2B примерно с 2 млрд параметров, обученная на отфильтрованных параллельных данных и многоязычных инструкциях. Модель предназначена прежде всего для перевода между английским и 19 языками Африки к югу от Сахары, в том числе в многоходовом диалоге. Модель использует архитектуру Qwen3.5 decoder-only и распространяется в формате safetensors через Transformers. В карточке не приведена длина контекста. Авторы сообщают о высоких результатах на наборах тестов машинного перевода африканских языков, однако качество зависит от языка и направления перевода. Обучающие переводы преимущественно синтетические; возможны ошибки, пропуски и галлюцинации, а диалекты и культурные особенности могут быть представлены недостаточно. Мультимодальные возможности базовой модели после дообучения не оценивались. Лицензия — Apache 2.0.

nguyen1207/Vistral-7B-MT — дообученная модель Viet-Mistral/Vistral-7B-Chat для перевода с вьетнамского на английский. Она основана на плотной архитектуре MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для перевода вьетнамских текстов, в том числе сообщений с интернет-сленгом и неформальным написанием; также поддерживает генерацию текста в формате чата. Модель разработал nguyen1207, обучение выполнено с использованием Unsloth и TRL. Репозиторий содержит веса PyTorch в формате Safetensors. Лицензия — Apache-2.0.

ViT5-large — предварительно обученная модель типа Transformer encoder-decoder семейства T5, разработанная VietAI для работы с вьетнамским языком. Она содержит 389,3 млн параметров и предназначена для генерации текста по текстовому вводу; метаданные относят её к ответам на вопросы. Теги модели также указывают на задачи суммаризации и перевода. Модель подходит для ответов на вопросы по вьетнамским текстам, суммаризации и перевода. Доступны веса в форматах PyTorch, TensorFlow и Flax. Модель распространяется по лицензии MIT. README заявляет уровень качества state of the art для предварительно обученной модели, но не приводит бенчмарков или подробностей оценки.

facebook/wav2vec2-xls-r-1b-21-to-en — модель перевода речи, разработанная Facebook (Meta) на основе Wav2Vec2-XLS-R. Она принимает аудио на одном из 21 языков и генерирует текстовый перевод на английский. Архитектура — SpeechEncoderDecoderModel: энкодер инициализирован из facebook/wav2vec2-xls-r-1b, декодер — из facebook/mbart-large-50; модель дообучена на парах перевода датасета CoVoST 2. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Модель подходит для перевода записей и устной речи на английский, например для обработки многоязычного аудио и демонстрационных сценариев. В карточке указаны французский, немецкий, испанский, каталанский, итальянский, русский, китайский, португальский, персидский, эстонский, монгольский, нидерландский, турецкий, арабский, шведский, латышский, словенский, тамильский, японский, индонезийский и валлийский как исходные языки. Карточка также предлагает оценивать модель на CoVoST 2, но не приводит численные результаты. Модель ориентирована на перевод только в английский; качество может зависеть от языка, акцента и условий записи.

Модель Wav2Vec2-XLS-R-300M-EN-15 разработана Facebook и предназначена для перевода устной английской речи в письменный текст на одном из 15 языков: немецком, турецком, персидском, шведском, монгольском, китайском, валлийском, каталанском, словенском, эстонском, индонезийском, арабском, тамильском, латышском или японском. Это модель типа SpeechEncoderDecoderModel: энкодер основан на facebook/wav2vec2-xls-r-300m, а декодер — на facebook/mbart-large-50; модель дообучена на парах переводов из датасета CoVoST 2. Она принимает аудио на английском и генерирует текст перевода. В метаданных основная задача обозначена как automatic-speech-recognition, однако README описывает именно перевод речи. Модель распространяется под лицензией Apache-2.0. Ее назначение ограничено переводом с английского на перечисленные языки; сведения о точности в карточке не приведены.

X-ALMA-13B-Pretrain — мультиязычная предварительно обученная базовая модель семейства X-ALMA, разработанная Haoran Xu и соавторами. Она расширяет языковую поддержку ALMA-R с 6 до 50 языков и входит в систему перевода X-ALMA с подключаемыми языковыми модулями. Архитектура — плотная LLaMA, модель содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для дальнейшей настройки и использования в сценариях машинного перевода между поддерживаемыми языками; авторы также указывают возможность открытых многоязычных ответов на вопросы. Карточка описывает именно предварительно обученную базовую модель, поэтому конкретные результаты перевода зависят от используемых модулей и настройки. Модель распространяется под лицензией MIT.

AfriTeVa V2 Base — мультиязычная модель семейства T5 версии 1.1, разработанная авторами исследования о качестве предобучающих данных и моделей T5 для африканских языков. Модель предобучена на корпусе Wura с размером словаря 150 000 токенов. В метаданных каталога указано 214,4 млн параметров; в README приведено другое значение — 428 млн параметров. Модель служит базой для дообучения на классификацию текста, машинный перевод, суммаризацию и межъязыковой вопросно-ответный поиск. В исследовании она превзошла существовавшие базовые модели на этих задачах, а на оценке межъязыкового QA показала результат более чем вдвое выше multilingual T5. Она ориентирована на африканские языки, включая амхарский, хауса, игбо, суахили, йоруба и зулу, а также поддерживает английский, французский и португальский. Лицензия — Apache-2.0. При дообучении рекомендуется повторно включить dropout, отключённый во время предобучения. Приведённые результаты относятся к оценкам из исследования и не гарантируют качество на произвольных данных.

alexmt-qwen3-0.6b-dpo-bwchrf-lr2e6 — компактная модель на архитектуре Qwen3, разработанная для контекстного перевода между английским и девятью разновидностями диалектного арабского языка. Модель дообучена методом DPO на базе alexmt-qwen3-0.6b-sft; она содержит около 508 млн параметров, поддерживает контекст до 40 960 токенов и предназначена для диалоговых реплик с учётом до трёх предыдущих ходов, тематики, участников и направления пола говорящего и адресата. Модель обучена на Alexandria и выдаёт перевод в JSON-поле translation. В тестировании на открытой тестовой части Alexandria она показала chrF++ 27,17 для перевода с английского на диалекты и 46,47 для перевода с диалектов на английский; это результаты одного seed и одного разбиения данных, причём скорость настройки DPO сравнивалась на тестовой выборке. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Jinchen/bart-base-finetuned-en-to-ro — модель на базе BART-base, дообученная на датасете WMT16 для преобразования текста с английского на румынский. Она содержит 95,2 млн параметров, использует архитектуру BART и рассчитана на контекст до 1024 токенов. Контрольная оценка на наборе валидации указана как loss 1,9912. Модель подходит для перевода англоязычных текстов на румынский. Опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не сообщает о дополнительных сценариях применения или известных ограничениях качества.

OneNMT v3b — мультиязычная модель машинного перевода, представленная в репозитории ltrciiith/bhashaverse. Она использует архитектуру seq2seq на основе Transformer с 18 слоями энкодера и 18 слоями декодера и обёрткой MBartForConditionalGeneration. README заявляет поддержку 36 × 36 языковых пар для 35 индийских языков и английского; метаданные указывают 369 млн параметров и контекст до 1026 токенов. Модель предназначена для перевода между поддерживаемыми индийскими языками и английским. Для токенизации требуется предоставленный в репозитории fairseq-словарь и рекомендованный скрипт или обёртка: стандартный токенизатор MBart может сопоставлять токены с неверными ID и давать некорректный результат. Модельные веса опубликованы в формате safetensors, лицензия — MIT.

Bifrost Flash 430M — компактная модель машинного перевода от NodeNestor для переводов между английским и скандинавскими языками. Она поддерживает шведский, датский, норвежский букмол и нюношк, финский и исландский; модель обучена дистилляцией из Bifrost 1.2B и содержит около 510,8 млн параметров по метаданным. Лицензия — Apache-2.0. Модель использует плотную гибридную архитектуру декодера: динамические причинные свёртки чередуются с grouped-query attention. Контекст составляет 4096 токенов; веса доступны в формате safetensors, в README рекомендован запуск в bf16. На тесте FLORES-200 модель показала chrF++ 54,5 в среднем по направлениям. Она подходит для недорогого и быстрого перевода между английским и североевропейскими языками, а также между самими скандинавскими языками. По сравнению с учительской Bifrost 1.2B качество ниже; наиболее заметные слабые места — перевод с английского на финский и исландский, где также чаще встречается перевод не на целевой язык. Модель не настроена на выполнение инструкций и ограничена контекстом в 4096 токенов.