I.6Перевод и языковая адаптация

RuadaptQwen2.5-1.5B-instruct — русскоязычная инструктивная модель, разработанная командой RefalMachine на основе Qwen2.5-1.5B-Instruct. Она предназначена для диалогов и генерации текстовых ответов на инструкции. Модель использует плотную архитектуру Qwen2 и содержит 1,5 млрд параметров; максимальная длина контекста — 32 768 токенов. Авторы заменили токенизатор, продолжили предобучение на русскоязычном корпусе и применили LEP (Learned Embedding Propagation). По заявлению авторов, новый токенизатор увеличил скорость генерации русскоязычного текста до 60% относительно исходной модели на одинаковых последовательностях. В карточке упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но опубликованные результаты отсутствуют. Модель поддерживает русский язык, чат и интерфейс вызова инструментов. Доступна в формате safetensors по лицензии Apache-2.0. Авторы предупреждают, что ответы могут отражать сведения и взгляды из данных обучения; показатели качества в карточке не приведены.

sat-1l-sm — модель семейства Segment any Text, предназначенная для сегментации текста на предложения в составе wtpsplit. В карточке заявлено качество уровня state of the art и компактная архитектура с одним слоем Transformer; метаданные указывают классификатор токенов XLM размером 201,4 млн параметров с контекстом до 514 токенов. Модель выполняет разметку токенов для определения границ предложений и ориентирована на многоязычный текст. Метаданные перечисляют языки, включая английский, арабский, французский, немецкий, хинди и японский; поддержка русского языка среди перечисленных кодов не заявлена. Доступны веса в форматах Safetensors и ONNX. Лицензия — MIT.

Это объединённая модель генерации текста, опубликованная пользователем yuhengtu-bytedance. Она создана методом Linear merge в mergekit из контрольных точек предварительно обученной языковой модели на шагах обучения 4000, 5000, 6000, 7000 и 8000; контрольная точка шага 8000 использовалась как базовая. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. Данные не уточняют целевые языки и специализированные области применения, поэтому модель можно описать только как универсальную языковую модель. Файлы весов представлены в формате Safetensors, а для работы указана библиотека Transformers. Лицензия и конкретные ограничения качества в предоставленных данных не описаны; результаты могут зависеть от используемого промпта и сценария применения.

ShuttleAI Shuttle 2.5 Mini GGUF — это набор квантизированных файлов модели shuttleai/shuttle-2.5-mini, подготовленный командой featherless-ai-quants. Модель предназначена для генерации текста и поставляется в формате GGUF, совместимом с инструментами локального запуска, поддерживающими этот формат. В репозитории доступны варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0. Размер файлов составляет примерно от 4,6 до 12,4 ГБ, поэтому варианты позволяют выбирать компромисс между требованиями к памяти, скоростью работы и сохранением качества. Сведения об архитектуре, количестве параметров, модальностях, поддерживаемых языках и размере контекста в README не указаны. Модель подходит для задач текстовой генерации и локального или удалённого развёртывания при наличии совместимого программного обеспечения. Основное преимущество — широкий выбор уровней квантизации и возможность подобрать файл под доступные аппаратные ресурсы. Ограничения связаны с отсутствием в README подробных характеристик, результатов тестирования и рекомендаций по выбору конкретного варианта. Лицензия модели и условия её использования не указаны.

T3qm7xNeuralsirkrishna_Experiment28Experiment24 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Experiment24-7B. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовым запросам. Она доступна по лицензии Apache-2.0. Сведения о специальной предметной настройке или дополнительных возможностях в карточке не приведены.

T3qm7xNeuralsirkrishna_Experiment29Experiment24 — объединённая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment29Experiment24-7B. Она предназначена для генерации текста и диалоговых ответов; содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Файлы опубликованы в формате safetensors. Модель принимает текст и выдаёт текст. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или отдельных гарантиях качества; возможности и ограничения после слияния отдельно не описаны.

Карточка модели cuong1692001/Terminal-complete-12k на Hugging Face совпадает с карточкой cuong1692001/Terminal_complete_12k, поэтому описание составлено по ней. Terminal-complete12k — дообученная модель на базе Qwen/Qwen3-8B, созданная автором репозитория cuong1692001. Это плотная языковая модель с архитектурой Qwen3ForCausalLM и 7,6 млрд параметров; она принимает текст и генерирует текст. Карточка указывает на диалоговый сценарий, а базовая модель поддерживает многоязычную генерацию, рассуждения, следование инструкциям, работу с кодом и вызов инструментов. Максимальная длина контекста составляет 40 960 токенов. Модель можно применять для диалога и генерации текста. README сообщает о дообучении на наборе qwen_data_complete, но не описывает его состав, целевые задачи или результаты оценки, поэтому специфические преимущества Terminal-complete12k подтвердить нельзя. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия указана как other; конкретные условия использования в доступных данных не раскрыты.

Это GGUF-квантизированная версия языковой модели TildeOpen-30b, разработанной TildeAI. Репозиторий подготовлен пользователем bartowski с использованием llama.cpp версии b6317 и метода imatrix. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp. Модель содержит около 30 миллиардов параметров и представлена в форматах от BF16 до различных вариантов квантования Q8, Q6, Q5, Q4, Q3 и Q2. Размер файлов варьируется примерно от 12 до 61 ГБ. Более высокие варианты квантования обеспечивают лучшее качество при больших требованиях к памяти, а низкие позволяют запускать модель на системах с ограниченными ресурсами, но с заметным снижением качества. Для версии не указан шаблон промпта; README также не содержит данных о поддерживаемых языках, длине контекста, архитектуре, мультимодальности или лицензии. Основные сильные стороны — широкий выбор уровней квантования, возможность локального использования и оптимизация imatrix, направленная на сохранение качества при уменьшении размера. Ограничения связаны с высокими требованиями к памяти для крупных вариантов, возможным ухудшением качества у низкобитных версий и отсутствием в README информации о лицензии и характеристиках исходной модели.

TildeOpen-30b — базовая языковая модель Tilde.ai, разработанная при поддержке Европейской комиссии через EuroHPC JU Large AI Grand Challenge и обученная на суперкомпьютере LUMI. Это плотный декодерный трансформер семейства Llama примерно с 29,9 млрд параметров и контекстом до 65 536 токенов; модель распространяется в формате Safetensors и предназначена прежде всего для генерации текста на языках Северной, Центральной и Восточной Европы. Модель поддерживает широкий набор европейских языков, включая русский, английский, немецкий, польский, украинский и другие, а также математические доказательства, программный код и XML с переводческими данными. Токенизатор разработан для более равномерного представления разных языков и может повышать эффективность генерации на фокусных языках. Карточка приводит результаты тестов понимания текста и грамматики. Это фундаментальная модель, не настроенная на выполнение инструкций и не снабжённая выравниванием безопасности, поэтому она рассчитана на продолжение текста и исследовательские или прикладные сценарии с дополнительной адаптацией, а не на безопасный диалог напрямую. Лицензия — CC-BY-4.0.

TR-OCR Large AR/EN Handwritten — модель распознавания рукописного текста на изображениях, созданная David Magdy и Ahmed Wahdan на основе Microsoft TrOCR Large. Она дообучена на наборах Khatt и IAM для чтения арабского и английского текста в документах и преобразования его в текст. Модель использует архитектуру vision-encoder-decoder и предназначена для распознавания рукописного текста, а не для анализа изображений общего назначения. Репозиторий содержит веса в формате safetensors; для загрузки указана библиотека Transformers. Лицензия — Apache-2.0.

TW3-JRGL-v2 — языковая модель на архитектуре Llama, созданная студентами инженерной школы ECE Луи Гарсией и Матьё Жолларом под руководством преподавателя Андре-Луи Роше и технического директора TW3 Partners Поля Леметра. Модель получена слиянием моделей davidkim205/Rhea-72b-v0.5 и MTSAIR/MultiVerse_70B с помощью mergekit. Модель содержит 71 млрд параметров, принимает текст и генерирует текст, имеет контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев общего назначения. В карточке не приведены специальные сведения о языках и отдельных прикладных областях. Модель опубликована в формате safetensors под лицензией Apache 2.0. Карточка не описывает результаты сравнительных оценок или конкретные ограничения качества.

Viviana_V3 — диалоговая языковая модель, созданная domie слиянием Viviana_V2 и Mistral-7B-Instruct-v0.2 с помощью mergekit и метода slerp. Она предназначена для генерации текста и ведения диалогов. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для хранения используется формат Safetensors. В метаданных для базовой Viviana_V2 указаны английский и итальянский языки; отдельные сведения о языках Viviana_V3 не приведены. Модель распространяется по лицензии Apache-2.0. Карточка описывает состав и параметры слияния, но не приводит сравнительных оценок качества или подробных ограничений применения.

Shirali/whisper-small-ISSAI_KSC_335RS_v2 — аудиомодель семейства Whisper с архитектурой WhisperForConditionalGeneration и 153,1 млн параметров. Репозиторий содержит веса PyTorch; модель предназначена для автоматического распознавания речи. В README указано, что модель обучена с нуля, но набор данных обозначен как None, а сведения о назначении, обучающих данных и оценке не приведены. Языки распознавания и качество для конкретных условий записи установить по доступным данным нельзя. Лицензия не указана.

MaziyarPanahi/xLAM-8x22b-r-GGUF — это квантованная версия языковой модели Salesforce/xLAM-8x22b-r, подготовленная в формате GGUF разработчиком MaziyarPanahi. Модель предназначена для генерации текста и локального запуска через совместимые приложения и библиотеки, включая llama.cpp, llama-cpp-python, LM Studio и text-generation-webui. Ключевая характеристика репозитория — наличие файлов в вариантах квантования от 2 до 8 бит, что позволяет выбирать компромисс между размером модели, требованиями к памяти и качеством генерации. Исходная модель обозначена как xLAM-8x22b-r, однако в README не указаны точная архитектура, количество параметров, длина контекста, поддерживаемые языки и дополнительные модальности; по приведённым данным модель относится к текстовой генерации. Сильная сторона модели — возможность более экономичного локального развертывания и совместимость с широким набором инструментов, включая варианты с GPU-ускорением и OpenAI-совместимым API. Ограничения связаны с отсутствием подробных сведений о качестве, бенчмарках, назначении исходной модели и системных требованиях. Лицензия в README не указана.

YamshadowStrangemerges_32_AlloyingotneoyExperiment24 — объединённая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/YamshadowStrangemerges_32-7B и automerger/AlloyingotneoyExperiment24-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров с контекстом до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Данные карточки не описывают специальные предметные навыки или результаты оценки качества; пригодность для конкретного сценария стоит проверять на собственных примерах.

Mohamed Rashad разработал arabic-base-nougat — модель OCR на архитектуре VisionEncoderDecoderModel, дообученную на наборе MohamedRashad/arabic-img2md от facebook/nougat-base. Она преобразует изображения страниц арабских книг в структурированный текст, в том числе с разметкой Markdown, и подходит для оцифровки арабской литературы и извлечения текста из печатных материалов. В карточке заявлена поддержка арабского и английского языков; модель опубликована в формате safetensors и распространяется по лицензии GPL-3.0. При распознавании модель может повторять или искажать текст, а также выдавать нерелевантные пути к изображениям. Контекст ограничен 2048 токенами, поэтому транскрипция длинной страницы может быть неполной. Результаты следует проверять, особенно если важна точность.

Behemoth-XL-195B-v1 — языковая модель для генерации текста, созданная softwareweaver с помощью mergekit из двух последовательных фрагментов слоёв TheDrummer/Behemoth-123B-v1. Это плотная архитектура MistralForCausalLM с 194,2 млрд параметров и контекстом до 131 072 токенов; доступны веса в формате safetensors. Модель предназначена для диалогов и других сценариев генерации текста, а конфигурация объединения была создана, чтобы проверить, улучшаются ли результаты при увеличении модели. Для использования README отсылает к карточке базовой модели TheDrummer/Behemoth-123B-v1, в том числе за сведениями о лицензии. В метаданных указана лицензия other; условия следует сверить с карточкой базовой модели. Результаты эксперимента с объединением слоёв и качество модели README не характеризует.

bella-2-8b-GGUF — это GGUF-квантизированная версия языковой модели bella-2-8b от CognitivessAI, подготовленная пользователем mradermacher. Модель предназначена для генерации текста и задач анализа тональности, а также для локального запуска через совместимые инструменты работы с форматом GGUF. Модель имеет около 8 миллиардов параметров и поддерживает английский и румынский языки. В репозитории представлены варианты с разной степенью квантования: от Q2_K размером около 3,3 ГБ до f16 размером около 16,2 ГБ. В README рекомендуются варианты Q4_K_S и Q4_K_M как быстрые, а Q6_K и Q8_0 отличаются более высоким качеством. Архитектура и размер контекстного окна не указаны. Основные преимущества модели — выбор вариантов квантования для подбора баланса между качеством, скоростью и потреблением памяти, а также возможность использования на локальном оборудовании. К ограничениям относятся потенциальная потеря качества при сильном квантовании и отсутствие подробных данных о результатах тестирования, архитектуре и поддерживаемом контексте. В метаданных указана лицензия Apache-2.0, а также название лицензии Cognitivess и ссылка на условия Cognitivess; перед использованием следует проверить применимые условия.

Calme-7B-Instruct-v0.3 — диалоговая языковая модель Maziyar Panahi, дообученная на качественных наборах данных на основе Mistral-7B. Она использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и рассчитана на генерацию связных ответов в формате чата; контекст — до 32 768 токенов. Модель можно применять для диалоговых помощников, ответов на вопросы и создания текстов. В репозитории доступны веса Safetensors; автор также указывает отдельные квантованные варианты GGUF. Лицензия — Apache-2.0.

DeepSeek-V4-Flash-Vision-Uncensored-GGUF — это GGUF-конверсия модели orcarouter/DeepSeek-V4-Flash-Vision-Uncensored, подготовленная OrcaRouter на основе DeepSeek-V4-Flash-Vision-Exp от DeepSeek. Модель предназначена для локального текстового вывода, исследований интерпретируемости и механизмов отказа, AI safety, red teaming и оценки устойчивости моделей. Версия существенно лишена исходного safety alignment методом abliteration и может выполнять запросы, от которых оригинальная модель отказалась. Это разреженная Mixture-of-Experts-модель примерно на 305B параметров с около 18B активных параметров, конфигурацией 256 экспертов и выбором top-6. Она использует DeepSeek sparse attention, 4-wide Manifold-Constrained Hyper-Connections и контекст до 1M токенов. Модель поддерживает английский и китайский языки. В данном выпуске сохранена текстовая модальность: компоненты vision удалены, поэтому обработка изображений недоступна. Спекулятивная DSpark/MTP-голова также не включена. Ключевое преимущество — сохранение исходных FP4-кодов маршрутизируемых матриц в формате MXFP4 без дополнительного переквантизирования, что позволяет использовать веса через llama.cpp. Для запуска требуется свежая сборка llama.cpp с поддержкой архитектуры deepseek4; старые версии и runtime с зафиксированной более ранней версией могут не загрузить модель. Из-за удаления защитных механизмов модель не предназначена для неконтролируемого продакшен-развёртывания: необходимы собственные фильтры безопасности и модерация, а ответственность за применение и результаты несёт пользователь. Лицензия — MIT.

Eclectic-Maid-10.7B-v3 — объединённая языковая модель на архитектуре Mistral, созданная ND911 с помощью mergekit. В README указаны модели-источники Maid-Reborn-v2-Remerge, ND911/Eclectic-Maid-10B-v2-1 и crestf411/daybreak-kunoichi-2dpo-7b; использован метод passthrough merge. Модель рассчитана на генерацию текста и имеет 10,6 млрд параметров и контекстное окно до 32 768 токенов. Модель доступна в формате safetensors для Transformers. В метаданных указана лицензия и поддерживаемые языки, однако они не приведены; README также не описывает специальные предметные области или конкретные ограничения качества. Тег not-for-all-audiences указывает, что модель может быть неподходящей для любой аудитории.

Карточка модели jphme/em_german_70b_v01 на Hugging Face совпадает с карточкой jphme/em_german_13b_v01, поэтому описание составлено по ней. EM German 13B v01 — модель jphme на базе Llama 2, дообученная на большом наборе инструкций на немецком языке. Она предназначена для понимания и генерации немецкого текста в формате диалога с помощником и может применяться для ответов на вопросы, выполнения инструкций и сценариев RAG. Модель использует плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров, принимает текст и имеет контекст длиной до 4096 токенов. Модель ориентирована на немецкий язык. В README автор рекомендует при неудовлетворительных результатах попробовать другую или более крупную версию семейства; также приведены результаты сравнений версий на примерах, но сведения об оценках именно этой версии не приведены. Лицензия — Llama 2; распространяется исходная лицензия базовой модели. Автор указывает, что модель предназначена только для исследовательского использования.

EM German 7B Leo — модель jphme для генерации текста и диалогов на немецком языке. Она дообучена на инструкциях на немецком языке на базе LeoLM, семейства моделей Llama 2 с дополнительным предварительным обучением на немецких текстах. Веса имеют архитектуру LlamaForCausalLM, содержат 6,6 млрд параметров и представлены в формате safetensors для библиотеки Transformers; контекст — до 8192 токенов. Модель рассчитана на ответы ассистента, понимание и создание немецкоязычных текстов, в том числе на запросы в формате RAG. Она использует формат запросов Vicuna; качество ответов может зависеть от версии и настроек генерации. В README автор советует при неудовлетворительных результатах попробовать rope_scaling 2.0 или другую версию модели. Лицензия — Llama 2; автор указывает, что модель предназначена только для исследовательского использования.

EsotericSage-12B — плотная языковая модель на архитектуре Mistral, созданная yamatazen слиянием предварительно обученных моделей yamatazen/LinearWriter-12B и yamatazen/ForgottenMaid-12B методом NearSwap с помощью mergekit. Модель содержит 12,1 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое применение; метаданные также указывают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. Заявленная длина контекста — 131 072 токена. В карточке отмечены английский и японский языки. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

MaziyarPanahi/Experiment28T3q_Experiment27Experiment29 — объединённая модель семейства Mistral с 7,1 млрд параметров для генерации текста. В её состав входят automerger/Experiment28T3q-7B и automerger/Experiment27Experiment29-7B; репозиторий содержит веса в формате safetensors. Модель принимает текст и предназначена для генерации продолжений и ответов на запросы. Контекст составляет до 32 768 токенов. Модель опубликована MaziyarPanahi по лицензии Apache-2.0. Сведения о специализированных областях применения и языках в карточке не приведены. Это экспериментальное объединение моделей, поэтому его качество и поведение могут зависеть от запроса; перед применением в критичных сценариях результаты следует проверять.

ssmits/Falcon2-8B-Romanian — объединённая языковая модель семейства Falcon, созданная методом passthrough с помощью mergekit на основе ssmits/Falcon2-5.5B-Romanian. Она предназначена для генерации текста и диалогового общения на румынском языке; также подходит для ответов на вопросы и задач классификации текста. Модель использует плотную архитектуру FalconForCausalLM, содержит 11,8 млрд параметров и поддерживает контекст до 8192 токенов. Модель принимает текст и генерирует текст. Она распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или известных ограничениях качества.

Den4ikAI/FRED-T5-XL_instructor — русскоязычная инструкционная модель на архитектуре T5, разработанная Den4ikAI и основанная на FRED-T5-XL. Модель содержит около 870 млн параметров и предназначена для генерации текста в ответ на инструкции и запросы. Её можно применять для русскоязычных текстовых задач, сформулированных в виде инструкций. В метаданных указаны форматы PyTorch и Safetensors и лицензия MIT. Карточка не описывает конкретные результаты обучения или ограничения качества.

Gamunu-4B-Instruct-Alpha-i1-GGUF — это квантизированная в формате GGUF версия модели Gamunu-4B-Instruct-Alpha, разработанной manthilaffs и подготовленной квантизатором mradermacher. Модель ориентирована на следование инструкциям, ответы на вопросы, рассуждения, академические и математические задачи, а также задачи обработки естественного языка. Заявлены языки Sinhala и English, однако подробные сведения о качестве работы по каждому языку не приведены. Модель имеет около 4 миллиардов параметров; точная архитектура, размер контекста и состав поддерживаемых модальностей в README не указаны. При этом она обозначена как vision model, а для работы с изображениями могут потребоваться отдельные файлы mmproj из статического репозитория. Репозиторий содержит множество вариантов квантизации с размером примерно от 1,2 до 3,3 ГБ. В README отмечается, что IQ-квантизации часто предпочтительнее сопоставимых по размеру обычных вариантов; Q4_K_M названа быстрой и рекомендуемой, а Q4_K_S — оптимальной по соотношению размера, скорости и качества. Основные преимущества модели — компактный размер, возможность локального запуска в различных вариантах квантизации и специализация исходной модели на инструкциях, вопросах, рассуждениях и математике. Ограничения связаны с потерями качества при низкой степени точности, отсутствием опубликованных сведений о бенчмарках, точной архитектуре, контекстном окне и фактических возможностях мультимодальной обработки. Указана лицензия Apache-2.0.

byroneverson/glm-4-9b-chat-abliterated — дообученная версия GLM-4-9B-Chat от THUDM, изменённая автором репозитория для снижения отказов модели. В версии 1.1 для этой процедуры использован слой 16; автор сообщает, что тесты PCA и косинусного сходства согласуются с выбором этого слоя. Модель предназначена для диалоговой генерации текста и работы через интерфейс вызова инструментов. Она построена на плотной архитектуре ChatGLM, содержит 10,7 млрд параметров и поддерживает контекст длиной до 131 072 токенов. В карточке указаны китайский и английский языки. Репозиторий содержит веса в формате safetensors. Снижение отказов может быть полезно в сценариях, где требуется меньше ограничений на ответы, однако README не приводит количественной оценки качества, безопасности или надёжности после изменения. Для преобразования модели в формат GGUF автору понадобился пакет tiktoken и собственный вариант инструментария GGUF. Лицензия обозначена как other; конкретные условия следует проверять в репозитории модели и у базовой модели.

Это пакет слоёв GGUF для модели GLM-5.2-Q2_K-MTP-Q8, подготовленный Mesh LLM для распределённого инференса на локальном кластере. Он основан на meshllm/GLM-5.2-Q2_K-MTP-Q8-GGUF и разделяет исходную модель на артефакты по слоям для запуска на нескольких машинах. Пакет предназначен для локального приватного чата и генерации текста, когда полная модель не помещается на одном компьютере, а также для обслуживания запросов через локальный API, совместимый с OpenAI Chat Completions. Для запуска требуется Mesh LLM; README приводит команду запуска распределённого сервера. Формат пакета — layer-package с весами GGUF; метаданные классифицируют задачу как text-generation и возможность как chat. Архитектурные детали исходной модели, её размер, контекст, языки и условия лицензии в предоставленных материалах не раскрыты; README отсылает к карточке исходной модели за этими сведениями.