I.6Перевод и языковая адаптация

WindyTranslate/translate-es-yua — модель машинного перевода от Windstorm Labs для перевода с испанского языка на юкатекский майя. Она основана на MarianMT с архитектурой MarianMTModel и содержит 48,7 млн параметров; модель принимает текст и выдаёт текст. Нативная длина контекста — 512 токенов. Модель дообучена методом LoRA на параллельном корпусе, а адаптер объединён с базовыми весами Helsinki-NLP/opus-mt-es-yua. Репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода текстов с испанского на юкатекский майя; обратное направление не заявлено. Качество перевода не оценивалось, поэтому его точность не подтверждена. Лицензия — Apache-2.0.

C1Tech разработала модель распознавания персидской речи на архитектуре Whisper, дообучив её на крупном пользовательском наборе данных на персидском языке. Модель преобразует аудио в текст и предназначена для задач автоматического распознавания речи на персидском языке. В README заявлены 74 млн параметров и высокие результаты на тестах Common Voice и FLEURS по сравнению с рядом крупных моделей. Метаданные репозитория указывают 51,7 млн параметров; поэтому точный размер модели расходится между источниками. Для использования подходит библиотека Transformers, веса доступны в формате safetensors. Лицензия — Apache-2.0.

vumichien/whisper-large-v2-jp — дообученная модель распознавания речи на основе Whisper large-v2 от OpenAI. Она обучена на японской части набора Mozilla Common Voice 11.0 и предназначена для преобразования японской речи в текст. Архитектура WhisperForConditionalGeneration содержит около 905,2 млн параметров; модель принимает аудио и выдаёт текст. В README приведены результаты оценки на тестовой выборке: WER 8,1166 и CER 5,0032. Модель опубликована под лицензией Apache-2.0.

Это модель автоматического распознавания речи на основе Whisper large-v3 от OpenAI, дообученная командой gcoli для транскрибирования швейцарского немецкого на стандартный немецкий. LoRA-адаптер обучили на материалах FHNW/i4ds и объединили с базовыми весами; модель содержит 905,2 млн параметров. Она принимает аудио и выдаёт текст. В карточке приведены результаты проверки на тестовом наборе из 5750 записей, охватывающем 17 диалектов: итоговый WER составляет 24,7%, CER — 12,7%. Для запуска доступны форматы safetensors и CTranslate2, совместимые с Transformers и faster-whisper. Модель предназначена для транскрибации швейцарских немецких диалектов в стандартный немецкий, в том числе в коммерческих сценариях. Для длинных записей рекомендуется отключать перенос контекста между фрагментами: иначе модель может добавлять вымышленный текст; на записях около 15 минут качество также может быть ниже, чем при распознавании отдельных коротких фрагментов. Лицензия модели — MIT; в карточке также указано, что базовая модель распространяется по Apache-2.0, а обучение выполнено на материалах с лицензией MIT.

vumichien/whisper-medium-jp — дообученная модель автоматического распознавания речи на основе openai/whisper-medium, разработанная с использованием набора данных Mozilla Common Voice 11.0. Она предназначена для преобразования японской речи в текст. Модель семейства Whisper содержит около 455,8 млн параметров и представлена в формате PyTorch; оценка на тестовой выборке Common Voice 11.0 составляет WER 9,0355 и loss 0,3029. Распространяется по лицензии Apache-2.0.

wmt19-finetuned-law-de-to-en — дообученная модель FSMT для перевода юридических текстов с немецкого на английский. Она основана на facebook/wmt19-de-en и содержит 100,7 млн параметров; максимальная длина контекста — 1024 токена. В карточке указаны результаты оценки: BLEU 56,9297 и loss 0,2388, однако набор данных и методика оценки не описаны. Модель предназначена для перевода немецкоязычных юридических материалов на английский. Распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не раскрывает обучающие данные и не описывает ограничения качества, поэтому результаты на других текстах могут отличаться.

Модель dokyoungkim/wmt19-finetuned-law-de-to-en-2 — дообученная версия FSMT для перевода юридических текстов с немецкого на английский. Она содержит 100,7 млн параметров, принимает текст и генерирует перевод; заявленная длина контекста — 1024 токена. В README приведены результаты оценки: BLEU 58,4579 и loss 0,2307. Модель предназначена для перевода юридических документов и фрагментов с немецкого на английский. Она распространяется под лицензией Apache-2.0. Датасет дообучения и подробные сведения о применении в карточке не раскрыты.

facebook/xm_transformer_s2ut_hk-en — модель перевода речи с хоккиенского на английский, разработанная в рамках проекта fairseq. Она использует архитектуру S2UT с однопроходным декодером: принимает речь на хоккиенском и генерирует английскую речь. Для синтеза применяется vocoder-модель facebook/unit_hifigan_mhubert_vp_en_es_fr_it3_400k_layer11_km1000_lj_dur. Модель обучена на размеченных данных из TED, драматических произведений и домена TAT, а также на слабой разметке для драматических данных. Модель предназначена для сквозного речевого перевода, когда нужен аудиовыход на английском без отдельного этапа распознавания текста пользователем. Репозиторий распространяется в формате PyTorch; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

AfriqueQwen3.5-4B-Instruct-v2 — диалоговая текстовая модель McGill-NLP, постобученная на базе McGill-NLP/AfriqueQwen3.5-4B. Она предназначена для генерации ответов, решения математических задач, перевода и ответов на вопросы с выбором варианта, в том числе на африканских языках; в README приведены результаты оценивания на AfriMGSM, AfriMMLU, AfriXNLI, Belebele, Injongo, SIB-200 и FLORES. Модель использует архитектуру Qwen3.5 с плотной 4-миллиардной языковой частью и поддерживает диалоговый режим. Хотя в конфигурации указана архитектура Qwen3_5ForConditionalGeneration, README сообщает, что визуальных весов в checkpoint нет; для запуска через vLLM требуется режим --language-model-only. В примере запуска задан предел контекста 12 288 токенов. Репозиторий распространяется в формате safetensors по лицензии CC BY 4.0. README не перечисляет точный набор поддерживаемых языков и не приводит полный набор инструкций постобучения, поэтому языковые возможности следует оценивать по фактической проверке нужного языка; опубликованные тесты дают ориентир, но не гарантируют качество в конкретном сценарии.

cocoirun/AIFT-ko-orca-plat-Yi-ko-6b-v1.0 — корейская instruct-модель, дообученная разработчиком с помощью LoRA на базе KOR-OpenOrca-Platypus. Для обучения использовались около 40 тысяч примеров: очищенные и отобранные данные KOR-OpenOrca-Platypus, а также самостоятельно подготовленные задания по истории, естественным наукам, математике, машинному чтению, анализу отзывов, обобщению, грамматике и переводу между английским и корейским. Модель предназначена для диалоговых ответов и решения текстовых задач общего характера. Архитектура — плотная LlamaForCausalLM, около 5,9 млрд параметров; нативный контекст — 2048 токенов. Модель принимает и генерирует текст. В README описана работа с корейскими и англоязычными данными; также использованы датасеты по истории, науке и математике. Обучение проводилось с LoRA на двух A100 с 40 ГБ памяти каждая. Лицензия — CC BY-SA 4.0. Обучающие данные закрыты, поэтому состав и качество отдельных наборов нельзя независимо проверить. Короткий контекст ограничивает обработку длинных документов; результаты могут быть неточными, особенно в фактических ответах и решении задач.

alexmt-qwen3-0.6b-sft — диалоговая модель для перевода между английским и девятью разновидностями разговорного арабского языка. Её разработчик дообучил Qwen3-0.6B методом supervised fine-tuning на обучающей части набора Alexandria; модель содержит 507,9 млн параметров, использует плотную архитектуру Qwen3 и формат safetensors. В метаданных указан контекст 40 960 токенов. Модель предназначена для контекстного перевода реплик в диалогах: вход включает до трёх предыдущих реплик, а также сведения о домене, участниках и направлении гендерных характеристик говорящего и адресата. Она принимает промпт в JSON-формате Alexandria как одну пользовательскую реплику и возвращает перевод в поле translation. Обучение охватывает направления английский → диалектный арабский и диалектный арабский → английский для вариантов Египта, Иордании, Ливана, Марокко, Омана, Палестины, Саудовской Аравии, Сирии и Йемена. В отчёте приведены метрики spBLEU и chrF++ на открытом тестовом наборе Alexandria, но диалектная точность отдельно не оценивалась. Результаты получены с одним случайным начальным состоянием и одним разбиением данных, поэтому они ограниченно характеризуют качество и напрямую не сопоставимы с результатами статьи Alexandria или соревнования AlexandriaX. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях.

Это квантованная MLX-версия модели AliceAI-T5-35B-A0.6B от Yandex, подготовленная для Apple Silicon. Модель построена на архитектуре T5 encoder-decoder с Mixture-of-Experts: всего 35 млрд параметров, из которых активно 0,6 млрд на токен. Эксперты квантованы до 4 бит, блоки внимания — до 8 бит; запуск оптимизирован для GPU Metal через MLX. Основное назначение — перевод с китайского на русский. В комплекте также предусмотрены режимы исправления текста и вопросов и ответов, но китайские ответы в режиме Q&A ненадёжны. Модель принимает текст и генерирует текст. В README приведены замеры производительности на Apple M4 Pro, однако они относятся к конкретной конфигурации оборудования. Перевод длинных текстов может обрываться, поэтому их рекомендуется делить на части. Для режима Q&A параметр min_new_tokens помогает избежать преждевременного завершения ответа. Лицензия указана как other; дополнительных условий в предоставленных данных нет.

Sunbird/asr-whisper-51-african-languages — модель распознавания речи Sunbird, созданная на основе Whisper large-v3 и объединённая с другими вариантами Whisper, включая huwenjie333/whisper-v3-ft-af51. Она предназначена для транскрибации речи на 51 африканском языке, включая суахили, хауса, йоруба, зулу, амхарский, а также английский и французский с африканскими акцентами. Модель дообучена на многоязычном корпусе из открытых и собранных сообществом наборов речевых данных. Карточка сообщает о сравнении с несколькими другими системами распознавания и о более низких WER и CER на большинстве проверенных языков, особенно на некоторых низкоресурсных языках; эти результаты относятся к описанным в README тестовым выборкам. Это предварительная версия: веса, поведение и качество могут измениться, поэтому авторы не рекомендуют закреплять этот чекпойнт в производственных системах. Для Whisper указано ограничение входного аудио до 30 секунд в описанном протоколе оценки. Лицензия — Apache-2.0.

BowLingual-12B-v1 — дообученная модель stenml на базе google/gemma-4-12B-it для разговорного перевода с английского на тайский. Она рассчитана на неформальные сообщения в чатах LINE и Messenger и помогает сохранять естественный тон, прямоту и эмоциональную окраску исходного текста. Модель построена на архитектуре Gemma 4 Unified, использует библиотеку Transformers и распространяется в формате safetensors; доступен также отдельный релиз Q4_K_M GGUF. Модель поддерживает диалоговый формат и мультимодальные входы базовой модели, однако мультимодальные возможности после дообучения отдельно не оценивались. Для перевода можно использовать генерацию с температурой 1,0, top-p 0,95 и top-k 64; более низкая температура может уменьшить вариативность. Формальных результатов бенчмарков нет. Модель распространяется по лицензии Apache-2.0.

Cendol mT5-small Instruct — разработанная IndoNLP инструкция-настроенная генеративная модель на архитектуре mT5 с 157,4 млн параметров. Это версия семейства Cendol для задач на индонезийских языках; модель принимает текстовые инструкции и генерирует текстовый ответ. В карточке описана поддержка задач анализа тональности, тематической классификации, машинного перевода, суммаризации, ответов на вопросы и перефразирования. Модель рассчитана на одношаговое взаимодействие и языки Индонезии; в метаданных указаны индонезийский, сунданский и яванский. Модель подходит для исследовательских и прикладных экспериментов с текстовыми задачами на этих языках. Разработчики сообщают о результатах на внутренних тестах, однако README предупреждает о возможности неточных, предвзятых или нежелательных ответов и рекомендует проводить проверку безопасности под конкретное применение. Лицензия — Apache 2.0.

Neobe разработал и дообучил byT5-large для перевода предложений с дивехи на английский. Это байтовая модель encoder-decoder на архитектуре T5 с 1,2 млрд параметров; она принимает текст на дивехи, записанный письмом тхаана, и выдаёт английский перевод. Модель рассчитана на перевод отдельных предложений, особенно новостных и справочных текстов о Мальдивах. В карточке приведены оценки на тестовых данных и примеры перевода. Для письма тхаана автор рекомендует ориентироваться на chrF, поскольку BLEU ненадёжно отражает качество при особенностях сегментации слов и морфологии. Модель обучалась на корпусе предложений с машинными переводами и хуже подходит для технического или неформального английского, отсутствующего в обучающих данных. Для входа следует использовать только одно предложение: на абзацах модель может давать неудовлетворительный результат. Базовая модель — google/byt5-large. Лицензия — Apache-2.0.

Модель Meher2006/english-to-telugu-model — дообученный вариант mBART для перевода текста с английского на телугу. Она предназначена для перевода распространённых фраз, предложений и обычных разговоров; построена на архитектуре MBartForConditionalGeneration и рассчитана на работу через Transformers с PyTorch. Модель содержит около 457,4 млн параметров, поддерживает контекст до 1024 токенов и распространяется в форматах PyTorch и safetensors. Модель может применяться для перевода коротких пользовательских сообщений, типовых фраз и общего текста. В README заявлена поддержка широкого словаря и разных структур предложений, однако независимые оценки качества не приведены. Лицензия Apache-2.0.

Ganda Gemma 1B — дообученная CraneAILabs инструктивная модель на базе Google Gemma 3 1B Instruct для перевода с английского на луганда и общения на луганда. Это плотная авторегрессионная языковая модель с 1 млрд параметров, поддержкой диалогового режима и форматом safetensors; метаданные указывают контекст до 32 768 токенов. README описывает настройку на парах английский—луганда и оценку перевода без примеров на FLORES-200. Модель принимает текст на английском и луганда, а ответы генерирует только на луганда. Помимо перевода, её можно применять для диалогов, ответов на вопросы, кратких пересказов и создания текстов на луганда; она рассчитана в том числе на переводческие, образовательные и культурные приложения с запуском на потребительском оборудовании. В README заявлены высокая эффективность по BLEU относительно размера и конкурентное качество перевода, однако приведённая таблица сравнения неполна, поэтому эти заявления нельзя независимо проверить по карточке. Указаны ограничения: только луганда на выходе, возможные пробелы в культурных нюансах и диалектах; README называет её оптимизированной для коротких диалогов и указывает контекст 2048 токенов, тогда как метаданные сообщают нативный контекст 32 768 токенов. Лицензия — Gemma; условия использования определяются лицензией Gemma от Google.

DevQuasar/google.translategemma-4b-it-GGUF — квантованная версия модели google/translategemma-4b-it, подготовленная DevQuasar. Модель предназначена для задач генерации текста; исходная карточка указывает на принадлежность к pipeline text-generation. В README не раскрыты подробности архитектуры, точный размер в параметрах, поддерживаемые языки и модальности, длина контекста, конкретные сценарии применения, используемый формат квантования или требования к ресурсам. Поэтому сильные стороны можно описать только как преимущества квантованной версии, потенциально связанные с более экономичным размещением и запуском, а ограничения — как отсутствие необходимых технических сведений для детальной оценки. Лицензия и условия использования в предоставленном README не указаны.

Hirashiba-MT-zh-vi — компактная модель машинного перевода на архитектуре MarianMT, представленная пользователем chi-vi. По метаданным, она содержит 11,6 млн параметров и предназначена для перевода с китайского языка на вьетнамский. Модель доступна в формате safetensors для библиотеки Transformers; максимальная длина контекста составляет 512 токенов. README не раскрывает дополнительных сценариев применения, а его описание про «контроль доступа и пополнение воды» не согласуется с задачей перевода в метаданных. Модель распространяется по лицензии GPL-3.0.

Huihui-HY-MT1.5-7B-abliterated — версия модели Tencent HY-MT1.5-7B, изменённая командой huihui-ai методом abliteration, который снижает склонность модели отказываться от ответов. Это экспериментальная модификация многоязычной плотной языковой модели HunYuan с 7,5 млрд параметров, предназначенной прежде всего для перевода. Она поддерживает контекст до 262 144 токенов и доступна в формате safetensors для загрузки через Transformers. Модель рассчитана на перевод и, по заявлению авторов, может подойти для сценариев, где перевод сочетается с диалогом. В карточке указана поддержка языков, включая китайский, английский, русский, японский, арабский, хинди и другие. Abliteration снижает защитные фильтры, поэтому модель может выдавать чувствительный или спорный контент; авторы считают эту реализацию грубой проверкой концепции и рекомендуют для одного лишь перевода исходную модель Tencent. Лицензия в предоставленных данных не указана.

AngelSlim представляет квантизированную версию модели перевода Hy-MT1.5-1.8B, разработанной командой Tencent Hunyuan. Она предназначена для взаимного перевода между 33 языками и поддерживает 1 056 направлений перевода, включая пять диалектов и языков меньшинств. Модель содержит 1,8 млрд параметров, использует плотную архитектуру HunYuanDenseV1ForCausalLM и рассчитана на контекст до 262 144 токенов. Веса сжаты до эффективной разрядности 1,25 бита методом Sherry: для каждой группы из четырёх весов три хранятся в 1-битном виде, а один обнуляется. По README, размер сжатой версии составляет 440 МБ; она предназначена для офлайн-перевода на мобильных устройствах с ограниченной памятью. Репозиторий предоставляет веса в safetensors, а также заявляет выпуск формата GGUF и поддержку мобильного ядра STQ. Модель подходит для перевода сообщений, писем, веб-страниц и отдельных слов без передачи данных в сеть. README сообщает о минимальной потере качества при сжатии, но не приводит численных результатов именно для этой версии; фактические скорость и качество могут зависеть от устройства и реализации ядра. Лицензия в предоставленных данных не указана.

Hy-MT1.5-1.8B-1.25bit — компактная квантованная версия специализированной модели машинного перевода Hy-MT1.5-1.8B от команды Tencent Hunyuan. Она предназначена для перевода между 33 языками, включая 1 056 языковых направлений, и рассчитана на локальную работу на мобильных устройствах без подключения к интернету. Базовая модель поддерживает также пять диалектов и языков меньшинств. Модель использует плотную архитектуру HunYuan Dense V1 с 1,8 млрд параметров и контекстом до 262 144 токенов. Для сжатия применён алгоритм Sherry с эффективной разрядностью 1,25 бита: веса упакованы с разреженностью 3:4, а размер весов сокращён примерно до 440 МБ. В README сообщается о небольшом снижении точности после квантования и о возможности запускать модель офлайн на телефонах; для мобильного ускорения упоминается специальное ядро STQ. Репозиторий содержит веса Safetensors. Модель подходит для офлайн-перевода сообщений, писем и веб-страниц, в том числе в фоновом режиме Android-приложения. Для исходной модели заявлены высокое качество и широкий набор языковых направлений, однако результаты квантованной версии могут отличаться; лицензия в предоставленных данных не указана.

AngelSlim/Hy-MT1.5-1.8B-2bit — сжатая версия модели перевода HY-MT1.5-1.8B, разработанной командой Tencent Hunyuan и выпущенной проектом AngelSlim. Модель предназначена для взаимного перевода между 33 языками и поддерживает 1 056 направлений перевода, включая пять диалектов или языков меньшинств. Это плотная причинная языковая модель семейства Hunyuan с 1,8 млрд параметров и контекстом до 262 144 токенов. Веса сжаты до 2 бит методом Stretched Elastic Quantization и адаптированы с помощью дистилляции с учётом квантования; размер релиза составляет около 574 МБ. Модель рассчитана на локальный автономный запуск, в том числе на мобильных устройствах; для GGUF требуется специальное ядро Q2_0c llama.cpp. README заявляет о сохранении близкого к исходной модели качества перевода, но приводит сравнения со ссылкой на технический отчёт, а не численные результаты в самом тексте. Лицензия в предоставленных данных не указана.

adipras1407/indictrans2-en-indic-1B-conversational — дообученная модель перевода на основе IndicTrans2 от AI4Bharat. Она предназначена для перевода с английского на 21 индийский язык в разговорном регистре: например, для чатов, диалогов и субтитров. Модель использует архитектуру IndicTrans для условной генерации текста и содержит около 1,1 млрд параметров; для работы применяется библиотека Transformers. В README заявлено улучшение chrF2 на разговорных тестах при близком к базовой модели результате на FLORES, однако прирост не подтверждён оценкой людьми и может частично отражать сходство стиля с тестовыми примерами. Модель обучали на смешанных разговорных и общих данных, а затем усреднили веса с базовой моделью. Направление перевода — только с английского на индийские языки; перевод в обратном направлении и между индийскими языками не проверялся. Для официального или новостного текста базовая модель может быть не хуже, а качество для языков с малым объёмом данных ограничено. Весам указана лицензия MIT; README также рекомендует проверять условия лицензирования исходных обучающих данных, особенно для коммерческого использования.

MLP-KTLim разработала эту мультиязычную модель для перевода коротких текстов между корейским, вьетнамским, индонезийским, кхмерским и тайским языками. Это дообученная версия инструкционной модели Meta Llama 3.1 8B Instruct с архитектурой Llama и 7,5 млрд параметров; она принимает текстовые запросы и генерирует перевод. В карточке заявлены все пары направлений между пятью языками и обучение на 20 млн примеров. Модель предназначена для перевода коротких фраз, распространённых выражений и простых разговоров. Контекстное окно составляет 131 072 токена, однако авторы предупреждают, что качество может снижаться на длинных и сложных текстах и различаться в зависимости от языковой пары и содержания. Модель распространяется по лицензии Llama 3.1.

KickItLikeShika дообучил Llama 3.3 70B Instruct для перевода с английского на татарский язык. Модель создана в рамках Low Resource Machine Translation Workshop (EACL26) и обучена на новом синтетическом датасете, представленном автором в исследовании. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров; метаданные указывают контекст до 131 072 токенов и формат safetensors. Модель предназначена для машинного перевода текстов с английского на татарский в сценариях работы с языком с ограниченными ресурсами. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей обучающих данных, поэтому качество перевода и устойчивость на разных жанрах по этим сведениям определить нельзя.

MangaLens — модель компьютерного зрения, созданная автором репозитория huyvux3005 и дообученная на базе YOLO11n для поиска и сегментации речевых пузырей в изображениях манги и комиксов. Она использует архитектуру YOLO11n Nano и библиотеку Ultralytics, принимает RGB-изображения и выдаёт рамки объектов и маски экземпляров для одного класса — речевого пузыря. Модель предназначена для подготовки страниц манги к извлечению и переводу текста, анализа расположения диалогов, разметки наборов данных и создания функций доступности, например озвучивания текста. В README приведены результаты оценки на 44-й эпохе: mAP@50 99,10% для рамок и 99,13% для масок; заявленная скорость составляет около 15–25 мс на изображение на T4, 8–12 мс на V100 и 200–400 мс на CPU. Эти показатели приведены автором и не описывают независимую проверку. Обучение проводилось на MS92/MangaSegmentation и Manga109. Основная специализация — речевые пузыри в манге, поэтому качество на других типах изображений и графических элементов может быть ниже. Репозиторий указывает лицензию Apache-2.0.

myawesomebooksmodel2 — модель T5, дообученная Taisiia7 на основе utrobinmv/t5_translate_en_ru_zh_small_1024. Она предназначена для генерации текста по текстовому запросу; базовая модель поддерживает перевод между английским, русским и китайским языками, однако README не уточняет специализацию дообучения на книжных данных. Модель содержит 62,7 млн параметров и распространяется в формате safetensors через библиотеку Transformers. В README приведены результаты оценки: BLEU 41,4247, Loss 0,9046 и средняя длина генерации 39,2936. Датасет обучения и конкретные ограничения не описаны. Лицензия — Apache-2.0.

NileChat-3B — диалоговая языковая модель, разработанная UBC-NLP для египетских и марокканских сообществ. Это версия с инструктивной настройкой на базе Qwen/Qwen2.5-3B; модель содержит около 3 млрд параметров и предназначена для генерации ответов с учётом особенностей местных диалектов и культурного контекста. Модель понимает и генерирует египетский и марокканский арабский на арабском письме и в Arabizi, а также работает с современным литературным арабским, французским и английским. Её сценарии применения включают диалог, создание локально релевантного контента и перевод между диалектами, литературным арабским, английским и французским. В README указано обучение на специально собранных языковых и культурных данных, включая материалы о наследии и ценностях Египта и Марокко. NileChat-3B представлена как исследовательский proof of concept. Возможны фактические ошибки, чувствительность к формулировке запроса и нестабильность на очень длинных входах; важные ответы следует проверять. Лицензия обозначена в метаданных как other, поэтому конкретные условия использования следует уточнить в карточке модели.