I.6Перевод и языковая адаптация

Helsinki-NLP/opus-mt-zh-en — модель машинного перевода, разработанная группой Language Technology Research Group Хельсинкского университета. Она переводит текст с китайского языка на английский и предназначена для прямого использования в задачах перевода и генерации текста по тексту. Модель построена на архитектуре Marian и содержит 58,4 млн параметров. Для подготовки текста используются нормализация и SentencePiece с отдельными словарями размером 32 тыс. токенов; длина контекста составляет 512 токенов. В тесте Tatoeba-test.zho.eng указаны оценки BLEU 36,1 и chr-F 0,548. Модель поддерживает только направление китайский → английский. В README отмечены возможные смещения и риски распространения стереотипов, а качество перевода может зависеть от тематики и контекста. Лицензия — CC-BY-4.0.

Helsinki-NLP/opus-mt-zls-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на основе проекта Tatoeba-Challenge. Она переводит с южнославянских языков на английский: поддерживаются боснийский, болгарский, хорватский, македонский, словенский и сербский в кириллической и латинской записи. Это трансформер MarianMT с 54,7 млн параметров; при обработке используются нормализация текста и SentencePiece с моделью токенизатора на 32 тыс. единиц. Родной контекст — 512 токенов. Модель подходит для перевода предложений и коротких текстов, включая локализацию и перевод пользовательских материалов с южнославянских языков на английский. В README приведены результаты на тестах Tatoeba для болгарского, хорватского/боснийского и македонского; показатели BLEU составляют 54,9, 55,7 и 54,6 соответственно. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Pumatic English-Polish Translation Model — модель машинного перевода pumad для перевода с английского на польский. Она построена на архитектуре MarianMT типа encoder-decoder и обучена с нуля; для неё также с нуля создан токенизатор SentencePiece unigram с размером словаря 32 000. В метаданных указано около 100,1 млн параметров и контекст 512 токенов, тогда как README сообщает около 157 млн параметров. Модель обучалась на параллельных корпусах OPUS-100, Europarl и UN Parallel Corpus. Она предназначена для общего перевода, в том числе формального письменного текста; заявлена демонстрация и API. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README отмечает, что качество специализированной терминологии может различаться, разговорные выражения переводятся менее точно, а для оптимальных результатов вход рекомендуется разбивать на фрагменты примерно до 400 символов.

Qingqiu-MT-9B — мультиязычная модель машинного перевода с выполнением инструкций, разработанная командой WPS-Qingqiu компании Kingsoft Office для ограниченного трека соревнования WMT26 по общему машинному переводу. Это дообученная версия Qwen/Qwen3.5-9B с плотной архитектурой на 9 млрд параметров; модель запускается через Transformers и распространяется в формате safetensors. Модель переводит между 20 языками и поддерживает 22 из 23 официальных направлений WMT26, включая перевод с учётом дополнительных инструкций по терминологии, формату, стилю и другим требованиям. На вход подаются текст, исходный и целевой языки, инструкция и исходный текст; модель должна вернуть только перевод. В описанных разработчиками оценках на IF-WMT25 и IFMTBench она превзошла базовую Qwen3.5-9B по парным сравнениям, однако результаты зависят от тестового набора и оценки LLM-судьёй. Модель предназначена для многоязычного перевода с инструкциями, а не для универсальных диалоговых или мультимодальных задач. Для работы требуется актуальная версия Transformers с поддержкой Qwen3.5; в карточке рекомендуется Transformers 5.2.0 или новее. Лицензия — Apache 2.0.

Qwen2.5-7B-Stair_2c1t — плотная языковая модель на 7,1 млрд параметров, разработанная как часть проекта Doc2FRC и дообученная полным параметрическим supervised fine-tuning на базе Qwen/Qwen2.5-7B-Instruct. Она предназначена для машинного перевода фрагментов документов с учётом контекста соседних фрагментов: первый переводится без контекста, второй получает один предыдущий исходный фрагмент, а последующие — два. Модель загружается через Transformers и имеет контекстное окно 32 768 токенов. Модель переводит между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским языками в обоих направлениях. Обучение проводилось на чанках длиной 256–512 токенов; для точного воспроизведения разбиения, формата запросов и оценки авторы отсылают к репозиторию Doc2FRC. Модель распространяется по лицензии Apache-2.0.

NVIDIA Riva-Translate-4B-Instruct-v1.1 — модель для перевода текста между английским и 11 другими языками и диалектами. Она построена на архитектуре decoder-only Transformer и дообучена для перевода на основе 4-миллиардной модели, полученной сжатием и дистилляцией nvidia/Mistral-NeMo-Minitron-8B-Base. В метаданных базовой моделью указана nvidia/Mistral-NeMo-12B-Base. Модель содержит 3,9 млрд параметров и поддерживает контекст до 8192 токенов. Поддерживаются английский, немецкий, европейский и латиноамериканский варианты испанского, французский, бразильский португальский, русский, упрощённый и традиционный китайский, японский, корейский и арабский. Перевод выполняется в обоих направлениях между английским и каждым из этих языков или вариантов; выбор пары задаётся тегом в системном промпте. Модель работает с текстом и предназначена для использования через Transformers или vLLM. Модель разработала NVIDIA. В карточке лицензия обозначена как NVIDIA Community Model License; перед использованием следует соблюдать её условия. Качество зависит от предметной области, сценария, шума и контекста; возможны грамматические и смысловые ошибки. README сообщает о более новой версии, Riva-Translate-4B-Instruct-v2, с поддержкой 36 языков.

Модель utrobinmv/t5_translate_en_ru_zh_large_1024 — мультиязычная версия трансформера T5 для машинного перевода, разработанная автором репозитория. Она переводит между русским, китайским и английским языками: ru↔zh, en↔zh и en↔ru. Целевой язык задаётся префиксом «translate to :»; язык исходного текста можно не указывать, а сам текст может содержать несколько языков. Модель содержит 419 млн параметров и опубликована в формате safetensors. В карточке указано обучение на датасете CCMatrix. Поддерживаются русский, китайский и английский языки. Репозиторий распространяется по лицензии Apache-2.0.

Cohere и Cohere Labs разработали Cohere Labs Tiny Aya Global — авторегрессионную языковую модель на основе оптимизированного Transformer с 3,35 млрд параметров. Модель дообучена с помощью supervised fine-tuning и обучения предпочтениям, поддерживает диалог и предназначена для эффективного запуска при ограниченных вычислительных ресурсах. Контекст составляет 8K токенов; модель принимает текст и генерирует текст. Модель ориентирована на многоязычную генерацию и диалог, включая суммаризацию, перевод и межъязыковые задачи. Она охватывает более 70 языков, в том числе русский и ряд языков с ограниченными ресурсами; заявленный баланс между языками и регионами — ключевая особенность версии Global. Модель также подходит для адаптации под конкретные задачи и исследований многоязычной обработки естественного языка. Сильные стороны — генерация текста на широком наборе языков и сравнительно хорошая работа с языками, для которых доступно меньше обучающих данных. Качество рассуждений, включая многоязычную математику, слабее, чем открытая генерация и диалог; фактические ошибки и нестабильность вероятнее для низкоресурсных языков, а сложные инструкции могут быть трудны для модели. Лицензия CC-BY-NC-4.0 ограничивает использование некоммерческими целями; также требуется соблюдать политику допустимого использования Cohere Labs.

Tower-7B-Stair_2c1t — мультиязычная модель машинного перевода от авторов работы Doc2FRC, созданная полнопараметрическим дообучением Unbabel/TowerInstruct-Mistral-7B-v0.2. Она переводит фрагменты документов между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским языками. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Для обработки контекста документа вариант Stair_2c1t принимает текущий фрагмент вместе с нулём, одним или двумя предыдущими исходными фрагментами; при этом используется схема, зависящая от позиции фрагмента. Для обучения применялась фиксированная нарезка на фрагменты длиной 256–512 токенов, максимальная длина последовательности — 32 768 токенов. Модель рассчитана на перевод документов с учётом локального контекста, а не только отдельных предложений. Для точного воспроизведения разбиения документов, формата запросов и процедуры оценки нужны скрипты проекта Doc2FRC. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и задаёт условия распространения производных материалов.

WindstormTranslate/translate-en-hu — модель машинного перевода от Windstorm Labs для перевода текста с английского на венгерский. Это дообученная версия Helsinki-NLP/opus-mt-en-hu на параллельных текстах: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре Marian, содержит 57,2 млн параметров и принимает контекст длиной до 512 токенов. Модель предназначена для перевода с английского на венгерский. В проверке на 48 предложениях FLORES-200 она получила chrF++ 56,03 и BLEU 30,36; авторы характеризуют результат как скрининговую оценку, а не как результат публикационного исследования. Поддерживается только одно направление перевода. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

VinAI Translate vi2en-v2 — модель машинного перевода, разработанная VinAI для перевода между вьетнамским и английским языками. Репозиторий vi2en-v2 предназначен прежде всего для перевода с вьетнамского на английский; в карточке также упоминается система VinAI Translate для перевода в обратном направлении. Модель построена на архитектуре mBART и содержит 269,7 млн параметров. Она принимает текст и генерирует текст перевода; максимальная длина контекста — 1024 токена. Для работы доступны веса PyTorch. Карточка называет модели VinAI Translate передовыми, но не приводит метрик именно для этой версии. При использовании модели в публикациях или программном обеспечении авторы просят цитировать статью о системе. Лицензия репозитория — AGPL-3.0.

Это версия TranslateGemma 12B Instruct от chbae624, подготовленная для запуска с vLLM. Веса совпадают с google/translategemma-12b-it: модель не переобучалась, изменены только конфигурационные файлы и шаблон чата. Архитектура — плотная Gemma 3; файлы весов представлены в safetensors, библиотека — Transformers. Модель предназначена для перевода между 55 языками через стандартный чат API vLLM. Шаблон передаёт языки и текст в формате `>>{source_lang}>>{target_lang}>>{text_to_translate}`; для пользовательского запроса предусмотрен формат `>>{text}`. Лицензия — Gemma. Обучение ориентировано примерно на последовательности длиной 2 тыс. токенов; заметно более длинный ввод может ухудшить качество перевода. Эта версия адаптирует интерфейс и конфигурацию для vLLM, сохраняя исходные веса.

unsloth/whisper-large-v3 — мультиязычная модель распознавания речи от Unsloth, основанная на Whisper large-v3 от OpenAI. Это Transformer encoder-decoder с архитектурой sequence-to-sequence и примерно 905,2 млн параметров; модель принимает аудио и преобразует речь в текст, в том числе выполняет перевод речи между языками. Вариант large-v3 использует 128 Mel-частотных полос и включает отдельный токен для кантонского языка. Модель подходит для автоматической транскрибации и перевода аудио, включая записи с фоновым шумом, разными акцентами и технической лексикой. Карточка Unsloth заявляет ускорение до 1,5 раза и снижение расхода памяти до 50% по сравнению с базовым запуском Whisper; результаты могут зависеть от среды и настроек. README указывает, что для аудио длиннее 30 секунд требуется алгоритм обработки длинных записей. Распознавание менее точное для языков с небольшим объёмом обучающих данных и может различаться по акцентам и диалектам. Возможны галлюцинации — текст, которого нет в аудио, — и повторение фрагментов. Модель распространяется по лицензии Apache-2.0.

facebook/wmt19-ru-en — перенесённая в Transformers модель машинного перевода Facebook FAIR на базе архитектуры FSMT (FairSeq Machine Translation). Она предназначена для перевода текста с русского на английский, в том числе новостных текстов; модель содержит около 100,7 млн параметров и принимает контекст до 1024 токенов. Веса перенесены из оригинального выпуска fairseq без изменений. В опубликованной оценке для направления ru-en указана оценка 39,20 в Transformers против 41,3 в fairseq; разница связана с отсутствием ансамбля моделей и повторного ранжирования в текущей реализации Transformers. Модель плохо обрабатывает повторяющиеся фрагменты: перевод может обрезаться. Лицензия — Apache-2.0.

AlexandriaX-2026 — дообученная NAMAA Community модель mT5-large для перевода диалогов с английского на разговорный арабский. Целевой диалект задаётся текстовым префиксом; модель обучена на распределении по странам с температурной балансировкой и охватывает 13 разновидностей арабского языка. Модель основана на google/mt5-large с архитектурой encoder-decoder T5 и содержит 608,4 млн параметров. Подходит для перевода англоязычных диалогов на заданный арабский диалект. Выпущена в формате safetensors под лицензией Apache-2.0. В README указано использовать bf16 или fp32: fp16 может приводить к переполнению и NaN.

uzlm/alloma-8B-Instruct — инструкционная языковая модель из серии Alloma, разработанная для работы с узбекским языком на основе Meta Llama 3.1 8B Instruct. Модель прошла дополнительное предобучение на 3,6 млрд токенов на узбекских и английских текстах, а затем дообучение на инструкциях. Архитектура Llama сохранена, а токенизатор адаптирован: по данным авторов, он кодирует узбекское слово в среднем примерно 1,7 токена вместо 3,5 у исходного Llama, что может ускорять обработку узбекского текста и эффективнее использовать контекст. В метаданных указаны 7,5 млрд параметров и контекст до 131 072 токенов; README описывает этап дополнительного предобучения с контекстом 4096 токенов. Модель предназначена для диалога и генерации текста на узбекском и английском языках, включая перевод, ответы на вопросы, суммаризацию и простые задачи классификации. Авторы сообщают о преимуществе над базовой моделью в тестах перевода и анализа тональности на узбекском, но также отмечают некоторое снижение результатов на английском MMLU и классификации новостей из-за забывания части исходных навыков следования инструкциям. Для использования в Transformers рекомендуется предварительно заменять апостроф на последовательность APST в узбекском вводе. Модель распространяется по лицензии Llama 3.1.

ChindaMT-2B — открытая модель машинного перевода с 2 млрд параметров, разработанная iApp и дообученная на базе Qwen/Qwen3.5-2B. Она переводит с тайского на английский и с английского на тайский, а также следует дополнительным указаниям в запросе: например, сохранять заданную терминологию, регистр, длину или формат ответа. Модель использует плотную архитектуру Qwen3.5 и обучена полным дообучением на наборе iapp/ChindaMT-Grounded из 1,97 млн записей. В README сообщаются результаты оценок на переводческих наборах и попарных сравнениях с моделями сопоставимого размера; эти результаты относятся к описанным авторами протоколам и настройкам генерации. Модель рассчитана на двусторонний перевод тайского и английского текстов, в том числе с ограничениями по формулировкам и оформлению. Обучение использовало ограничение длины входа 1024 токена; для длинных документов рекомендуется переводить текст абзацами, поскольку более длинные входы применяются на риск пользователя. Поддержка за пределами пары тайский—английский не заявлена. Лицензия — Apache-2.0.

En-Indic Translate 26B — дообученная модель на базе google/gemma-4-26B-A4B-it, представленная автором карточки как система перевода с английского на 11 индийских языков: ассамский, бенгальский, гуджарати, хинди, каннада, малаялам, маратхи, одиа, пенджаби, тамильский и телугу. Она предназначена для перевода сложных, длинных документов с формулами и структурированным содержимым. Модель сохраняет LaTeX-формулы, блоки кода, заголовки и структуру документа. Базовая Gemma 4 — мультимодальная модель, но README описывает именно перевод текста; указанная архитектура — Gemma4ForConditionalGeneration, формат весов — safetensors, библиотека — Transformers. В карточке приведена оценка на 500 документах, где отдельно измерялись сохранность математических элементов, кода и склонность к циклическим повторам. Возможность модели обрабатывать тысячи токенов согласованно заявлена в README, но точная длина контекста в предоставленных сведениях не приведена. Автор сообщает о тестировании на AMD MI300X с ROCm; для NVIDIA CUDA могут потребоваться корректировки версий пакетов. Лицензия — Gemma.

Карточка модели sulabhkatiyar/en-indic-translate-26b на Hugging Face совпадает с карточкой hariharasudhan/en-indic-translate-26b, поэтому описание составлено по ней. En-Indic Translate 26B — дообученная модель на базе google/gemma-4-26B-A4B-it, представленная автором карточки как система перевода с английского на 11 индийских языков: ассамский, бенгальский, гуджарати, хинди, каннада, малаялам, маратхи, одиа, пенджаби, тамильский и телугу. Она предназначена для перевода сложных, длинных документов с формулами и структурированным содержимым. Модель сохраняет LaTeX-формулы, блоки кода, заголовки и структуру документа. Базовая Gemma 4 — мультимодальная модель, но README описывает именно перевод текста; указанная архитектура — Gemma4ForConditionalGeneration, формат весов — safetensors, библиотека — Transformers. В карточке приведена оценка на 500 документах, где отдельно измерялись сохранность математических элементов, кода и склонность к циклическим повторам. Возможность модели обрабатывать тысячи токенов согласованно заявлена в README, но точная длина контекста в предоставленных сведениях не приведена. Автор сообщает о тестировании на AMD MI300X с ROCm; для NVIDIA CUDA могут потребоваться корректировки версий пакетов. Лицензия — Gemma.

EnViT5-base — предварительно обученная модель семейства T5 с архитектурой encoder-decoder, разработанная VietAI для вьетнамского и английского языков и использованная в работе MTet. Модель содержит 137,5 млн параметров и предназначена для задач генерации текста по входному тексту, включая ответы на вопросы и машинный перевод. Модель доступна в форматах PyTorch, TensorFlow и Flax. В метаданных Hugging Face основной задачей указаны ответы на вопросы; карточка также описывает её как предобученную модель для машинного перевода. Лицензия — MIT.

EXAONE 3.5 7.8B Korean-English Translation — языковая модель компании LG AI Research, дообученная методом LoRA на базе LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct и объединённая с базовой моделью. Она предназначена для перевода между корейским и английским языками; также может использоваться для генерации текста и диалогов на этих языках. Модель содержит 7,4 млрд параметров, использует плотную архитектуру ExaoneForCausalLM, работает с Transformers и принимает текст, выдавая текст. Контекстное окно составляет 32 768 токенов. Модель ориентирована на двунаправленный перевод корейского и английского языков. Использование регулируется лицензией с обозначением «other» на Hugging Face; конкретные условия следует проверять в репозитории модели и у правообладателя. В карточке не приведены результаты сравнительной оценки качества перевода.

Hunyuan-MT-7B-GGUF — это квантованная в формате GGUF версия языковой модели для машинного перевода Hunyuan-MT-7B, разработанной Tencent. Модель предназначена для перевода текста между 33 языками, включая китайский, английский, французский, португальский, испанский, японский, русский, арабский, корейский, немецкий и ряд других языков, в том числе пять языков этнических меньшинств Китая. Модель имеет размер 7B параметров и рассчитана на запуск через llama.cpp и совместимые инструменты. Представленная версия была создана с использованием llama.cpp; автор сборки также применял выборочное повышение точности отдельных слоёв при квантовании, чтобы улучшить качество при ограниченной разрядности, хотя это увеличивает размер файлов. Модель ориентирована именно на перевод и ожидает инструкции с указанием целевого языка без дополнительных пояснений. Сведения об архитектуре, размере контекста и поддержке других модальностей в карточке не указаны. Сильной стороной исходной Hunyuan-MT-7B заявлена высокая эффективность в задачах перевода: на конкурсе WMT25 она заняла первое место в 30 из 31 языковой категории, в которой участвовала. Ограничения включают специализацию преимущественно на переводе и возможное снижение качества при низкоразрядном квантовании, несмотря на оптимизацию отдельных слоёв. Лицензия в предоставленной карточке не указана.

HY-MT1.5-1.8B-FP8 — квантованная в формате FP8 версия модели Hunyuan Translation Model 1.5 с 1,8 млрд параметров, разработанная Tencent Hunyuan. Модель предназначена для машинного перевода и взаимного перевода между 33 языками, а также поддерживает пять этнических и диалектных вариантов. Среди заявленных языков — китайский, английский, русский, японский, корейский, арабский, французский, немецкий, испанский, португальский и другие. Модель ориентирована на быстрый и качественный перевод, включая сценарии реального времени и развёртывание на периферийных устройствах после квантования. Она поддерживает вмешательство в терминологию, контекстный перевод и перевод с сохранением форматирования. Для работы предусмотрена интеграция с библиотекой Transformers; в README приведены шаблоны запросов для перевода с китайского и на китайский, перевода между другими языками, передачи контекста и сохранения тегов форматирования. К сильным сторонам относятся высокая скорость, компактность относительно 7B-версии и заявленная конкурентоспособная производительность среди моделей сопоставимого размера, включая сравнение с коммерческими API. Ограничения README не раскрывает: не указаны размер контекста, точные архитектурные характеристики, результаты отдельных тестов, требования к оборудованию и перечень поддерживаемых форматов ввода помимо текстового. Лицензия в предоставленных материалах не указана.

Hy-MT2-30B-A3B-GGUF — квантованная версия модели Hy-MT2-30B-A3B, разработанной Tencent и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена прежде всего для задач машинного перевода и поддерживает широкий набор языков, включая китайский, английский, русский, французский, испанский, немецкий, японский, корейский, арабский и другие. В README указано, что исходная модель имеет размер 30B и конфигурацию A3B, однако сведения об архитектуре, длине контекста, модальностях и точных характеристиках качества не приведены. Доступны варианты квантования от Q2_K до Q8_0, а также IQ4_XS; файлы занимают примерно от 11,2 до 32,1 ГБ. Более лёгкие варианты требуют меньше ресурсов и быстрее работают, но могут уступать в качестве, тогда как Q6_K и Q8_0 обеспечивают более высокое качество при больших требованиях к памяти. Модель подходит для локального запуска и интеграции в приложения перевода при наличии совместимого ПО для GGUF. Ограничения включают возможное снижение качества из-за квантования и отсутствие в README подробностей о результатах тестирования, рекомендуемом контексте и аппаратных требованиях. Лицензия исходной модели указана как Apache-2.0.

Tencent Hy-MT2-30B-A3B-GGUF — это квантованный формат GGUF семейства Hy-MT2, разработанного Tencent для быстрого машинного перевода в сложных реальных сценариях. Модель предназначена для общего, делового, специализированного и ориентированного на инструкции перевода, а также может использоваться в приложениях на базе llama.cpp. Модель построена на архитектуре Mixture-of-Experts (MoE) с конфигурацией 30B-A3B и поддерживает перевод между 33 языками, включая китайский, английский, французский, немецкий, испанский, португальский, японский, корейский, русский, арабский, хинди, турецкий и другие языки, перечисленные в карточке. Поддержка модальности ограничена текстом. Формат GGUF облегчает локальное развертывание, однако в README не указаны точный размер файлов, требования к памяти, длина контекста и конкретные параметры квантования. К сильным сторонам относятся высокая скорость рассуждений и заявленная конкурентоспособность в многоязычном переводе, включая деловые, предметные и инструкционные задачи. Ограничениями являются отсутствие в карточке детальных независимых результатов именно для GGUF-варианта, а также неполная информация о производительности и системных требованиях. Модель распространяется по лицензии Apache-2.0.

Hy-MT2-7B MLX — созданная Tencent Hunyuan многоязычная модель перевода, представленная сообществом mlx-community в формате MLX для запуска через mlx-lm на Apple Silicon. Это плотная причинная языковая модель на 7,5 млрд параметров; данная версия содержит веса bfloat16 и является вариантом по умолчанию с более высоким качеством и повышенными требованиями к памяти. Длина контекста составляет 262 144 токена. Модель предназначена для перевода текста между языками. В README приведён пример перевода с японского на английский; метаданные указывают на многоязычную поддержку, но конкретный перечень языков не приводится. Лицензия Apache-2.0. Репозиторий содержит конвертированные из официального чекпойнта веса MLX и связан с Tencent-Hunyuan/Hy-MT2-7B как производная модель.

Hy-MT2-7B-Abliterated-bf16 — созданная сообществом производная многоязычной модели перевода Tencent Hy-MT2-7B. Репозиторий содержит веса bf16 в формате MLX для запуска через MLX и MLX-LM; модель построена на плотной архитектуре HunYuan и насчитывает 7,5 млрд параметров. Модель предназначена для перевода текстов по инструкциям между поддерживаемыми языками. Вариант bf16 сохраняет более высокую точность по сравнению с 8-битной версией, но требует больше памяти. Заявлен контекст до 262 144 токенов. Abliteration направлена на ослабление поведения, связанного с отказами, однако не гарантирует их полного устранения и может повлиять на качество перевода или другие характеристики. Это не официальный выпуск Tencent. Используется лицензия Apache-2.0, как у базовой модели. Разработчик рекомендует оценить модель на собственных задачах до применения в производственной среде.

Карточка модели naklitechie/indictrans2-en-indic-dist-200M на Hugging Face совпадает с карточкой ai4bharat/indictrans2-en-indic-dist-200M, поэтому описание составлено по ней. IndicTrans2 En-Indic Distilled 200M — компактная модель перевода, разработанная AI4Bharat. Она переводит текст с английского на индийские языки и рассчитана на машинный перевод в приложениях и сервисах. Модель представлена в формате, совместимом с Transformers, и использует веса PyTorch и Safetensors; число в названии указывает на вариант размером 200 млн параметров. Это дистиллированная версия IndicTrans2. Для обучения и метрик разработчики отсылают к разделу о дистиллированных моделях в статье TMLR. Для длинных последовательностей до 2048 токенов README указывает отдельные RoPE-версии IndicTrans2, поэтому эту длину нельзя считать характеристикой данной модели. Лицензия — MIT.

LLaMAX2-7B-Alpaca — многоязычная языковая модель семейства LLaMA, разработанная авторами проекта LLaMAX. Модель создана на основе Llama 2 с продолженным предобучением на корпусах для 102 языков и дообучением на англоязычном наборе инструкций Alpaca. Это плотная авторегрессионная архитектура LlamaForCausalLM с 6,6 млрд параметров и контекстом 4096 токенов. Модель предназначена для диалога и выполнения инструкций, особенно для перевода между более чем 100 языками. В README также описано применение как основы для многоязычных задач рассуждения, здравого смысла и распознавания языковых следствий; приведённые оценки перевода показывают улучшение относительно LLaMA2-Alpaca на Flores-101. Основной сценарий использования — генерация текста по запросу с инструкцией на перевод. Модель принимает и генерирует текст. Карточка заявляет поддержку более 100 языков, включая русский, английский, китайский, арабский и многие языки с ограниченными ресурсами. Распространяется в формате Safetensors по лицензии MIT.

LMT-60-0.6B — модель машинного перевода от команды NiuTrans, дообученная на базе NiuTrans/LMT-60-0.6B-Base. Она относится к плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает контекст до 32 768 токенов. Модель входит в семейство LMT-60, обученное на 90 млрд токенов; семейство рассчитано на перевод между 60 языками в 234 направлениях с особым вниманием к китайскому и английскому языкам. Модель предназначена для многоязычного перевода текстов, включая языки с высоким, средним и низким объёмом ресурсов. Её можно использовать для перевода документов, сообщений и пользовательского контента между поддерживаемыми языками. Карточка заявляет конкурентное качество среди моделей с сопоставимым языковым охватом, но не приводит здесь конкретных метрик для этого чекпойнта. Выпущена под лицензией Apache-2.0.