I.6Перевод и языковая адаптация

PaweekornSora/SeedX-DIPv2 — дообученная PaweekornSora языковая модель на архитектуре Mistral с 7,2 млрд параметров, созданная на основе ByteDance-Seed/Seed-X-Instruct-7B. Модель предназначена для генерации текста; базовая модель адаптирована для перевода между 28 языками, поэтому перевод — вероятный сценарий применения этой производной версии. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст длиной до 32 768 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель распространяется в формате safetensors по лицензии Apache-2.0.

XpressAI/shisa-v2.1-qwen3-8b-GGUF — GGUF-версия модели Shisa V2.1 Qwen3 8B, разработанной компанией Shisa.AI. Это двуязычная разговорная модель общего назначения, ориентированная прежде всего на японский язык при сохранении устойчивых возможностей в английском. Модель предназначена для локального и периферийного использования, генерации текста, диалоговых приложений, следования инструкциям, перевода и других японско- и англоязычных задач. Модель содержит 8 млрд параметров и относится к семейству на базе Qwen3. Заявленная длина контекста составляет 32K или 128K токенов в зависимости от конфигурации. В обучении использовались обновлённые данные Shisa V2.1, включая материалы для улучшения следования инструкциям, перевода, вежливости и других специфических аспектов японского языка; применялись дообучение SFT и DPO, а для некоторых моделей семейства также объединение моделей и этапы RL. Внутренние оценки указывают на высокие результаты для своего размера: JA AVG 67,8 и EN AVG 57,8. Сильной стороной модели являются японские языковые возможности, а также сочетание компактного размера с поддержкой английского языка и длинного контекста, что делает её подходящей для локального запуска. Ограничения включают меньший масштаб по сравнению с моделями на 14B и 70B параметров и отсутствие в предоставленных данных подробностей о конкретной GGUF-квантизации, требованиях к ресурсам и мультимодальных возможностях; поэтому модель следует считать текстовой. Модель распространяется по лицензии Apache 2.0.

Shisa V2 Mistral Small 24B — диалоговая языковая модель Shisa.AI для общего назначения, созданная дообучением Mistral Small 24B Instruct 2501. Разработчики сосредоточились на улучшении качества японского языка с сохранением возможностей английского, используя синтетические данные и настройку после предварительного обучения. Модель содержит 23,4 млрд параметров, использует архитектуру Mistral с плотными слоями и принимает контекст до 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций, ответов на вопросы, ролевых сценариев и перевода между японским и английским. В карточке для этой версии указано, что бенчмарки ещё готовятся, поэтому её сравнительные показатели пока нельзя оценить по приведённым результатам. Модель распространяется в формате Safetensors по лицензии Apache 2.0.

Shisa V2 Qwen2.5 7B — двуязычная чат-модель общего назначения от Shisa.AI, полученная дообучением Qwen/Qwen2.5-7B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для диалогов и генерации текста на японском и английском языках. Разработчики сосредоточились на постобучении на синтетических данных, чтобы улучшить качество японских ответов, сохранив возможности базовой модели на английском языке. Модель подходит для ответов на вопросы, следования инструкциям, многоходового общения, ролевых диалогов и перевода между японским и английским. Она выдаёт текст, поддерживает интерфейс вызова инструментов и использует шаблон чата базовой модели. Метаданные указывают контекст 32 768 токенов; в README для семейства приведено значение 128K/8K, поэтому доступная длина может зависеть от конфигурации и способа запуска. Модель использует Transformers и формат safetensors. По опубликованным оценкам модель улучшает ряд японских бенчмарков относительно Qwen2.5-7B-Instruct, хотя в некоторых англоязычных тестах базовая модель показывает более высокие результаты. Лицензия — Apache 2.0. Результаты бенчмарков не гарантируют качество на конкретных пользовательских данных; модель может ошибаться и генерировать неточные ответы.

SpeechLMM-v2.0-L-7B — мультимодальная инструкционная модель на 7 млрд параметров из семейства SpeechLMM 2.0, разработанного командой Meetween и участниками консорциума Meetween. Она дообучена на Qwen/Qwen2.5-Omni-7B для задач, связанных с речью и виртуальными совещаниями. Архитектура авторегрессионная; аудио-, видео- и визуально-речевые признаки поступают в представление Thinker через адаптеры, а для чтения по губам добавлен путь AutoAVSR. Модель принимает текст, речь и видео и может выдавать текст или речь. Она предназначена для распознавания и перевода речи, вопросов и ответов по устному или письменному содержанию, суммаризации, определения намерений, деления аудио на главы, диаризации говорящих с аудиовизуальным контекстом, чтения по губам и генерации речи. Поддерживаются чешский, нидерландский, английский, французский, немецкий, венгерский, итальянский, португальский, испанский и шведский языки. Модель рассчитана на отдельные задачи и на использование как компонента системы помощи при совещаниях. Лицензия CC-BY-NC-SA 4.0 ограничивает коммерческое использование. Качество может зависеть от языка, качества записи и конкретной задачи; README не приводит количественных оценок качества. Для обработки записей совещаний следует учитывать согласие участников и применимые правовые основания.

Это мультиязычная модель T5 от utrobinmv для суммаризации текста с управляемой длиной и переводом результата. Модель дообучена на базе utrobinmv/t5_translate_en_ru_zh_large_1024_v2; содержит 419 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0. Модель принимает тексты на английском, русском и китайском языках, включая смешанные по языку входы, и может создавать краткое, обычное или расширенное резюме на языке исходного текста либо на выбранном из этих трёх языков. Режим задаётся префиксом; также можно задать желаемое число слов. Для контекста указана длина 2048 токенов, а ориентиры для длины результата составляют до 20, 50 или 200 токенов в зависимости от режима. Подходит для подготовки кратких выжимок и многоязычного пересказа с переводом. Ограничение длины в словах, по данным карточки, лучше работает на небольших текстах; подробные результаты оценки качества не приведены.

Cohere и Cohere Labs разработали Tiny Aya Base — авторегрессионную языковую модель на архитектуре Transformer с 3,35 млрд параметров. Она предназначена для дообучения, адаптации к инструкциям и локального запуска в условиях ограниченных вычислительных ресурсов. Модель принимает текст и генерирует текст; контекст составляет до 8 тысяч токенов, заявлена поддержка более 70 языков, включая языки с ограниченными обучающими данными. Модель подходит для многоязычной генерации и диалогов, суммаризации, перевода и межъязыковых задач. В архитектуре используются скользящее оконное внимание с размером окна 4096 и глобальное внимание. По данным карточки, особенно сильные стороны — генерация на разных языках и работа с низкоресурсными языками. Качество рассуждений, в частности математических, ниже; фактические ответы могут быть ошибочными, а качество и понимание культурных нюансов различаются между языками. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование без отдельного разрешения; также требуется соблюдать политику допустимого использования Cohere Labs.

Ultravox v0.4.1 Mistral Nemo — мультимодальная речевая языковая модель от Fixie.ai на основе Mistral-Nemo-Instruct-2407 и Whisper Large V3 Turbo. Она принимает аудио вместе с текстом, например системной инструкцией, и формирует текстовый ответ. Модель предназначена для голосовых агентов, анализа речи и перевода устной речи; README также отмечает низкую задержку первого токена и скорость генерации около 50–100 токенов в секунду на GPU A100 40 ГБ. Для обучения использовалась смесь наборов данных распознавания речи, продолжений текста, созданных Mistral Nemo, и наборов для перевода речи. Поддерживаемые языки включают арабский, немецкий, английский, испанский, французский, хинди, итальянский, японский, нидерландский, португальский, русский, шведский, турецкий, украинский и китайский. Модель принимает речь и текст, но выдаёт текст; генерация аудио в этой версии не поддерживается. Настройка предпочтений не проводилась. Лицензия — MIT.

Карточка модели fixie-ai/ultravox-v0_6-gemma-3-27b на Hugging Face совпадает с карточкой fixie-ai/ultravox-v0_6-llama-3_3-70b, поэтому описание составлено по ней. Ultravox v0.6 Llama 3.3 70B — мультимодальная речевая языковая модель от Fixie.ai. Она принимает текст и речь: аудио кодируется речевым энкодером Whisper large-v3-turbo и объединяется с текстовым запросом, после чего модель формирует текстовый ответ. В основе этой версии — Llama 3.3 70B. Модель предназначена для распознавания и анализа речи, речевого перевода и создания голосовых агентов. Версия v0.6 получила расширенные данные обучения на хинди, что улучшило понимание хинди, а также обучение на зашумлённых аудиоданных. При слишком шумном аудио или отсутствии разборчивой речи модель может выдать маркер ((noise)). Поддерживаются разные языки; в карточке перечислены, в частности, английский, хинди, японский, русский и китайский. Генерация аудио не поддерживается: ответ формируется текстом. Модель распространяется по лицензии MIT.

Ultravox v0.6 Qwen 3 32B — мультимодальная речевая языковая модель Fixie.ai, объединяющая языковую модель Qwen 3 с речевым энкодером whisper-large-v3-turbo. Она принимает аудио вместе с текстовым контекстом и формирует текстовые ответы; модель подходит для голосовых агентов, распознавания и анализа речи, а также перевода устной речи. Версия v0.6 обучалась на расширенном наборе данных речи на хинди, что улучшило понимание хинди, и на шумовых данных для большей устойчивости к шуму. При слишком шумном аудио или отсутствии разборчивой речи модель может вывести маркер ((noise)). Модель поддерживает многоязычную речь и текст, включая языки, перечисленные в метаданных Hugging Face. По карточке она не генерирует аудио: в ответах выдаёт текст. Для этой версии не применялась настройка предпочтений. Лицензия — MIT.

Карточка модели ponkyky/ultravox-v0_7-glm-4_6 на Hugging Face совпадает с карточкой fixie-ai/ultravox-v0_7-glm-4_6, поэтому описание составлено по ней. Ultravox v0.7 GLM 4.6 — мультимодальная речевая языковая модель от Ultravox.ai. Она объединяет языковую модель GLM 4.6 с речевым энкодером whisper-large-v3-turbo: принимает речь и текстовый контекст, после чего формирует текстовый ответ. Модель предназначена для распознавания речи, понимания аудио, ответов на вопросы по аудиозаписям и перевода речи. В README сообщается о тестировании на BigBenchAudio, VoiceBench, CoVoST 2 и LibriSpeech; в частности, приведены результаты для аудио-рассуждений, речевого перевода и распознавания. Метаданные указывают архитектуру Ultravox и формат safetensors. Версия v0.7 построена на GLM 4.6; README также описывает обучение на смеси наборов для ASR, речевого перевода и аудио с шумом. Модель принимает аудио вместе с текстом, например текстовую системную инструкцию и голосовое сообщение, и выдаёт текст. В карточке заявлена поддержка многозадачных сценариев работы с речью, однако точные ограничения по языкам и размеру контекста не приведены. Лицензия — MIT. README указывает, что использование собственных системных инструкций учитывалось при оценке; результаты тестов сами по себе не гарантируют качество на других данных.

uzbek-llama-3.1-8B-instruct-v2-GGUF — квантизированная в формате GGUF версия модели Llama-3.1-8B-Instruct-Uz, разработанной behbudiy и подготовленной квантизацией mradermacher. Модель основана на Llama 3.1 с 8 млрд параметров и ориентирована на генерацию текста по инструкциям, ответы на вопросы, суммаризацию и перевод. В обучении использовались наборы yahma/alpaca-cleaned, behbudiy/alpaca-cleaned-uz и behbudiy/translation-instruction. Заявлены узбекский и английский языки. Модель доступна в нескольких вариантах GGUF-квантизации — от Q2_K размером около 3,3 ГБ до Q8_0 размером около 8,6 ГБ, а также в формате f16 размером около 16,2 ГБ. В README рекомендуются варианты Q4_K_S и Q4_K_M как быстрые; Q6_K описан как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди указанных. Квантизация уменьшает требования к памяти, но более компактные варианты могут уступать по качеству менее сжатым. Модель подходит для локального запуска и прикладных задач обработки текста на узбекском и английском языках. Данные о длине контекста, точной архитектуре базовой модели, поддерживаемых модальностях помимо текста, результатах оценки и системных требованиях не указаны. Лицензия обозначена как llama3.1; перед использованием следует проверить её условия и ограничения.

VAETKI — большая языковая модель консорциума NC-AI, в котором участвуют 13 организаций. Это авторегрессионная модель семейства VAETKI для генерации текста и диалогов; в карточке Hugging Face указана архитектура dense, тогда как README описывает VAETKI-100B-A10B как Transformer с архитектурой Mixture-of-Experts. Метаданные указывают 10,4 млрд параметров и контекст до 131 072 токенов; README для варианта VAETKI-100B-A10B приводит 112,2 млрд параметров всего, 10,1 млрд активных и контекст 32 тыс. токенов, поэтому эти характеристики могут относиться к разным вариантам модели. Модель предназначена для следования инструкциям, диалогов, рассуждений, перевода и агентных сценариев с использованием инструментов. Она поддерживает корейский, английский, китайский и японский языки. README сообщает о режимах thinking для большинства задач и non-thinking для агента с инструментами, а также о выравнивании по человеческим предпочтениям. Лицензия — MIT. Модель может выдавать фактически неточные или неполные ответы и галлюцинации, испытывать трудности со сложными многошаговыми рассуждениями, точными математическими вычислениями и корректной генерацией кода; она не проверяет факты самостоятельно. Разработчик не рекомендует применять её в критически важных и регулируемых областях, включая медицину, право, финансы и военную сферу.

OllmOne/whisper-large-v3-GGUF — это GGUF-версия модели Whisper large-v3, разработанной OpenAI и опубликованной пользователем OllmOne на Hugging Face. Модель предназначена для автоматического распознавания речи и перевода речи на английский язык; она обрабатывает аудио и генерирует текст. В карточке Hugging Face указаны задача automatic-speech-recognition, библиотека Transformers, формат GGUF, около 905,2 млн параметров и лицензия Apache-2.0. Whisper использует архитектуру encoder-decoder Transformer и обучен для многоязычного распознавания речи, речевого перевода и определения языка. Large-v3 отличается устойчивостью к акцентам, фоновой шумовой обстановке и технической лексике, а также улучшенной точностью по сравнению с large-v2. Модель требует проверки на конкретных данных перед промышленным использованием; возможны ошибки распознавания, особенно при низком качестве аудио, перекрывающейся речи или нестандартных условиях записи.

onnx-community/whisper-small — это ONNX-версия мультиязычной модели Whisper Small, опубликованная сообществом ONNX Community на основе модели openai/whisper-small, разработанной OpenAI. Она предназначена для автоматического распознавания речи и перевода речи в текст, включая транскрибацию аудио на исходном языке и перевод с разных языков на английский. ONNX-веса адаптированы для использования, в частности, с Transformers.js и сценариями запуска в браузере или локальных приложениях. Модель построена как Transformer encoder-decoder, или sequence-to-sequence, и содержит около 244 млн параметров. Конфигурация включает 12 слоёв энкодера и 12 слоёв декодера, 12 attention heads в каждом, 80 mel-частотных полос и максимальную длину выходной последовательности 448 токенов. Мультиязычная версия поддерживает 99 языков. Исходный Whisper обучался на 680 000 часах аудио с транскрипциями. Сильные стороны модели — обобщение без обязательной дообучки, устойчивость к акцентам, шуму и технической лексике, а также возможность распознавания и перевода речи. Ограничения включают неравномерную точность между языками, акцентами и диалектами, возможные галлюцинации и повторяющийся текст; качество следует отдельно проверять для конкретной области применения. Модель рассчитана на аудиофрагменты длительностью до 30 секунд без дополнительной обработки, а более длинные записи обрабатываются с помощью разбиения на части. Для базовой модели openai/whisper-small указана лицензия Apache-2.0; отдельная лицензия ONNX-репозитория явно не указана.

AfriqueQwen3.5-9B-50Langs-i1-GGUF — это GGUF-квантизированная версия мультиязычной модели AfriqueQwen3.5-9B-50Langs, разработанной McGill-NLP и подготовленной квантизатором mradermacher. Модель предназначена для работы с африканскими и другими языками в задачах генерации и обработки текста, а также поддерживает сценарии image-text-to-text, то есть работу с изображениями и текстом. Модель содержит около 9 миллиардов параметров и ориентирована примерно на 50 языков, включая английский, французский, арабский, португальский и широкий набор африканских языков, среди которых суахили, хауса, йоруба, игбо, амхарский, зулу, коса, тсвана, тигринья и другие. README не указывает размер контекстного окна и подробности архитектуры. Доступны варианты квантования i1-IQ и i1-Q с размером файлов примерно от 2,8 до 6,6 ГБ; вариант i1-Q4_K_M отмечен как рекомендуемый по сочетанию скорости и качества. Сильной стороной модели является специализация на многоязычной обработке африканских языков и возможность локального запуска в формате GGUF. Качество, скорость и требования к памяти зависят от выбранного уровня квантования: наиболее компактные варианты могут заметно уступать в качестве, тогда как более крупные требуют больше ресурсов. Для поддержки визуального ввода могут потребоваться дополнительные mmproj-файлы из статического репозитория. Модель распространяется по лицензии CC BY 4.0.

aya-23-35B-IMat-GGUF — это GGUF-квантизированная версия языковой модели Aya 23 35B, разработанной CohereForAI. Квантизацию выполнил legraphista с использованием llama.cpp и метода IMatrix; исходная модель имела формат FP16. Модель предназначена для генерации текста и мультиязычных сценариев работы с текстом. Заявлена поддержка 23 языков: английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского, арабского, греческого, персидского, польского, индонезийского, чешского, иврита, хинди, нидерландского, румынского, русского, турецкого, украинского и вьетнамского. Архитектура и размер контекста в README не указаны. Доступны варианты квантования от IQ1_S до Q8_0, а также FP16; размеры файлов составляют примерно от 8,52 до 69,97 ГБ. IMatrix применяется в ряде вариантов, преимущественно для более компактных квантов. Основные преимущества — широкий языковой охват, возможность локального запуска через совместимые инструменты GGUF и выбор между различными уровнями сжатия. Более сильное квантование уменьшает требования к хранению и памяти, но может снижать точность и качество генерации; конкретные характеристики производительности в README не приведены. Модель распространяется по лицензии CC-BY-NC-4.0, допускающей использование с ограничениями, включая запрет коммерческого применения.

Bhineka-GPT-500M — двуязычная авторегрессионная языковая модель BhinekaIntiLabs для генерации индонезийского и английского текста. Она использует плотную decoder-only архитектуру Transformer в стиле Llama; в метаданных указано 482,5 млн параметров, тогда как README приводит 556,3 млн для проверенного тренировочного чекпойнта. Контекст модели — 2048 токенов, токенизатор BPE обучен для этого проекта. Репозиторий содержит веса в форматах Safetensors и GGUF; модель поддерживает диалоговый сценарий. Модель предназначена для ответов на вопросы, суммаризации и перефразирования, перевода между индонезийским и английским, технических текстов, помощи с кодом и генерации структурированных ответов в Markdown или JSON. README описывает обучение с предварительным обучением, дообучением на инструкциях и оптимизацией предпочтений; проект позиционирует модель для исследований, экспериментов и прототипирования, хотя по критериям каталога это применимая модель, а не промежуточный исследовательский чекпойнт. Лицензия — Apache-2.0. Модель может выдумывать факты, цитаты, поведение кода и численные данные; качество может различаться для диалектов и неформальной индонезийской речи. Небольшой размер ограничивает сложные рассуждения, работу с инструментами и фактическую точность, а оценка языкового моделирования сама по себе не подтверждает качество прикладных задач. Не следует полагаться на неё как на единственный источник в медицинских, юридических, финансовых и других критически важных вопросах.

Blaze-14B-xElite — дообученная разговорная языковая модель от prithivMLmods на базе архитектуры LLaMA. Она содержит 14,1 млрд параметров, принимает и генерирует текст, поддерживает контекст до 16 384 токенов и предназначена для генерации ответов, решения задач на рассуждение и математику, объяснения сложных тем, написания текстов и многоязычных сценариев. В карточке указано обучение на синтетических данных, материалах из открытых источников, академических книгах и наборах вопросов и ответов; для выравнивания использовались SFT и итеративный DPO. Заявлена поддержка английского языка и многоязычных задач. Модель распространяется в формате safetensors по лицензии Llama 3.1. Модель может ошибаться, неверно интерпретировать неоднозначные запросы, воспроизводить смещения из обучающих данных и выдавать небезопасные ответы; её знания не обновляются в реальном времени. Для запуска могут потребоваться значительные вычислительные ресурсы. Результаты Open LLM Leaderboard в карточке ограничены отдельными метриками и сами по себе не гарантируют качество в конкретных приложениях.

ChatFrame V1 — диалоговая языковая модель AIFRAME INC, представленная как дообученная версия семейства Llama. Она предназначена для генерации ответов на персидском и английском языках и заявлена для решения математических задач, программирования, логических рассуждений, суммаризации и перевода между английским и персидским. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов; доступны веса в формате safetensors и интерфейс вызова инструментов. Модель подходит для чат-ботов, языковой помощи и задач, где нужны ответы или преобразование текста на персидском и английском. README заявляет высокое качество ответов, но не приводит результатов независимой оценки или сведений о конкретных обучающих наборах. Лицензия — MIT.

EuroLLM-1.7B — мультиязычная языковая модель с 1,4 млрд параметров, разработанная Unbabel совместно с Instituto Superior Técnico, Instituto de Telecomunicações, University of Edinburgh, Aveni, University of Paris-Saclay, University of Amsterdam, Naver Labs и Sorbonne Université при финансировании Европейского союза. Это предварительно обученная модель на основе плотного Transformer с архитектурой Llama; она обучена на 4 трлн токенов из веб-данных, параллельных текстов и других качественных наборов данных. Используются GQA, RMSNorm, SwiGLU и RoPE; длина контекста — 4096 токенов. Модель предназначена для генерации и продолжения текста на европейских языках и ряде дополнительных языков. Её можно применять для многоязычных текстовых задач, включая машинный перевод; карточка приводит результаты переводческих оценок для версии EuroLLM-1.7B-Instruct, которая отдельно дообучена следовать инструкциям. Для этой базовой версии не следует предполагать такое же качество следования инструкциям. Модель поддерживает болгарский, хорватский, чешский, датский, нидерландский, английский, эстонский, финский, французский, немецкий, греческий, венгерский, ирландский, итальянский, латышский, литовский, мальтийский, польский, португальский, румынский, словацкий, словенский, испанский, шведский, арабский, каталанский, китайский, галисийский, хинди, японский, корейский, норвежский, русский, турецкий и украинский. Лицензия — Apache 2.0. Модель не выравнивалась по предпочтениям людей и может выдавать галлюцинации, ложные или вредоносные ответы.

FastSLM — модель на базе Qwen3-4B, дообученная okestro-ai-lab для преобразования речи в текст и других задач понимания аудио. Она использует архитектуру FastSLM с плотной моделью условной генерации и адаптацией языковой модели к аудио; веса доступны в формате safetensors. Модель ориентирована на эффективную обработку длинных записей: в README заявлена обработка до восьми часов аудио на GPU с 40 ГБ памяти. Для вывода требуются GPU и специальный код модели в Transformers. FastSLM поддерживает транскрибирование речи, перевод аудио в текст на другом языке, суммаризацию аудиозаписей и ответы на вопросы по их содержанию. README сообщает о сохранении возможностей исходной языковой модели для текстовых задач при отключении LoRA. В метаданных указаны английский и корейский языки; опубликованные материалы также упоминают стандартные тесты распознавания речи, но численные результаты здесь не приведены. Модель распространяется по лицензии Apache-2.0.

Gemma2 9B CPT Sahabat-AI v1 — базовая языковая модель, разработанная PT GoTo Gojek Tokopedia Tbk и AI Singapore при поддержке GoTo Group и Indosat Ooredoo Hutchison. Это плотная decoder-модель Gemma 2 с 9 млрд параметров, полученная продолжением предобучения Gemma2 9B CPT SEA-Lionv3 на примерно 50 млрд токенов. Модель предназначена для генерации текста и общих языковых задач с акцентом на индонезийский язык и региональные языки Индонезии. Она поддерживает английский, индонезийский, яванский и сунданский языки, использует токенизатор Gemma 2 и имеет контекст до 8192 токенов. В карточке приведены оценки на языковых тестах, включая ответы на вопросы, анализ тональности, обнаружение токсичности, перевод, суммаризацию, рассуждения и понимание естественного языка. Это базовая модель, а не готовая модель для инструкционного диалога; качество ответов зависит от задачи и формулировки запроса. Распространяется по Gemma Community License.

Gemma Ko 7B Instruct v0.62 — диалоговая модель на архитектуре Gemma, разработанная lemon-mint путём дообучения openchat/openchat-3.5-0106-gemma. Модель содержит 8,2 млрд параметров и предназначена прежде всего для генерации связного текста на корейском языке, включая диалог, перевод, суммаризацию и ответы на вопросы. Поддерживает корейский и английский языки, контекст до 8192 токенов и формат весов Safetensors; доступна для работы через Transformers. Модель подходит для корейскоязычных чат-ботов, подготовки кратких пересказов, ответов на вопросы и перевода текста. В README указана лицензия gemma-terms-of-use. Возможны ошибки и воспроизведение предвзятостей обучающих веб-данных, поэтому ответы требуют проверки.

Gemma-SEA-LION-v3-9B-IT — языковая модель AI Singapore, разработанная командой Products Pillar при финансировании NRF Сингапура. Это дообученная по инструкциям версия Gemma-SEA-LION-v3-9B на архитектуре Gemma 2: плотная decoder-модель с 9 млрд параметров, предназначенная для диалогов и генерации текста. Контекстное окно составляет 8192 токена. Модель рассчитана на ответы на вопросы, следование инструкциям, суммаризацию, анализ тональности и токсичности, рассуждения и перевод между английским и языками Юго-Восточной Азии. В README перечислены бирманский, китайский, английский, филиппинский, индонезийский, яванский, кхмерский, лаосский, малайский, сунданский, тамильский, тайский и вьетнамский языки; метаданные также содержат коды для этих языков. Модель оценивалась на многоязычных задачах и тестах следования инструкциям. Модель не обучена использовать системный промпт или вызывать инструменты. Она может галлюцинировать, давать нерелевантные ответы и непоследовательно рассуждать; авторы также предупреждают, что релиз не прошёл safety-выравнивание. Лицензия — Gemma Community License; перед применением следует учитывать её условия.

HyGPT-10b-it — инструктивная языковая модель Gen2B и NCCAIT для диалогов и выполнения текстовых задач на армянском, русском и английском языках. Это дообученная версия HyGPT-10b: модель Gemma 2 с архитектурой decoder-only и 9 млрд параметров. Базовую модель дополнительно обучали на армянском текстовом корпусе объёмом около 10 млрд токенов, затем провели SFT на 50 тысячах примеров инструкций и диалогов. Модель предназначена для многоходовых бесед, ответов на вопросы, перефразирования, суммаризации, перевода между армянским, русским и английским, а также учебных и математических задач. Контекст составляет 8192 токена; доступны веса Safetensors и работа через Transformers. Лицензия — HyGPT Permissive Use License; в README также указано соблюдать условия Gemma и её запрещённую политику использования. К ограничениям относятся возможные фактические ошибки, устаревшие знания, непостоянное качество сложных рассуждений и слабая поддержка специализированной армянской терминологии. Качество может различаться между диалектами и региональными вариантами армянского языка; модель может наследовать смещения обучающих данных.

Keural-Cortex-8B-SFT-step903 — исследовательский контрольный чекпойнт модели Keural, разработанной MKD Co., Ltd. Это плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, дообученная методом supervised fine-tuning на базе Qwen/Qwen3-8B. Модель рассчитана на диалоги на корейском и английском языках, ответы на вопросы, суммаризацию, перевод, генерацию кода, математические рассуждения, вызов инструментов и работу с длинными документами. Контекстное окно составляет до 65 536 токенов; доступны режимы с рассуждениями и без них, а веса опубликованы в формате safetensors для Transformers. Корейский язык — основной акцент обучения; также предусмотрены англоязычные задачи. Вызов функций поддерживается через совместимую с OpenAI схему, однако выбор инструментов ненадёжен. В README описаны воспроизводимые дефекты: модель может неверно представляться, отвечать пустым сообщением на короткий запрос без системной инструкции, ошибочно вызывать инструмент и иногда выдавать незакрытый маркер рассуждений. Для этого чекпойнта рекомендуется задавать системную инструкцию и передавать только уместные для запроса инструменты. Лицензия — Apache-2.0.

Lamarck-14B-v0.6 — объединённая модель на архитектуре Qwen2, опубликованная sometimesanotion. Она создана как универсальная разговорная модель для генерации текста и рассчитана на многошаговые рассуждения, написание связной прозы и работу на нескольких языках. В карточке указано, что модель занимает первое место по среднему результату среди текстовых ассистентов до 32 млрд параметров на Open LLM Leaderboard; это заявление автора, а не независимая оценка здесь. Модель содержит 14 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 131072 токенов. README описывает многослойное слияние нескольких моделей и извлечённых LoRA-адаптеров; среди предков упомянута DRT-o1-14B, ориентированная на глубокие рассуждения и перевод. Метаданные отмечают чат и интерфейс вызова инструментов. В качестве заявленных ограничений конкретные слабые стороны не приведены; качество может различаться между языками и задачами. Лицензия — Apache-2.0.

Saxo/Linkbricks-Horizon-AI-Japanese-Advanced-V2-70B — языковая модель Linkbricks, дообученная директором по данным Юнсоном Джи (Saxo) на базе Saxo/Linkbricks-Horizon-AI-Japanese-Base-70B. Это плотная модель семейства Llama с 69,5 млрд параметров, обученная с применением продолженного предобучения на японском языке, SFT и DPO. Контекстное окно составляет 128 тысяч токенов; используется токенизатор базовой модели без расширения словаря. Модель предназначена для генерации текста и диалоговых сценариев, включая анализ отзывов и публикаций в социальных сетях, написание текстов, программирование, математические и логические задачи. Обучение на японских новостях и вики-корпусах, а также на японских, корейских, китайских и английских данных поддерживает работу с этими языками и межъязыковые задачи. README также заявляет поддержку вызова функций и инструментов. Модель опубликована в формате safetensors и доступна по лицензии Apache-2.0. Карточка описывает заявленные возможности, но не приводит оценок качества или результатов сравнительных тестов.

0x Mini — языковая модель Ozone AI для генерации текста и диалоговых приложений. Это плотная авторегрессионная модель семейства Llama, дообученная на основе meta-llama/Llama-3.1-8B-Instruct; в репозитории указано 7,5 млрд параметров и формат safetensors. Модель предназначена для продолжения текста, суммаризации, перевода, чат-ботов и создания контента, в том числе при ограниченных вычислительных ресурсах. Модель принимает текст и генерирует текст; метаданные также отмечают интерфейс для вызова инструментов. Для базовой модели указан контекст до 131 072 токенов. Карточка заявляет быструю генерацию и пригодность для компактного развёртывания, но не приводит сравнительных тестов, подтверждающих эти заявления. Используется лицензия Llama 3.1; применяйте модель с учётом её условий.