I.6Перевод и языковая адаптация

Chinese LLaMA Plus 13B — китайская языковая модель семейства LLaMA, опубликованная shibing624. Она предназначена для генерации текста и может использоваться для вопросов и ответов, написания текстов, перевода и дальнейшего дообучения на инструкциях. В README указано, что для версии Plus расширили обучающие данные, усилив научную тематику, а вариант Alpaca Plus обучали на большем rank; отмечено улучшение многошаговых ответов и результатов оценки Alpaca. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст до 2048 токенов. Базой служит decapoda-research/llama-13b-hf с объединёнными весами LoRA ziqingyang/chinese-llama-plus-lora-13b; опубликованы веса PyTorch в формате Hugging Face. Основной язык — китайский. Лицензия указана как other, поэтому условия использования следует сверить с лицензиями базовой модели и LoRA.

Mungert/Devstral-Small-2505-GGUF — это набор GGUF-квантизованных версий модели Devstral-Small-2505, базовой моделью которой указана mistralai/Devstral-Small-2505. Модель предназначена для генерации и преобразования текста, а GGUF-формат — для ресурсоэффективного локального запуска, в том числе на системах с ограниченной видеопамятью, CPU и edge-устройствах. Файлы созданы с использованием llama.cpp, commit f5cd27b7. В README указана поддержка английского, французского, немецкого, испанского, португальского, итальянского, японского, корейского, русского, китайского, арабского и ряда других языков. Точные архитектура, число параметров, размер контекста и набор модальностей не указаны. Представлены варианты квантования, включая ультранизкобитные схемы IQ1 и IQ2 с динамическим распределением точности IQ-DynamicGate; они снижают требования к памяти, но могут уступать полноразмерным версиям по точности. В приведённых тестах для Llama-3-8B такие схемы улучшали perplexity относительно стандартного квантования при сопоставимой скорости, однако эти результаты не являются прямой оценкой данной модели. Модель подходит для локального инференса при ограниченных ресурсах и для исследований низкобитного квантования. Для максимальной точности рекомендуется использовать более высокоточные форматы, если оборудование их поддерживает. Лицензия — Apache-2.0.

Fanar-1-9B — базовая авторегрессионная языковая модель на архитектуре Gemma 2, разработанная институтом QCRI при университете HBKU. Модель продолжительно обучали на 1 трлн токенов арабского, английского и программного кода; по метаданным в репозитории около 8,6 млрд параметров, формат весов — Safetensors, для работы используется Transformers. Контекст составляет 4096 токенов. Модель предназначена для генерации текста и последующей адаптации под диалоговых помощников, вопросы и ответы на арабском языке, включая литературный арабский и диалекты, а также двуязычные сценарии на арабском и английском. Её можно применять в образовательных, государственных и общественных NLP-системах, ориентированных на арабский язык и арабский регион. Разработчики уделяли внимание культурной и исламской тематике, а опубликованные оценки включают арабские языковые и культурные тесты. Это базовая модель, а не готовая инструкционная версия; для диалога её следует дообучить или включить в систему с подходящим управлением запросами. Она может выдавать предвзятые, оскорбительные, неточные или вводящие в заблуждение ответы и не предназначена для принятия важных медицинских, юридических или финансовых решений. Репозиторий распространяется по лицензии Apache-2.0.

GLM-5.3-Flash-GGUF — квантизированная GGUF-версия модели GLM-5.3-Flash, разработанная BatiAI на основе официальных весов Z.ai. Это текстовая генеративная модель для локального запуска и сценариев on-device AI, включая диалоги, генерацию текста на английском, корейском и китайском языках, а также вызов инструментов. Модель использует архитектуру glm5next и разреженную MoE-конфигурацию: около 320 млрд параметров всего, из которых примерно 18 млрд активируются для каждого токена. В составе указаны 288 экспертов с выбором 8 экспертов на токен. Доступны варианты квантизации Q4_K_M, Q3_K_M, Q2_K, IQ3_XXS и IQ2_XXS; размер файлов составляет примерно от 76,6 до 175,7 GiB. Размер контекста в README не указан. Сильными сторонами являются возможность локального запуска, поддержка нескольких языков и проверенная генерация корейского текста и вызовов инструментов на всех заявленных уровнях квантизации. Ограничения связаны с тем, что архитектура пока требует специальной сборки llama.cpp с PR #27752 и не поддерживается стандартными сборками, Ollama и LM Studio. Вызовы инструментов выдаются в собственном XML-подобном формате, поэтому OpenAI-совместимый endpoint llama.cpp может возвращать пустое поле tool_calls; требуется самостоятельный разбор содержимого и запуск с параметром --jinja. Модель распространяется по лицензии MIT.

Kotoba-Whisper v1.0 — японская модель автоматического распознавания речи, разработанная Asahi Ushio совместно с Kotoba Technologies. Это дистиллированная модель семейства Whisper: полный энкодер взят от Whisper large-v3, а двухслойный декодер инициализирован первым и последним слоями учительской модели. Модель содержит 905,2 млн параметров и предназначена для транскрибации японской речи; обучена на 1 253 часах аудио ReazonSpeech с частотой дискретизации 16 кГц. По заявлению авторов, она работает в 6,3 раза быстрее Whisper large-v3 при сопоставимой частоте ошибок. В тестах на ReazonSpeech v1.0 показала лучшие CER и WER, чем large-v3, а на CommonVoice 8 и JSUT Basic 5000 — конкурентные результаты. Репозиторий содержит веса Safetensors; модель поддерживается Transformers версии 4.39 и новее. Лицензия — Apache-2.0. Модель ориентирована на японскую речь и может уступать на других языках и за пределами распределения обучающих данных. Версия v2.0 новее; результаты качества зависят от набора данных и метрики.

Kotoba-Whisper-v1.1 — японская модель распознавания речи на базе kotoba-tech/kotoba-whisper-v1.0, разработанная Kotoba Technologies в сотрудничестве с Asahi Ushio. Она использует архитектуру Whisper и насчитывает около 905 млн параметров. Модель принимает аудио и выдаёт японскую транскрипцию; встроенный конвейер добавляет пунктуацию и улучшает временные метки с помощью Stable-ts. Модель предназначена для транскрибирования японской речи, в том числе длинных аудиозаписей, и поддерживает подсказки при распознавании. В README приведено сравнение скорости на 50 минутах речи: версия 1.1 с пунктуацией и временными метками работает медленнее версии 1.0 с отключёнными временными метками. Для использования нужны Transformers версии 4.39 или новее, а также Stable-ts и punctuators. Лицензия — Apache-2.0.

Leia-Swallow-7B — языковая модель на архитектуре LLaMA 2, созданная разработчиками LEIA путём применения метода LEIA к двуязычной японско-английской модели Swallow. Метод усиливает перенос знаний с английского на целевой язык с помощью дополнения данных сущностями. Модель предназначена для генерации текста и ответов на вопросы на японском языке; в README приведены результаты оценки на шести японских бенчмарках вопросов и ответов, где она улучшила показатели исходной Swallow. Модель содержит 6,7 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. В метаданных указаны японский язык и формат safetensors. Распространяется по лицензии Apache-2.0. Приведённые результаты относятся к выбранным бенчмаркам и сами по себе не гарантируют аналогичного качества на других задачах.

LFM2-1.2B-GGUF — языковая модель поколения LFM2, разработанная компанией Liquid AI. Это GGUF-версия базовой модели LiquidAI/LFM2-1.2B, предназначенная для генерации текста и запуска в средах, совместимых с llama.cpp. Модель ориентирована на edge AI и локальное развёртывание на устройствах с ограниченными ресурсами. Liquid AI позиционирует её как гибридную модель, сочетающую качество, высокую скорость работы и эффективность использования памяти. Указанный размер — 1,2 млрд параметров. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Модальность — текстовая; сведения о размере контекстного окна в карточке не приведены. К сильным сторонам относятся адаптация к on-device-сценариям, низкие требования к памяти и возможность запуска через llama.cpp. Ограничения включают отсутствие в карточке подробных данных о конкретной архитектуре, контекстном окне, качестве на отдельных задачах и вариантах квантования. Модель распространяется по лицензии lfm1.0; дополнительные условия следует уточнять в файле LICENSE.

LiquidAI_LFM2.5-2.6B-GGUF — это квантизированная версия языковой модели LFM2.5-2.6B, разработанной LiquidAI и подготовленной пользователем bartowski в формате GGUF для запуска через llama.cpp. Модель предназначена для генерации текста и локального использования на устройствах с ограниченными ресурсами, включая edge-сценарии. Она поддерживает только текстовый ввод, не использует MTP и поставляется с imatrix-квантизациями. Модель содержит около 3 млрд параметров и поддерживает арабский, китайский, английский, французский, немецкий, хинди, индонезийский, итальянский, японский, корейский, польский, португальский, русский, испанский, тайский и вьетнамский языки. Доступны варианты от BF16 и Q8_0 до более компактных Q2- и IQ-квантизаций. Q4_K_M размером около 1,68 ГБ обозначен как сбалансированный вариант для большинства задач, а версии Q5–Q6 обеспечивают более высокое качество при большем потреблении памяти. Более низкие уровни квантизации экономят место, но могут заметно снижать качество генерации. Размер контекста и подробности архитектуры в карточке не указаны. Модель удобна для локального инференса и приложений, где важны компактность, многоязычность и совместимость с llama.cpp. Использование регулируется лицензией LFM 1.0; в карточке указано, что это лицензия с отдельными условиями, а не стандартная open-source лицензия.

Llama-3.1-Sherkala-8B-Chat — языковая модель Inception (компании G42), MBZUAI и Cerebras Systems, дообученная для выполнения инструкций. Она предназначена прежде всего для казахского языка и также поддерживает английский, русский и турецкий. Модель принимает текст и генерирует текст, подходит для диалоговых помощников, ответов на вопросы и создания контента. В основе лежит причинный трансформер-декодер архитектуры Llama 3.1-8B с позиционным кодированием RoPE и grouped-query attention. Размер модели — 8 млрд параметров, контекст — 8192 токена. Для лучшей токенизации казахского словарь расширен высокочастотными казахскими токенами; обучение включало 45,3 млрд токенов и многоязычную настройку на инструкции. Модель может выдавать неточные, вводящие в заблуждение или предвзятые ответы, поэтому для чувствительных и важных решений необходима проверка человеком. Она не предназначена для коммерческого использования; в карточке указана лицензия CC BY-NC-SA 4.0, а README также требует соблюдать условия лицензии Meta Llama 3.1 Community и связанные политики.

Jackrong/llama-3.2-3B-Chinese-Elite — чат-модель на базе Meta Llama 3.2 3B Instruct, дообученная автором методом SFT на примерно 50 тысячах примеров, дистиллированных из Qwen3-235B-A22B-Instruct-2507. Репозиторий предоставляет веса в формате GGUF; модель рассчитана на генерацию текста и диалоговое использование на китайском и английском языках. Модель предназначена для повседневного общения, создания и пересказа текстов, перевода, объяснения учебных материалов, творческого письма и простых рассуждений. Компактный размер ориентирован на быстрый запуск на ограниченных ресурсах, включая локальные компьютеры и CPU, а GGUF-веса подходят для автономного развертывания. Автор сообщает об улучшениях относительно исходной модели в китайском диалоге, форматировании ответов и простых рассуждениях, однако эти оценки представлены в карточке модели и не являются независимым сравнительным тестированием. Указанные ограничения включают слабые результаты на сложных математических и многошаговых задачах, ограниченность в специализированных областях и возможное несоответствие отдельных ответов человеческим предпочтениям. Лицензия репозитория — Apache-2.0.

llama3-pre1-ds-lora2 — языковая модель на архитектуре Llama 3, опубликованная 4yo1. Модель содержит 7,6 млрд параметров, использует формат PyTorch и принимает текст; в карточке указаны английский и корейский языки, а длина контекста составляет 8192 токена. Модель представлена как дообученная с помощью LoRA и связана с датасетом recipes. Метаданные указывают перевод как основную задачу и генерацию текста как поддерживаемую; модель подходит для перевода и генерации текста, в том числе на английском и корейском. Лицензия — MIT. В карточке не приведены результаты оценки качества или подробности о составе и направлении перевода, поэтому пригодность для конкретных сценариев следует проверять на собственных данных.

Llama-3-Taiwan-70B-Instruct-GGUF — языковая модель для генерации текста и диалоговых сценариев, основанная на Llama-3-Taiwan-70B-Instruct от yentinglin. Модель ориентирована на китайский язык, включая традиционный китайский Тайваня, а также английский. Формат GGUF предназначен для локального запуска и использования с совместимыми инструментами. Модель имеет размер 70B параметров согласно названию, относится к семейству Llama 3 и использует инструкционную настройку. В карточке указаны контекст размером 4096 токенов, шаблон диалога llama-3-chat и поддержка запуска через GaiaNet. Квантование выполнено компанией Second State Inc. с использованием llama.cpp b3613. Модель подходит для многоязычных чат-ботов, генерации и обработки текста, особенно в сценариях, связанных с китайским и английским языками. К сильным сторонам относятся большой размер, инструкционная настройка и возможность локального или распределённого запуска в формате GGUF. README не содержит результатов бенчмарков, точного уровня квантования, требований к оборудованию и подробностей об ограничениях качества, поэтому эти характеристики нельзя оценить по имеющимся данным. Указана лицензия llama3.

chienweichang/Llama-3-Taiwan-8B-Instruct-GGUF — набор файлов модели в формате GGUF, созданный для yentinglin/Llama-3-Taiwan-8B-Instruct. Модель относится к семейству Llama 3 Taiwan и предназначена для генерации текста, понимания запросов и ведения диалогов на традиционном китайском и английском языках. В карточке также указано, что исходная модель ориентирована на общие и отраслевые сценарии, включая право, производство, медицину и электронику, однако подробные характеристики именно 8B-версии приведены не полностью. Репозиторий содержит квантизированные варианты Q5_0, Q5_1, Q5_K_S, Q5_K_M, Q6_K и Q8_0 с размером файлов примерно от 5,6 до 8,54 ГБ. Квантизация позволяет запускать модель с меньшими требованиями к памяти, а варианты с большим числом бит обычно обеспечивают более низкие потери качества за счёт большего размера. Точная архитектура, длина контекста и дополнительные модальности для этой версии в README не указаны; по назначению это текстовая модель без заявленной поддержки изображений или других мультимодальных данных. Сильные стороны модели — поддержка традиционного китайского языка, английского языка и доступность нескольких уровней квантизации для локального запуска. Ограничения включают неизвестные из карточки показатели качества именно 8B-версии, отсутствие детальных данных о контекстном окне и требованиях к оборудованию, а также возможное снижение качества в квантизированных вариантах. Используется лицензия Llama 3.

unsloth/Llama-4-Maverick-17B-128E-Instruct-GGUF-UD — это GGUF-версия инструкционно дообученной модели Llama 4 Maverick, разработанной Meta и опубликованной Unsloth. Модель предназначена для генерации текста и выполнения пользовательских инструкций в общих сценариях работы с языком, включая диалоговые приложения и задачи обработки текста. В идентификаторе указаны конфигурация с 17B параметров и 128E экспертов, а также вариант Instruct; дополнительные сведения об архитектуре и методе квантования в предоставленных данных отсутствуют. Заявлены следующие языки: арабский, немецкий, английский, испанский, французский, хинди, индонезийский, итальянский, португальский, тайский, тагальский и вьетнамский. Модальность, размер контекстного окна, конкретные уровни квантования, требования к оборудованию, результаты тестирования и известные ограничения не указаны, поэтому оценить производительность в отдельных задачах по этим данным невозможно. Использование модели регулируется Llama 4 Community License от Meta, действующей с 5 апреля 2025 года. Лицензия допускает использование, воспроизведение, распространение, создание производных работ и модификацию на указанных условиях, включая сохранение лицензионного уведомления, предоставление копии соглашения и отображение обозначения «Built with Llama» при распространении материалов или продуктов. Для организаций с более чем 700 миллионами ежемесячных активных пользователей предусмотрено требование запросить отдельную лицензию у Meta.

israel/LLAMA-Walia-I — языковая модель на архитектуре LLaMA для генерации текста и выполнения инструкций на амхарском языке. Она основана на LLaMA-2 и дообучена методом supervised fine-tuning с LoRA; размер модели — 6,7 млрд параметров, контекст — 2048 токенов. Модель принимает текст и выдаёт текст. Модель предназначена для амхарских NLP-задач: ответов на вопросы, анализа тональности, распознавания именованных сущностей, классификации новостей, суммаризации, машинного перевода, исправления орфографии и генерации стихов, рассказов и песенных текстов. Обучающие данные включают амхарские наборы задач и переведённые инструкции. Карточка отмечает, что ответы могут быть многословными или неточными, а обработка поэтических форм, исправление орфографии и NER требуют дальнейшей оценки. Модель опубликована под лицензией Apache-2.0.

M-DIE-M-10.7B — разговорная языковая модель, разработанная Ados на основе upstage/SOLAR-10.7B-Instruct-v1.0. Это плотная модель семейства Llama с 10,6 млрд параметров, рассчитанная на генерацию текста и диалоговое использование; заявленная длина контекста — 4096 токенов. Обучающая выборка преимущественно корейская (73%) и английская (24%), с небольшой долей других языков. В неё входят примеры вопросов и ответов, многоходовых диалогов, выполнения инструкций, суммаризации и перевода. Модель предназначена для диалогов и выполнения текстовых инструкций, включая ответы на вопросы, краткое изложение и перевод. В README приведён шаблон диалога с системным сообщением OLLM, ориентированным на работу в локальной инфраструктуре. Модель опубликована в формате Safetensors и распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов. Результаты зависят от языка и качества запроса; обучение преимущественно на корейском и английском, поэтому качество для других языков может быть ниже. README не приводит количественных оценок качества.

Mungert/Midm-2.0-Base-Instruct-GGUF — это GGUF-квантизированная версия Mi:dm 2.0 Base Instruct, разработанной компанией KT с использованием собственной технологии. Модель ориентирована на корейский контекст: она предназначена для понимания и генерации текста с учетом корейских социальных, культурных и нормативных особенностей. Указанные языки — корейский и английский, основной сценарий применения — текстовая генерация и диалоговые ассистенты. Исходная Mi:dm 2.0 Base представляет собой плотную модель примерно на 11,5 млрд параметров, созданную путем масштабирования 8-миллиардной модели методом Depth-up Scaling (DuS). Данная версия преобразована в формат GGUF с помощью llama.cpp и предназначена для локального запуска и выбора различных уровней квантования. В карточке также описан подход к повышению точности квантования: отдельные важные слои переводятся на более высокую точность, что может улучшать качество при небольшом увеличении размера файла. Сильными сторонами модели являются специализация на корейском языке и культурном контексте, баланс между размером и производительностью, а также пригодность к локальному развертыванию благодаря формату GGUF. Ограничения включают возможные потери качества из-за квантования, зависимость характеристик от выбранного варианта GGUF и отсутствие в предоставленных данных сведений о размере контекста, конкретных уровнях квантования и полной сравнительной оценке. Модель распространяется по лицензии MIT.

Ministral-3-14B-Instruct-2512-GGUF — это GGUF-квантизированная версия инструкционной модели Ministral-3-14B-Instruct-2512, разработанной Mistral AI и подготовленной квантизатором bartowski. Модель предназначена для запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp, включая сценарии генерации текста и работы с изображениями согласно заявленному типу pipeline image-text-to-text. Модель имеет около 14 млрд параметров в исходной версии, а репозиторий содержит варианты от BF16 до низкобитных форматов Q3 и IQ4. Доступны версии с разным компромиссом между качеством, размером и требованиями к памяти; рекомендуемыми названы некоторые варианты Q4–Q6. Заявлена поддержка английского, французского, испанского, немецкого, итальянского, португальского, нидерландского, китайского, японского, корейского и арабского языков. Архитектура и размер контекстного окна в README не указаны, а формат промпта рекомендуется уточнять на странице исходной модели. Основные преимущества этой версии — возможность локального запуска, широкий выбор уровней квантизации и применение imatrix-калибровки для снижения потерь качества. Ограничения связаны с тем, что низкобитные варианты требуют компромисса между качеством и потреблением памяти, а подробные сведения о возможностях, контекстном окне и ограничениях исходной модели в README отсутствуют. Репозиторий распространяется по лицензии Apache-2.0.

AMAImedia выпустила NOESIS-Qwen3-Forced-Aligner-0.6B-112LANG-BF16 как компонент платформы автоматизации многоязычного дубляжа. Это дообученная версия Qwen3-ForcedAligner-0.6B от Alibaba: модель принимает аудио вместе с готовым текстом и определяет временные метки слов или символов, а не распознаёт речь с нуля. Она рассчитана на выравнивание фрагментов длительностью до пяти минут и, согласно карточке, обучена для 112 языков. Модель предназначена для подготовки субтитров, караоке-разметки и синхронизации реплик в многоязычных системах дубляжа. В README сообщается о тестировании на 112 языках; для части языков с более низкими строгими метриками автор рекомендует применять постобработку временных меток. Заявленные результаты тестирования и оценка готовности приведены разработчиком модели. Модель использует архитектуру Qwen3 ASR и распространяется в формате safetensors. Лицензия — Apache-2.0. Для аудио длиннее пяти минут требуется обработка окнами; сама модель не предназначена для получения транскрипции из аудио без исходного текста.

OmniAlign — многоязычная модель выравнивания последовательностей от WPS-Qingqiu. Это энкодер Transformer архитектуры GTE/NEW на 305,3 млн параметров, дообученный на базе Alibaba-NLP/gte-multilingual-mlm-base. Модель предназначена для выравнивания предложений и слов в параллельных текстах на разных языках. Для выравнивания слов модель использует контекстные векторные представления токенов, а для выравнивания предложений кодирует тексты в общее векторное пространство. Обучение включало четыре этапа: предварительное обучение, обучение без учителя, обучение с учителем и дистилляцию. Поддерживается контекст до 8192 токенов; модель рассчитана, в частности, на пары китайский–английский, английский–испанский, итальянский, немецкий, французский и русский, а также немецкий–французский. Репозиторий содержит веса и конфигурации; для выполнения выравнивания нужны код и скрипты из связанного GitHub-репозитория. Модель распространяется по лицензии Apache-2.0.

Persian-Phi — компактная языковая модель на архитектуре Phi-3, разработанная для генерации и понимания текста на персидском языке с сохранением возможностей английского. Модель дообучена на базе microsoft/Phi-3-mini-4k-instruct и содержит около 3,7 млрд параметров; контекст составляет до 4096 токенов. Для адаптации расширили токенизатор 5000 персидскими токенами, провели дополнительное предобучение на персидских корпусах и инструкционную настройку на двуязычных данных. Модель подходит для создания и суммаризации персидских текстов, ответов на вопросы и простого перевода между персидским и английским. В README сообщается о конкурентных результатах на Open Persian LLM Leaderboard и приводятся оценки на нескольких тестах. Возможны фактические ошибки и галлюцинации. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-Flash-Next — экспериментальная открытая модель компании AMAImedia, выпущенная в рамках платформы NOESIS для профессиональной автоматизации многоязычного дубляжа. В README также указано, что архитектура разработана как preview основы будущего поколения Qwen4. Модель предназначена для задач обработки текста, агентных сценариев и работы с визуальными данными; она совместима с Hugging Face Transformers, vLLM, SGLang и TokenSpeed. Это каузальная языковая модель с vision encoder и физическим объёмом 180B параметров: 125B параметров основной языковой модели, 51B параметров n-gram embedding и 4B параметров MTP. На один токен активируется около 6B параметров. Архитектура включает 48 слоёв, гибридную связку Gated DeltaNet и Qwen Sparse Attention, MoE с 512 экспертами, из которых активируются 10 маршрутизируемых и 1 общий, а также Gated Residual и n-gram embedding. Нативная длина контекста составляет 262 144 токена с возможностью расширения до 1 000 000 токенов. Языки и точный набор поддерживаемых визуальных форматов в README не указаны. Сильными сторонами модели заявлены эффективная обработка длинного контекста, сниженная задержка благодаря разреженному вниманию на уровне микроблоков, экономичное масштабирование параметров и низкие вычислительные затраты инференса. Ограничения связаны с экспериментальным статусом архитектуры и отсутствием в предоставленных данных подробных результатов бенчмарков, описания языкового покрытия и практических ограничений применения. Модель распространяется по лицензии qwen-community-1.0; условия лицензии следует уточнять в файле LICENSE.

Sakura-13B-Galgame 是由 SakuraUmi 微调的 Baichuan2-13B-Chat 模型， предназначенная для перевода японского текста на упрощённый китайский в стиле визуальных новелл, галгеймов и ранобэ. Разработчик сообщает о продолжительном предварительном обучении на японских и китайских текстах, а затем о дообучении моделей серии Sakura; в карточке указаны архитектура Baichuan, 13,3 млрд параметров и формат PyTorch. Модель принимает японский текст, при необходимости с контекстом по строкам, и генерирует перевод на китайском. README отмечает работу с местоимениями и сохранением терминологии через словарь, но предупреждает о возможных ошибках в местоимениях и понимании контекста, а также о зависимости качества от формата prompt. Лицензия — Apache-2.0.

Sarvam-1-GGUF — это GGUF-квантизированная версия языковой модели sarvamai/sarvam-1, подготовленная пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через совместимые инструменты, включая LM Studio. В README приведён формат промпта для инструкционного режима. Модель ориентирована на работу с бенгальским, английским, гуджарати, хинди, каннада, малаялам, маратхи, ория, пенджаби, тамильским и телугу. Доступны варианты от F16 до разных уровней квантования, включая Q8_0, Q6_K, Q5_K_M, Q4_K_M и более компактные форматы. Размер файлов составляет примерно от 1,17 до 5,05 ГБ; варианты с более высоким качеством требуют больше памяти, а низкоразрядные квантизации подходят для систем с ограниченными ресурсами. Сильная сторона сборки — широкий выбор форматов для компромисса между качеством, размером и скоростью локального вывода. Некоторые варианты используют Q8_0 для embedding- и output-весов, что может улучшать качество. Специализированные Q4_0_X_X оптимизированы для ARM-процессоров, но не рекомендуются для Mac и Windows; для них также требуются соответствующие аппаратные расширения. Архитектура, число параметров, размер контекста и мультимодальные возможности в README не указаны. Лицензия модели также не указана.

Shisa V2 Qwen2.5 32B — двуязычная диалоговая языковая модель общего назначения от Shisa.AI, дообученная на основе Qwen/Qwen2.5-32B-Instruct. Она рассчитана на задачи на японском языке, сохраняя возможности английского, и подходит для диалога, ответов на вопросы, генерации текста и структурированных ответов. Модель содержит 32 млрд параметров, использует плотную архитектуру Qwen2 и принимает текстовые запросы. Контекст — до 32 768 токенов; поддерживаются чат-шаблон базовой модели и интерфейс вызова инструментов. В README описано улучшение качества японских ответов относительно базовой модели и приведены результаты тестирования на японских и англоязычных бенчмарках. Модель распространяется по лицензии Apache 2.0. Для инференса авторы проверяли vLLM и SGLang.

SinLlama-Llama-3-8B-Merged-i1-GGUF — квантизированная версия текстовой языковой модели SinLlama-Llama-3-8B-Merged, основанной на архитектуре Llama 3. Базовую модель разработал SAWithanage, а набор GGUF-квантований подготовил mradermacher. Модель предназначена для генерации и обработки текста, прежде всего на сингальском и английском языках, и может использоваться в локальных приложениях и инструментах, поддерживающих формат GGUF. Доступны варианты квантизации i1-IQ и i1-Q с размером примерно от 2,2 до 6,8 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. В README рекомендуются i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством; некоторые малые варианты отмечены как имеющие низкое качество. Точная длина контекста, параметры обучения, результаты тестирования и сведения о мультимодальности не указаны. Модель распространяется по лицензии llama3.

Spaetzle-v63-7b — текстовая генеративная модель, созданная cstr путём слияния моделей OpenPipe/mistral-ft-optimized-1227 и DiscoResearch/DiscoLM_German_7b_v1 с помощью LazyMergekit и метода slerp. Это плотная Mistral-модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов; в её основе немецко-английская чат-модель, поэтому она может быть полезна для повседневного общения и перевода между немецким и английским языками. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. README не приводит отдельной оценки качества или подробных результатов испытаний. Возможности и языковое покрытие унаследованы от объединённых моделей и могут различаться в зависимости от задачи.

bakrianoo/t5-arabic-base — компактная модель семейства T5, разработанная для задач на арабском и английском языках. Это модель типа encoder-decoder с 126 млн параметров, реализованная для PyTorch и использующая формат text-to-text: входные и выходные данные представляются текстом. Модель можно применять как основу для генерации и преобразования текста на арабском и английском языках, а также как более компактную альтернативу google/mt5-base. Карточка не уточняет конкретные задачи, показатели качества или длину контекста. Модель распространяется по лицензии Apache-2.0.

GLM-Z1-32B-0414-GGUF — это квантизированная версия языковой модели GLM-Z1-32B-0414, разработанной THUDM и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Указаны китайский и английский языки, а лицензия исходной модели — MIT. Модель содержит 32B параметров; README не уточняет её архитектуру, размер контекста и дополнительные модальности, поэтому её следует рассматривать как текстовую модель. Доступны варианты от BF16 и Q8_0 до низкобитных Q2_K, Q3, Q4, Q5 и Q6-квантизаций. Старшие варианты обеспечивают качество, близкое к исходной модели, а более компактные требуют меньше оперативной памяти, но могут заметно терять в качестве. Для большинства сценариев рекомендованы варианты Q4_K_M, Q5_K_M, Q6_K и их модификации. Квантизации выполнены с использованием imatrix и llama.cpp; в этой версии также заявлено исправление токенизатора. Сильная сторона модели — возможность локального запуска 32B-модели в широком диапазоне требований к памяти благодаря большому выбору квантизаций. Ограничения включают высокие требования к ресурсам даже для компактных вариантов и потенциальное снижение качества у низкобитных форматов. Для корректного использования необходимо соблюдать указанный формат prompt с токенами GLM.