III.2Исследование рынка и маркетинг

SzilviaB/Gemma2_Magnum_abliterated_27b — разговорная языковая модель на архитектуре Gemma 2, созданная слиянием SLERP двух моделей: byroneverson/gemma-2-27b-it-abliterated и anthracite-org/magnum-v4-27b. Модель содержит 27,6 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах, ответов на запросы и создания прозы. В метаданных указана возможность чата; модель доступна через библиотеку Transformers. README описывает слияние весов в формате bfloat16 с помощью mergekit. В карточке не указаны лицензия и конкретный набор поддерживаемых языков. Поскольку в состав входит abliterated-модель, поведение в отношении отказов и ограничений безопасности может отличаться от исходных моделей.

Карточка модели Srishtik/gemma-3-270m-ties-merged-trained-on-responses на Hugging Face совпадает с карточкой Srishtik/gemma-3-270m-slerp-merged-trained-on-responses, поэтому описание составлено по ней. Srishtik дообучил текстовую модель Gemma 3 на 257 млн параметров на основе unsloth/gemma-3-270m-it. Она предназначена для диалогов и генерации текста; метаданные также указывают на поддержку чата. Модель использует плотную архитектуру Gemma3ForCausalLM, принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса Safetensors и лицензия Apache 2.0. README сообщает, что обучение выполнялось с Unsloth.

GreatRag-13B-slerp — языковая модель для генерации текста, созданная как слияние inception-mbzuai/jais-13b и google/gemma-2b методом SLERP с помощью LazyMergekit. Модель использует плотную архитектуру LlamaForCausalLM и распространяется в формате Safetensors; в метаданных указаны 6,6 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста и может применяться для диалогов, ответов на вопросы и суммаризации. В составе слияния есть Jais и Gemma; описание и метаданные не уточняют языковое покрытие или преимущества именно этого слияния. Лицензия в предоставленных данных не указана.

Yoesph/Haphazard-v1.1-24b — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на основе arcee-ai/Arcee-Blitz с добавлением TheDrummer/Cydonia-24B-v2.1, ReadyArt/Forgotten-Safeword-24B-V3.0 и PocketDoc/Dans-PersonalityEngine-V1.2.0-24b. Разработчик — Yoesph. Модель построена на архитектуре Mistral и содержит 23,4 млрд параметров. Она предназначена для генерации текста и диалогов, с акцентом на ролевые сценарии, следование инструкциям и общие языковые задачи. Контекстное окно составляет 32 768 токенов; модель принимает текст и выдаёт текст. В карточке указана лицензия; её конкретный тип в предоставленных данных отсутствует. Объединение нескольких моделей с разными настройками может давать вариативные результаты, а из-за включения модели, обозначенной как uncensored, ответы могут содержать взрослый или иной нежелательный контент.

Hunyuan-MT-Chimera-7B — ансамблевая модель перевода от Tencent, входящая в семейство Hunyuan Translation. Она объединяет несколько вариантов перевода в итоговый текст, чтобы повысить его качество. Модель предназначена для взаимного перевода между 33 языками, включая пять языков национальных меньшинств Китая; среди перечисленных в карточке языков — китайский, английский, русский, японский, арабский и другие. Модель построена на плотной причинной архитектуре Hunyuan V1 и содержит 7,5 млрд параметров. Она принимает текст и генерирует перевод; для неё заявлено контекстное окно 32 768 токенов. В карточке отмечены высокие результаты семейства на конкурсе WMT25, однако отдельные численные результаты именно Chimera не приведены. Для загрузки доступны веса Safetensors, а для работы указана библиотека Transformers. Лицензия в предоставленных данных не указана.

Модель aurazboev/isa-tuned-12-05-2024 — диалоговая языковая модель семейства Llama, разработанная aurazboev путём дообучения unsloth/Meta-Llama-3.1-8B. Она предназначена для генерации текста и ведения диалогов. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализацию обучения или оценку качества, поэтому пригодность для конкретных предметных областей не установлена.

ISOM-R1-Enterprise-40B — производная Falcon-40B-Instruct, разработанная Prannessh K.V.A. как исследовательская реализация для аналитических рассуждений и анализа длинных документов в корпоративных сценариях. Модель использует плотную авторегрессионную архитектуру Falcon с 60 слоями и Multi-Query Attention; в README заявлено 40 млрд параметров, тогда как метаданные указывают 65 млрд. Для каталога длина контекста составляет 8192 токена, хотя в README приведены теоретические спецификации до 32 768 токенов. Автор описывает ограниченное состояние памяти и изометрические операторы как архитектурные особенности, призванные снизить рост затрат на KV-кэш при длинном контексте. Приведённые оценки названы теоретическими; эмпирическая проверка обработки последовательностей длиной 32K не заявлена. Модель генерирует текст по текстовому запросу, карточка указывает английский язык. Репозиторий содержит веса PyTorch и SafeTensors. Лицензия модели — CC BY-NC-ND 4.0; README отдельно указывает, что базовая Falcon-40B-Instruct распространяется по Apache 2.0.

Vikhrmodels/it-5.4-fp16-orpo-v2 — русскоязычная чат-модель Vikhrmodels для генерации ответов на инструкции. Это плотная авторегрессионная модель семейства Llama с 7,3 млрд параметров и контекстом до 32 768 токенов. По карточке, в основе лежит Vikhr пятой версии на базе Mistral; модель обучали на переведённых инструкциях и ответах GPT-4, а затем улучшили методом ORPO на внутреннем датасете. Модель предназначена для диалогов и выполнения пользовательских инструкций на русском языке. В README отмечено высокое разнообразие ответов; для генерации авторы рекомендуют температуру 0,1–0,4. Модель распространяется в формате safetensors и обозначена как fp16; README также упоминает GGUF, но не приводит подробностей отдельной версии. Лицензия в предоставленных сведениях не указана. Возможности за пределами текстового чата и качество на конкретных задачах README не описывает.

KR-X-AI/gemma-2-9b-it-1.2 — разговорная модель семейства Gemma 2 с 9 млрд параметров, разработанная KR-X-AI и дообученная на базе KR-X-AI/gemma-2-9b-it-0.2. Она предназначена для диалогов и генерации текста; поддерживает чатовый сценарий и принимает текстовые запросы, выдавая текстовые ответы. Модель создана с использованием Unsloth и библиотеки Hugging Face TRL. Формат весов — Safetensors, длина контекста — 8192 токена. Модель подходит для чат-ботов и генерации ответов на текстовые запросы. В метаданных указан английский язык. Лицензия Apache-2.0 разрешает использование на её условиях; README не описывает специализированную предметную область или дополнительные возможности.

Карточка модели Model-SafeTensors/L3-Aethora-15B на Hugging Face совпадает с карточкой SteelStorage/L3-Aethora-15B, поэтому описание составлено по ней. L3-Aethora-15B — диалоговая языковая модель, созданная Steelskull на основе семейства Llama 3. Это плотная causal language model с 14,5 млрд параметров, архитектурой LlamaForCausalLM и контекстом до 8192 токенов. Модель принимает текст и генерирует текст в формате запросов L3. Модель предназначена для диалогов и генерации ответов с акцентом на более податливое и содействующее поведение. В основе — изменённая сборка AbL3In-15b слиянием моделей, затем дообученная в течение четырёх эпох методами RS-LoRA и DoRA на датасете Aether-Lite-V1.2 примерно из 82 тысяч примеров. Репозиторий содержит веса Safetensors; доступны отдельные GGUF-квантизации. Лицензия — Llama 3. README описывает ослабление отказов, поэтому модель может отвечать на запросы, которые другие модели отклоняют; ответы требуют проверки, особенно при использовании в чувствительных сценариях. Языки обучения и качество на конкретных языках в карточке не уточняются.

Lapa-12B-pt — мультимодальная модель семейства Gemma 3, дообученная украинскими исследователями из Украинского католического университета, AGH University of Krakow, КПИ имени Игоря Сикорского и Львовской политехники. Она предназначена прежде всего для работы с украинским языком и принимает текст и изображения, выдавая текстовые ответы. Модель содержит 12 млрд параметров и использует архитектуру Gemma3ForConditionalGeneration. По описанию авторов, токенизатор адаптирован для украинского языка: 80 тысяч из 250 тысяч токенов заменены на украиноязычные, что сокращает число токенов для украинского текста примерно в 1,5 раза относительно Gemma 3. Модель подходит для диалога, генерации и суммаризации текста, а также ответов и извлечения сведений по изображениям. Качество ответов зависит от обучающих данных и формулировки запроса; модель может ошибаться в фактах, упускать языковые нюансы и испытывать трудности со сложными задачами. README не сообщает подробностей о тренировочном наборе данных. Лицензия указана как Gemma; следует соблюдать условия лицензии Google Gemma.

Open-Assistant Llama2 70B SFT OASST — языковая модель, разработанная Open-Assistant и дообученная на базе Llama 2 70B на смеси диалогов OASST с оценкой top-1. Это плотный авторегрессионный трансформер-декодер, предназначенный для генерации ответов в диалоговом формате. Для разграничения реплик используются специальные токены начала пользовательского и ассистентского хода и окончания хода. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на английском, немецком, испанском и французском языках; README также отмечает ограниченные возможности на итальянском, португальском, польском, нидерландском, румынском, чешском и шведском. Число параметров составляет 68,7 млрд, контекст — 4096 токенов. Веса представлены в формате PyTorch, лицензия — Apache 2.0. Качество и полнота ответов на языках за пределами основных четырёх могут быть ограничены; контекст ограничен 4096 токенами. Модель предназначена для генерации текста по диалоговым примерам, а не для специализированных задач вроде распознавания изображений или аудио.

Это разреженная версия диалоговой языковой модели Llama 2 Chat 7B, разработанной Meta и обрезанной методом Wanda до 30% разреженности без переобучения или обновления весов. Модель представляет собой авторегрессионный трансформер с плотной архитектурой LlamaForCausalLM; репозиторий содержит веса PyTorch и SafeTensors. Размер модели по метаданным — 6,6 млрд параметров, длина контекста — 4096 токенов. Модель принимает текст и генерирует текст. Она предназначена прежде всего для диалоговых сценариев на английском языке: ответы на вопросы, работа в формате ассистента и генерация текста. Для ожидаемого поведения чат-версии следует использовать форматирование Llama 2 с маркерами инструкций и специальными токенами. Обрезка снижает число ненулевых параметров, сохраняя, по заявлению карточки, конкурентоспособное качество; конкретные результаты для этой версии не приведены. Как и другие языковые модели, она может выдавать неточную, предвзятую или нежелательную информацию. В README указана лицензия Meta для Llama 2 с требованием принять лицензионное соглашение для получения весов; в метаданных лицензия обозначена как other.

QuantFactory/Llama-3.1-8B-EZO-1.1-it-GGUF — квантизированная версия модели HODACHI/Llama-3.1-8B-EZO-1.1-it, созданная с помощью llama.cpp. Исходная модель разработана на базе Meta AI Llama 3.1 и дообучена компанией Axcxept co., ltd. для повышения качества работы с японскими задачами. Модель предназначена для генерации текста, диалоговых ассистентов и других сценариев, требующих следования инструкциям и многоязычной обработки, при этом основной акцент сделан на японском языке. Архитектура основана на Llama 3.1-8B-Instruct; заявлены языки японский и английский. Формат GGUF и квантизация ориентированы на запуск через совместимые инструменты, включая llama.cpp, однако конкретный уровень квантизации, размер файла и поддерживаемая длина контекста в карточке не указаны. Для обучения использовались отобранные данные из Japanese Wikipedia и FineWeb с последующим instruction tuning. Как и другие большие языковые модели, система может генерировать неточные, предвзятые или проблемные ответы, поэтому перед развёртыванием необходимы тестирование безопасности и настройка под конкретное применение. Использование регулируется Llama 3.1 Community License Agreement. Указанные рекомендации сообщать о коммерческом использовании и указывать авторство являются рекомендациями, а не юридическими требованиями.

Это диалоговая языковая модель на базе Meta Llama 3.1 8B Instruct, дообученная автором репозитория ferrazzipietro на неизвестном наборе данных. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 7,5 млрд параметров и предназначена для генерации текста и ведения диалога по инструкциям. Карточка не описывает отдельные специализированные сценарии дообучения. Модель принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий использует библиотеку Transformers и формат safetensors. Базовая модель поддерживает многоязычные диалоги, однако README этой версии явно не перечисляет языки. Лицензия — Llama 3.1; применяются её условия использования.

JPQ24/Llama-3.1-8b-Natural-Synthesis-merged-16bit — дообученная текстовая модель JPQ24 на архитектуре Llama 3.1. В карточке указана базовая модель unsloth/llama-3.1-8b-instruct-unsloth-bnb-4bit; обучение выполнено с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,5 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке; метаданные также отмечают интерфейс вызова инструментов. Доступна в формате safetensors по лицензии Apache-2.0. Название указывает на объединение и 16-битный формат, однако README и метаданные не подтверждают способ слияния или точность сохранённых весов.

Модель mo-xx/llama-3-8b-cyber-model — дообученная mo-xx версия Llama 3 с плотной архитектурой LlamaForCausalLM. В качестве основы использована unsloth/llama-3-8b-Instruct-bnb-4bit; для обучения применялись Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст. Длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. В карточке нет сведений о специализации на кибербезопасности или результатов оценки качества, поэтому название модели само по себе не подтверждает пригодность для профильных задач.

Карточка модели Ayush-1722/Llama-3-8B-Instruct-v0.1-16K-QLoRA-Merged на Hugging Face совпадает с карточкой Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged, поэтому описание составлено по ней. Модель Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged — дообученная Ayush-1722 версия Llama 3 для генерации текста. Она рассчитана на текстовые запросы и ответы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, имеет контекст до 32 768 токенов и распространяется под лицензией Apache-2.0. Модель подходит для генерации ответов и продолжения текста на английском языке. Карточка не описывает конкретные целевые сценарии, оценки качества или специальные ограничения; результаты следует проверять для выбранного применения.

Llama-3-8B-WildChat — дообученная Magpie-Align модель на архитектуре Llama, основанная на Meta Llama 3 8B. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; контекст — до 8192 токенов. Карточка сообщает о дообучении с помощью Axolotl и приводит значение loss 0,8197 на оценочном наборе. Данные обучения и подробные сценарии применения в карточке не раскрыты. Модель распространяется по лицензии Llama 3.

Llama-3-KafkaLM-8B-v0.1 — языковая модель Seedbox, обученная Dennis Dickmann на базе Llama 3 8B. Это плотная авторегрессионная модель для генерации текста и диалогового взаимодействия; она содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель дообучена на отфильтрованной версии набора multitask_german_examples_32k, в котором собраны открытые инструкции, переведённые с английского на немецкий. Она предназначена для повседневных задач на немецком языке, в том числе для применения в деловом контексте, и также поддерживает английский. Автор отмечает, что ответы могут быть творческими и иногда выходить за рамки обычной языковой сдержанности. Модель распространяется в формате safetensors и использует лицензию Llama 3 со всеми её ограничениями и ограничениями обучающих наборов данных. Автор указывает исследовательскую цель использования; это само по себе не означает, что модель является экспериментальным исследовательским чекпойнтом.

QuantFactory/LLaMAX3-8B-Alpaca-GGUF — квантованная версия модели LLaMAX3-8B-Alpaca, созданная QuantFactory с использованием llama.cpp. Базовая модель разработана командой LLaMAX и основана на Llama 3 с размером около 8 миллиардов параметров. Модель предназначена для генерации текста, следования инструкциям и многоязычного машинного перевода. Модель обучалась на данных для 102 языков с целью расширить языковые возможности Llama и сохраняет способности к выполнению инструкций, полученные при дообучении на датасете Alpaca. Она поддерживает перевод между более чем 100 языками, включая русский, английский, китайский, арабский, немецкий, французский, испанский, японский и многие другие. Основная модальность — текст; размер контекста в README не указан. К сильным сторонам относятся широкое языковое покрытие и улучшенные по сравнению с LLaMA3-8B-Alpaca показатели перевода на наборе Flores-101: среднее улучшение spBLEU превышает 5 баллов. Ограничения включают отсутствие сведений о точных параметрах квантования, размере контекста и качестве для задач, не связанных с переводом; результаты также могут различаться в зависимости от языка и направления перевода. Модель распространяется по лицензии MIT.

llm-jp/llm-jp-3.1-1.8b-instruct4 — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это версия серии LLM-jp-3.1 с улучшенным следованием инструкциям благодаря дополнительному обучению на парах инструкций и ответов, а также последующей настройке с учителем и Direct Preference Optimization. Модель построена на плотной архитектуре LlamaForCausalLM и содержит около 1,7 млрд параметров. Она принимает текст и генерирует текст, поддерживает японский и английский языки, а контекст составляет 4096 токенов. Подходит для диалога и выполнения текстовых инструкций; опубликована в формате Safetensors для Transformers. Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не была специально настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

LongForm-LLaMA-7B-diff — опубликованная разность весов модели LLaMA 7B, адаптированной авторами набора данных LongForm для генерации длинных текстов по инструкциям. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LLaMA и распространяется в формате PyTorch. Для применения разности необходима исходная предобученная LLaMA 7B; README отмечает, что опубликована именно разность из-за ограничений на распространение моделей LLaMA. Модель предназначена для генерации развернутых текстов по инструкциям: ответов на вопросы, рецептов, писем, историй и стихотворений, а также для суммаризации и исправления грамматики. Обучающий набор LongForm включает англоязычные примеры из разных корпусов и структурированных источников. Метаданные также отмечают поддержку немецкого, итальянского, испанского и французского языков, однако описание обучения и оценки сосредоточено на английском. Авторы сообщают о преимуществах LongForm-моделей в оценке генерации рецептов, ответов на вопросы ELI5 и коротких историй по сравнению с некоторыми моделями, настроенными на инструкции. Модель может галлюцинировать и ограниченно подходит для задач структурированного предсказания. Лицензия в предоставленных данных не указана.

MaidFlameSoup-7B — объединённая языковая модель автора nbeerbower, созданная с помощью mergekit методом Model Stock на основе нескольких предварительно обученных моделей Mistral. В слияние вошли nbeerbower/Flammen-Kunoichi-7B, nbeerbower/flammen10-mistral-7B, nbeerbower/flammen11X-mistral-7B и nbeerbower/Maidphin-Kunoichi-7B; базой указана nbeerbower/flammen13-mistral-7B. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral для авторегрессионной генерации текста и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Лицензия — Apache-2.0.

MeliodasPercival_01-7B — автоматически объединённая модель для генерации текста, созданная Maxime Labonne на основе AurelPx/Meliodas-7b-dare и AurelPx/Percival_01-7b-slerp. В README указан метод слияния SLERP и тип точности bfloat16; архитектура — плотная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Карточка не приводит отдельных оценок качества или подробного описания языковой специализации. Распространяется под лицензией Apache-2.0.

MeliodasPercival_01_Experiment29Experiment24 — объединённая текстовая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment29Experiment24-7B. Она содержит 7,1 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов; поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка описывает её как слияние двух моделей, но не приводит сравнительных оценок качества, подробностей о методе объединения или сведений о специально поддерживаемых языках. Поэтому пригодность для конкретных сценариев следует проверять на собственных примерах.

Exveria/merge003 — объединённая языковая модель, созданная с помощью mergekit методом TIES на основе amazingvince/Not-WizardLM-2-7B с включением TFMC/Japanese-Starling-ChatV-7B. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев; базовая Japanese-Starling-ChatV-7B ориентирована на японский язык, однако сведения о языковой поддержке итоговой модели в карточке не уточнены. Модель распространяется в формате safetensors и использует библиотеку Transformers. Веса сохранены в float16. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

SepKeyPro выпустил Merged-OpenLlama3-8B — плотную языковую модель на архитектуре Llama, созданную слиянием трёх моделей с помощью Mergekit и метода model_stock. В основу слияния вошли Meta-Llama-3-8B-Instruct, openchat-3.6-8b-20240522 и llama-3-gutenberg-8B; базовой указана Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует формат safetensors и представлена с типом данных bfloat16. Модель предназначена для диалоговых ответов и генерации текста. Контекст составляет до 8192 токенов. Карточка не сообщает о специализированных языках или предметных областях; базовая модель описана как англоязычная. Лицензия репозитория — Apache-2.0. README не приводит сравнительных оценок качества или конкретных ограничений.

Fischerboot объединил две предварительно обученные языковые модели семейства Llama с помощью SLERP через mergekit: TheDrummer/Llama-3SOME-8B-v1 и VAGOsolutions/Llama-3-SauerkrautLM-8b-Instruct. Результат — плотная авторегрессионная модель для генерации текста и диалогового общения, доступная в формате safetensors и рассчитанная на контекст до 8192 токенов; размер составляет около 7,5 млрд параметров. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. В составе слияния есть немецко- и англоязычная чат-модель, обученная следованию инструкциям; карточка объединённой модели не уточняет языковой охват результата. Репозиторий не сообщает отдельные результаты оценки качества или подробные ограничения. Лицензия в предоставленных данных не указана.

Fischerboot/mergekit-slerp-qqnicnt — объединённая методом SLERP языковая модель семейства Llama, созданная с помощью mergekit из Fischerboot/mergekit-slerp-awrvish и Fischerboot/mergekit-slerp-miersap. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors для Transformers. Модель подойдёт для диалоговых приложений и генерации продолжений текста. Сведения о поддерживаемых естественных языках и специализированных областях в карточке не приведены, поэтому их нельзя надёжно уточнить. Лицензия в предоставленных данных не указана.