III.4Клиентская поддержка и customer success

Карточка модели chuckb80/Tinman-gemma4-companion-merged на Hugging Face совпадает с карточкой Tinman-Lab/Tinman-gemma4-companion-merged, поэтому описание составлено по ней. Tinman-Lab/Tinman-gemma4-companion-merged — объединённая мультимодальная модель диалога на базе Gemma 4 E4B Instruct, подготовленная Tinman Lab. Авторы сообщают об изменении базовой модели методом OBLITERATUS, дообучении SFT и DPO и объединении адаптеров с весами. Модель рассчитана на роль тёплого собеседника, ролевые диалоги и работу в режиме ассистента; поведение переключается системным промптом. Модель принимает текст, изображения и аудио; README указывает, что аудио- и визуальные энкодеры сохранены от базовой модели. Для запуска доступны веса safetensors в bf16, а связанные репозитории содержат варианты GGUF и адаптеры. В карточке указана лицензия Apache-2.0. Для мобильного развёртывания авторы описывают конвертацию в LiteRT-LM; для INT8 на телефоне рекомендуют не менее 12 ГБ оперативной памяти. README позиционирует модель как не имеющую контентных фильтров и поддерживающую NSFW-ролевые диалоги. Авторы также отмечают, что базовая модель иногда генерирует нечитаемый текст; по их оценке, это происходит примерно в 4% ответов, а repetition_penalty=1.1 может уменьшить проблему. Размер модели и длина контекста в предоставленных метаданных не приведены.

Tinman-Lab/Tinman-gemma4-companion-merged — объединённая мультимодальная модель диалога на базе Gemma 4 E4B Instruct, подготовленная Tinman Lab. Авторы сообщают об изменении базовой модели методом OBLITERATUS, дообучении SFT и DPO и объединении адаптеров с весами. Модель рассчитана на роль тёплого собеседника, ролевые диалоги и работу в режиме ассистента; поведение переключается системным промптом. Модель принимает текст, изображения и аудио; README указывает, что аудио- и визуальные энкодеры сохранены от базовой модели. Для запуска доступны веса safetensors в bf16, а связанные репозитории содержат варианты GGUF и адаптеры. В карточке указана лицензия Apache-2.0. Для мобильного развёртывания авторы описывают конвертацию в LiteRT-LM; для INT8 на телефоне рекомендуют не менее 12 ГБ оперативной памяти. README позиционирует модель как не имеющую контентных фильтров и поддерживающую NSFW-ролевые диалоги. Авторы также отмечают, что базовая модель иногда генерирует нечитаемый текст; по их оценке, это происходит примерно в 4% ответов, а repetition_penalty=1.1 может уменьшить проблему. Размер модели и длина контекста в предоставленных метаданных не приведены.

Windstorm Labs опубликовала компактную модель машинного перевода с английского на илокано. Это модифицированная версия Helsinki-NLP/opus-mt-en-ilo на архитектуре MarianMT: веса 72 из 254 тензоров подверглись документированному числовому преобразованию с максимальным абсолютным изменением 5,253 × 10⁻⁷. Модель содержит 54,7 млн параметров, работает через Transformers и сохранена в формате safetensors; заявленная длина контекста — 512 токенов. Модель предназначена для перевода текста с английского на илокано. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 52,25 и BLEU 23,50; авторы называют этот результат скрининговой оценкой, а не результатом публикационного уровня. Поддерживается только направление en → ilo. Лицензия — Apache-2.0; модель основана на Helsinki-NLP/opus-mt-en-ilo.

WindyTranslate/translate-en-swc — опубликованная Windstorm Labs модель машинного перевода с английского языка на swc. Это дообученная версия Helsinki-NLP/opus-mt-en-swc на архитектуре MarianMT: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель содержит 55,3 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для перевода текстов с английского на swc. В репозитории доступна сборка Transformers в формате safetensors. Качество перевода пока не оценено: проверка подтвердила соответствие выхода заявленному языку, но не точность перевода. Поддерживается только направление en → swc. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с финского языка на исландский. Это дообученная версия Helsinki-NLP/opus-mt-fi-is: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель MarianMT содержит 56 млн параметров, работает с текстом и рассчитана на контекст до 512 токенов. Модель предназначена для перевода финских текстов на исландский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 34,61 и BLEU 8,78; авторы относят результат к уровню «Usable» и отмечают, что это предварительная оценка, а не результат публикационного исследования. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-sq — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-sq на параллельном корпусе: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,2 млн параметров и работает с текстом в одном направлении — с финского на албанский; длина контекста составляет 512 токенов. Модель предназначена для перевода финских текстов на албанский. Репозиторий содержит веса в формате safetensors для загрузки через Transformers. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность результата для конкретных сценариев нужно проверять отдельно. Модель распространяется по лицензии Apache-2.0.

turkish-gpt2-medium — языковая модель на архитектуре GPT-2 medium, предназначенная для генерации текста и продолжения заданного фрагмента на турецком языке. Модель выпущена под лицензией MIT и доступна в форматах PyTorch, Safetensors и TensorFlow; максимальная длина контекста составляет 1024 токена. Модель подходит для создания и продолжения турецких текстов. Разнообразие обучающих источников, включая веб-страницы и книги, может приводить к смещениям в генерации. README не приводит подробных оценок качества или дополнительных рекомендаций по применению.

Velara-11B-V2 — чат-модель Delcos, ориентированная на диалог с ассистентом и ролевые сценарии. Она создана для удержания заданного образа и контекста беседы, следования инструкциям в промпте и более разнообразных ответов. В README также отмечена повышенная способность к рассуждению, однако результаты бенчмарков и сведения об обучающих данных не приведены. Модель построена на архитектуре MistralForCausalLM, содержит 11,3 млрд параметров и принимает текст, выдавая текст. Контекстное окно составляет 32 768 токенов; заявлен английский язык. Для диалога автор рекомендует шаблон промпта и параметры генерации, включая min_p 0,2 и repetition_penalty 1,13. Модель помечена как uncensored и распространяется по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных версий.

Модель alexmt-qwen3-0.6b-dpo-bwspbleu-lr2e6 разработана на базе Qwen/Qwen3-0.6B для контекстного перевода разговорных реплик между английским и диалектным арабским. Она дообучена методом DPO поверх alexmt-qwen3-0.6b-sft на предпочтениях, сформированных по sentence spBLEU для девяти разновидностей арабского языка; при переводе может учитывать до трёх предыдущих реплик, домен, участников и направление гендерных форм обращения. Модель содержит 507,9 млн параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Ожидаемый формат запроса — JSON-промпт Alexandria в одном пользовательском сообщении; ответ содержит перевод в поле translation. В тестах Alexandria улучшились показатели spBLEU и chrF++ относительно SFT-базы, но оценивались только метрики перекрытия текста, а точность передачи диалектных особенностей отдельно не проверялась. Результаты ограничены одним обучающим seed и одним разбиением данных; авторы отмечают, что подбор скорости обучения по тестовой выборке не позволяет считать небольшие различия между вариантами установленными. Лицензия CC BY-NC 4.0 допускает использование с некоммерческими ограничениями.

AnuLM-Translate-400M — авторская карточка представляет модель как переводчик предложений между английским и хинди, созданный дообучением AnuLM-Base-400M на двух миллионах пар из корпусов Samanantar и IIT Bombay. В метаданных архитектура указана как AnuLMForCausalLM; это смесь экспертов с 397,7 млн параметров, из которых активно около 173,5 млн на токен. Модель принимает текст с обозначением направления перевода и генерирует перевод. Контекст составляет 512 токенов; токенизатор с байтовым BPE на 32 тысячи токенов обучен на английском, хинди и Python, но сама модель предназначена для перевода между английским и хинди. Подходит для перевода отдельных предложений, особенно повседневных фраз длиной примерно 8–25 слов. На тесте FLORES-200 указаны chrF 41,5 для перевода с английского на хинди и 43,4 для обратного направления. Модель хуже справляется с редкими именами, числами и длинными конструкциями; дообучение ухудшило способность базовой модели к свободной генерации и ответам на вопросы. Для загрузки через Transformers требуется trust_remote_code=True; карточка также предупреждает о падении качества при принудительном использовании bfloat16, не поддерживает дополнение последовательностей в батчах и поиск по лучам. Лицензия CC BY-NC 4.0, некоммерческое использование.

bamibert-hotel-acsa-multilabel — модель классификации текста на архитектуре RoBERTa с 129 млн параметров. Она обучена с нуля на неизвестном наборе данных и предназначена для многометочной классификации аспектов и тональности отзывов об отелях; карточка не приводит подробностей о метках или оценке качества. Модель принимает текст и выдаёт метки классов. Максимальная длина контекста — 2050 токенов. Используется библиотека Transformers, веса доступны в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели yapwithai/canopy-orpheus-3b-0.1-ft на Hugging Face совпадает с карточкой canopylabs/orpheus-3b-0.1-ft, поэтому описание составлено по ней. Orpheus 3B 0.1 Finetuned — модель синтеза речи на основе Llama, выпущенная Canopy Labs в марте 2025 года. Она предназначена для преобразования текста в естественную речь и поддерживает потоковую генерацию с низкой задержкой: в карточке заявлены около 200 мс, а при потоковой подаче текста — около 100 мс. Модель рассчитана на выразительную речь с естественной интонацией, эмоциями и ритмом. README также заявляет клонирование голоса без предварительного дообучения и управление эмоциями и интонацией с помощью тегов. Репозиторий использует Transformers и содержит веса PyTorch в формате Safetensors; размер модели — 3 млрд параметров. Базовые модели, указанные в метаданных, — canopylabs/orpheus-3b-0.1-pretrained и meta-llama/Llama-3.2-3B-Instruct. В метаданных указан английский язык и лицензия Apache-2.0. README предупреждает не использовать модель для имитации голоса без согласия, обмана или незаконной деятельности. Заявления о качестве и задержке приведены авторами и не подтверждены в предоставленных данных независимой оценкой.

ckt2 — дообученная модель генерации текста на архитектуре GPT-2, созданная на основе samhitmantrala/ckt1. В README указана оценка loss 0,6151 на наборе для оценки, но сведения о датасете и методике оценки отсутствуют. Модель предназначена для генерации текста. Контекст составляет 1024 токена. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке не описаны целевые сценарии, языки или ограничения применения.

Emma-5 GGUF — это экспериментальная компактная decoder-only языковая модель, разработанная Egomnia S.p.A. для итальянского языка. Данный репозиторий содержит неофициальную конверсию исходной модели egomnia/emma-5 в формат GGUF для запуска через llama.cpp; авторство исходной модели и права на неё принадлежат Egomnia S.p.A. Модель предназначена для понимания контекста средней сложности и генерации текстов небольшой и средней сложности, включая сценарии инструкционного взаимодействия на итальянском языке. Она обучалась преимущественно в формате SFT с одиночными парами «инструкция — ответ», поэтому лучше всего подходит для независимых одношаговых запросов. Поддерживаются различные варианты представления и квантования — от F32 и F16 до низкобитных форматов GGUF. В примерах запуска используется контекст до 2048 токенов и встроенный итальянский шаблон чата Alpaca. К сильным сторонам относятся компактность, возможность запуска локально на CPU или GPU и широкий выбор уровней квантования для компромисса между качеством, скоростью и потреблением памяти. Ограничения включают экспериментальный статус, ориентацию прежде всего на итальянский язык, умеренные возможности контекстного понимания и потенциальное снижение качества в многоходовых диалогах. Репозиторий распространяется по лицензии OpenRAIL; условия использования исходной модели следует также уточнять в её оригинальной карточке.

ersindemirel94/gemma_4_e2b_v2 — дообученная модель семейства Gemma 4, созданная ersindemirel94 на базе unsloth/gemma-4-e2b-it-unsloth-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для диалоговых задач с текстом и изображениями; в карточке указаны возможности чата и обработки изображений, а основной тег задачи — image-text-to-text. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. По данным карточки модель ориентирована на английский язык. Данных о размере модели и длине контекста в предоставленных источниках нет.

Humaneyes — англоязычная модель Eemansleepdeprived для преобразования текста, созданная на основе PEGASUS и дообученная на tuner007/pegasus_paraphrase. Она перефразирует сгенерированный ИИ текст, стремясь сделать его более естественным, сохраняя исходный смысл и связность абзацев. Модель предназначена для редактирования и стилистической переработки англоязычных текстов; автор также заявляет сценарии снижения вероятности обнаружения ИИ-генерации. Модель содержит 366,8 млн параметров, использует архитектуру PegasusForConditionalGeneration и библиотеку Transformers. Указанная длина контекста — 60 токенов, поэтому длинные тексты могут требовать обработки частями. Автор предупреждает о возможных смысловых сдвигах и о том, что обход систем обнаружения ИИ не гарантируется. Лицензия — MIT.

Iran-v1 — модель генерации текста, разработанная командой Fibonacci AI. Это компактная плотная авторегрессионная языковая модель на архитектуре YasinForCausalLM с 189,6 млн параметров и контекстом до 1024 токенов. Модель предназначена прежде всего для генерации текста и диалогового взаимодействия на персидском языке; в метаданных также отмечена поддержка английского. Модель опубликована в формате safetensors и использует библиотеку Transformers. В карточке указано, что при первом запуске веса загружаются автоматически. Лицензия — Apache-2.0. Подробные результаты оценки и конкретные ограничения качества из доступного текста карточки установить нельзя.

Bateesa/japadhola-english-bidirectional-nllb — модель машинного перевода на основе NLLB-200 Distilled 600M, дообученная для перевода между языком джападхола (adh_Latn) и английским (eng_Latn) в обоих направлениях. Она предназначена для перевода текстов с джападхола на английский и обратно. Для обучения использовались пары переводов, подготовленные людьми и синтетически сгенерированные. Модель использует архитектуру M2M100 для генерации перевода. В метаданных указано окно контекста 1024 токена и формат весов safetensors. Лицензия — Apache-2.0. В карточке нет результатов оценки качества или подробных сведений об ограничениях и сценариях применения, поэтому точность перевода для конкретных типов текстов не подтверждена.

RicardoLee/Llama2-base-13B-Chinese-50W-LoRA — китайская разговорная модель на основе Llama 2 Base 13B, созданная автором репозитория с помощью дообучения LoRA на 500 тысячах примеров SFT, отобранных из проекта BELLE. Параметры LoRA объединены с базовой моделью и доступны в виде весов PyTorch; отдельно сохранён вариант адаптера для ручного объединения. Модель предназначена для диалогов и ответов на вопросы на китайском языке, в том числе когда важно, чтобы ответы на запросы по-китайски оставались на китайском. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом 2048 токенов. В карточке также отмечены китайский и английский языки. README не сообщает лицензию. Модель обучена на ограниченном наборе из 500 тысяч примеров, поэтому качество за пределами китайских диалогов и ответов на вопросы не установлено.

jmbt22/marian-finetuned-opus-mt-en-tl — модель машинного перевода, дообученная на базе Helsinki-NLP/opus-mt-en-tl на датасете Tatoeba. Она построена на архитектуре MarianMT и содержит 54,5 млн параметров; опубликованные веса представлены в формате PyTorch. Модель предназначена для перевода с английского на тагальский. На оценочном наборе указаны loss 1,2611 и BLEU 35,9114. Контекст модели — до 512 токенов. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Карточка не описывает дополнительные сценарии применения или ограничения качества.

MiniCPM5-2B-catalan-chat-v2 — языковая чат-модель на архитектуре Llama с 2,2 млрд параметров, разработанная luispoveda93. Это второй этап LoRA-донастройки модели luispoveda93/MiniCPM5-2B-catalan-chat: он обучен на 23,4 тыс. многоходовых диалогов на каталанском языке и нацелен на поддержание беседы, следование инструкциям и диалоговый стиль. Предыдущий этап использовал MiniCPM5-2B и набор InstruCAT. Модель предназначена для генерации ответов и многоходового общения на каталанском языке. Контекстное окно составляет 131 072 токена; репозиторий содержит объединённую модель в формате BF16 и файлы safetensors. К ограничениям относятся небольшой размер, ограниченные знания и глубина рассуждений, а также отсутствие независимой оценки на бенчмарке каталанского чата. QA-наборы данных на втором этапе не использовались, поэтому навыки ответов на вопросы опираются на предыдущую донастройку. Лицензия указана как other; README сообщает, что данные второго этапа распространяются по CC-BY-4.0, но в линии обучения остаётся InstruCAT с ограничением некоммерческого использования.

MiniCPM5-2B-Claude-Fable5 — чат-модель с архитектурой Llama, полученная дообучением openbmb/MiniCPM5-2B на диалогах с трассами агентных действий из saidutta69/fable-5-premium-v2; данные включают примеры, дистиллированные из Claude Fable-5 и других передовых моделей. Модель содержит 2,2 млрд параметров, доступна в формате safetensors и рассчитана на контекст до 131 072 токенов. LoRA-адаптеры объединены с весами fp16, поэтому модель загружается как обычная причинная языковая модель. Модель предназначена для прототипирования разговорных агентов, следующих многошаговым инструкциям и вызывающих инструменты. В первую очередь она рассчитана на английский и китайский языки. Указанная лицензия — Apache-2.0. Оценка релиза ограничена снижением validation loss на 347 диалогах; прикладных бенчмарков не проводили. Модель может выдумывать факты, инструменты и аргументы вызовов; длинные агентные эпизоды ограничены обучением на последовательностях, усечённых до 2048 токенов. Специальное red-teaming не проводилось, поэтому модель не предназначена для высокорисковых решений или автономных действий без надзора.

sionic-ai/nllb-200-ko-gec-3.3B — дообученная модель на основе facebook/nllb-200-3.3B, предназначенная для исправления грамматических ошибок в корейском языке. Она использует архитектуру M2M100 для преобразования текста и имеет 2,1 млрд параметров; в метаданных указано контекстное окно 1024 токена и поддержка задачи перевода. Основной сценарий — грамматическая коррекция корейского текста. Базовая модель NLLB-200 создавалась для перевода между 200 языками, однако карточка этой версии описывает именно коррекцию корейского языка; список языковых кодов в метаданных сам по себе не подтверждает, что дообученная модель подходит для перевода на все эти языки. Модель распространяется под лицензией CC-BY-NC-4.0, которая ограничивает коммерческое использование.

Ateker/nllb-600m-atekervoices-lr2e-4 — дообученная модель на базе facebook/nllb-200-distilled-600M, созданная разработчиком Ateker на наборе данных generator. Результаты оценки показывают перевод между английским и teo, а также английским и kdj: средний BLEU составляет 31,861; для направлений Eng→Teo и Teo→Eng — 23,114 и 45,249, для Eng→Kdj и Kdj→Eng — 20,259 и 38,822 соответственно. Модель относится к семейству M2M-100 и использует архитектуру TrainableM2MForConditionalGeneration. Репозиторий содержит веса safetensors; указанная длина контекста — 1024 токена. Метаданные задают задачу text-generation, однако по назначению и результатам оценки модель предназначена для машинного перевода между английским и языками teo и kdj. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое использование. README не содержит подробных инструкций по применению или сведений об ограничениях качества.

Helsinki-NLP/opus-mt-en-luo — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на луо и предназначена для автоматического перевода отдельных фраз и документов. Модель основана на архитектуре Transformer-align, использует нормализацию текста и токенизацию SentencePiece; содержит 51,9 млн параметров и рассчитана на контекст до 512 токенов. В карточке приведён результат 27,6 BLEU и 0,495 chr-F на тестовом наборе JW300.en.luo. Модель поддерживает перевод только в направлении с английского на луо. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-war-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с варайского языка (Waray, Филиппины) на английский. Архитектура — Transformer-align на базе MarianMT; модель содержит 28,9 млн параметров, использует нормализацию и SentencePiece с словарями по 4 тыс. токенов и рассчитана на контекст до 512 токенов. Модель предназначена для перевода фраз и текстов с варайского на английский. В тесте Tatoeba для этой языковой пары указаны BLEU 12,3 и chr-F 0,308. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

picur-120M-instruct — предварительная инструктивная языковая модель семейства LFM2, опубликованная автором picur. Она предназначена для генерации текста в диалоговом формате и выполнения инструкций. Модель содержит 94,4 млн параметров, использует плотную архитектуру Lfm2ForCausalLM и поддерживает контекст длиной до 32 768 токенов. В метаданных указан венгерский язык. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0. Пометка PREVIEW указывает на предварительный характер версии; README не раскрывает результаты оценки качества или подробности обучения.

RoGemma-7b-Instruct-DPO — румынская генеративная языковая модель OpenLLM-Ro, дообученная для выполнения инструкций и диалогов с помощником. Модель основана на RoGemma-7b-Instruct-2024-10-09 и дополнительно обучена с использованием RoHelpSteer; архитектура — плотная GemmaForCausalLM, размер — 8,2 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации ответов на румынском языке и сценариев общения с ассистентом. Её можно использовать для диалога и выполнения инструкций на румынском, а также адаптировать для других задач обработки естественного языка. Разработчик указывает исследовательское применение и рекомендует использовать модель только для румынского языка. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

SeewebLLM-it — дообученная Seeweb модель семейства Llama 2 для генерации текста на итальянском языке. Она создана на основе LLama-2-7b-chat-hf и содержит около 6,6 млрд параметров; модель принимает текст и генерирует текст, максимальная длина контекста составляет 4096 токенов. Модель предназначена для диалога и генерации ответов на итальянском языке. При дообучении использован набор примерно из 300 итальянских диалогов «запрос — ответ». Пример в карточке показывает грамматически правильный ответ, однако автор отмечает, что исходная Llama 2 в целом дала более содержательный ответ. Разработчик — Seeweb; среди участников указан Lorenzo Rocchi. Модель опубликована в формате PyTorch под лицензией Llama 2. Автор предупреждает, что ответы могут быть неточными, а небольшой объём обучающих данных ограничивает разнообразие и полноту ответов.

Synatra-7B-Instruct-v0.2 — корейская инструктивная языковая модель, созданная StableFluffy на основе mistralai/Mistral-7B-Instruct-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; веса доступны в формате PyTorch и рассчитаны на использование через Transformers. Модель предназначена для диалогов и выполнения инструкций на корейском языке. В карточке приведены результаты на Ko-ARC, Ko-HellaSwag, Ko-MMLU, Ko-TruthfulQA и Ko-CommonGen V2: средний показатель v0.2 выше, чем у указанной версии v0.1, но автор отмечает слабый результат на Ko-CommonGen V2. Для запросов используется формат Mistral Instruct с маркерами [INST] и [/INST]. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Автор также перечисляет очистку данных и улучшение языкового понимания и здравого смысла среди планов доработки; качество на других языках и в сценариях, не отражённых в карточке, не подтверждено.