III.4Клиентская поддержка и customer success

AISAK-Assistant — диалоговая языковая модель команды AISAK для генерации ответов и другого связного текста по запросам на естественном языке. Модель основана на архитектуре Transformer семейства Mistral и содержит 7,1 млрд параметров; для работы с контекстом указана длина до 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Модель предназначена для общения, творческого письма, формулирования ответов и автоматизации создания текстового контента общего назначения. В карточке заявлено дообучение на обширных наборах данных и широкая применимость, но сравнительные заявления о качестве не подкреплены приведёнными результатами тестов. README запрещает личное, публичное и коммерческое применение вне системы AISAK; условия лицензии обозначены как other, а карточка требует письменного разрешения правообладателя на воспроизведение и распространение.

CM-14 — плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, созданная объединением cookinai/CatMacaroni-Slerp и EmbeddedLLM/Mistral-7B-Merge-14-v0.2 методом Slerp с помощью mergekit. Модель предназначена для генерации текста; её нативная длина контекста составляет 32 768 токенов. Модель принимает текст и генерирует текст. В карточке указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Информация о языках, специализированных областях и измеренных качествах модели не приведена.

EsotericKnowledge-24B — разговорная языковая модель на 23,4 млрд параметров, созданная автором yamatazen как объединение предобученных моделей с помощью mergekit и метода TIES. В качестве базовой использована arcee-ai/Arcee-Blitz; в объединение также вошли PocketDoc/Dans-PersonalityEngine-V1.2.0-24b, ReadyArt/Forgotten-Safeword-24B-v4.0 и lars1234/Mistral-Small-24B-Instruct-2501-writer. Модель предназначена для диалогов и генерации текста. Она построена на архитектуре Mistral с плотной моделью причинного языкового моделирования, принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и использует формат safetensors для библиотеки Transformers. Карточка не указывает конкретные языки или специализированные области применения. Это первая 24B-модель слияния автора; качество и поведение могут отличаться от исходных моделей. Лицензия в предоставленных данных не указана.

Gemma Ko 7B Instruct v0.71 — инструктивная языковая модель, разработанная lemon-mint на основе Google Gemma 1.1 7B IT и дообученная для генерации связного текста на корейском языке. Это плотная архитектура Gemma с 8,2 млрд параметров и контекстом до 8192 токенов; модель работает через Transformers и поддерживает диалоговый режим. Модель предназначена для ответов на вопросы, перевода, суммаризации и генерации диалогов и другого текста по инструкциям. README отмечает корейский и английский языки; основное назначение — создание текста на корейском. Модель распространяется по лицензии Gemma. Возможны ошибки и смещения из обучающих данных, поэтому ответы требуют проверки.

Granite-4.0-1b-speech — компактная речевая модель IBM на 1 млрд параметров, полученная адаптацией Granite-4.0-1b-base для работы с аудио. Она предназначена для многоязычного распознавания речи и перевода речи в текст, в том числе перевода между английским и французским, немецким, испанским, португальским и японским; также поддерживается перевод с английского на итальянский и китайский. Модель принимает аудио и выдаёт текст. Для распознавания имён и аббревиатур можно использовать списки ключевых слов; авторы также отмечают высокую скорость распознавания и пригодность для устройств с ограниченными ресурсами. Модель построена на архитектуре Granite Speech и распространяется в формате safetensors для Transformers. Лицензия — Apache 2.0. README описывает обучение на открытых корпусах для распознавания и перевода речи, включая синтетические данные для японского распознавания и распознавания с подсказками по ключевым словам. Модель рассчитана на английский, французский, немецкий, испанский, португальский и японский языки. Итальянский и китайский указаны для перевода только с английского. Результаты могут зависеть от языка, акустических условий и соответствия данных пользователя обучающим корпусам; ключевые слова помогают распознавать заданные имена и аббревиатуры.

Granite-7b-lab — языковая модель IBM Research, дообученная на базе ibm/granite-7b-base методом LAB (Large-scale Alignment for chatBots) с использованием Mixtral-8x7B-Instruct как модели-учителя. Это плотная модель архитектуры Llama с 6,6 млрд параметров, поддержкой диалогового режима и контекстом до 4096 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. LAB использует таксономию задач для отбора примеров, генерацию синтетических данных и двухэтапное обучение с буферами повторения; это позволяет добавлять знания и навыки, сохраняя ранее усвоенное. Подход охватывает ответы на вопросы, рассуждение и творческое письмо. Модель распространяется в формате Safetensors по лицензии Apache 2.0. В README отмечено, что чекпойнт не прошёл safety alignment и может выдавать вредные или недостоверные ответы; его не следует использовать как единственный источник для важных решений.

Granite-speech-3.3-8b — компактная речевая языковая модель IBM, основанная на Granite 3.3 8B Instruct и выпущенная в редакции 3.3.2 19 июня 2025 года. Она предназначена для автоматического распознавания речи (ASR), автоматического перевода речи (AST), а также текстовых задач при работе без аудио. Модель использует двухэтапную схему: сначала преобразует аудио в текст, затем отдельным вызовом обрабатывает полученный текст с помощью базовой языковой модели Granite. Модель поддерживает входную речь на английском, французском, немецком, испанском и португальском языках. Она ориентирована на преобразование речи в текст и перевод между этими языками и английским, а также на перевод с английского на японский и китайский (мандарин). В редакции 3.3.2 применены дополнительные обучающие данные и более глубокий акустический энкодер, что улучшает точность транскрибации, особенно для английского языка. Модель рассчитана на корпоративные приложения, обрабатывающие речевые данные, и поддерживается библиотеками Transformers и vLLM. Ключевое ограничение — необходимость явно выполнять второй этап для обработки транскрибированного текста, поскольку распознавание речи и языковая обработка не объединены в один проход. Размер модели составляет около 8 миллиардов параметров согласно идентификатору и базовой модели, однако точная архитектура и максимальная длина контекста в предоставленных данных не указаны. Модель распространяется по лицензии Apache 2.0.

QuantFactory/jais-adapted-7b-chat-GGUF — квантизированная версия диалоговой модели Jais-adapted-7b-chat, созданная с помощью llama.cpp на основе модели inceptionai/jais-adapted-7b-chat. Семейство Jais разработано компаниями Inception и Cerebras Systems и ориентировано прежде всего на обработку арабского языка при сохранении сильных возможностей для английского языка. Модель предназначена для генерации текста и ведения диалогов, включая ответы на инструкции, работу с арабскими и англоязычными запросами и создание двуязычных текстов. Это авторегрессионная языковая модель с архитектурой Transformer decoder-only, построенная на базе Llama 2. Размер составляет 7B параметров, максимальная длина контекста — 4096 токенов. Модель работает только с текстом; заявленные языки — арабский, включая Modern Standard Arabic, и английский. Семейство обучалось на данных на арабском и английском языках, а также на коде. Сильной стороной модели является специализация на арабском языке в сочетании с поддержкой английского и диалоговой настройкой. Квантизация в формате GGUF может снизить требования к памяти и упростить локальный запуск, однако README не содержит сведений о конкретном варианте квантизации, производительности или результатах бенчмарков; квантизация также может влиять на качество генерации. Условия использования — лицензия Apache 2.0.

Llama-3-15b-StockTest — плотная авторегрессионная языковая модель семейства Llama 3, созданная athirdpath методом слияния Model Stock с помощью mergekit. В основу взята athirdpath/Llama-3-15b-Instruct-GLUED, также в слиянии участвовали instruct-модели, вариант с рассуждениями и модель OpenBioLexi. Размер модели — 14,9 млрд параметров, контекст — до 8192 токенов; репозиторий содержит веса в safetensors и рассчитан на использование с Transformers. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции и написание историй. Метаданные указывают поддержку чата, однако отдельные специализированные возможности не подтверждены. Языки карточкой не обозначены, поэтому нельзя уверенно указать языковую специализацию. Условия лицензии в предоставленных данных не приведены.

Apollo Raines представил вариант Llama-3.1-8B-Instruct, обработанный инструментом jBlaze для изменения поведения непосредственно в весах без дополнительного обучения. Модель сохраняет диалоговую генерацию текста, но настроена отвечать короче и точнее опираться на предоставленный контекст. Модель подходит для диалоговых помощников, кратких ответов на вопросы и работы с ответами, основанными на справочных материалах. Это плотная архитектура LlamaForCausalLM с 7,5 млрд параметров по метаданным и контекстом до 131 072 токенов; карточка указывает точность bf16. Основной язык карточки — английский. Разработчик характеризует релиз как демонстрационную версию с намеренно сниженной силой возможностей; независимые оценки качества не приведены. Лицензия — Llama 3.1.

Llama3-70B-Chinese-Chat — диалоговая языковая модель Shenzhi Wang и соавторов, дообученная методом ORPO на базе Meta-Llama-3-70B-Instruct. Она предназначена для общения на китайском и английском языках, ролевых диалогов, математических задач и вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, около 69,5 млрд параметров и контекст до 8192 токенов; принимает текст и генерирует текст. Авторы сообщают, что обучение на более чем 100 тысячах пар предпочтений с примерно равной долей китайских и английских данных уменьшает смешение языков в ответах. В README приведены результаты C-Eval и CMMLU; эти заявления отражают оценку авторов и не гарантируют качество на других задачах. Лицензия — Llama 3 License. Карточка предупреждает, что модель не дообучали на сохранение идентичности, поэтому ответы о её личности и разработчиках могут быть случайными.

llama3-8b-spaetzle-v31 — объединённая языковая модель на базе архитектуры Llama, созданная cstr методом DARE TIES из cstr/llama3-8b-spaetzle-v20 и DiscoResearch/Llama3-DiscoLeo-Instruct-8B-v0.1. Модель предназначена для диалогов, генерации текста и выполнения инструкций. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В карточке указаны немецкий и английский языки; основная языковая специализация — немецкий. Веса опубликованы в формате Safetensors. Лицензия — Llama 3. README указывает, что модель получена слиянием весов уже обученных моделей без обучения на новом корпусе; подробные сведения о качестве и ограничениях применения не приведены.

Llama-3-DARE-8B — диалоговая языковая модель на архитектуре Llama, созданная Mlabonne с помощью LazyMergekit. Веса получены слиянием Meta-Llama-3-8B и Meta-Llama-3-8B-Instruct методом DARE-TIES; конфигурация использует маску int8 и формат bfloat16. В репозитории заявлено 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для диалоговой генерации текста: она принимает текстовые запросы и формирует текстовые ответы. Карточка указывает на английскую основу Meta-Llama-3-8B-Instruct, поэтому модель подходит для англоязычного общения и генерации текста. Лицензия в метаданных обозначена как other; конкретные условия следует сверять с лицензией базовой модели и репозитория.

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.

lmstudio-community/Llama-4-Scout-17B-16E-MLX-text-8bit — это текстовая версия модели Llama 4 Scout, адаптированная сообществом lmstudio-community для экосистемы MLX. Базовая модель — meta-llama/Llama-4-Scout-17B-16E-Instruct, разработанная Meta. Обозначение модели указывает на использование 8-битного представления весов и архитектуру с 17 млрд параметров и 16 экспертами, однако в README не приведены подробности о механизме маршрутизации экспертов или фактическом объёме активных параметров. Модель предназначена для генерации и обработки текста, включая диалоговые и инструкционные сценарии. Заявлена поддержка арабского, немецкого, английского, испанского, французского, хинди, индонезийского, итальянского, португальского, тайского, тагальского и вьетнамского языков. Сведения о размере контекста, дополнительных модальностях, результатах тестирования, производительности и конкретных ограничениях в README отсутствуют, поэтому их нельзя достоверно оценить. Использование регулируется Llama 4 Community License от Meta. Лицензия предоставляет ограниченные права на использование, копирование, распространение, модификацию и создание производных работ при соблюдении условий соглашения, включая передачу текста лицензии, указание «Built with Llama», атрибуцию и соблюдение Acceptable Use Policy. Для продуктов и сервисов с более чем 700 млн ежемесячных активных пользователей требуется отдельная лицензия Meta.

knkarthick/MEETING-SUMMARY-BART-LARGE-XSUM-SAMSUM-DIALOGSUM — модель на архитектуре BART, созданная дообучением facebook/bart-large-xsum. Она предназначена для суммаризации встреч и диалогов, в том числе в сценариях, связанных с датасетами SAMSum и DialogSum. Модель содержит 252,8 млн параметров и принимает текст с контекстом до 1024 токенов, выдавая краткое текстовое резюме. Модель ориентирована на англоязычные входные данные. Репозиторий включает веса PyTorch и SafeTensors, а также формат TensorFlow. Лицензия — Apache-2.0. Карточка сообщает о дообучении базовой модели, но не приводит оценок качества или подробностей о данных обучения и поведении на длинных либо иных языковых входах.

MarsupialAI/MG-FinalMix-72B_iMatrix_GGUF — GGUF-сборка объединённой чат-модели на основе Alpindale/Magnum-72B-v1 и Qwen/Qwen2-72B-Instruct. Репозиторий содержит iMatrix GGUF-файлы; модель предназначена для генерации текста в диалоговом формате. Метаданные указывают поддержку английского и китайского языков и размер базовой модели 72 млрд параметров. Описание не содержит подробностей о контекстном окне, вариантах квантования или дополнительных характеристиках генерации. Лицензия указана как other, поэтому условия использования следует сверять с лицензиями исходных моделей и файлами репозитория.

mGPT — многоязычная авторегрессионная языковая модель на архитектуре Transformer, разработанная THUMT и предварительно обученная на наборе mC4 с целью причинного языкового моделирования. Модель основана на GPT-2 и обучалась на неразмеченных текстах более чем на 101 языке; для токенизации используется SentencePiece и словарь mT5 размером 250 100 токенов. Модель предназначена для генерации текста, а также для адаптации к прикладным задачам с помощью промптов. Она принимает последовательности длиной до 1 024 токенов и выдаёт продолжение текста. Карточка описывает базовую предварительно обученную модель, а не специализированную систему для отдельной области. Лицензия в предоставленных данных не указана.

FreedomAISVR выпустила GGUF-квантизацию Nex-N2-mini от Nex AGI — мультимодальной агентной модели на архитектуре Mixture-of-Experts. Модель содержит 35 млрд параметров, из которых активируются 3 млрд на токен, и использует 256 маршрутизируемых экспертов, гибридную архитектуру Gated DeltaNet с полным вниманием и 27-слойный визуальный энкодер. Контекст составляет 262 144 токена. Модель принимает текст и изображения и генерирует текст; она предназначена для диалогов, агентных задач и описания изображений. Представлены английский, китайский и другие языки. Веса представлены в NVFP4: заявлены 4,55 бита на вес и эффективный инференс на GPU Blackwell с минимальной потерей качества. Для обработки изображений требуется файл проектора mmproj в F16. Модель распространяется по лицензии Apache 2.0.

Occult_V02 — языковая модель семейства Mistral, разработанная TheHappyDrone и дообученная на базе unsloth/mistral-7b-bnb-4bit с использованием Unsloth и Hugging Face TRL. Модель предназначена для генерации текста; карточка не описывает узкую специализацию или конкретные сценарии применения. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0; сведения о специальных ограничениях применения и недостатках не приводятся.

Omega AI 100B — переименованное размещение модели inclusionAI/LLaDA2.2-flash от Omega AI. Согласно README, исходные предварительно обученные веса сохранены без дообучения; параметры модели оцениваются примерно в 103 млрд. Метаданные каталога указывают 5,5 млрд параметров, поэтому размер модели в источниках расходится. Модель предназначена для генерации текста и диалогов. Она использует MoE-архитектуру семейства LLaDA2, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В карточке указана лицензия Apache-2.0. README не описывает отдельные сценарии или оценку качества Omega-размещения.

LoneStriker/openbuddy-mixtral-7bx8-v18.1-32k-GGUF — мультиязычная диалоговая модель OpenBuddy, разработанная проектом OpenBuddy. Она предназначена для генерации текста и общения на естественных языках, включая китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Модель основана на Mistral Mixtral-8x7B-v0.1. В README указано, что модель распространяется в формате GGUF; идентификатор также указывает на контекст 32K. Архитектурные детали самой версии, точный размер файла, параметры квантования и результаты оценки в предоставленных данных не раскрыты. Модель ориентирована на общие сценарии генерации текста и чат-взаимодействия, но README не подтверждает её пригодность для специализированных задач. Модель может выдавать ошибочные, вредные, оскорбительные или иным образом нежелательные ответы, поэтому её не следует использовать в критически важных и высокорисковых сценариях, включая медицину, управление потенциально опасными системами, а также значимые финансовые и юридические решения. Указанная лицензия — Apache 2.0. Модель предоставляется без гарантий; пользователь самостоятельно принимает связанные с её применением риски.

Prima-LelantaclesV6.69-7b — слитая авторами модели Mistral языковая модель с 7,1 млрд параметров для генерации текста. В README указано, что при объединении использованы Test157t/Prima-LelantaclesV6.1M7-7b и Test157t/Prima-LelantaclesV6.3-7b; применён метод slerp. Модель доступна в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Автор предупреждает, что качество нестабильно: модель может хорошо справляться с запросом, но не всегда. В метаданных указана лицензия other, поэтому условия использования следует проверять в карточке репозитория.

bunnycore/Qwen-2.5-7b-TitanFusion-v2 — объединённая диалоговая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом DARE TIES на основе Orion-zhen/Qwen2.5-7B-Instruct-Uncensored с добавлением Cran-May/T.E-8.1 и Replete-AI/Replete-LLM-V2.5-Qwen-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленное контекстное окно — 32 768 токенов. Модель предназначена для диалогов и генерации ответов на инструкции. В карточке описан способ объединения весов, но нет результатов оценки качества или подробных рекомендаций по использованию. Репозиторий содержит веса в формате safetensors; лицензия в доступных данных не указана.

rizla/rizla-69 — текстовая генеративная модель семейства Llama с плотной архитектурой LlamaForCausalLM и 67,5 млрд параметров. Репозиторий содержит веса в формате safetensors; заявленное контекстное окно — 32 768 токенов. Модель предназначена для генерации текста. В README сказано, что это копия «momo-qwen-72B», однако описание обрезано и не сообщает, как модель обучалась и для каких конкретных сценариев предназначена. Лицензия — Apache-2.0.

SlimOrca-Llama-3-8B — языковая модель общего назначения, созданная Ajibawa на основе Llama 3 и дообученная на очищенной версии набора диалогов SlimOrca от Open-Orca. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и рассчитана на контекст до 8192 токенов. Для диалога применяется формат ChatML. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы, в том числе с выбором варианта, статей по краткому содержанию, анализа тональности, гипотез, отзывов и рассказов. README также заявляет генерацию эротических и частично нецензурированных текстов. Обучение проводилось на 517 981 наборах диалогов SlimOrca; указана полная настройка модели, а не адаптер. Репозиторий содержит веса Safetensors. Модель ориентирована на английский язык. Она распространяется по лицензии Apache 2.0. Качество на отдельных задачах и границы заявленной генерации не подтверждены оценками в карточке; при использовании следует учитывать возможность генерации откровенного или нецензурированного содержания.

Spaetzle-v85-7b — языковая модель, созданная cstr как слияние нескольких моделей семейства Spaetzle с помощью LazyMergekit. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; заявленное контекстное окно составляет 32 768 токенов. В карточке указаны английский и немецкий языки. Модель подходит для диалогов, ответов на вопросы и задач общего понимания текста. В README приведены результаты нескольких тестовых наборов, включая EQ-Bench для немецкого языка и Occiglot Euro LLM Leaderboard; это результаты оценок, а не гарантия качества в конкретном применении. Модель доступна в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

T5Gemma — семейство компактных текстовых моделей Google на архитектуре encoder-decoder, полученных адаптацией предварительно обученных decoder-only моделей Gemma. Эта инструкция-тюнингованная версия имеет энкодер на 2 млрд и декодер на 2 млрд параметров и основана на google/t5gemma-2b-2b-ul2, адаптированной с использованием UL2. Модель принимает текст и генерирует текст; заявленная поддержка языка — английский. Модель предназначена для генерации текста по инструкциям: ответов на вопросы, суммаризации и рассуждений, а также для черновиков писем, сценариев, стихов и рекламных текстов. Компактный размер подходит для развертывания на настольных компьютерах, ноутбуках и собственной облачной инфраструктуре. В карточке не приведены длина контекста и результаты оценки качества. Модель может допускать фактические ошибки, отражать предвзятость данных обучения и испытывать трудности с неоднозначностью, тонкими языковыми нюансами и сложными открытыми задачами. Лицензия — Gemma; использование регулируется условиями лицензии и политикой допустимого использования моделей Gemma.

yuyijiong/T5-large-sentiment-analysis-Chinese 是基于 IDEA-CCNL/Randeng-T5-784M-MultiTask-Chinese 微调得到的中文情感分析模型，参数量约 385,7 млн. Разработчик указывает, что эта версия улучшает предыдущую yuyijiong/Randeng-T5-large-sentiment-analysis-Chinese за счёт решения проблемы переобучения. Модель построена на архитектуре T5 и распространяется в формате PyTorch. Модель извлекает из текста объекты, мнения, аспекты и полярность тональности, представляя результат в структурированном виде. Можно задавать стиль извлечения мнения, анализировать тональность для выбранных аспектов и разрешать модели дополнять отсутствующий объект. Карточка описывает обучение на нескольких китайских и англоязычных наборах данных, включая SemEval 2016 Task 5. Основное назначение — аспектный анализ тональности текстовых отзывов и других высказываний. Хотя метаданные задают тег text-generation, доступная карточка описывает именно извлечение структурированных результатов анализа тональности. В README указано, что это улучшение более ранней версии; условия лицензии и численная длина контекста в доступных данных не приведены.

utrobinmv/t5_translate_en_ru_zh_small_1024 — компактная модель машинного перевода на архитектуре T5, представленная автором карточки как мультиязычная модель для перевода между русским, китайским и английским языками. Она поддерживает пары ru↔zh, en↔zh и en↔ru; целевой язык задаётся префиксом «translate to :», а исходный текст может быть многоязычным. Модель содержит 62,7 млн параметров и распространяется в формате safetensors. Она предназначена для прямого перевода текстов между тремя указанными языками. В метаданных указан датасет CCMatrix. Лицензия — Apache-2.0.