III.8Договоры, юридическая работа и compliance

qantev/trocr-large-spanish — крупная модель распознавания печатного испанского текста на изображениях, разработанная Qantev. Это дообученная версия архитектуры TrOCR, представленной Li и соавторами: Transformer-энкодер изображения извлекает признаки из патчей, а авторегрессионный Transformer-декодер формирует последовательность текстовых токенов. Модель обучали на синтетических изображениях, созданных из 2 млн текстовых фрагментов, извлечённых из испаноязычных страниц Википедии. Модель предназначена для OCR печатного текста на испанском языке, включая отдельные слова и короткие фрагменты. Её нужно применять вместе с моделью обнаружения текста, которая выделяет области для распознавания. В README приведено сравнение вариантов TrOCR на XFUND на испанском языке; авторы предупреждают, что ошибки разметки в этом наборе данных могут влиять на результаты. Модель не обучалась на рукописном тексте и может ошибаться при распознавании рукописи, двух строк текста и вертикального текста. Распространяется по лицензии MIT.

Moritz Laurer разработал эту модель для классификации текстов без размечающих примеров. Она дообучена на базе microsoft/deberta-v3-large и использует архитектуру DeBERTa V2 для оценки того, следует ли гипотеза из текста: «верно» или «неверно». Через pipeline Hugging Face этот формат можно применять к разным задачам классификации, задавая формулировки классов и шаблон гипотезы. Модель содержит 533,8 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Её можно запускать на CPU и GPU. В приведённом сравнении она показала более высокую среднюю оценку F1 на 28 задачах классификации, чем указанные модели BART, RoBERTa и базовая DeBERTa, хотя скорость работы ниже, чем у RoBERTa. Карточка отмечает, что формулировки гипотез и названий классов могут влиять на результат. Модель предназначена только для классификации текста. Возможны смещения, унаследованные от базовой модели, данных NLI и синтетических обучающих данных. Лицензия репозитория — MIT; упомянутая в карточке гарантия коммерческой пригодности обучающих данных относится к вариантам с суффиксом «-c», которого в имени этой модели нет.

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.

Hy-MT2-7B — многоязычная модель перевода Tencent Hy на 7,5 млрд параметров с плотной архитектурой HunYuanDenseV1. Она предназначена для перевода между 33 языками, включая выполнение инструкций о переводе на разных языках, и рассчитана на сложные сценарии: повседневные, деловые и специализированные тексты. Модель работает как генеративная языковая модель; для использования доступны веса в формате Safetensors и библиотека Transformers. Заявленная длина контекста — 262 144 токена. Модель подходит для машинного перевода, локализации и перевода с учетом заданных инструкций. В README Tencent сообщает о сильных результатах на общих, деловых и специализированных тестах перевода; это заявление разработчика, а не независимая гарантия качества. Для запуска рекомендуется задавать параметры генерации и инструкции с полными названиями исходного и целевого языков. Модель распространяется по лицензии Apache-2.0.

Index-Translate-2B — компактная мультиязычная модель перевода с 2 млрд параметров от команды Index, построенная на архитектуре Qwen3.5. Она переводит текст между 150 языками и следует инструкциям о терминологии, стиле, контексте, формате и длине результата. Модель предназначена для перевода предложений, статей, субтитров, структурированных данных и выражений из интернет-сообществ, включая мемы и нестандартное написание. Модель также поддерживает перевод изображений в текст без отдельного внешнего OCR, используя визуальные энкодеры mmproj. Для перевода можно задавать строгие глоссарии и сохранять JSON, CSV, Markdown, блоки кода и заполнители. В техническом отчёте приведены результаты сравнительных оценок на переводческих тестах; они относятся к указанным наборам данных и условиям проверки. Модель опубликована в формате safetensors под лицензией Apache-2.0. В описании указано, что она основана на Qwen3.5 и прошла специализированное обучение для перевода, включая настройку с учётом следования инструкциям и целевую дистилляцию.

hari31416 публикует IndicOCR MLX 4-bit — 4-битную квантизированную MLX-версию распознавателя IndicBlockOCR, второй стадии модели bodhan-ai/indic-ocr. Она предназначена для распознавания текста в обрезанных областях документов и оптимизирована для инференса на Apple Silicon с Metal GPU. Архитектура основана на Qwen3.5-0.8B и использует словарь Sarvam на 151 тысячу токенов для 22 индийских письменностей, английского языка, чисел и математических обозначений. В README указаны размер весов 636 МБ, скорость 391 мс на фрагмент и CER 4,83% в сравнении с PyTorch-базой на 50 фрагментах документов из ai4bharat/indicdlp. На этом наборе WER составляет 9,68%, а точное совпадение — 60%; результаты относятся к описанной конфигурации и тестовой выборке. Репозиторий также описывает двухэтапный конвейер с отдельным детектором макета PP-DocLayoutV3, который работает через PyTorch MPS, а не MLX. Лицензия в метаданных указана как other, без уточнения условий.

olmOCR-2-7B-1025-GGUF — набор GGUF-квантизированных версий модели olmOCR-2-7B-1025, разработанной allenai и подготовленной пользователем bartowski с помощью llama.cpp. Модель относится к мультимодальному классу image-text-to-text и предназначена для задач обработки изображений и генерации текста, в частности для сценариев OCR, где требуется извлекать или преобразовывать содержимое изображений в текст. В README не указаны поддерживаемые языки, точная архитектура, размер контекста и конкретные возможности работы с различными типами документов. Доступны варианты от исходных BF16-весов размером 15,24 ГБ до квантизаций Q2–Q8 и IQ, включая наиболее рекомендуемые Q4_K_M, Q5_K_M, Q6_K и Q6_K_L. Квантизация выполнена с использованием imatrix, что позволяет выбирать компромисс между качеством и требованиями к памяти. Версии GGUF можно запускать в LM Studio, llama.cpp и других совместимых проектах. Сильной стороной модели является широкий выбор уровней квантизации: высококачественные варианты обеспечивают близкое к исходному качество, а компактные версии подходят для систем с ограниченной оперативной памятью. Ограничения связаны с потерями качества у низкобитных вариантов, а также с отсутствием в предоставленных данных сведений о лицензии, производительности, языковом охвате, максимальном контексте и точных требованиях к оборудованию.

mingchi21/hf_question_answering_model — англоязычная модель DistilBERT, дообученная разработчиком на задаче question-answering. Она предназначена для извлечения ответа на вопрос из предоставленного текста и может использоваться для поиска фактов в коротких текстовых фрагментах. Модель построена на DistilBertForQuestionAnswering, принимает текст и выдаёт текстовый ответ; максимальная длина контекста составляет 512 токенов. Веса опубликованы в формате safetensors. В README приведено значение loss 1,6937 на evaluation set, но набор данных и методика оценки не описаны, поэтому по этому результату нельзя надёжно судить о качестве. Модель распространяется по лицензии Apache-2.0.

shawnw3i/Hy-MT2-7B-AWQ — квантованная 4-битная версия мультиязычной модели Hy-MT2-7B, разработанной Tencent Hy. Модель предназначена для машинного перевода в сложных практических сценариях и умеет следовать инструкциям на нескольких языках. Модель поддерживает перевод между 33 языками, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий, итальянский, вьетнамский, индонезийский, хинди, украинский и другие. Она рассчитана на обычный, деловой, специализированный и инструкционный перевод, включая работу с терминологией, стилем, пользовательскими предпочтениями, разделителями и структурированными данными. Формат AWQ и 4-битное представление уменьшают требования к хранению и вычислительным ресурсам по сравнению с полноразмерной моделью. К сильным сторонам относятся широкий языковой охват, ориентация на реальные переводческие задачи и поддержка точного следования ограничениям инструкции. При этом README не содержит сведений о размере контекстного окна, конкретной архитектуре базовой модели, производительности именно этой квантованной версии и лицензии, поэтому эти характеристики нельзя подтвердить.

google/paligemma-3b-ft-ocrvqa-896 — модель семейства PaliGemma от Google, дообученная для визуальных вопросов и ответов с чтением текста на изображениях (OCR-VQA). Это компактная модель «изображение-текст»: принимает изображение и текстовый запрос, а в ответ генерирует текст. Архитектура PaliGemma объединяет визуальный энкодер SigLIP и языковую модель Gemma; вариант рассчитан на разрешение изображений 896 пикселей по названию репозитория. Модель предназначена для одношагового взаимодействия: можно задавать вопросы об изображении, включая вопросы, требующие распознавания надписей, и получать текстовый ответ. Она не рассчитана на многоходовый диалог и лучше подходит для специализированных сценариев с чёткими запросами, чем для свободного общения. Лицензия — Gemma. Ответы могут содержать фактические ошибки, а качество снижается на сложных или неоднозначных запросах, тонких языковых нюансах и задачах, требующих здравого смысла. Модель может наследовать смещения обучающих данных; для использования в продуктах необходимы проверка ответов и меры безопасности.

WindyTranslate/translate-bg-en — модель машинного перевода от Windstorm Labs для перевода текста с болгарского на английский. Это дообученная версия Helsinki-NLP/opus-mt-bg-en: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,8 млн параметров и принимает текст; контекст составляет до 512 токенов. Модель предназначена для перевода фраз и документов с болгарского языка на английский. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 58,73 и BLEU 28,02. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindstormTranslate/translate-en-hu — модель машинного перевода от Windstorm Labs для перевода текста с английского на венгерский. Это дообученная версия Helsinki-NLP/opus-mt-en-hu на параллельных текстах: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре Marian, содержит 57,2 млн параметров и принимает контекст длиной до 512 токенов. Модель предназначена для перевода с английского на венгерский. В проверке на 48 предложениях FLORES-200 она получила chrF++ 56,03 и BLEU 30,36; авторы характеризуют результат как скрининговую оценку, а не как результат публикационного исследования. Поддерживается только одно направление перевода. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-es-en — модель машинного перевода, опубликованная Windstorm Labs, для перевода текста с испанского на английский. Она основана на Helsinki-NLP/opus-mt-es-en: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель использует архитектуру MarianMT на базе Transformer, содержит 58,4 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода испанских текстов на английский. В карточке приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 57,70 и BLEU 31,09; это ограниченная оценка, а не результат публикационного исследования. Другие направления перевода не заявлены. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0.

Windstorm Labs выпустила компактную модель машинного перевода с французского на английский. Это дообученная версия Helsinki-NLP/opus-mt-fr-en: LoRA-адаптер обучили на параллельных данных и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,6 млн параметров, принимает текст и выдаёт текст; для загрузки доступна сборка Transformers в формате safetensors. Максимальная длина контекста — 512 токенов. Модель предназначена для перевода французских текстов на английский. В README приведён скрининговый результат FLORES-200 для 48 предложений: chrF++ 63,14 и BLEU 37,61; это предварительная оценка, а не результат публикационного исследования. Другие языковые направления не заявлены. Лицензия — Apache-2.0.

Tencent HY-MT1.5-7B-GGUF — это 7-миллиардная языковая модель машинного перевода из семейства Hunyuan Translation Model 1.5, разработанная Tencent. Данная версия распространяется в формате GGUF, предназначенном для локального запуска совместимыми инструментами, включая llama.cpp и Ollama. Модель предназначена для двунаправленного перевода между 33 языками и поддерживает пять этнических или диалектных вариантов. Она ориентирована на обычный и пояснительный перевод, смешанные языковые сценарии, а также перевод с учётом контекста, терминологии и исходного форматирования. Среди заявленных языков — китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, хинди и другие. К сильным сторонам относятся поддержка вмешательства в терминологию, контекстного и форматированного перевода, а также оптимизация для аннотированных и смешанных языковых текстов. Архитектура, размер контекстного окна, точный вариант квантования GGUF и подробные результаты сравнительных испытаний в предоставленных данных не указаны. Лицензия модели в README также не указана, поэтому условия коммерческого и иного использования требуют дополнительной проверки на странице модели.

Hy-MT2-1.8B — плотная мультиязычная модель перевода от Tencent Hy, построенная на архитектуре Hunyuan Dense V1 и содержащая 1,8 млрд параметров. Она предназначена для перевода между 33 языками, включая выполнение многоязычных инструкций по переводу и сценарии с деловым и предметным текстом. Модель работает с текстом; в метаданных указан контекст длиной до 262 144 токенов. Для запуска поддерживаются Transformers, vLLM и SGLang. Лёгкий вариант 1.8B рассчитан на сценарии, где важны компактность и скорость; для развёртывания на устройствах README описывает отдельную экстремальную квантизацию AngelSlim до 440 МБ, но это не формат данного репозитория. В карточке сообщается о результатах на общих, деловых, предметных и инструктивных переводческих задачах, однако конкретные сравнительные оценки здесь не приведены. Модель опубликована под лицензией Apache-2.0.

LMT-60-0.6B — модель машинного перевода от команды NiuTrans, дообученная на базе NiuTrans/LMT-60-0.6B-Base. Она относится к плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает контекст до 32 768 токенов. Модель входит в семейство LMT-60, обученное на 90 млрд токенов; семейство рассчитано на перевод между 60 языками в 234 направлениях с особым вниманием к китайскому и английскому языкам. Модель предназначена для многоязычного перевода текстов, включая языки с высоким, средним и низким объёмом ресурсов. Её можно использовать для перевода документов, сообщений и пользовательского контента между поддерживаемыми языками. Карточка заявляет конкурентное качество среди моделей с сопоставимым языковым охватом, но не приводит здесь конкретных метрик для этого чекпойнта. Выпущена под лицензией Apache-2.0.

MiLMMT-46-4B-v0.1 — модель Xiaomi для машинного перевода на базе языковой модели Gemma 3. Она дообучена на MiLMMT-46-4B-Pretrain, созданной продолжением предобучения Gemma3-4B на 143 млрд токенов из монолингвальных и параллельных данных на 46 языках. Модель использует архитектуру Gemma 3 с генерацией текста; веса доступны в формате safetensors. Модель предназначена для перевода между поддерживаемыми языками по текстовому запросу. В их числе русский, английский, китайский, арабский, хинди, японский, корейский, испанский, французский и другие — всего 46 языков. Лицензия указана как Gemma. Заявленная поддержка ограничена перечисленными 46 языками; качество перевода на другие языки не гарантируется. Разработчик также отмечает, что качество перевода продолжает улучшаться.

Helsinki-NLP/opus-mt-en-ru — модель машинного перевода с английского на русский, созданная Helsinki-NLP в рамках проекта OPUS. Это трансформер MarianMT с архитектурой transformer-align и примерно 57,2 млн параметров. Модель обучена на корпусе OPUS; перед переводом текст нормализуется и разбивается на подслова SentencePiece. Она принимает английский текст и выдаёт его перевод на русском, с контекстным окном до 512 токенов. Модель подходит для перевода предложений и документов с английского на русский. В карточке приведены результаты на нескольких тестовых наборах новостных текстов: BLEU составляет 23,5–31,1, chr-F — 0,513–0,581. Эти показатели относятся к указанным наборам и не гарантируют такое же качество на других жанрах и тематиках. Распространяется по лицензии Apache 2.0.

Riva-Translate-4B-Instruct — модель машинного перевода NVIDIA на архитектуре decoder-only Transformer, дообученная для перевода между 12 языками и региональными вариантами: английским, немецким, европейским и латиноамериканским испанским, французским, бразильским португальским, русским, упрощённым и традиционным китайским, японским, корейским и арабским. Модель содержит 3,9 млрд параметров; её основа — Mistral-NeMo-12B-Base, сжатая pruning и дистилляцией, после чего модель прошла многоэтапные CPT и SFT. Используются токенизатор tiktoken и контекст до 8192 токенов. Модель предназначена для перевода текстов с помощью инструкций и рекомендованного шаблона диалога System/User/Assistant. Она может применяться в пользовательских и прикладных сценариях перевода между поддерживаемыми языками. Качество зависит от предметной области, контекста и характеристик входного текста; возможны грамматические и смысловые ошибки. Для использования необходимо соблюдать условия NVIDIA Open Model License Agreement.

domenicrosati/t5-finetuned-parasci — дообученная версия модели семейства T5 для суммаризации текста. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает контекст длиной до 512 токенов. Она предназначена для автоматического создания краткого пересказа текста. В README приведены результаты оценки: loss 1,0845 и BLEU 19,5623; описание обучающих данных и ограничений отсутствует. Модель опубликована в формате PyTorch под лицензией Apache-2.0.

WindyTranslate/translate-da-ru — модель машинного перевода от Windstorm Labs для перевода текста с датского на русский. Это дообученная версия Helsinki-NLP/opus-mt-da-ru: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 57,4 млн параметров и принимает текст; максимальная длина контекста — 512 токенов. Модель предназначена для перевода в одном направлении: с датского на русский. В проверке на 48 предложениях FLORES-200 dev она набрала chrF++ 42,69 и BLEU 16,29; это скрининговая оценка, а не результат публикационного исследования. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

bullerwins/translategemma-27b-it-GGUF — GGUF-версия TranslateGemma 27B, разработанная Google Translate на базе семейства Gemma 3. Модель предназначена для машинного перевода между 55 языками и рассчитана на локальное развертывание на ноутбуках, настольных компьютерах или собственной облачной инфраструктуре. Идентификатор указывает на формат GGUF, однако конкретные параметры квантования в предоставленных данных не указаны. Модель поддерживает текстовый ввод и изображения: она может переводить текст напрямую, а также извлекать текст из изображения и переводить его. Изображения нормализуются до разрешения 896×896 и кодируются в 256 токенов; общий входной контекст составляет 2K токенов. Для работы требуется специальный chat template с ролями User и Assistant, указанием исходного и целевого языков в формате ISO 639-1 или регионализированном формате. Доступны сценарии обычного перевода и перевода текста с изображений; другие способы prompting, включая постредактирование машинного перевода, официально не поддерживаются. Сильными сторонами являются мультимодальность, поддержка широкого набора языков и возможность запуска в собственной инфраструктуре. Ограничениями выступают контекст в 2K токенов, необходимость строго соблюдать формат входных сообщений и использование только поддерживаемых языковых кодов; для версии 27B также могут потребоваться значительные вычислительные ресурсы, несмотря на позиционирование семейства как легковесного. Модель распространяется по лицензии Gemma Google; доступ к исходной модели на Hugging Face требует принятия условий использования Google.

onnx-community/granite-docling-258M-ONNX — ONNX-версия модели granite-docling-258M, разработанной IBM Granite и опубликованной сообществом onnx-community. Модель предназначена для преобразования изображений страниц документов в структурированное представление Docling с использованием сценариев image-to-text и Vision2Seq. Она может обрабатывать страницы научных статей и другие документные изображения, извлекая текст и элементы разметки с координатами. Модель использует связку vision encoder, текстовых embedding-слоёв и decoder-модели, экспортированных в ONNX для запуска через Transformers.js или ONNX Runtime. Заявленный размер базовой модели — 258M параметров. Поддерживается мультимодальный ввод изображений и текстовых инструкций; в README приведён запрос на преобразование страницы в Docling. Максимальная длина генерируемого ответа в примере составляет 4096 новых токенов, однако общий размер контекста и перечень поддерживаемых языков не указаны. К сильным сторонам относятся компактный размер, возможность локального запуска в браузере или через ONNX Runtime, потоковая генерация и структурированный формат вывода с элементами документа и координатами. Разбиение изображения на несколько фрагментов может повысить точность, но увеличивает потребление памяти. README не содержит результатов бенчмарков, подробностей о качестве на разных типах документов или ограничениях по языкам, поэтому возможности модели за пределами описанных сценариев следует проверять отдельно. Модель распространяется по лицензии Apache-2.0.

Ba2han/lfm-sft — дообученная мультимодальная модель на базе LiquidAI/LFM2.5-VL-1.6B, опубликованная автором Ba2han. Она предназначена для диалога с изображениями и ответов на текстовые запросы с учётом визуального содержимого. Базовая модель Liquid AI поддерживает распознавание текста и ответы на вопросы по изображениям и документам. Модель использует архитектуру LFM2-VL и распространяется в формате safetensors для библиотеки Transformers. Данные обучения, специализированное назначение и оценка качества в карточке не раскрыты. Лицензия указана как other; конкретные условия использования следует проверить в файлах репозитория.

Helsinki-NLP/opus-mt-es-ru — модель машинного перевода из испанского языка на русский, разработанная Helsinki-NLP в рамках проекта OPUS. Это Transformer-модель семейства MarianMT с архитектурой transformer-align, обученная на данных OPUS; перед обработкой применяются нормализация текста и токенизация SentencePiece. Размер модели — 57,6 млн параметров, максимальный контекст — 512 токенов. Доступны веса PyTorch и TensorFlow. Модель предназначена для перевода испанских текстов на русский, включая отдельные фразы и более длинные фрагменты в пределах контекста. В карточке приведены результаты на тестовых наборах newstest2012, newstest2013 и Tatoeba; качество зависит от тематики и формулировок текста. Распространяется по лицензии Apache-2.0.

recogna-nlp/ptt5-base-summ — дообученная модель PTT5 на архитектуре T5 для абстрактивного суммирования текстов на бразильском португальском языке. Модель разработана авторами Recogna NLP и предназначена для создания краткого связного пересказа исходного текста. Чекпойнт дообучен на наборе RecognaSumm. Он содержит 123,8 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт текстовое резюме. В метаданных также указаны PyTorch и safetensors. Модель подходит для суммирования новостей, статей и других текстов на бразильском португальском. Лицензия — MIT. Ограничение длины контекста в 512 токенов может затруднить обработку длинных документов без предварительного разбиения.

Randeng-Deltalm-362M-En-Zh — модель перевода с английского на китайский, разработанная в рамках проекта Fengshenbang. Это дообученная на базе DeltaLM модель архитектуры Deltalm с 248,6 млн параметров по метаданным Hugging Face; README приводит размер 362 млн параметров. Для обучения использовали 30 млн англо-китайских пар и 200 тыс. параллельных примеров IWSLT. Модель принимает текст на английском и генерирует перевод на китайский; длина контекста составляет 512 токенов. В README приведён результат BLEU 40,22 на наборе FLORES-101 для направления en-zh. Модель предназначена для автоматического перевода; практическое качество зависит от тематики и формулировок текста. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

cointegrated/rut5-base-absum — модель для абстрактивного суммирования текстов на русском языке, разработанная на основе ruT5. Она дообучена на четырёх наборах данных для суммирования, включая русскоязычные датасеты из метаданных. Модель построена на архитектуре T5 и содержит 122,1 млн параметров. Модель подходит для автоматического составления краткого пересказа статьи или другого текста. Она принимает текст и генерирует текстовое резюме на русском языке. Веса опубликованы в форматах PyTorch и safetensors; лицензия — MIT.

Модель seongs/ke-t5-base-aihub-koen-translation-integrated-10m-en-to — модель машинного перевода, созданная дообучением KETI-AIR/ke-t5-base разработчиком, указанным в идентификаторе репозитория. Она предназначена для перевода текстов с английского на корейский и построена на архитектуре T5 с классом T5ForConditionalGeneration. Модель содержит 148,3 млн параметров, принимает текстовый ввод, использует контекст до 512 токенов и выдаёт текст. Для обучения использован набор aihub-koen-translation-integrated-base-10m; в карточке приведены BLEU 18,01 после первой эпохи и 18,84 после второй. Модель можно применять в системах перевода с английского на корейский, например для обработки текстов и локализации. Лицензия Apache-2.0.