Rewrite the model card in English in the BrainboxAI house style; Hebrew kept only in example prompts; repository id unchanged

README.md

@@ -32,62 +32,60 @@ model-index:
 
 # bx-code-nogah
 
-### מזהה המאגר: `BrainboxAI/code-il-E4B`
+### Repository id: `BrainboxAI/code-il-E4B`
 
-**עוזר כתיבת קוד ל-Python ול-TypeScript שרץ כולו על המחשב שלך. שורת קוד לא יוצאת החוצה.**
+**A Python and TypeScript coding assistant that runs entirely on your own machine. Not one line of your code leaves it.**
 
 [![HF Model](https://img.shields.io/badge/%F0%9F%A4%97%20HuggingFace-Model-yellow)](https://huggingface.co/BrainboxAI/code-il-E4B)
 [![Dataset](https://img.shields.io/badge/%F0%9F%A4%97%20HuggingFace-Dataset-blue)](https://huggingface.co/datasets/BrainboxAI/code-training-il)
 [![Safetensors](https://img.shields.io/badge/Format-Safetensors-green)](https://huggingface.co/BrainboxAI/code-il-E4B-safetensors)
 [![License](https://img.shields.io/badge/License-Apache_2.0-lightgrey)](https://www.apache.org/licenses/LICENSE-2.0)
 
-> **על השם.** `bx-code-nogah` הוא שם המודל במוסכמת השמות של BrainboxAI: `bx` לחברה, `code` לתחום, ו-`nogah` (נוגה) לדרגת הגודל האמצעית. **מזהה המאגר נשאר `BrainboxAI/code-il-E4B` ולא ישתנה** — כל קישור וסקריפט קיים ממשיך לעבוד.
+> **About the name.** `bx-code-nogah` is this model's name under the BrainboxAI naming convention: `bx` for the lab, `code` for the domain, and `nogah` (Hebrew for the planet Venus, the morning star) for the middle size tier. **The repository id stays `BrainboxAI/code-il-E4B` and will not change.** Every existing link and script keeps working.
 
-> **על יציבות הגרסה.** אימון חדש על אותה משימה נדחף לאותו מאגר ומעדכן את המשקולות במקום. כלומר מי שיוריד היום ושוב בעוד חודשיים עלול לקבל משקולות שונות תחת אותו שם. מי שצריך יציבות מוחלטת — יצמיד את עצמו ל-commit מסוים ולא לענף הראשי.
-
-> **English.** `code-il-E4B` (brand name `bx-code-nogah`) is an on-device Python and TypeScript coding assistant, fine-tuned from `unsloth/gemma-4-E4B-it` on a 40,330-example test-filtered corpus. No formal benchmark (HumanEval, MBPP) has been run on it. This card is in Hebrew; identifiers, code and the recommended system prompt are in English.
+> **About version stability.** Retraining on the same task is pushed to the same repository and updates the weights in place. Someone who downloads today and again in two months may get different weights under the same name. If you need absolute stability, pin yourself to a specific commit rather than to the main branch.
 
 ---
 
-## מה זה, בקצרה
+## What it is
 
-מודל שכותב ובודק קוד ב-Python וב-TypeScript, ורץ אצלך על המחשב. הוא בנוי על [`unsloth/gemma-4-E4B-it`](https://huggingface.co/unsloth/gemma-4-E4B-it) של גוגל, ואומן מעליו על 40,330 דוגמאות שסוננו לפי קריטריון אחד פשוט: **האם הקוד בדוגמה באמת עבר את הבדיקות שלו.**
+A model that writes and reviews Python and TypeScript, running on your own hardware. It is built on Google's [`unsloth/gemma-4-E4B-it`](https://huggingface.co/unsloth/gemma-4-E4B-it) and fine-tuned on 40,330 examples filtered by one simple test: **did the code in the example actually pass its own tests?**
 
-הכל נכנס בקובץ אחד של כ-5.3 ג'יגה-בייט. הוא רץ על:
+The whole thing fits in one file of about 5.3 GB. It runs on:
 
-- מעבד של מחשב נייד מודרני — איטי, אבל עובד.
-- כל כרטיס מסך ביתי עם 6 ג'יגה זיכרון ומעלה.
-- מחשבי Apple עם שבב M, דרך llama.cpp.
+- A modern laptop CPU. Slow, but it works.
+- Any consumer GPU with 6 GB of VRAM or more.
+- Apple Silicon, through llama.cpp.
 
-בלי חיבור לאינטרנט, בלי דיווח, בלי ששורת קוד אחת יוצאת מהמכונה.
+No network, no telemetry, and no line of code leaving the machine.
 
-## למה הוא קיים
+## Why it exists
 
-כל תו שנשלח לעוזר קוד בענן הוא דליפה פוטנציאלית. לחברה שבונה מערכת קניינית — ובמיוחד בפיננסים, ברפואה ובביטחון — זה פשוט לא עובר.
+Every keystroke sent to a cloud coding assistant is a potential leak. For a company building a proprietary system, and especially in finance, healthcare or defence, that simply does not pass review.
 
-המודל הזה הוא החלופה הפרטית: קטן מספיק לרוץ מקומית, מכוון לשתי השפות שרוב החברות באמת כותבות בהן.
+This model is the private alternative: small enough to run locally, tuned for the two languages most companies actually write in.
 
-**הוא לא מתחרה ב-Claude או ב-GPT ביכולת גולמית, והוא לא מנסה.** הוא מציע משהו אחר: עזרה סבירה, בלי רשת, בלי שאף אחד אחר רואה את הקוד.
+**It does not compete with Claude or GPT on raw capability, and it is not trying to.** It offers something different: useful help, with no network, and nobody else reading your code.
 
-## למה הוא מיועד
+## What it is for
 
-- השלמה וסקירה של קוד בסביבה מפוקחת שאסור לה לצאת החוצה.
-- התקנה בתוך חברה שיש לה כללי מקום-אחסון נוקשים.
-- עבודה בזוג עם מפתח כשהאינטרנט לא אמין או לא קיים.
-- הטמעה בתוך כלי פיתוח פנימי שאסור לו לקרוא ל-API חיצוני.
-- מפתחים דוברי עברית — המודל עונה בעברית כשפונים אליו בעברית, והקוד עצמו נשאר באנגלית.
+- Code completion and review inside a regulated environment that cannot reach the internet.
+- On-premise deployment for companies with strict data-residency rules.
+- Pair programming when the connection is unreliable or absent.
+- Embedding into an internal developer tool that is not allowed to call an external API.
+- Hebrew-speaking developers. The model answers in Hebrew when addressed in Hebrew, and the code itself stays in English.
 
-## מה הוא **לא**, ומה אסור לעשות איתו
+## What it is not, and what you must not do with it
 
-- **הוא לא תחליף למודל גדול** בשאלות ארכיטקטורה, בקוד שפרוס על הרבה קבצים, או בכל דבר שדורש להחזיק הקשר ארוך בראש.
-- **אסור לשלוח את הקוד שלו לייצור בלי שאדם קרא אותו.** הוא מייצר קוד שנראה נכון ולא רץ. זו לא תקלה נדירה.
-- **הוא ממציא ממשקים של ספריות.** חתימות של פונקציות שלא קיימות, פרמטרים שלא קיימים, גרסאות שלא קיימות. תמיד לבדוק מול התיעוד.
-- **הוא מכיר רק Python ו-TypeScript.** בכל שפה אחרת הכיסוי מינימלי, והתחביר שיצא לא יהיה בהכרח נכון או מקובל.
-- **יש לו תאריך ידע.** ספריות וכלים שיצאו אחרי שהדאטה נאסף, בתחילת 2026, פשוט לא קיימים בשבילו.
-- **אין לו כלים.** הוא לא מריץ פקודות, לא קורא קבצים ולא בודק את עצמו. בשביל התנהגות של סוכן צריך לבנות מסביבו תשתית.
-- **אין לו ציון על מבחן מוכר.** ראה את פרק ההערכה — הבדיקות שכן נעשו קטנות מאוד ואינן מבחן.
+- **It is not a replacement for a frontier model** on architecture questions, on code spread across many files, or on anything that needs a long context held in mind.
+- **Do not ship its output to production without a person reading it.** It produces code that looks right and does not run. That is not a rare failure.
+- **It invents library APIs.** Function signatures that do not exist, parameters that do not exist, versions that do not exist. Always check against the documentation.
+- **It knows Python and TypeScript only.** Coverage of any other language is minimal, and the syntax it produces will not reliably be correct or idiomatic.
+- **It has a knowledge cutoff.** Libraries and tools released after the data was collected in early 2026 simply do not exist for it.
+- **It has no tool use out of the box.** It talks; it does not run commands, read files or check itself. Agent behaviour requires integration work around it.
+- **It has no score on a recognised benchmark.** See the Evaluation section. The checks that were done are very small and are not a benchmark.
 
-## איך מריצים
+## How to run it
 
 ### Ollama
 
@@ -98,7 +96,7 @@ ollama run hf.co/BrainboxAI/code-il-E4B:Q4_K_M
 
 ### llama.cpp
 
-שם הקובץ בתוך המאגר הוא `gemma-4-e4b-it.Q4_K_M.gguf`. השם נשמר משלב הבנייה — זה הקובץ של המודל **המאומן**, ולא של מודל הבסיס.
+The file inside the repository is named `gemma-4-e4b-it.Q4_K_M.gguf`. The name is left over from the build step. It is the **fine-tuned** model, not the base model.
 
 ```bash
 ./llama-cli -m gemma-4-e4b-it.Q4_K_M.gguf \
@@ -106,7 +104,18 @@ ollama run hf.co/BrainboxAI/code-il-E4B:Q4_K_M
   --temp 0.2 --top-p 0.95 -n 1024
 ```
 
-### פייתון, דרך מאגר ה-safetensors
+The model also takes Hebrew. Same request, asked in Hebrew:
+
+```bash
+# Prompt: "Write me a Python function that parses ISO-8601 dates with timezones."
+./llama-cli -m gemma-4-e4b-it.Q4_K_M.gguf \
+  -p "תכתוב לי פונקציה בפייתון שמפרסרת תאריכים בפורמט ISO-8601 עם אזורי זמן." \
+  --temp 0.2 --top-p 0.95 -n 1024
+```
+
+The explanation comes back in Hebrew. The code, the identifiers and the library names stay in English.
+
+### Python, through the safetensors repository
 
 ```python
 from transformers import AutoTokenizer, AutoModelForCausalLM
@@ -126,24 +135,24 @@ outputs = model.generate(inputs, max_new_tokens=1024, temperature=0.2, top_p=0.9
 print(tokenizer.decode(outputs[0], skip_special_tokens=True))
 ```
 
-### פרמטרי הרצה מומלצים
+### Recommended generation parameters
 
-| פרמטר | ערך | למה |
+| Parameter | Value | Why |
 |---|---|---|
-| `temperature` | 0.2 | יצירתיות נמוכה. בקוד רוצים תשובה צפויה, לא מקורית |
-| `top_p` | 0.95 | מעט גבוה מהמודל המשפטי, כדי לאפשר גיוון בסגנון כתיבה |
-| `max_new_tokens` | 1024 | מספיק לרוב הפונקציות |
-| `repetition_penalty` | 1.0 | קנס על חזרות פוגע בקוד — הזחה ושמות משתנים חוזרים על עצמם בכוונה |
+| `temperature` | 0.2 | Low creativity. Code wants the predictable answer, not the original one |
+| `top_p` | 0.95 | Slightly higher than the legal model, to allow some idiom variety |
+| `max_new_tokens` | 1024 | Enough for most function-level work |
+| `repetition_penalty` | 1.0 | Penalising repetition hurts code. Indentation and variable names repeat on purpose |
 
-## פרומפט המערכת המומלץ — זה מה שמשנה הכי הרבה
+## The recommended system prompt, which matters more than anything else here
 
-מודל בגודל הזה כותב קוד **הרבה** יותר טוב כשמכריחים אותו לחשוב בחמישה שלבים לפני שהוא כותב שורה. בלי זה הוא קופץ ישר לקוד — קוד שמתקמפל ונופל על מקרה קצה, בלי בדיקות ובלי אזהרה.
+A model this size writes **much** better code when it is forced through five explicit steps before it writes a line. Without that it jumps straight to code, and the code compiles and then falls over on an edge case, with no tests and no warning.
 
-חמשת השלבים: להבין את הבעיה, למנות את מקרי הקצה, לכתוב את הקוד, לכתוב בדיקות, ולומר בכנות מה הקוד לא מכסה.
+The five steps: understand the problem, enumerate the edge cases, write the code, write tests, and state honestly what the code does not cover.
 
-**וזאת התרשמות, לא מדידה.** לא רצה השוואה מספרית בין הרצה עם הפרומפט להרצה בלעדיו.
+**And this is an impression, not a measurement.** No numerical comparison was run between the model with this prompt and without it.
 
-### הפרומפט עצמו — העתק כמו שהוא
+### The system prompt (copy as-is)
 
 ```text
 DEFINITIONS:
@@ -222,7 +231,7 @@ VERIFICATION:
   - regression check: No "production-ready" claims unless edge cases match limitations.
 ```
 
-### דוגמת שימוש עם הפרומפט
+### Usage example with the system prompt
 
 ```python
 from transformers import AutoTokenizer, AutoModelForCausalLM
@@ -234,7 +243,7 @@ model = AutoModelForCausalLM.from_pretrained(
     device_map="auto",
 )
 
-# הדבק כאן את הפרומפט המלא מהבלוק שלמעלה
+# Paste the full prompt from the code block above.
 SYSTEM_PROMPT = """[paste the full prompt from the code block above]"""
 
 messages = [
@@ -247,86 +256,86 @@ outputs = model.generate(inputs, max_new_tokens=1500, temperature=0.2, top_p=0.9
 print(tokenizer.decode(outputs[0], skip_special_tokens=True))
 ```
 
-### התאמות אפשריות
+### Customisation
 
-- רוצה רק קוד בלי הסברים? החלף את `OUTPUT_FORMAT` ב-"Code blocks only".
-- בונה כלי לסקירת קוד? הוסף ל-`REQUIREMENTS` דרישה שהפלט יהיה בפורמט diff.
-- צריך רק TypeScript? הוסף ל-`REQUIREMENTS` שכל תשובה תהיה ב-TypeScript עם טיפוסים.
-- עובד על קוד רגיש אבטחתית? הוסף סעיף ל-`OUTPUT_FORMAT` בשם "Security Review".
+- Want code only, with no prose? Replace `OUTPUT_FORMAT` with "Code blocks only".
+- Building a code review tool? Add a requirement that output comes back as a diff.
+- Want TypeScript only? Add a requirement that every answer is TypeScript with type annotations.
+- Working on a security-sensitive codebase? Add a "Security Review" section to `OUTPUT_FORMAT`.
 
-## פרטי האימון
+## Training details
 
-| מאפיין | ערך |
+| Attribute | Value |
 |---|---|
-| **מודל בסיס** | [`unsloth/gemma-4-E4B-it`](https://huggingface.co/unsloth/gemma-4-E4B-it) |
-| **שיטה** | QLoRA — מודל הבסיס נטען ב-4 ביט בזמן האימון |
-| **מסגרת** | Unsloth |
-| **חומרה** | NVIDIA RTX 5090 |
-| **שורות אימון** | 38,314 |
-| **שורות מבחן שהוחזקו בצד** | 2,016 |
-| **חלוקה** | 95% / 5%, seed 3407 |
-| **היפר-פרמטרים, זמן ועלות** | לא נכתבים כאן — ראה ההערה מתחת לטבלה |
+| **Base model** | [`unsloth/gemma-4-E4B-it`](https://huggingface.co/unsloth/gemma-4-E4B-it) |
+| **Method** | QLoRA. The base model is loaded in 4 bits during training |
+| **Framework** | Unsloth |
+| **Hardware** | NVIDIA RTX 5090 |
+| **Training rows** | 38,314 |
+| **Held-out rows** | 2,016 |
+| **Split** | 95% / 5%, seed 3407 |
+| **Hyperparameters, wall time and cost** | Not stated here. See the note below |
 
-> **למה חסרים כאן מספרים.** רשומות האימון של המודל הזה שרדו בשתי גרסאות שסותרות זו את זו בדיוק על דרגת ה-LoRA ועל שאר ההיפר-פרמטרים. אי אפשר לדעת מהמקורות שקיימים איזו מהן מתארת את המשקולות שפורסמו כאן, ולכן השורות האלה הוסרו במקום להישאר ולהיראות כמו עובדה. מה שכן נשאר — מודל הבסיס, החומרה, וספירת השורות — מופיע באופן זהה בשני המקורות, וספירת השורות אף נקראה מקובץ סטטיסטיקה שנוצר על ידי המכונה עצמה.
+> **Why numbers are missing.** The training records for this model survived in two versions that contradict each other precisely on the LoRA rank and the rest of the hyperparameters. Nothing in the surviving sources says which version describes the weights published here, so those rows were removed rather than left on the card looking like fact. What did survive (the base model, the hardware and the row counts) appears identically in both sources, and the row counts were read from a statistics file written by the machine itself.
 
-### ממה מורכב הדאטה
+### Dataset composition
 
-| מקור | כמות | תוכן |
+| Source | Count | Content |
 |---|---|---|
-| [`nvidia/OpenCodeInstruct`](https://huggingface.co/datasets/nvidia/OpenCodeInstruct) | 20,000 | Python — רק דוגמאות שהקוד בהן עבר לפחות 50% מהבדיקות שלו |
+| [`nvidia/OpenCodeInstruct`](https://huggingface.co/datasets/nvidia/OpenCodeInstruct) | 20,000 | Python. Only examples whose code passed at least 50% of its own tests |
 | [`bleugreen/typescript-instruct`](https://huggingface.co/datasets/bleugreen/typescript-instruct) | 20,000 | TypeScript |
-| סט זהות שנכתב ביד | 330 | 165 זוגות שאלה-תשובה, כל אחד נכלל פעמיים. עברית ואנגלית |
-| **סך הכל** | **40,330** | |
+| Hand-written identity set | 330 | 165 question-and-answer pairs, each included twice. Hebrew and English |
+| **Total** | **40,330** | |
 
-**הסינון הוא העיקר כאן.** מקור ה-Python הוא קורפוס ענק. עברנו עליו וחתכנו לפי מבחן אחד: האם הקוד בדוגמה עבר את הבדיקות שנכתבו עבורו. דוגמאות בלי תוצאות בדיקה נזרקו, דוגמאות שעברו פחות מחצי נזרקו, וכפילויות לפי שאלה זהה נזרקו. גם אורך הטקסט נחתך ב-6,000 תווים.
+**The filtering is the point here.** The Python source is an enormous corpus. It was cut down on one test: did the code in the example pass the tests written for it. Examples with no test results were dropped, examples that passed less than half were dropped, and duplicates by prompt hash were dropped. Text length was also capped at 6,000 characters.
 
-זו הייתה ההחלטה שהשפיעה הכי הרבה על התוצאה: אימון על הקורפוס המלא, בלי סינון, ייצר מודל רועש יותר.
+That was the decision that moved the result most. Training on the full unfiltered corpus produced a noisier model.
 
-הכל מפורסם בכרטיס הדאטה של [`code-training-il`](https://huggingface.co/datasets/BrainboxAI/code-training-il).
+The full account is on the [`code-training-il`](https://huggingface.co/datasets/BrainboxAI/code-training-il) dataset card.
 
-## הערכה
+## Evaluation
 
-**לא רץ מבחן מוכר על המודל הזה. אין ציון HumanEval, אין MBPP, ואין שום מספר שאפשר להשוות מולו למודל אחר.**
+**No recognised benchmark was run on this model. There is no HumanEval score, no MBPP score, and no number you can compare against another model.**
 
-מה שכן נעשה — שתי בדיקות ידניות, קטנות:
+What was done instead: two small checks, run by hand.
 
-| מה נבדק | כמה מקרים | תוצאה |
+| What was tested | Cases | Result |
 |---|---|---|
-| FizzBuzz, דרך לולאת סוכן | 5 | 5 מתוך 5, ב-6 צעדים, בלי סבב תיקון |
-| חיפוש בינארי עם 11 מקרי קצה | 11 | 11 מתוך 11, כולל טיפול בכפילות השמאלית |
+| FizzBuzz, through an agent loop | 5 | 5 of 5, in 6 steps, with no correction rounds |
+| Binary search with 11 edge cases | 11 | 11 of 11, including leftmost-duplicate handling |
 
-**איך לקרוא את זה, בכנות.** אלה 16 מקרים בסך הכל, ששני בני אדם הריצו ביד. אין קובץ תוצאות, אין קוד בדיקה שפורסם, ואי אפשר לשחזר את זה מבחוץ. זה מספיק כדי לומר "המודל עובד ולא קורס". זה **לא** מבחן, ו��סור להשוות אותו למספרים של מודלים אחרים.
+**How to read that, honestly.** Sixteen cases in total, run by hand. There is no results file, no published test code, and no way to reproduce it from outside. It is enough to say the model works and does not fall over. It is **not** a benchmark, and it must not be compared with other models' numbers.
 
-מבחן אמיתי הוא עבודה פתוחה. אם וכאשר הוא ירוץ, התוצאה תופיע כאן.
+A real benchmark is open work. If and when one is run, the result will appear here.
 
-## מגבלות
+## Limitations
 
-- **מודל קטן.** בגודל הזה יש טעויות בשאלות ארכיטקטורה ובהקשר ארוך. זו ודאות, לא אפשרות.
-- **שתי שפות.** חזק ב-Python וב-TypeScript, חלש בכל השאר.
-- **אין שימוש בכלים מהקופסה.** הוא מדבר, הוא לא מריץ. סוכן דורש עבודת אינטגרציה.
-- **תאריך ידע.** מה שיצא אחרי תחילת 2026 לא קיים בשבילו.
-- **הוא ממציא קוד שנראה נכון.** תמיד להריץ ולבדוק.
-- **אין מבחן.** ראה את פרק ההערכה.
-- **זהו אימון מעל `unsloth/gemma-4-E4B-it`.** כל מגבלה של מודל הבסיס נמצאת גם כאן.
+- **It is a small model.** At this size there will be mistakes on architecture questions and long-context reasoning. That is a certainty, not a possibility.
+- **Two languages.** Strong on Python and TypeScript, weak on everything else.
+- **No tool use out of the box.** It talks, it does not run. An agent needs integration work.
+- **Knowledge cutoff.** Anything released after early 2026 does not exist for it.
+- **It produces code that looks right.** Always run it and test it.
+- **No benchmark.** See the Evaluation section.
+- **It is a fine-tune of `unsloth/gemma-4-E4B-it`.** Every limit of that model is still here.
 
-## הקבצים והמאגרים
+## Files and repositories
 
-| מאגר | מה יש בפנים | למי זה |
+| Repository | What is inside | Who wants it |
 |---|---|---|
-| [`BrainboxAI/code-il-E4B`](https://huggingface.co/BrainboxAI/code-il-E4B) | `gemma-4-e4b-it.Q4_K_M.gguf` (5.3 ג'יגה) והכרטיס הזה | Ollama, llama.cpp, LM Studio |
-| [`BrainboxAI/code-il-E4B-safetensors`](https://huggingface.co/BrainboxAI/code-il-E4B-safetensors) | משקולות מלאות ב-16 ביט (16.0 ג'יגה) | transformers, והמשך אימון |
+| [`BrainboxAI/code-il-E4B`](https://huggingface.co/BrainboxAI/code-il-E4B) | `gemma-4-e4b-it.Q4_K_M.gguf` (5.3 GB) and this card | Ollama, llama.cpp, LM Studio |
+| [`BrainboxAI/code-il-E4B-safetensors`](https://huggingface.co/BrainboxAI/code-il-E4B-safetensors) | Merged 16-bit weights (16.0 GB) | `transformers`, and continued training |
 
-במאגר יושב גם `gemma-4-e4b-it.BF16-mmproj.gguf` (0.99 ג'יגה). זהו רכיב הראייה של Gemma-4, שנחוץ רק אם רוצים להזין תמונות. לעבודת קוד אין בו צורך.
+The repository also holds `gemma-4-e4b-it.BF16-mmproj.gguf` (0.99 GB). That is Gemma-4's vision component, needed only if you want to feed it images. Code work does not need it.
 
-## רישיון
+## License
 
-Apache 2.0. מותר להשתמש, לשנות, להפיץ ולמכור נגזרות, עם ייחוס.
+Apache 2.0. You may use, modify, distribute and sell derivatives, with attribution.
 
-זהו אימון מעל [`unsloth/gemma-4-E4B-it`](https://huggingface.co/unsloth/gemma-4-E4B-it), ולכן התנאים של מודל הבסיס חלים גם על המודל הזה. מודל הבסיס מפורסם תחת Apache 2.0 ומפנה גם אל [תנאי השימוש של Gemma](https://ai.google.dev/gemma/docs/gemma_4_license). כדאי לקרוא אותם לפני שימוש מסחרי.
+This is a fine-tune of [`unsloth/gemma-4-E4B-it`](https://huggingface.co/unsloth/gemma-4-E4B-it), so the terms of that model apply to this one as well. The base model is published under Apache 2.0 and also points to the [Gemma 4 licence terms](https://ai.google.dev/gemma/docs/gemma_4_license). Read those before relying on this line commercially.
 
-לחומר האימון יש רישיונות משלו, של המקורות שממנו הוא נבנה. ראה את כרטיס הדאטה.
+The training material carries the licences of the sources it was built from. See the dataset card.
 
-## ציטוט
+## Citation
 
 ```bibtex
 @misc{elyasi2026codeil,
@@ -339,10 +348,10 @@ Apache 2.0. מותר להשתמש, לשנות, להפיץ ולמכור נגזר
 }
 ```
 
-## מי בנה את זה
+## Author
 
-נבנה על ידי [**נתנאל אליאסי**](https://huggingface.co/BrainboxAI), מייסד [BrainboxAI](https://brainboxai.io) — סטודיו ישראלי לבינה מלאכותית יישומית, שבונה מודלים קטנים, פרטיים ומתמחים.
+Built by [**Netanel Elyasi**](https://huggingface.co/BrainboxAI), founder of [BrainboxAI](https://brainboxai.io), an Israeli applied-AI studio building small, private, domain-specialised models.
 
-לכוונון מודל קוד על בסיס הקוד הפרטי של החברה שלך: [netanele@brainboxai.io](mailto:netanele@brainboxai.io).
+For tuning a coding model on your company's own codebase: [netanele@brainboxai.io](mailto:netanele@brainboxai.io).
 
-*חלק ממשפחת המודלים של BrainboxAI שרצים על החומרה שלך. ראה גם [`law-il-E2B`](https://huggingface.co/BrainboxAI/law-il-E2B) (משפט) ו-[`cyber-analyst-4B`](https://huggingface.co/BrainboxAI/cyber-analyst-4B) (סייבר).*
+*Part of the BrainboxAI family of on-device models. See also [`law-il-E2B`](https://huggingface.co/BrainboxAI/law-il-E2B) (law) and [`cyber-analyst-4B`](https://huggingface.co/BrainboxAI/cyber-analyst-4B) (security).*