/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Tri-21B
Библиотека
transformers
Опубликована
22 фев 2026

Tri-21B-Think-gguf

Генерация текстаТекст → текст15 профессий

GGUF-сборка промежуточной модели Tri-21B-Think-Preview для диалоговой генерации текста и задач на рассуждение.

405скачиваний за 30 дней1лайквеса обновлены23 фев 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

KnutJaegersberg/Tri-21B-Think-gguf — GGUF-версия модели Tri-21B-Think-Preview, подготовленная на основе Tri-21B. Это причинная языковая модель с декодерным Transformer, RoPE, SwiGLU, RMSNorm и GQA, содержащая 20,73 млрд параметров. Она дообучена для диалогов, пошаговых рассуждений и использования инструментов. Контекст составляет 32 768 токенов, а с YaRN может расширяться до 262 144 токенов.

Модель предназначена для генерации ответов в чат-сценариях, решения задач на рассуждение и работы с длинными текстовыми запросами. В первую очередь она оптимизирована для английского, корейского и японского языков; на других языках качество может снижаться. Это промежуточный чекпойнт, и README указывает на Tri-21B-Think как на финальную версию. Для базовой Tri-21B указана лицензия trillion, а для Think и Think-Preview — Apache 2.0; при этом метаданные репозитория обозначают лицензию как other, поэтому условия использования следует сверить с файлами лицензии в репозитории.

Сценарии применения

  • ответы на сложные вопросы с пошаговыми рассуждениями
  • решение математических и научных задач
  • диалоговый помощник на английском, корейском или японском
  • генерация текста по длинному контексту
  • подготовка ответов с использованием инструментов

Ограничения

Это промежуточный чекпойнт; README рекомендует финальную Tri-21B-Think. Качество на языках, кроме английского, корейского и японского, может быть ниже; знания ограничены февралем 2025 года.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

The License for the Base Model Tri-21B is the trillion license in this repo, the think and think-preview versions are Apache 2.0.

Introduction

Tri-21B-Think-Preview is an intermediate checkpoint of Tri-21B-Think, featuring mid-training context length expansion to 32K tokens and instruction tuning for chain-of-thought reasoning and tool use.

Model Specifications

  • Type: Causal Language Model (Reasoning-Enhanced)
  • Base Model: Tri-21B
  • Architecture: Transformer Decoder with RoPE, SwiGLU, RMSNorm, and GQA
  • Number of Parameters: 20.73B
  • Number of Layers: 40
  • Number of Attention Heads: 32 (Query) / 8 (Key, Value)
  • Head Dimension: 160
  • Hidden Size: 5,120
  • Intermediate Size: 27,392
  • Context Length: 32,768 (up to 262,144 with YaRN)
  • Vocab Size: 124,416

Quickstart

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "trillionlabs/Tri-21B-Think-Preview"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Solve the following step by step: What is the sum of the first 100 prime numbers?"
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=4096,
    temperature=0.6,
    top_p=0.9
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

vLLM & SGLang Deployment

vLLM and SGLang support for Trillion Model is on the way. Stay tuned!

Fine-tuning Notes

Note on <think> tags: This model was trained without <think> and </think> as special tokens. They were added post-training for compatibility with reasoning parsers. If you plan to fine-tune this model, you'll need to modify tokenizer_config.json to avoid indexing errors.

Replace tokens 123975 and 123976 in tokenizer_config.json:

"123975": {
  "content": "<|reserved_special_token_9|>",
  "lstrip": false,
  "normalized": false,
  "rstrip": false,
  "single_word": false,
  "special": true
},
"123976": {
  "content": "<|reserved_special_token_10|>",
  "lstrip": false,
  "normalized": false,
  "rstrip": false,
  "single_word": false,
  "special": true
}

Evaluation

CategoryBenchmarkDescriptionTri-21B-Think-Preview
ReasoningGPQA-DiamondGraduate-level science questions across physics, chemistry, and biology (PhD-level)54
AIME 2025American Invitational Mathematics Examination 202550.0
MMLU-ProMassive Multitask Language Understanding with more answer choices and reasoning-focused questions65.19
HLEHumanity's Last Exam — 2,500 expert-level questions across 100+ subjects created by nearly 1,000 domain experts5.12
CodingLiveCodeBench v6Competitive programming benchmark with problems sourced from recent programming contests48.57
SciCodeCode generation across 338 subproblems in 16 natural science fields drawn from real research workflows18
Instruction FollowingIFEvalTests ability to follow precise formatting and output constraint instructions84.05
IFBenchEvaluates generalization to novel, verifiable output constraints not seen during training (Allen AI)51.02
AgenticTAU2-Bench (Telecom)Dual-control conversational benchmark where both agent and user use tools to resolve telecom scenarios (Sierra)93
AA-LCRLong-context reasoning over multiple documents at 10K–100K tokens (Artificial Analysis)15
AA-OmniscienceFactual reliability across 6,000 questions in 42 subtopics, penalizing hallucinations (Artificial Analysis)-48.55
KoreanKMMLU-Pro2,822 questions from 14 Korean National Professional Licensure exams (LG AI Research)54.18
CLIcK1,995 Korean cultural and linguistic knowledge questions sourced from official exams and textbooks (KAIST)77.94
KoBALTKorean linguistic understanding across syntax, semantics, pragmatics, phonetics, and morphology (SNU)47.29

Limitations

  • Language Support: Optimized for English, Korean, and Japanese. Other languages may show degraded performance.
  • Knowledge Cutoff: February 2025.
  • Intermediate Checkpoint: See Tri-21B-Think for the final model.

License

This model is licensed under the Apache 2.0 License.

Contact

For inquiries: info@trillionlabs.co

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
426c3d5

0 моделей