/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
29,7 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-32B
Библиотека
transformers
Опубликована
16 дек 2025

T-pro-it-2.1

Генерация текстаТекст → текст15 профессий

Русскоязычная дообученная модель Qwen3 для диалога, точного следования инструкциям и вызова инструментов.

1 021скачиваний за 30 дней35лайковвеса обновлены23 дек 2025

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

T-pro-it-2.1 — русскоязычная диалоговая модель семейства Qwen3, разработанная командой T-tech и дообученная на базе Qwen/Qwen3-32B. Это плотная языковая модель с 29,7 млрд параметров и контекстом до 40 960 токенов по метаданным; README отдельно указывает нативный контекст 32 768 токенов. Модель предназначена для диалога, следования сложным инструкциям, генерации текстов в несколько шагов и сценариев с вызовом инструментов. По заявлению разработчиков, она улучшена относительно T-pro-it-2.0 в следовании инструкциям и вызове инструментов; обучение включало инструкционный midtraining, SFT и оптимизацию GRPO с последующим слиянием экспертов методом SLERP.

Модель принимает текст и генерирует текст, поддерживает русский язык, а также показывает результаты на англоязычных наборах оценки. README указывает режим без рассуждений (non-thinking). Для использования доступны веса в формате Safetensors и библиотека Transformers; лицензия — Apache-2.0. Разработчики предупреждают, что внедряющие модель самостоятельно отвечают за дополнительное обучение, надзор и приемлемость ответов. Приведённые в карточке бенчмарки являются результатами разработчиков и не гарантируют качество в конкретной прикладной системе.

Сценарии применения

  • ответы на вопросы и общение на русском языке
  • выполнение сложных инструкций с заданными ограничениями
  • многошаговая генерация и преобразование текстов
  • вызов инструментов в агентных сценариях
  • создание диалоговых ассистентов на базе Qwen3

Ограничения

Модель работает только в режиме без рассуждений; качество и безопасность ответов требуют проверки и надзора при внедрении. Указанная в README длина контекста составляет 32 768 токенов, тогда как метаданные каталога указывают 40 960 токенов.

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

T-pro-it-2.1

🚨 Users are advised to exercise caution and are responsible for any additional training and oversight required to ensure the model's responses meet acceptable ethical and safety standards. The responsibility for incorporating this model into industrial or commercial solutions lies entirely with those who choose to deploy it.

Highlights

We introduce the updated version of the T-pro-it-2.0, named T-pro-it-2.1, featuring the following key enhancements:

  • Stronger instruction following: Significant gains in following to complex and strict instructions, outperforming T-pro-it-2.0 by +9 percentage points.

  • Improved general capabilities: Better comprehension and fluency in open-domain tasks, including chat and multistep content generation.

  • Advanced tool-calling proficiency: Robust performance in tool-calling workflows, achieving results on par with Qwen3-235B-2507.

  • Efficient inference: Faster response generation for Russian text via an optimized tokenizer (same as in T-pro-it-2.0).

image

Description

T-pro-it-2.1 — is an efficient russian model built upon the Qwen 3 model family with improved instruction following and tool-calling capabilities compared to T-pro-it-2.0. Outperforms Qwen3-32B in tool calling scenarios, which is essential for agentic applications. Built for both general tasks and complex workflows.

More train details in our Habr: https://habr.com/ru/companies/tbank/articles/979650/

NOTE: This model supports only non-thinking mode and does not generate <think></think> blocks in its output. Meanwhile, specifying enable_thinking=False is no longer required.

📚 Dataset

Instruction midtraining: 40B tokens of instruction data.

Supervised Fine-Tuning (SFT): ~670K high-quality and diverse instructions with balanced complexity combining general data, synthetic verifiable instruction-following and tool-calling scenarios.

Online RL alignment (GRPO): Synthetic data generated for instruction-following (IF) and tool-calling optimization.

  • General stream: general and chat tasks;
  • IF stream: Diverse, verifiable synthetic tasks targeting strict instruction following;
  • Tool-calling stream: Complex workflows with multi-step tool use; strong gains on tool-calling benchmarks.

Merge Strategy

In this release, we leveraged an expert merging approach. After a shared SFT stage — which includes data for core capabilities (Instruction Following, General tasks, and Tool Calling) — we train three specialized experts via GRPO:

  • IF Expert: Optimized for strict instruction following.
  • General Expert: Focused on general and chat tasks.
  • Tool-Call Expert: Trained on complex tool-calling workflows.

Each expert is trained with domain-specific data, hyperparameters, and reward functions for optimal performance. The final model is obtained by merging the three experts using SLERP (Spherical Linear Interpolation), enabling better preservation of individual capabilities compared to single-model training. To prevent artifacts after merging, we apply polishing stage using general domain to slightly adjust the model weights.

This approach allows fine-grained control over each skill domain and results in a more balanced and capable unified model.

📊 Benchmarks

ModelRu Arena HardruIFeval*enIFeval*enBFCLruBFCLTau2ACEBench
T-pro-it-2.193.880.778.472.366.037.673.6
T-pro-it-2.090.469.370.259.747.525.061.2
Qwen3-32B87.377.477.769.257.339.365.0
Devstral-Small-2-24B-Instruct-251275.771.371.363.157.0–64.3
gpt-oss-20b73.671.167.650.037.648.7–
RuadaptQwen3-32B-Instruct65.470.873.5–––62.2

Instruction Following: +9 percentage points improvement over T-pro-it-2.0. Tool-calling Tasks: Performance on par with Qwen3-235B-2507 on tool-calling benchmarks.

* IFeval metric is mean of 4 values: prompt and instruct levels for strict and loose accuracy.

More benchmarks can be found in our Habr post.

Recommended Generation Parameters

temperature: 0.7
top_p: 0.8
tok_k: 20
presence_penalty: 1.0
  • Use lower temperature for straightforward queries and higher temperature for complex or creative tasks.
  • A presence_penalty between 0 and 2 can help avoid repetitive outputs.

👨‍💻 Examples of usage

SGLang Usage

For better quality and stable performance, we recommend SGLang as your inference framework.

To run an inference server for T-pro-it-2.1, start by launching the SGLang server:

python -m sglang.launch_server \
    --model-path t-tech/T-pro-it-2.1 \
    --tool-call-parser qwen25

VLLM Usage

vllm serve t-tech/T-pro-it-2.1 \
    --enable-auto-tool-choice \
    --tool-call-parser hermes

Once the server is up and listening on host, you can send chat-based requests via the OpenAI Python client.

# Описание инструмента для получения погоды
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Получить краткое описание текущей погоды в указанном городе.",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "Город, например 'Москва'."
                    },
                    "date": {
                        "type": "string",
                        "description": "Дата в формате YYYY-MM-DD (опционально)."
                    },
                },
                "required": ["city"],
            },
        },
    }
]

prompt = (
    "Мне нужно спланировать прогулку по Москве сегодня вечером. "
    "Если тебе нужно, обратись к инструменту погоды, чтобы узнать текущие условия, "
    "а затем предложи, что можно делать на улице и какие есть альтернативы, если будет дождь."
)

completion = client.chat.completions.create(
    model="ANY",  # сервер игнорирует имя модели
    messages=[
        {
            "role": "system",
            "content": "Ты T-pro, виртуальный ассистент в Т-Технологиях. Твоя задача — быть полезным диалоговым ассистентом."
        },
        {"role": "user", "content": prompt},
    ],
    tools=tools,
    tool_choice="auto",  # модель сама решает, вызывать ли инструмент
    temperature=0.7,
    top_p=0.8,
    top_k=20,
    presence_penalty=1.0,
)

# В первом ответе модель либо даст готовый текст,
# либо вернет запрос на вызов инструмента (tool_calls)
message = completion.choices[0].message
print(message)

Note: It is obligatory to include both temperature and presence_penalty in every completion call.

HF Usage

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

torch.manual_seed(42)

model_name = "t-tech/T-pro-it-2.1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto",
)

prompt = (
    "Мне нужно спланировать прогулку по Москве сегодня вечером. "
    "Предложи варианты занятий на улице и в помещении, "
    "предполагая типичную погоду для этого времени года."
)

messages = [
    {
        "role": "system",
        "content": "Ты T-pro, виртуальный ассистент в Т-Технологиях. Твоя задача — быть полезным диалоговым ассистентом."
    },
    {"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=512,
)

# Отбрасываем токены промпта
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)

Long Context Usage

T-pro-it-2.1 natively supports a context length of 32,768 tokens.
For conversations where the input significantly exceeds this limit, follow the recommendations from the Qwen3 model card on processing long texts.

  • Modify the model files: In the config.json file, add the rope_scaling fields:

    {
        ...,
        "rope_scaling": {
            "rope_type": "yarn",
            "factor": 4.0,
            "original_max_position_embeddings": 32768
        }
    }
    

    For llama.cpp, you need to regenerate the GGUF file after the modification.

  • Passing command line arguments:

    For vllm, you can use

    vllm serve ... --rope-scaling '{"rope_type":"yarn","factor":4.0,"original_max_position_embeddings":32768}' --max-model-len 131072  
    

    For sglang, you can use

    python -m sglang.launch_server ... --json-model-override-args '{"rope_scaling":{"rope_type":"yarn","factor":4.0,"original_max_position_embeddings":32768}}'
    

    For llama-server from llama.cpp, you can use

    llama-server ... --rope-scaling yarn --rope-scale 4 --yarn-orig-ctx 32768
    

Citation

If you find our work helpful, feel free to give us a cite.

@misc{stoianov2025tpro20efficientrussian,
      title={T-pro 2.0: An Efficient Russian Hybrid-Reasoning Model and Playground}, 
      author={Dmitrii Stoianov and Danil Taranets and Olga Tsymboi and Ramil Latypov and Almaz Dautov and Vladislav Kruglikov and Nikita Surkov and German Abramov and Pavel Gein and Dmitry Abulkhanov and Mikhail Gashkov and Viktor Zelenkovskiy and Artem Batalov and Aleksandr Medvedev and Anatolii Potapov},
      year={2025},
      eprint={2512.10430},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2512.10430}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
a677a7c

0 моделей