I.5Создание и редактирование текста

T3qm7xNeuralsirkrishna_PasticheAlloyingotneoy — объединённая текстовая модель на архитектуре Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/PasticheAlloyingotneoy-7B. Модель содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста и диалогов. Лицензия Apache-2.0 разрешает использование на её условиях. Карточка не сообщает о специализированной предметной области или дополнительных возможностях.

T3qm7xNeuralsirkrishna_Strangemerges_30Experiment26 — объединённая модель для генерации текста на архитектуре Mistral, созданная путём слияния automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_30Experiment26-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она подходит для генерации продолжений и ведения текстовых диалогов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Сведения о специализированных областях применения и поддерживаемых языках в карточке отсутствуют.

T3qm7xNeuralsirkrishna_Strangemerges_30Ogno — объединённая модель Mistral для генерации текста и диалогов, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_30Ogno-7B. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации продолжений текста и ведения диалогов. Данных о специализации на конкретных областях или языках нет. Веса опубликованы в формате safetensors; лицензия — Apache-2.0.

T3qm7xNeuralsirkrishna_YamNeuralsirkrishna — объединённая текстовая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/YamNeuralsirkrishna-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0.

T3qm7xpNeuralsynthesis-7B — автоматически собранная Maxime Labonne языковая модель для генерации текста на основе архитектуры Mistral. В README указано слияние моделей методом dare_ties с параметрами density 0,53 и weight 0,6; метаданные каталога связывают её с Kukedlc/NeuralSynthesis-7b-v0.4-slerp. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов; файлы опубликованы в формате Safetensors. Модель предназначена для генерации текста и диалогов. В метаданных указана лицензия Apache-2.0. README также упоминает nlpguy/T3QM7XP в конфигурации слияния, поэтому состав участвовавших моделей в источниках описан неодинаково.

Модель samadpls/t5-base-grammar-checker — дообученная Абдулом Самадом Сиддики модель на архитектуре Google T5 для исправления грамматических и орфографических ошибок в английских предложениях. Она основана на T5 с архитектурой encoder-decoder и примерно 123,7 млн параметров; использует формат safetensors и рассчитана на контекст до 512 токенов. Модель обучалась на наборе JHU-CLSP/JFLEG и подходит для автоматической корректуры отдельных предложений и коротких текстов. Карточка не сообщает лицензию, поэтому условия использования следует сверить с репозиторием и лицензией базовой модели.

google/t5gemma-b-b-prefixlm — предварительно обученная текстовая модель семейства T5Gemma от Google с энкодером и декодером размера B, адаптированная с использованием PrefixLM. Это модель типа encoder-decoder, созданная путём адаптации предварительно обученных моделей с декодером; веса опубликованы в формате safetensors. Модель работает с текстом на английском языке и предназначена для генерации текста, ответов на вопросы, суммаризации и рассуждений. Энкодер также можно применять для классификации и задач понимания текста. Компактный размер семейства T5Gemma упрощает развёртывание на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. В карточке для этого репозитория не приведены точное число параметров и размер контекстного окна. Возможны фактические ошибки, предвзятые ответы и трудности с неоднозначными формулировками, сложными задачами и тонкими языковыми нюансами. Лицензия — Gemma; применяются условия и ограничения использования Gemma.

Google T5Gemma-B-B-UL2 — предварительно обученная текстовая модель из семейства T5Gemma. Это энкодер-декодерная архитектура, адаптированная из decoder-only моделей Gemma; данный вариант использует энкодер B и декодер B и подготовлен с помощью UL2. Модель принимает текст и генерирует текст на английском языке. Модель предназначена для генерации и преобразования текста, в том числе ответов на вопросы, суммаризации и задач рассуждения. Её энкодер также может применяться в дискриминативных сценариях, например для классификации и понимания текста. Компактный размер семейства позволяет развёртывать модели на локальных компьютерах и в облачной инфраструктуре, однако точное число параметров этого варианта в предоставленных данных не указано. К ограничениям относятся возможные фактические ошибки, предвзятость обучающих данных и трудности с тонкими языковыми нюансами или сложными открытыми задачами. Модель распространяется с открытыми весами по лицензии Gemma; для использования следует учитывать политику запрещённого использования Gemma.

Это instruction-tuned вариант T5Gemma от Google с энкодером и декодером размера B, адаптированный с использованием UL2. Семейство T5Gemma состоит из компактных моделей типа энкодер-декодер, созданных на основе предварительно обученных моделей decoder-only; такая архитектура рассчитана на эффективную генерацию и понимание текста. Модель работает в формате text-to-text и предназначена прежде всего для английского языка. Модель подходит для генерации текста по инструкциям, ответов на вопросы, суммаризации и рассуждений; энкодер также может применяться для классификации и задач понимания текста. Её можно использовать для подготовки черновиков писем и маркетинговых текстов, а также для экспериментов и NLP-разработки. В метаданных указаны библиотека Transformers и формат весов safetensors; длина контекста и число параметров для этой конкретной версии не приведены. Качество зависит от обучающих данных и формулировки задания. Модель может ошибаться в фактах, упускать языковые нюансы и хуже справляться со сложными или неоднозначными запросами; возможны предвзятые или вредоносные генерации. Лицензия Gemma; применение должно соответствовать политике допустимого использования Gemma.

Google T5Gemma ML-ML UL2 — текстовая encoder-decoder модель семейства T5Gemma, адаптированная с использованием UL2. В карточке T5Gemma описана как семейство компактных моделей Google, созданных преобразованием предварительно обученных decoder-only моделей в encoder-decoder архитектуру; варианты могут сочетать энкодеры и декодеры разного размера. Размер именно этой модели и длина её контекста в предоставленных данных не указаны. Модель предназначена для генерации и преобразования текста, включая ответы на вопросы, суммаризацию и рассуждения. Карточка указывает английский язык и широкие сценарии создания контента; метаданные задают основную задачу как text-generation. Весовые файлы доступны в формате safetensors и используются через Transformers. К ограничениям относятся возможные фактические ошибки, смещения обучающих данных и трудности с неоднозначными формулировками и сложными открытыми задачами. Модель распространяется по лицензии Gemma; для её использования следует учитывать политику допустимого использования Gemma.

T5Gemma XL-XL PrefixLM IT — текстовая модель семейства T5Gemma, разработанная Google и настроенная для выполнения инструкций. Это вариант с энкодером XL и декодером XL, адаптированный с использованием PrefixLM; архитектура T5Gemma преобразует предварительно обученные модели типа decoder-only в encoder-decoder. Модель работает в формате text-to-text и предназначена для генерации текста, ответов на вопросы, суммаризации и рассуждений; также может использоваться для подготовки черновиков и исследований в NLP. В карточке семейство описано как англоязычное. Веса представлены в формате safetensors и доступны через библиотеку Transformers. Для производной указана базовая модель google/t5gemma-xl-xl-prefixlm. Лицензия Gemma; применяйте модель с учетом условий Gemma и соответствующей политики допустимого использования. Качество ответов зависит от данных и формулировки инструкции: возможны фактические ошибки, предвзятость, трудности с неоднозначностью и сложными задачами, а также генерация вредного или вводящего в заблуждение текста. Длина контекста и число параметров в предоставленных сведениях не указаны.

Tess-10.7B-v1.5 — универсальная большая языковая модель семейства Tess, разработанная Miquiztli. Она основана на SOLAR-10.7B и предназначена для генерации текста в диалоговом формате с ролями SYSTEM, USER и ASSISTANT. Модель подходит для ответов на вопросы, ведения диалога и других общих задач генерации текста. Модель использует плотную архитектуру LlamaForCausalLM, содержит 10,6 млрд параметров и имеет контекст длиной 4096 токенов. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. В README указано, что для версии Tess-10.7B-v1.5b опубликованы оптимизации гиперпараметров.

Tess-70B-v1.6 — универсальная языковая модель из серии Tess, разработанной migtissera. Она дообучена на базе Miqu/LLaMA-2-70B и предназначена для генерации текста и диалогового общения. Модель использует плотную архитектуру LlamaForCausalLM и содержит 68,7 млрд параметров. Модель принимает текст и генерирует текст. Контекстное окно составляет 32 764 токена. В карточке указан формат safetensors и лицензия Llama 2. Для общения README задаёт формат с метками SYSTEM, USER и ASSISTANT; сведения о поддерживаемых естественных языках и специализированных областях применения не приведены.

Tess-XS-v1-3-yarn-128K-Mistral-7B-Instruct-v0.2-slerp — диалоговая модель генерации текста, созданная MaziyarPanahi методом слияния Mistral-7B-Instruct-v0.2 и Tess-XS-v1-3-yarn-128K. В конфигурации указано слияние SLERP для слоёв 0–32 с сохранением весов в формате bfloat16; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для диалогов и ответов на инструкции в текстовом формате. Метаданные указывают контекст до 32 768 токенов, а название README отсылает к варианту Tess с контекстом 128K; фактическая длина контекста этого слияния в метаданных каталога указана как 32 768 токенов. Поддерживаемые языки явно не перечислены. Репозиторий распространяется по лицензии Apache-2.0. Данных о специальных ограничениях качества или безопасности в карточке нет; как и другие генеративные языковые модели, она может выдавать неточные или неподходящие ответы.

test2 — объединённая языковая модель, созданная alnrg2arg с помощью mergekit из udkai/Turdus и fblgit/UNA-TheBeagle-7b-v1. Это плотная Mistral-модель с 7,1 млрд параметров, предназначенная для генерации текста. В README указан метод слияния slerp и базовая модель udkai/Turdus; метаданные указывают контекстное окно 32 768 токенов и формат safetensors. Модель подходит для генерации и продолжения текста в сценариях, где используется совместимая с Mistral text-generation модель. Карточка не сообщает о специальных языках, доменах или дополнительных возможностях. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Teuken-7B-instruct-research-v0.4 — мультиязычная языковая модель с настройкой на выполнение инструкций, разработанная Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках проекта OpenGPT-X. Это декодерный Transformer семейства LLaMA с 7,5 млрд параметров, обученный на 4 трлн токенов; длина контекста — 4096 токенов. Модель предназначена для диалогов и других задач генерации текста на европейских языках, в которых авторы стремились обеспечить более устойчивые результаты, чем у моделей, ориентированных преимущественно на английский. Модель поддерживает 24 языка ЕС, включая немецкий, английский, французский, испанский, итальянский, польский, чешский, болгарский, греческий и другие. При этом настройка на инструкции использовала англоязычные и немецкоязычные наборы данных в равных долях. Модель распространяется в формате Safetensors и использует лицензию с меткой «other»; подробные условия следует уточнять у разработчика. Авторы указывают, что модель может выдавать предвзятые, токсичные или фактически неверные ответы, и не рекомендуют её для задач программирования и математики.

Thespis-Balanced-7b-v1 — текстовая генеративная модель семейства Mistral, опубликованная cgato. Она предназначена для генерации текста и использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстным окном до 32 768 токенов. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не описывает специализированные сценарии применения, качество, обучающие данные или шаблон промпта; поэтому модель можно характеризовать только как генеративную языковую модель общего назначения.

TheTop-5x7B-Instruct-T-v0.1 — языковая модель MaziyarPanahi, полученная слиянием пяти моделей примерно по 7 млрд параметров методом TIES. Она предназначена для генерации текста и инструкционного диалога. Модель построена на архитектуре Mistral, распространяется в формате Safetensors и поддерживает контекст до 32 768 токенов. В карточке приведены результаты Open LLM Leaderboard, включая оценки на тестах AI2 Reasoning Challenge и HellaSwag. Модель можно применять для ответов на запросы, составления и преобразования текста, а также задач рассуждения в диалоге. Лицензия Apache-2.0 разрешает использование на её условиях. README не уточняет языковой охват и конкретный состав моделей, вошедших в слияние.

Torus Agent v1 — дообученная языковая модель автора samuel-wakefield на базе unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста. Карточка сообщает об обучении с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Её можно использовать для генерации продолжений текста и других сценариев текстовой генерации. Лицензия — Apache-2.0. Карточка не описывает специализированную предметную область или отдельные возможности агента.

Карточка модели gradients-io-tournaments/tournament-tourn_e758aac2d861c378_20260824-318ef829-69d5-40c9-b803-b3b78b525668-5D2Qee4V на Hugging Face совпадает с карточкой unsloth/Llama-3.2-1B, поэтому описание составлено по ней. unsloth/Llama-3.2-1B — текстовая модель генерации на базе Meta Llama 3.2, представленная Unsloth. Это плотная авторегрессионная трансформерная архитектура Llama с 1,2 млрд параметров; репозиторий содержит веса в формате safetensors и предназначен для использования через Transformers. В README Unsloth также предлагает ноутбуки для дообучения модели и экспорта полученных моделей. Модель принимает текст и генерирует текст. Семейство Llama 3.2 предназначено для генерации и диалога; в карточке указаны сценарии суммаризации и агентного поиска, а также поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Контекстное окно составляет 131072 токена. Модель опубликована 25 сентября 2024 года и распространяется по лицензии Llama 3.2 Community License, условия которой следует соблюдать при использовании и распространении.

Transcendental-Maidphin-7B — объединённая языковая модель на 7,1 млрд параметров, созданная nbeerbower методом SLERP с помощью mergekit из nbeerbower/Transcendental-Maid-7B и nbeerbower/bruphin-epsilon. Это плотная модель архитектуры Mistral для генерации текста и диалогов; заявленная длина контекста — до 32 768 токенов. Модель принимает текст и генерирует текст. Модель подходит для диалоговых приложений и других сценариев генерации текста, включая работу с длинными текстовыми запросами в пределах контекста. Репозиторий распространяет веса в формате safetensors, а лицензия — Apache-2.0. Карточка не описывает специальные предметные области или языковые приоритеты.

TriFusionNexus-7b — объединённая языковая модель, созданная EryriLabs с помощью mergekit и метода TIES на основе CultriX/NeuralTrix-7B-dpo; в объединение также вошли bardsai/jaskier-7b-dpo-v5.6 и mlabonne/AlphaMonarch-7B. Модель построена на архитектуре Mistral с плотной причинно-языковой сетью, содержит 7,1 млрд параметров и принимает контекст до 32 768 токенов. Модель предназначена для генерации текста, диалогов, следования инструкциям и рассуждений. В README приведены результаты Open LLM Leaderboard, включая средний балл 76,32, 72,78 в AI2 Reasoning Challenge и 89,17 в HellaSwag; это результаты указанных оценок, а не гарантия качества в пользовательских задачах. Репозиторий содержит веса в формате safetensors. Лицензия CC-BY-NC-2.0 ограничивает коммерческое использование.

Trinity-Large-Preview — разговорная модель Arcee AI на архитектуре разреженного Mixture-of-Experts (MoE), созданная на основе Trinity-Large-Base и прошедшая лёгкое дообучение для диалога. В README указано около 398 млрд параметров всего и примерно 13 млрд активных параметров на токен; метаданные каталога приводят размер 8,7 млрд параметров. Модель обучалась на более чем 17 трлн токенов, а этап настройки инструкций охватил 20 млрд токенов. Контекст составляет до 262 144 токенов. Модель предназначена для генерации текста и диалогов, в том числе с использованием интерфейса вызова инструментов. Заявлена поддержка английского, испанского, французского, немецкого, итальянского, португальского, русского, арабского, хинди, корейского и китайского языков. Доступны варианты запуска через Transformers, vLLM, llama.cpp, LM Studio и API. Карточка приводит неоднозначные результаты бенчмарков: модель выше Llama 4 Maverick на MMLU, но ниже на MMLU-Pro и GPQA-Diamond. Это preview-чекпойнт, который проходит активное обучение с подкреплением, поэтому качество может меняться. Указана лицензия other; конкретные условия использования следует проверять в репозитории модели.

Карточка модели CollectionStudio/Trinity-Large-Preview на Hugging Face совпадает с карточкой arcee-ai/Trinity-Large-Preview, поэтому описание составлено по ней. Trinity-Large-Preview — разговорная модель Arcee AI на архитектуре разреженного Mixture-of-Experts (MoE), созданная на основе Trinity-Large-Base и прошедшая лёгкое дообучение для диалога. В README указано около 398 млрд параметров всего и примерно 13 млрд активных параметров на токен; метаданные каталога приводят размер 8,7 млрд параметров. Модель обучалась на более чем 17 трлн токенов, а этап настройки инструкций охватил 20 млрд токенов. Контекст составляет до 262 144 токенов. Модель предназначена для генерации текста и диалогов, в том числе с использованием интерфейса вызова инструментов. Заявлена поддержка английского, испанского, французского, немецкого, итальянского, португальского, русского, арабского, хинди, корейского и китайского языков. Доступны варианты запуска через Transformers, vLLM, llama.cpp, LM Studio и API. Карточка приводит неоднозначные результаты бенчмарков: модель выше Llama 4 Maverick на MMLU, но ниже на MMLU-Pro и GPQA-Diamond. Это preview-чекпойнт, который проходит активное обучение с подкреплением, поэтому качество может меняться. Указана лицензия other; конкретные условия использования следует проверять в репозитории модели.

Trismal-HyperAmocles-7B-Base-Ties — объединённая модель на базе Mistral, созданная JoPmt методом TIES с помощью LazyMergekit из JoPmt/Trismal-Amocles-7B-Base-Ties и Locutusque/Hyperion-2.0-Mistral-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста.

bunnycore/Tulu-3.1-8B-SuperNova — объединённая языковая модель, созданная с помощью mergekit методом линейного слияния. В неё вошли allenai/Llama-3.1-Tulu-3-8B, arcee-ai/Llama-3.1-SuperNova-Lite и meditsolutions/Llama-3.1-MedIT-SUN-8B. Модель основана на архитектуре Llama и содержит 7,5 млрд параметров; работает через библиотеку Transformers, использует формат safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов, следования инструкциям и решения разнообразных текстовых задач; также заявлен интерфейс для вызова инструментов. Среди опубликованных оценок — 81,94 на IFEval и 32,50 на BBH. Метаданные не устанавливают основной язык, поэтому язык в описании не уточняется. Лицензия в предоставленных данных не указана.

mradermacher/turbo-ai-7b-i1-GGUF — набор квантованных версий текстовой модели TurboAiLabs/turbo-ai-7b, подготовленный пользователем mradermacher. Модель предназначена для генерации текста и диалогового использования, включая работу с электронной почтой, суммирование, подготовку черновиков и извлечение задач. В метаданных также указана пригодность для локального и периферийного развёртывания, что может быть полезно для сценариев с повышенными требованиями к приватности. Исходная модель имеет размер 7B параметров, относится к архитектуре Qwen2 и поддерживает английский язык. Репозиторий содержит файлы в формате GGUF с различными вариантами квантования от i1-IQ1_S до i1-Q6_K; их размер составляет примерно от 2,0 до 6,4 ГБ. Более компактные варианты требуют меньше памяти, но могут обеспечивать более низкое качество, тогда как i1-Q4_K_M отмечен как быстрый и рекомендуемый, а i1-Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Контекстный размер, мультимодальность и точные характеристики исходной модели в README не указаны. Распространение выполняется по лицензии Apache-2.0. Для запуска квантованных файлов требуется совместимое программное обеспечение, поддерживающее формат GGUF; конкретные требования к оборудованию и производительности не приведены.

TurdusBeagle-7B — языковая модель на архитектуре Mistral, созданная объединением udkai/Turdus и mlabonne/NeuralBeagle14-7B методом SLERP с помощью LazyMergekit. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста; контекст — до 32 768 токенов. Модель подходит для диалогов, следования инструкциям, рассуждений и творческой генерации текста — эти возможности указаны для базовой NeuralBeagle14-7B. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0.

TW3CESCO.V4 — слитая языковая модель на архитектуре Mistral, созданная Cesco2004 с помощью mergekit и метода SLERP из paulml/OmniBeagleSquaredMBX-v3-7B и paulml/NeuralOmniWestBeaglake-7B. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и принимает запросы для генерации текста с контекстом до 32 768 токенов. Модель предназначена для генерации текста по запросу; конкретные специализации, языки и дополнительные сценарии применения в карточке не описаны. Лицензия — CC BY 4.0.

Twilight-XL-195B — объединённая авторегрессионная языковая модель, созданная softwareweaver с помощью mergekit методом passthrough на основе Twilight-Large. Архитектура — плотная MistralForCausalLM; размер составляет 192,8 млрд параметров, формат весов — safetensors. Для общения используется формат промпта Mistral Large; модель также поддерживает интерфейс вызова инструментов. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 131 072 токена. Карточка не описывает отдельную специализацию или результаты оценки качества. Репозиторий распространяется по лицензии other, поэтому условия использования следует уточнять в сопровождающих лицензионных материалах.