I.5Создание и редактирование текста

T5Gemma-B-B-PrefixLM-IT — англоязычная текстовая модель Google из семейства T5Gemma, дообученная по инструкциям на базе google/t5gemma-b-b-prefixlm. Это encoder-decoder архитектура, адаптирующая предварительно обученные модели Gemma к формату кодировщика и декодировщика; вариант использует конфигурацию B для обеих частей и PrefixLM. Модель принимает текст и генерирует текст, поддерживает диалоговый режим и предназначена для ответов на вопросы, суммаризации, рассуждений и других задач генерации текста. Модель подходит для создания черновиков, краткого пересказа документов и NLP-экспериментов. Английский указан как поддерживаемый язык семейства. По карточке модели, сравнительно компактные варианты T5Gemma рассчитаны в том числе на развёртывание на локальных компьютерах и в облачной инфраструктуре, однако для этого конкретного репозитория размер и требования к ресурсам не приведены. Ограничения включают возможные фактические ошибки, влияние пробелов и смещений обучающих данных, трудности с неоднозначностью и сложными открытыми задачами. Лицензия Gemma; применение должно учитывать политику допустимого использования Gemma.

google/t5gemma-l-l-prefixlm-it — англоязычная инструкция-адаптированная модель Google из семейства T5Gemma. Это модель типа encoder-decoder с энкодером и декодером размера L, адаптированная с помощью PrefixLM; веса представлены в формате safetensors и предназначены для работы через Transformers. Модель генерирует текст по текстовому запросу и подходит для ответов на вопросы, суммаризации, рассуждений и других задач генерации по инструкциям. Модель можно применять для составления черновиков, краткого пересказа материалов и NLP-экспериментов. В карточке описано семейство T5Gemma как компактное и ориентированное на баланс качества и эффективности, однако размер именно этой версии и длина контекста не приведены. Лицензия — Gemma. Как и другие языковые модели, она может воспроизводить смещения обучающих данных, неверно отвечать на фактические вопросы и испытывать трудности с неоднозначностью и сложными инструкциями; результаты следует проверять.

google/t5gemma-l-l-ul2 — предобученная текстовая encoder-decoder модель семейства T5Gemma, разработанная Google: вариант с энкодером и декодером размера L, адаптированный с использованием UL2. Архитектура преобразует текст в текст и рассчитана на генеративные задачи; веса опубликованы в формате safetensors для Transformers. Модель относится к серии T5Gemma, созданной на основе адаптации декодерных моделей Gemma к архитектуре encoder-decoder. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и рассуждений; энкодер также подходит для задач классификации и понимания текста. В карточке указана поддержка английского языка. Возможные сценарии включают создание черновиков и кратких изложений, а также NLP-исследования. Точный размер параметров и длина контекста для этого репозитория не приведены. К ограничениям относятся возможные ошибки в фактах, чувствительность к формулировке запроса и контексту, трудности с языковыми нюансами, а также смещения и пробелы в обучающих данных. Лицензия Gemma; использование должно соответствовать условиям лицензии и политике допустимого использования Gemma.

Vamsi разработал эту модель на основе T5-Base и дообучил её на наборе данных Google PAWS для перефразирования английских предложений. Она предназначена для генерации альтернативной формулировки предложения, сохраняя его смысл. Модель использует архитектуру T5 с 123,8 млн параметров и контекстом до 512 токенов; доступны варианты для PyTorch, TensorFlow и JAX, включая формат Safetensors. Модель подходит для создания перефразировок и вариантов текста на английском языке. В метаданных указана лицензия базовой модели? Сведений о лицензии в предоставленных источниках нет.

Tele-FLM-1T (также FLM-2-1T) — мультиязычная большая языковая модель, разработанная BAAI и TeleAI. Это авторегрессионный декодерный трансформер семейства TeleFLM с 1,1 трлн параметров, обученный примерно на 2,3 трлн токенов. В архитектуре используются RoPE, RMSNorm и SwiGLU; длина контекста составляет 4096 токенов. Модель рассчитана на генерацию текста и сложные языковые задачи, а разработчики отдельно отмечают улучшенные возможности фактического суждения. Модель поддерживает английский, китайский и другие языки. Разработчики публикуют веса, описание архитектурных решений и сведения об обучении для академического и промышленного сообщества. На момент описания модель ещё проходит оценку из-за ограниченных вычислительных ресурсов, поэтому её возможности не следует считать окончательно подтверждёнными. Лицензия — Apache 2.0. Несмотря на очистку обучающего корпуса, модель может воспроизводить предвзятые, дискриминационные или оскорбительные примеры и генерировать небезопасный контент.

TenyxChat-8x7B-v1 — диалоговая языковая модель от Tenyx, дообученная на базе Mixtral-8x7B-Instruct-v0.1 методом Direct Preference Optimization (DPO) на датасете UltraFeedback. Модель использует архитектуру Mixture of Experts Mixtral и предназначена для генерации ответов в формате чата. В метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Модель подходит для диалоговых помощников, написания и редактирования текстов, извлечения сведений, ответов на вопросы, а также задач по программированию и STEM. В опубликованном сравнении MT-Bench она получила средний балл 8,4; это результат конкретной оценки, а не гарантия качества в каждом сценарии. Модель принимает текст и генерирует текст. Карточка и метаданные указывают английский язык. Лицензия Apache 2.0 допускает коммерческое использование. Разработчики предупреждают, что модель не настраивали специально для соблюдения предпочтений безопасности людей; при провокационных запросах она может выдавать нежелательные ответы, испытывает трудности с рассуждениями и математикой и иногда отвечает многословно.

Ternary-Bonsai-2-27B-mlx-2bit — производная от Qwen/Qwen3.8-27B модель Prism ML для генерации текста, диалогов и рассуждений. Это плотная гибридная трансформерная архитектура с 27,36 млрд параметров: языковая часть использует линейное и полное внимание, SwiGLU, RoPE и RMSNorm; в комплект также входит башня зрения. Весы языковой модели представлены значениями −1, 0 и +1 с групповым масштабированием и вращением Адамара, тогда как башня зрения не квантизирована. Репозиторий весит 8,60 ГБ и предназначен для запуска через MLX на устройствах Apple, включая локальные сценарии без сети; заявленная длина контекста — 262 тысячи токенов. Модель рассчитана на локальных диалоговых и агентных помощников, анализ длинных документов и репозиториев кода, математические рассуждения и вызов инструментов. Разработчик сообщает о сохранении 98,2% среднего результата FP16 на 14 тестах и скорости около 47 токенов в секунду на ноутбуке с Apple M5 Max; показатели производительности зависят от оборудования и runtime. Основное ограничение — небольшая потеря качества по сравнению с полной точностью, а низкобитные ядра могут работать медленнее на некоторых GPU. Лицензия — Apache-2.0.

Tess-34B-v1.4 — универсальная большая языковая модель семейства Tess, опубликованная migtissera. Она дообучена на базе Yi-34B-200K и предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру LlamaForCausalLM, содержит 33,9 млрд параметров и поддерживает контекст до 200 000 токенов. Карточка описывает общий профиль модели, без специализации на конкретной предметной области. Для диалога приведён формат с ролями SYSTEM, USER и ASSISTANT. Модель опубликована в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнять по полным сведениям репозитория.

Tess-3-Llama-3.1-70B — большая языковая модель общего назначения из серии Tess, созданной Migel Tissera. Вычислительные ресурсы для модели предоставила KindoAI. Модель построена на архитектуре Llama и предназначена для генерации текста и диалогового взаимодействия. Она содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Доступны веса в формате PyTorch. Для использования модели действует лицензия Llama 3.1. Карточка называет её моделью общего назначения, но не приводит конкретных результатов оценки качества или подробных ограничений.

Jebadiah создал Tess-gradient-ruby-p2 — объединённую диалоговую языковую модель семейства Llama с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она объединяет Jebadiah/Tess-gradient-ruby-p1 и NousResearch/Hermes-2-Theta-Llama-3-8B методом DARE linear; файлы представлены в формате safetensors, веса указаны как bfloat16. Модель предназначена для генерации текста и диалоговых сценариев: она принимает текстовые запросы и выдаёт текстовые ответы. Контекст составляет до 8192 токенов. В метаданных указана возможность чата; отдельные сведения о поддерживаемых языках и лицензии не приведены, поэтому их нельзя уточнить по доступным данным.

Tess-XL-v1.0 — универсальная большая языковая модель из серии Tess, разработанной migtissera. Модель основана на Goliath-120B; в метаданных указаны архитектура LlamaForCausalLM, 117,5 млрд параметров и контекст до 4096 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста общего назначения и диалогов, в том числе для развёрнутых ответов на вопросы и творческих задач. Карточка приводит формат общения с ролями SYSTEM, USER и ASSISTANT и примеры диалогов. В метаданных не заявлена специализация на конкретном языке или предметной области. Модель распространяется по лицензии Llama 2. Карточка указывает Goliath-120B как базу, но не описывает подробно обучение и ограничения; фактическое качество может зависеть от запроса и сценария применения.

testllm-c2-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая модель, созданная MaziyarPanahi методом SLERP из Mistral-7B-Instruct-v0.2 и Kiddyz/testllm-c2. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов на инструкции в формате диалога. Она принимает текст и поддерживает контекст до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текстов по запросу. В карточке указана лицензия Apache-2.0. Данных о специализированной предметной области или языках модели нет.

Teuken-7B-instruct-commercial-v0.4 — мультиязычная языковая модель с 7,5 млрд параметров, разработанная Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках проекта OpenGPT-X. Это инструкционно дообученная плотная decoder-only Transformer-модель семейства Llama, основанная на Teuken-7B-base-v0.4. Она предназначена для генерации ответов и выполнения инструкций на официальных языках ЕС; обучение базовой модели проводилось на 4 трлн токенов, а контекст составляет 4096 токенов. Модель ориентирована на многоязычные сценарии, включая диалог, ответы на вопросы, суммаризацию и перевод. По заявлению разработчиков, она обеспечивает более стабильные результаты на европейских языках, чем англоцентричные модели. Модель может выдавать предвзятый или токсичный текст и галлюцинировать; разработчики не рекомендуют использовать её для математических и программных задач. Лицензия Apache 2.0 допускает коммерческое применение.

Thanatos-27B-HERETIC — языковая модель от FoolDev, созданная на базе heretic-org/Qwen3.8-27B-heretic-ara. Это плотная модель с 27 млрд параметров, распространяемая в формате GGUF и предназначенная для локального запуска через llama.cpp и Ollama. Репозиторий репакует и квантует базовую модель; дополнительное обучение в нём не выполняется. Упоминания Claude Fable 5 и перечисленных наборов данных приведены в README как неподтверждённая атрибуция, а не надёжная история обучения. Модель ориентирована на генерацию текста, диалоговые сценарии, рассуждения, агентские задачи и программирование. Заявлены мультимодальные возможности, однако для обработки изображений рекомендуется использовать llama.cpp напрямую: поддержка vision в Ollama для этой архитектуры, согласно README, работает некорректно. Модель поддерживает языки, включая английский, китайский, русский, испанский, французский, немецкий, японский, корейский, арабский, украинский и другие. Нативный контекст составляет 262 144 токена, с расширением до 1 010 000 токенов посредством YaRN. К сильным сторонам относятся большой контекст, плотная архитектура, поддержка локального инференса и сниженный уровень отказов, характерный для версии Heretic. Ограничения включают высокие требования к памяти: для полного контекста необходим значительный объём RAM или VRAM, а выбор квантизации влияет на размер модели и качество. Модель распространяется по лицензии Apache-2.0.

ThetaMaven9 — объединённая языковая модель на архитектуре Mistral, созданная jefferylovely с помощью LazyMergekit. В объединении методом slerp использованы jefferylovely/ThetaMaven7 и FelixChao/WestSeverus-7B-DPO-v2; базовой указана ThetaMaven7. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. Карточка не уточняет языки, специальные сценарии применения или сравнительные преимущества. Весы представлены в формате safetensors. Лицензия CC BY-NC-ND 4.0 разрешает использование на условиях атрибуции, некоммерческого применения и запрета распространения производных материалов.

Cohere и Cohere Labs разработали Cohere Labs Tiny Aya Earth — авторегрессионную языковую модель на 3,35 млрд параметров для многоязычной генерации текста и диалогов, с особым акцентом на языки Западной Азии и Африки. Модель принимает текст и выдаёт текст; поддерживает более 70 языков. Контекст составляет 8K токенов, заявлена также генерация до 8K токенов. Архитектура основана на оптимизированном трансформере: три слоя используют скользящее внимание с окном 4096 и RoPE, а четвёртый — глобальное внимание. После предобучения модель прошла дообучение с учителем и обучение на предпочтениях. Модель подходит для многоязычных диалогов, генерации, суммаризации, перевода и межъязыковых задач, включая работу с языками с ограниченными обучающими данными и локальное развёртывание при ограниченных вычислительных ресурсах. Карточка отмечает сильные стороны в открытой генерации и работе с низкоресурсными языками. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование без отдельного согласования; также требуется соблюдать политику допустимого использования Cohere Labs.

T-lite-it-2.1-GGUF — русскоязычная текстовая генеративная модель, разработанная t-tech. Это конвертация модели T-lite-it-2.1 из BF16 в формат GGUF с использованием llama.cpp, предназначенная для локального запуска через llama.cpp и Ollama. Модель построена на архитектуре Qwen 3 и ориентирована на универсальные задачи генерации текста, следование инструкциям, сложные рабочие процессы и агентские приложения. В отличие от T-lite-it-1.0, она поддерживает tool calling и, согласно описанию, превосходит Qwen3-8B в сценариях вызова инструментов. Оптимизированный токенизатор повышает пропускную способность генерации русского текста. Поддерживается русский язык. Модель работает только в режиме без рассуждений и не генерирует блоки <think></think>. Доступны квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q5_0 и Q4_K_M размером примерно от 5,0 до 8,7 ГБ без учёта выгрузки на GPU. Качество и требования к памяти зависят от выбранной квантизации; рекомендуется использовать наиболее качественный вариант, помещающийся в доступной RAM или VRAM. В README не указаны точный размер базовой модели, число параметров, полный набор поддерживаемых языков и официальное максимальное контекстное окно. Модель распространяется по лицензии Apache-2.0. Разработчики предупреждают, что ответственность за дополнительное обучение, контроль качества, безопасность и применение модели в промышленных или коммерческих системах несёт пользователь.

Это дообученная языковая модель семейства Llama, опубликованная nehuggingface и основанная на unsloth/llama-3-8b-bnb-4bit. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы или продолжение текста на английском языке. Архитектура модели — плотная авторегрессионная LlamaForCausalLM; размер составляет 7,5 млрд параметров, контекст — до 8192 токенов. При обучении использовались Unsloth и библиотека TRL. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализированную область применения или результаты оценки качества.

TopEvolution16 — объединённая языковая модель для генерации текста, созданная сообществом mergekit-community с помощью mergekit. В слиянии методом SLERP использованы mergekit-community/TopEvolution и NousResearch/Hermes-2-Theta-Llama-3-8B; в метаданных архитектура указана как MistralForCausalLM, плотная модель на 7,1 млрд параметров. Репозиторий содержит веса Safetensors, исходная конфигурация слияния задаёт тип bfloat16. Модель предназначена для генерации текста и диалоговых сценариев. Контекстное окно составляет 32 768 токенов. Базовая модель Hermes-2-Theta-Llama-3-8B описана как диалоговая модель на базе Llama 3 для следования инструкциям, вызова функций и генерации ответов в JSON; эти возможности не подтверждены отдельно для результата слияния. Лицензия в предоставленных данных не указана.

Triangulum-5B — диалоговая языковая модель prithivMLmods для генерации текста и многоязычных сценариев. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM и примерно 4,9 млрд параметров; для работы с Transformers требуется версия 4.43.0 или новее. Контекст составляет до 8192 токенов. Модель предназначена для генерации контента, диалога и ответов на вопросы, суммаризации, анализа текста, перевода и локализации. В карточке заявлены обучение на синтетических данных с длинными цепочками рассуждений, supervised fine-tuning и RLHF. Указана поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Модель представлена в формате safetensors и доступна для запуска через Transformers; README также описывает запуск варианта через Ollama. Лицензия — CreativeML Open RAIL-M. Карточка не приводит результаты оценок качества, поэтому заявленные возможности рассуждения не следует считать подтверждением превосходства на конкретных задачах.

Academic TRURL 2 — языковая модель Voicelab.AI на архитектуре Llama 2, дообученная для диалогов и генерации текста на польском и английском языках. Версия содержит 12,9 млрд параметров; метаданные указывают контекст 2048 токенов, тогда как README заявляет длину контекста 4096 токенов. Модель предназначена для общения в формате ассистента и других задач генерации естественного языка. Она принимает текст и генерирует текст; для диалога требуется форматирование запросов по шаблону Llama 2. В обучении использовались польские и английские разговорные данные, включая наборы вопросов и ответов и диалоговые примеры; академическая версия обучена без MMLU. Модель может давать неточные, предвзятые или нежелательные ответы, а опубликованные проверки охватывали польский и английский языки не во всех сценариях. Перед внедрением рекомендуется проверять её на целевых задачах и настраивать меры безопасности. README указывает на коммерческое и исследовательское применение; конкретная лицензия в предоставленных данных не указана.

Tulpar-7b-v2 — языковая модель HyperbeeAI на архитектуре Mistral, дообученная на инструкционном наборе данных, включающем примеры, созданные GPT-4, а также отфильтрованные и подготовленные наборы Airoboros и Platypus. Модель содержит 7,1 млрд параметров и принимает текст для генерации ответов по инструкциям; её контекстное окно составляет 32 768 токенов. Модель предназначена для диалоговых сценариев и выполнения текстовых инструкций на английском языке. Она распространяется в формате Safetensors по лицензии Apache-2.0. Разработчик не гарантирует точность, объективность и отсутствие предвзятости и рекомендует проверять безопасность модели перед внедрением.

Tulpar-7b-v2-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная MaziyarPanahi слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и Tulpar-7b-v2. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; контекст — до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указана лицензия Apache-2.0. README описывает способ слияния и базовые модели, но не приводит оценки качества или специальные ограничения применения.

Tulu V2 DPO 70B — диалоговая языковая модель-ассистент, разработанная AllenAI на основе Llama 2 70B. Модель дообучена на смеси публичных, синтетических и созданных людьми инструкций и диалогов, а затем выровнена методом Direct Preference Optimization (DPO) на данных UltraFeedback. Архитектура — плотная LlamaForCausalLM с 68,7 млрд параметров; контекст — до 8192 токенов. Основной язык — английский. Модель предназначена для генерации ответов на инструкции и диалоговых сценариев, где нужен универсальный текстовый помощник. В карточке она описана как сильная альтернатива Llama 2 70B Chat; для форматирования запросов рекомендуется использовать формат Llama 2 с завершающим переводом строки. Модель может выдавать проблемные ответы: на этапе выравнивания её не обучали безопасно отказывать и не применяли фильтрацию ответов во время работы. Лицензия — AI2 ImpACT Low-risk.

Sakalti/ultiima-14B — объединённая модель для генерации текста, созданная автором репозитория с помощью mergekit. В слиянии методом TIES использованы Qwen/Qwen2.5-14B как базовая модель и Qwen/Qwen2.5-14B-Instruct; модель имеет плотную архитектуру Qwen2ForCausalLM и 14 млрд параметров. Модель предназначена для диалогов и генерации текста, включая структурированные ответы и взаимодействие через интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов. Репозиторий содержит веса Safetensors; указана лицензия Apache-2.0. Конкретные языковые возможности и оценки качества в карточке не описаны.

UNA-Neural-Chat-v3-3-Phase2 — языковая модель OneManArmy, созданная с применением метода выравнивания UNA (Uniform Neural Alignment) и обученная с использованием Zephyr Trainer на очищенном наборе UltraFeedback. Это дообучение модели one-man-army/una-neural-chat-v3-3-P1-OMA; архитектура MistralForCausalLM, около 7,1 млрд параметров, контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах и ответов на запросы. В карточке приведены результаты бенчмарков ARC и HellaSwag, но подробные результаты доступны по внешней ссылке и не представлены здесь. Лицензия — Apache-2.0.

ClaudioItaly выпустил Utopia-Range — языковую модель для генерации текста, созданную с помощью mergekit на основе Undi95/Utopia-13B. В карточке указано слияние методом passthrough; конфигурация использует float16 и повторяет последний слой базовой модели 11 раз. Модель построена на архитектуре Llama и содержит 12,5 млрд параметров. Модель предназначена для генерации текста. Её контекст составляет 4096 токенов, для запуска используется библиотека Transformers, веса опубликованы в формате safetensors. README не описывает специализированные сценарии и языки применения. Лицензия в предоставленных данных не указана.

ClaudioItaly/Utopy — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом TIES на основе Undi95/Utopia-13B. В репозитории указана конфигурация с несколькими вариантами плотности и весов для одной базовой модели; итоговые веса представлены в формате float16, а метаданные указывают 12,9 млрд параметров и контекст до 4096 токенов. Модель предназначена для генерации текста, диалоговых ответов и следования инструкциям. Она принимает текст и выдаёт текст; основная область применения — задачи общего назначения. В карточке не приведены отдельные сведения о языках, поэтому языковую специализацию определить нельзя. Доступна по лицензии, унаследованной от базовой модели, однако сведения о конкретной лицензии в предоставленных данных отсутствуют.

v1olet_merged_dpo_7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на 7,1 млрд параметров, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и v1olet/v1olet_merged_dpo_7B методом SLERP. Она использует архитектуру MistralForCausalLM и предназначена для генерации текста и ответов на инструкции в чат-сценариях. Контекст модели составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Сведения о специальных предметных областях или сравнительных оценках качества в карточке не приведены.

Valkyrie-V1 — языковая модель семейства Mistral, созданная CookinAI путём последовательного слияния весов методом SLERP. В первом слиянии использованы mindy-labs/mindy-7b-v2 и jondurbin/bagel-dpo-7b-v0.1, затем результат объединён с rishiraj/CatPPT. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста; заявленная длина контекста — 32 768 токенов. Модель можно применять для диалогов, написания и продолжения текста, а также для генерации ответов на текстовые запросы. README не описывает отдельные специализированные сценарии или языковое покрытие. Репозиторий распространяет веса в формате Safetensors, лицензия — Apache-2.0. Качество и ограничения конкретных сценариев в карточке не приведены.