I.5Создание и редактирование текста

Google T5Gemma 9B-9B UL2 — предварительно обученная текстовая encoder-decoder модель семейства T5Gemma с энкодером и декодером по 9 млрд параметров. Она получена адаптацией предварительно обученной decoder-only модели Gemma 2 к архитектуре encoder-decoder и обучена с использованием UL2. Модель принимает текст и генерирует текст; заявленные сценарии включают ответы на вопросы, суммаризацию и рассуждения. В README указана поддержка английского языка и открытые веса для предварительно обученных вариантов. Модель работает через библиотеку Transformers; веса доступны в формате safetensors. Размер модели позволяет рассматривать её для развёртывания на локальных компьютерах или в облаке, однако конкретные требования к ресурсам и длина контекста в доступных данных не приведены. Среди ограничений — возможные фактические ошибки, предвзятость обучающих данных, трудности с неоднозначностью и сложными задачами, а также риск генерации вредоносного или вводящего в заблуждение текста. Лицензия — Gemma; для использования следует учитывать условия лицензии и политику запрещённого использования Gemma.

T5Gemma-S-S-PrefixLM-IT — англоязычная текстовая модель Google семейства T5Gemma с энкодер-декодерной архитектурой. Это instruction-tuned вариант с энкодером и декодером размера S, адаптированный с использованием PrefixLM; модель предназначена для генерации текста по запросу. Модель подходит для ответов на вопросы, суммаризации, рассуждений и создания текстов, включая черновики писем, сценарии и маркетинговые материалы. Небольшой размер семейства ориентирован на более экономичное развёртывание, в том числе на локальной инфраструктуре; точное число параметров этой версии в предоставленных данных не указано. Модель работает с текстом на английском языке. Возможные ограничения включают ошибки в фактах, трудности с неоднозначными формулировками и сложными задачами, а также смещения и пробелы, унаследованные от обучающих данных. Лицензия — Gemma; при использовании следует учитывать политику допустимого использования моделей Gemma.

T5Gemma XL-XL-UL2-IT — разработанная Google instruction-tuned модель семейства T5Gemma с encoder-decoder архитектурой: XL-кодировщик и XL-декодировщик, адаптированные с использованием UL2. Модель принимает текст и генерирует текст; в карточке указана поддержка английского языка. Она предназначена для генерации текста по инструкциям, ответов на вопросы, суммаризации и рассуждений, а также для создания черновиков и материалов для NLP-исследований. Модель основана на предварительно обученной google/t5gemma-xl-xl-ul2 и дообучена для следования инструкциям. Для работы доступны веса в формате Safetensors; используется библиотека Transformers. Лицензия — Gemma. Карточка не приводит размер параметров или длину контекста. Ограничения включают возможные фактические ошибки, смещения обучающих данных и трудности с неоднозначным языком и сложными открытыми задачами.

tomgeorge00/t5-small-finetuned-EdinburghNLP-xsum — дообученная модель T5-small, разработанная на основе google-t5/t5-small. Она предназначена для суммаризации текста и оценивается метриками ROUGE на тестовой выборке; в карточке указаны ROUGE-1 29,06, ROUGE-2 8,67 и ROUGE-L 23,99. Модель имеет архитектуру T5ForConditionalGeneration, содержит 38,5 млн параметров и принимает текст с контекстом до 512 токенов, выдавая текстовое резюме. Базовая T5-small также применяется для других задач преобразования текста в текст. Данные обучения и подробные ограничения в карточке не раскрыты. Лицензия — Apache-2.0.

Модель T5, разработанная utrobinmv, предназначена для суммаризации текста на английском, русском и китайском языках с управляемой длиной результата. Она также умеет формировать краткое содержание на выбранном из этих языков, в том числе по тексту на другом или смешанном языке. Это плотная модель T5ForConditionalGeneration на 149,1 млн параметров, дообученная на базе utrobinmv/t5_translate_en_ru_zh_base_200. Задача выбирается префиксом: обычное, краткое или расширенное резюме; можно также указать язык вывода — английский, русский или китайский. По карточке модель рассчитана на входной контекст до 2048 токенов; длина результата зависит от режима и составляет до 200 токенов для расширенного резюме, 50 для обычного и 20 для краткого. Модель подходит для сжатия текстов и подготовки резюме на одном из трёх поддерживаемых языков. Лицензия — Apache-2.0. В карточке приведены примеры использования, однако код примеров опущен; качество на других языках и на текстах длиннее указанного контекста не описано.

taraV1-M16B — языковая модель Gragroo для генерации текста и диалогового общения. Она дообучена на базе unsloth/llama-3.2-3b-instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст; её можно применять для диалогов и ответов в интерфейсах чата. Архитектура — плотная LlamaForCausalLM, размер — 3,2 млрд параметров, контекст — до 131 072 токенов. В метаданных указан английский язык и поддержка интерфейса вызова инструментов. Модель распространяется по лицензии Apache-2.0. README не описывает обучающие данные, результаты оценки или специальные ограничения применения.

Tarek07_Legion-V2.1-LLaMa-70B-GGUF — это набор GGUF-квантизаций текстовой генеративной модели Legion-V2.1-LLaMa-70B, разработанной Tarek07. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix; исходная модель доступна как Tarek07/Legion-V2.1-LLaMa-70B. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты с разным уровнем сжатия и качеством: от Q8_0 размером около 75 ГБ до Q2_K размером около 26 ГБ. Рекомендуемыми указаны, в частности, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS; варианты с более низкой разрядностью требуют меньше оперативной памяти, но снижают качество. Известно, что модель имеет размер 70 миллиардов параметров и работает в текстовой модальности. Архитектура, поддерживаемые языки и размер контекстного окна в предоставленных данных не указаны. Для работы следует использовать формат подсказок, совместимый с шаблоном Llama 3.3, с секциями system, user и assistant. Лицензия указана как llama3.3; дополнительные условия исходной модели в README не приведены.

Tarnished-9B — разговорная языковая модель семейства Gemma 2 от lodrick-the-lafted. Это плотная модель с 9 млрд параметров, предназначенная для генерации текста в диалоговом формате. Она принимает текст и выдаёт текст, а заявленный контекст составляет 8192 токена. Модель размещена в формате Safetensors и распространяется по лицензии WTFPL. Доступные сведения не описывают специальную предметную область или отдельные языковые специализации.

TARS-8B-llama-REMIX-v2 — объединённая автором picAIso модель для генерации текста и диалогового общения. Она создана методом DARE TIES с помощью mergekit на основе picAIso/MIX1 с включением NousResearch/Hermes-2-Pro-Llama-3-8B; архитектура — плотная LlamaForCausalLM семейства Llama, размер — 7,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает диалоговый сценарий и имеет контекстное окно 8192 токена. В карточке указаны формат safetensors и библиотека Transformers. Лицензия — Llama 3. Метаданные описывают базовую модель как ориентированную на ответы по инструкциям, вызов функций и генерацию структурированных данных JSON, однако README не подтверждает отдельно качество этих возможностей у данного объединения.

sthenno/tempesthenno-ms-0309-001 — объединённая языковая модель, созданная разработчиком sthenno с помощью mergekit. В карточке описано слияние методом Model Stock на основе sthenno-com/miscii-14b-0218 с двумя чекпойнтами tempesthenno-sft-0309-stage1 и моделью fs-01; метаданные указывают связь с базовой моделью как дообучение. Это плотная модель семейства Qwen2 с 14 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; заявлены английский и китайский языки, а длина контекста составляет 131072 токена. Файлы представлены в формате safetensors. Указана лицензия Apache-2.0. README описывает способ слияния и состав моделей, но не приводит сравнительных оценок качества или подробных результатов тестирования.

tempesthenno-nuslerp-0124 — слитая с помощью mergekit по методу NuSLERP языковая модель, созданная sthenno. В README указаны два компонента с именами tempesthenno--converge-breadcrumbs и tempesthenno--converge-dtask; метаданные также связывают модель с несколькими базовыми моделями Qwen2. Модель имеет плотную архитектуру Qwen2ForCausalLM и 14 млрд параметров, распространяется в формате safetensors и лицензирована по Apache-2.0. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленный контекст составляет 131 072 токена. В метаданных указаны английский и китайский языки. README приводит результаты оценок IFEval и BBH, но без подробностей об условиях тестирования и без оснований делать выводы о превосходстве в конкретных сценариях.

Terminal-complete-4k — дообученная модель на основе Qwen/Qwen3-8B, созданная автором репозитория на датасете qwen_data_complete. Это плотная причинная языковая модель примерно на 7,6 млрд параметров для диалоговой генерации текста; она принимает текст и выдаёт текст. В метаданных указано окно контекста до 40 960 токенов и библиотека Transformers. Модель подходит для диалога и генерации текста в сценариях, поддерживаемых базовой Qwen3-8B. README не описывает специализацию датасета, качество, результаты оценки или конкретные ограничения, поэтому назначение «Terminal» в названии само по себе не подтверждает специализацию на командной строке. Модель распространяется в формате safetensors; лицензия указана как other, без уточнения условий в предоставленных данных.

Terminis-7B — объединённая языковая модель от Q-bert, созданная слиянием v1olet/v1olet_marcoroni-go-bruins-merge-7B и mistralai/Mistral-7B-Instruct-v0.2 методом SLERP. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; её контекстное окно — 32 768 токенов. Модель предназначена для генерации текста и работы в форматах диалога ChatML и инструкций Alpaca. Лицензия — Apache-2.0. Карточка не приводит результатов оценки, поэтому качество на конкретных задачах по ней определить нельзя.

Tess-3-Mistral-Nemo-12B — универсальная большая языковая модель из серии Tess, созданной Migel Tissera; вычислительные ресурсы для её разработки предоставила KindoAI. Это плотная авторегрессионная модель архитектуры Mistral на 12,1 млрд параметров, рассчитанная на диалог и генерацию текста. В метаданных указан контекст до 1 024 000 токенов, а веса доступны в формате safetensors. Модель подходит для общения с пользователем и генерации текста общего назначения. В README приведены результаты Open LLM Leaderboard: средний показатель 16,54, IFEval (0-shot) — 33,55, BBH (3-shot) — 28,04; эти оценки дают ориентир по отдельным тестам, но не гарантируют качество в конкретном сценарии. README не уточняет поддерживаемые языки и дополнительные ограничения применения. Лицензия — Apache-2.0.

Tess-72B-v1.5b — универсальная большая языковая модель из серии Tess, разработанная migtissera и обученная на базе Qwen-72B. Это плотная авторегрессионная модель семейства Llama с 71 млрд параметров, предназначенная для генерации текста и диалогов в формате SYSTEM/USER/ASSISTANT. Контекст модели составляет 32 768 токенов; веса доступны в формате safetensors. Модель подходит для ответов на вопросы, помощи с текстовыми задачами и рассуждений общего назначения. В карточке приведены результаты Open LLM Leaderboard, включая среднюю оценку 77,30 и результаты ARC и HellaSwag. Поддерживаемые языки и прикладные специализации отдельно не заявлены. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

Карточка модели RRavens/Test на Hugging Face совпадает с карточкой Qwen/Qwen3-0.6B, поэтому описание составлено по ней. Qwen3-0.6B — компактная плотная каузальная языковая модель семейства Qwen3, разработанная командой Qwen. Она содержит около 508 млн параметров и поддерживает контекст до 40 960 токенов по метаданным Hugging Face. Модель прошла предварительное обучение и последующее дообучение на основе Qwen/Qwen3-0.6B-Base; распространяется в формате Safetensors и использует библиотеку Transformers. Модель предназначена для генерации текста и диалогов, следования инструкциям, рассуждений, генерации кода, перевода и работы с инструментами. Qwen3 поддерживает более 100 языков и диалектов и может переключаться между режимами рассуждения и обычного диалога. Компактный размер облегчает использование в сценариях с ограниченными вычислительными ресурсами, хотя качество и устойчивость могут уступать более крупным моделям. README рекомендует настраивать параметры генерации при появлении повторов. Лицензия — Apache 2.0.

test2_3 — диалоговая языковая модель, созданная alnrg2arg слиянием моделей mlabonne/NeuralBeagle14-7B и abideen/NexoNimbus-7B с помощью mergekit и метода SLERP. Она предназначена для генерации текста в чате, ответов на инструкции, рассуждений и творческих задач. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors, а карточка указывает возможность диалогового использования. Модель принимает текст и генерирует текст. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое; качество ответов и поведение при сложных запросах могут зависеть от сценария применения.

djuna-test-lab/TEST-OcerusBeam-7B — объединённая модель генерации текста на архитектуре Mistral, созданная методом SLERP с помощью mergekit. В объединение вошли aws-prototyping/MegaBeam-Mistral-7B-512k и djuna-test-lab/TEST-Ocerus-7B. Модель содержит 7,1 млрд параметров, работает с библиотекой Transformers и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогов; в метаданных также отмечена возможность чата. Длина контекста составляет до 524 288 токенов. Сведения о поддерживаемых естественных языках и условиях лицензии в предоставленных источниках отсутствуют.

Teuken-7B-instruct-research-v0.4-GGUF — это квантизированная версия инструкционной языковой модели Teuken-7B-instruct-research-v0.4, разработанной openGPT-X и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и выполнения инструкций, а также для локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Доступны варианты от F16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3 и IQ, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Размер наиболее компактных представленных вариантов составляет около 4,1–4,7 ГБ, а F16-версия занимает около 14,9 ГБ. В README заявлена поддержка немецкого, болгарского, чешского, датского, греческого, английского, испанского, эстонского, финского, французского, ирландского, хорватского, венгерского, итальянского, литовского, латышского, мальтийского, нидерландского, польского, португальского, румынского, словенского, шведского и словацкого языков. Некоторые квантизации оптимизированы для ARM или AVX, однако отдельные варианты не рекомендуются для Mac или GPU. Более качественные варианты Q6_K_L, Q6_K, Q5 и Q4 отмечены как рекомендуемые; Q4_K_M описан как вариант стандартного размера для большинства сценариев. README не содержит сведений об архитектуре, размере контекстного окна, параметрах обучения, точных мультимодальных возможностях или формате промпта, поэтому модель следует рассматривать как текстовую, без подтверждённой поддержки других модальностей. Лицензия указана как other, без дополнительных условий; перед использованием в коммерческих или распространительных сценариях необходимо проверить лицензию исходной модели и конкретные ограничения.

Ateeqq/Text-Rewriter-Paraphraser — дообученная модель семейства T5 для перефразирования текста. В README указана база T5-Base и обучение на наборе примерно из 430 тысяч примеров, собранном из трёх открытых источников и очищенном перед обучением. Для задачи используется префикс «paraphraser: ». Метаданные указывают архитектуру T5ForConditionalGeneration, 123,8 млн параметров и контекст до 512 токенов; README приводит другое число параметров для базовой модели, поэтому здесь указано значение из метаданных репозитория. Модель предназначена для генерации переформулированных вариантов текста с сохранением смысла и для изменения структуры предложений. В карточке заявлены естественное звучание и фактическая точность, однако приведены только значения потерь на обучении и валидации, без независимой оценки качества. Языки обучения и работы не указаны. Модель опубликована под лицензией Apache-2.0.

Карточка модели PS4Research/TFDDn0MkziaAlcn0 на Hugging Face совпадает с карточкой PS4Research/EVPdEf4TUz3pRa2u, поэтому описание составлено по ней. PS4Research/EVPdEf4TUz3pRa2u — дообученная языковая модель семейства Qwen3, разработанная PS4Research на базе unsloth/Qwen3-14B-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 14 млрд параметров, построена на плотной архитектуре Qwen3ForCausalLM и принимает текст для генерации текста; поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев. Её контекстное окно составляет 40 960 токенов. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Специализация дообучения и его качество в карточке не раскрыты.

Карточка модели PS4Research/tGN7qCNgsAHkyykL на Hugging Face совпадает с карточкой PS4Research/EVPdEf4TUz3pRa2u, поэтому описание составлено по ней. PS4Research/EVPdEf4TUz3pRa2u — дообученная языковая модель семейства Qwen3, разработанная PS4Research на базе unsloth/Qwen3-14B-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 14 млрд параметров, построена на плотной архитектуре Qwen3ForCausalLM и принимает текст для генерации текста; поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев. Её контекстное окно составляет 40 960 токенов. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Специализация дообучения и его качество в карточке не раскрыты.

Это GGUF-квантизированная версия языковой модели Big-Alice-28B-v1, разработанной TheDrummer. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может применяться в локальных сценариях общения с LLM, написания и преобразования текста, а также в других задачах текстовой генерации. Доступны варианты от BF16 до низкобитных Q2 и IQ-квантизаций. Размер исходной модели составляет 28B параметров; размер файлов варьируется примерно от 12 до 57,22 ГБ в зависимости от формата. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5, Q6 и IQ4_XS; более качественные квантизации требуют больше оперативной или видеопамяти, а низкобитные версии экономят ресурсы ценой снижения качества. Поддерживаются запуск через llama.cpp, LM Studio и другие совместимые проекты. Предусмотрен шаблон prompt в формате ChatML с ролями system, user и assistant. В README не указаны точные поддерживаемые языки, размер контекстного окна, мультимодальные возможности и детальные результаты оценки качества, поэтому эти характеристики нельзя определить по имеющимся данным. Модель распространяется по лицензии MIT.

ThetaMaven5 — языковая модель для генерации текста, созданная jefferylovely слиянием ThetaMaven4 и vanillaOVO/supermario_v2 методом SLERP через LazyMergekit. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, рассчитанная на контекст до 32 768 токенов; веса опубликованы в формате Safetensors и BF16. Модель подходит для генерации продолжений и ответов на текстовые запросы. Репозиторий распространяется по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий. Карточка не описывает отдельную специализацию или оценку качества модели.

MaziyarPanahi/TheTop-5x7B-Instruct-S2-v0.1 — текстовая генеративная модель, созданная MaziyarPanahi путём слияния пяти моделей 7B с помощью метода SLERP. Она построена на архитектуре Mistral и предназначена для генерации ответов и других текстов по запросу; заявленное контекстное окно составляет 32 768 токенов, а размер модели по метаданным — 7,1 млрд параметров. Модель подходит для диалоговых сценариев, ответов на вопросы и общих задач генерации текста. В карточке приведены результаты тестов на академических наборах, включая ARC и HellaSwag; эти оценки сами по себе не гарантируют качество в конкретном приложении. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия Apache-2.0.

TheTop-5x7B-Instruct-S4-v0.1 — текстовая генеративная модель MaziyarPanahi, полученная слиянием нескольких предварительно обученных моделей 7B и моделей, объединённых методом SLERP. Карточка упоминает mergekit как инструмент слияния; метаданные указывают на архитектуру MistralForCausalLM и веса в формате safetensors. Указанный размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и инструкционного диалога. В README приведены результаты оценки на бенчмарках рассуждений и здравого смысла. Она распространяется по лицензии Apache-2.0. Карточка не уточняет состав исходных моделей, языковую специализацию и ограничения качества.

TheTop-5x7B-Instruct-S5-v0.1 — текстовая генеративная модель MaziyarPanahi, созданная путём слияния нескольких предварительно обученных моделей размером 7B и применения SLERP к другим моделям 7B. В README упоминается использование mergekit; архитектура — плотная MistralForCausalLM, формат весов — safetensors. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и инструктивных сценариев, например диалога, ответов и рассуждений. В README приведены результаты оценивания на бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Поддерживаемый язык в доступных данных не установлен. Модель распространяется по лицензии Apache-2.0; сведения о конкретных ограничениях применения в карточке не приведены.

trinhkhng/ties_Merged_gpt2-large_0.2 — объединённая языковая модель на основе GPT-2 Large, созданная автором репозитория методом TIES с помощью mergekit. В слиянии использованы предварительно обученная модель /kaggle/working/gpt2-large и модель /kaggle/working/debias_gpt2-large; токенизатор взят из базовой модели. Архитектура — GPT2LMHeadModel, плотная авторегрессионная модель для генерации текста; веса сохранены в формате safetensors. Модель предназначена для продолжения текста и других сценариев генерации на основе текстового контекста. В карточке указана длина контекста 1024 токена. README описывает слияние с моделью debias_gpt2-large, однако не приводит оценок качества или подробностей о том, как именно проявляется снижение смещений. Для использования доступны сведения о библиотеке Transformers; лицензия в предоставленных данных не указана, поэтому условия распространения следует проверять в карточке репозитория Hugging Face.

TopEvolution-DPO-32K — слитая языковая модель семейства Mistral, созданная сообществом mergekit-community методом SLERP на основе mergekit-community/TopEvolution и mpasila/Kunoichi-DPO-v2-Instruct-32k-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и выполнения инструкций; поддерживает контекст до 32 768 токенов. В конфигурации слияния использована V-образная кривая весов: TopEvolution задаёт вклад на входе и выходе, а Kunoichi-DPO-v2-Instruct — в средних слоях. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Языковая специализация и лицензия в предоставленных источниках не описаны.

saishf/Top-Western-Maid-7B — объединённая языковая модель, созданная с помощью mergekit из Mistral-7B-v0.1, Noromaid-7B-0.4-DPO, Toppy-M-7B и WestLake-7B-v2. В README указан метод объединения DARE TIES; итоговая модель содержит 7,1 млрд параметров и работает на архитектуре Mistral с контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Её можно применять для диалогов, написания и продолжения текста, а также для задач рассуждения и генерации художественного текста. Карточка приводит результаты оценки на бенчмарках AI2 Reasoning Challenge и HellaSwag, но не описывает отдельные гарантии качества или специализацию по языкам. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Это текстовая модель без заявленных возможностей работы с изображениями или аудио; как и другие языковые модели, она может выдавать неточные или вымышленные ответы.