I.5Создание и редактирование текста

tiledfloor-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.2 и Ansoi/tiledfloor методом SLERP. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализированные области применения или дополнительные языки.

T-Lite-instruct-0.1-abliterated — русскоязычная чат-модель семейства Llama, представленная как версия T-Lite-instruct без встроенных ограничений на ответы. Она предназначена для диалоговой генерации текста и выполнения запросов пользователя. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров, принимает текст и генерирует текст. Длина контекста составляет 8192 токена; в репозитории доступны веса safetensors. Карточка указывает русский язык и лицензию WTFPL.

TopEvolution — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и mergekit-community/mergekit-slerp-ebgdloh; конфигурация использует V-образное распределение весов, отдавая Hermes предпочтение на входе и выходе и WizardMath в средних слоях. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Метаданные указывают формат safetensors и библиотеку Transformers. Она предназначена для генерации текста и может быть полезна для диалогов, следования инструкциям и математических запросов благодаря включению Hermes и WizardMath в слияние; конкретные показатели качества в карточке не приведены. Лицензия в предоставленных данных не указана.

TopEvolutionWiz — языковая модель для генерации текста, созданная сообществом mergekit-community путём слияния моделей методом SLERP. В слияние вошли mergekit-community/TopEvolution и lucyknada/microsoft_WizardLM-2-7B; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель доступна в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов и диалогового взаимодействия. Конфигурация слияния задаёт V-образное распределение весов: вклад Hermes используется на входе и выходе, а WizardMath — в средних слоях. Лицензия в предоставленных данных не указана.

Babel-83B-Chat-GGUF — это набор GGUF-квантизаций чат-модели Babel-83B-Chat, разработанной Tower-Babel и подготовленной пользователем bartowski для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для генерации текста и диалоговых сценариев, в том числе на множестве языков: английском, китайском, хинди, испанском, французском, арабском, бенгальском, русском, португальском, индонезийском, урду, немецком, японском, суахили, тамильском, турецком, корейском, вьетнамском, яванском, итальянском, хауса, тайском, персидском, тагальском и бирманском. Архитектура и размер исходной модели указаны как 83B; модальность — текстовая. README не содержит сведений о длине контекста и внутренней архитектуре. Доступны варианты квантизации от Q8_0 до Q2_K и IQ-квантизаций, размер файлов составляет примерно от 33,5 до 88,5 ГБ. Более качественные варианты требуют больше памяти, а низкобитные позволяют экономить ресурсы ценой качества. Для работы используется формат prompt с ролями system, user и assistant. Основные сильные стороны — большой размер модели, многоязычная направленность, поддержка локального запуска и широкий выбор вариантов квантизации. Ограничения включают значительные требования к оперативной или видеопамяти, особенно для высококачественных вариантов, а также возможное снижение качества у низкобитных квантизаций. Указана лицензия SeaLLM; подробные условия доступны по ссылке на лицензию SeaLLMs/SeaLLM-13B-Chat.

Babel-9B-Chat — языковая чат-модель семейства Tower-Babel, разработанная командой Tower-Babel. Представлена в формате GGUF и квантизирована bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через LM Studio, llama.cpp и другие совместимые проекты. Модель содержит около 9 миллиардов параметров и поддерживает мультиязычную работу. В README заявлены английский, китайский, хинди, испанский, французский, арабский, бенгальский, русский, португальский, индонезийский, урду, немецкий, японский, суахили, тамильский, турецкий, корейский, вьетнамский, яванский, итальянский, хауса, тайский, персидский, тагальский и бирманский языки. Данные о размере контекстного окна, архитектуре базовой модели и поддержке модальностей, кроме текста, не указаны. Основное преимущество представленной версии — выбор квантизаций с разным соотношением качества, размера и требований к памяти: от Q8_0 размером 9,58 ГБ до низкобитных вариантов примерно от 3,9 ГБ. Рекомендуемыми названы, в частности, Q4_K_M, Q5_K_M, Q6_K и Q6_K_L. Более компактные варианты экономят память, но могут заметно снижать качество; некоторые форматы являются устаревшими или не рекомендуются. Лицензия указана как seallm; применяются условия лицензии SeaLLM, ссылка на которую приведена в карточке модели.

Tralalabs_Pythia-6.9B-Instruct-v1-Merged-GGUF — это квантизированная GGUF-версия инструкционной языковой модели Pythia-6.9B-Instruct-v1-Merged, разработанной Tralalabs и подготовленной квантизатором bartowski с использованием llama.cpp. Модель предназначена для генерации текста, диалоговых сценариев, работы в качестве чат-ассистента и агентских приложений. Доступны варианты от BF16 до различных уровней квантизации, что позволяет выбирать между качеством, размером файлов и требованиями к оперативной памяти. Модель поддерживается инструментами llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другими совместимыми приложениями. Модель обучалась с использованием наборов данных OpenAssistant Guanaco и Tulu v2 SFT Mixture. Заявлена поддержка английского, испанского, немецкого, русского, японского, французского, польского, вьетнамского, китайского, венгерского, корейского, каталонского и баскского языков. Точная архитектура, размер контекстного окна и формат инструкций в README не указаны; для выбора шаблона промпта рекомендуется обратиться к странице исходной модели. Сильной стороной является широкий выбор квантизаций, включая рекомендуемые варианты Q4_K_M, Q5_K_M и Q6_K, позволяющие запускать модель локально при разных аппаратных ресурсах. Ограничения включают отсутствие описания точных характеристик, бенчмарков и prompt format, а также возможное снижение качества в наиболее компактных вариантах. Распространение указано по лицензии Apache-2.0.

Модель exonics/trendyol_28eylul_mlflow_deneme — дообученная текстовая модель семейства Llama, разработанная exonics на основе Trendyol/Llama-3-Trendyol-LLM-8b-chat-v2.0. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает отдельную специализацию или дополнительные языки помимо английского, поэтому её возможности следует рассматривать как общие для генерации текста и чата.

Trendyol LLM v1.0 Chat — диалоговая авторегрессионная языковая модель компании Trendyol на основе Mistral-7B. Модель содержит 7,2 млрд параметров, использует архитектуру Mistral и принимает текст, генерируя текст. Чат-версия дообучена с помощью LoRA на 180 тысячах наборов инструкций; в метаданных указан контекст до 32 768 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций, прежде всего на турецком и английском языках. Её можно использовать для генерации ответов и черновиков текста. Качество работы с разговорной речью и другими языками может быть ограничено; ответы могут содержать фактические ошибки и предвзятые или вредоносные формулировки, поэтому для важных сценариев нужна проверка человеком. Модель выпущена под лицензией Apache-2.0.

Triangulum-5B-it — мультиязычная инструкционная языковая модель от prithivMLmods, построенная на авторегрессионной архитектуре LLaMA. Модель содержит 4,9 млрд параметров, принимает текст и генерирует текст; максимальная длина контекста составляет 8192 токена. В метаданных указана библиотека Transformers, формат весов safetensors и лицензия CreativeML OpenRAIL-M. Модель предназначена для диалога и генерации текста, включая ответы на вопросы, суммаризацию, анализ текста, перевод и создание контента. В README заявлены обучение на синтетических данных с длинными цепочками рассуждений, supervised fine-tuning и RLHF. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. README содержит несогласованности: в одном месте упоминается Triangulum 10B, а пример запуска ссылается на GGUF, тогда как метаданные этой модели указывают 4,9B параметров и safetensors. Качество рассуждений и заявленные методы обучения отдельно не подтверждены. Использование регулируется лицензией CreativeML OpenRAIL-M.

Trillion-7B-preview — предварительная версия языковой модели, представленная командой TrillionLabs. Это плотная авторегрессионная модель семейства Llama с архитектурой Transformer Decoder, RoPE, SwiGLU и RMSNorm; в README указано 7,76 млрд параметров, 32 слоя и контекст 4096 токенов. Модель прошла предварительное обучение и последующее обучение для диалогов и выполнения инструкций. Модель предназначена для генерации текста, общения, ответов на вопросы, рассуждений и помощи с кодом. Разработчики заявляют поддержку английского, корейского, японского и китайского языков и отмечают особенно сильные результаты на корейских тестах. В опубликованных оценках модель показывает конкурентные результаты, однако качество зависит от задачи и языка. Это предварительный выпуск без комплексных механизмов безопасности; сведения модели ограничены данными до августа 2023 года, а для языков помимо английского, корейского, японского и китайского возможно снижение качества. Лицензия репозитория — Apache-2.0.

Trinas_Nectar-8B-model_stock — объединённая автором DreadPoor с помощью mergekit языковая модель на архитектуре Llama 3.1. Она предназначена для диалоговой генерации текста и выполнения инструкций; в состав слияния вошли Configurable-Llama-3.1-8B-Instruct, Dolphin 2.9.4, Hermes 3, Lumimaid v0.2 и ScaduTorrent, с базовой моделью Sao10K/L3-8B-Stheno-v3.2. Модель содержит 7,5 млрд параметров, работает с текстом и имеет контекст до 8192 токенов. В карточке приведены результаты Open LLM Leaderboard: средняя оценка 27,27, IFEval — 72,59, BBH — 31,98. Модель представлена в формате safetensors и рассчитана на использование через Transformers. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Trurl 2 13B — диалоговая языковая модель, дообученная Voicelab.AI на основе Llama 2. Это авторегрессионный трансформер с 12,9 млрд параметров и контекстом до 4096 токенов; модель принимает текст и генерирует текст. Модель предназначена для диалогов в формате помощника и других задач генерации естественного языка на польском и английском языках. При обучении использовались более 1,7 млрд токенов из частных и открытых данных, включая диалоги, вопросы и ответы, а также примеры для извлечения и анализа JSON. Для чат-сценариев требуется форматирование запросов по шаблону диалога Llama 2. Модель может давать неточные, предвзятые или нежелательные ответы; её проверка охватывала не все сценарии. Перед внедрением рекомендуется оценить качество и безопасность для конкретного применения. README указывает, что модель предназначена для коммерческого и исследовательского использования, однако конкретная лицензия в предоставленных данных не приведена.

Trurl 2 7B — дообученная Voicelab.AI версия Llama 2 для диалогов и генерации текста на польском и английском языках. Это авторегрессионная плотная трансформерная модель с 6,6 млрд параметров и контекстом до 4096 токенов; репозиторий содержит веса PyTorch. Модель принимает текст и генерирует текст. Модель предназначена для чат-ассистентов, ответов на вопросы и других задач генерации естественного языка. При использовании диалогового режима требуется формат беседы Llama 2 с соответствующими специальными токенами. Обучение проводилось на польских и английских диалоговых и инструкционных данных, включая наборы вопросов и ответов и разговоры из разных областей. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед внедрением рекомендуется тестирование и настройка безопасности под конкретное применение. Авторы заявляют коммерческое и исследовательское использование; конкретная лицензия в предоставленных данных не указана.

TSN-Kosmos-EVAA-v2-8B — объединённая модель генерации текста, созданная разработчиком jaspionjader с помощью mergekit и метода SLERP из jaspionjader/Kosmos-EVAA-gamma-light-8B и jaspionjader/TSN-Kosmos-EVAA-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; веса представлены в формате safetensors, библиотека для работы — Transformers. Модель предназначена для диалоговой генерации текста и поддерживает интерфейс вызова инструментов. Её нативная длина контекста составляет 131072 токена. В карточке не приведены сведения о специализированных предметных областях или языках. Условия лицензии в доступных данных не указаны.

Tulu 2 7B — разговорная языковая модель-ассистент, разработанная AllenAI и дообученная на основе Meta Llama 2 7B. Она обучена на смеси общедоступных, синтетических и созданных людьми инструкций и диалогов; архитектура — плотная LlamaForCausalLM, размер — около 6,6 млрд параметров. Модель принимает текст и генерирует текст, рассчитана прежде всего на английский язык, поддерживает контекст до 8192 токенов. Модель предназначена для диалоговых ответов и выполнения инструкций в универсальных сценариях. В карточке приведены результаты MT-Bench и AlpacaEval для варианта SFT, но они не гарантируют качество на конкретных задачах. Для лучшей генерации следует соблюдать формат входа, описанный в карточке. Модель не прошла выравнивание на безопасные ответы в RLHF и не использует встроенную фильтрацию: она может выдавать проблемный контент, особенно при соответствующих запросах. Лицензия — AI2 ImpACT Low-risk; перед использованием следует учитывать её условия.

Tulu V2.5 PPO 13B — англоязычная диалоговая модель-помощник, разработанная AllenAI. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, дообученная на основе Tulu 2 с использованием PPO и случайной подвыборки из 60 тысяч примеров Nectar; для PPO применялась 13B reward-модель. Модель предназначена для генерации текста и ответов на инструкции в формате диалога. Максимальный контекст — 4096 токенов; вход и выход — текст на английском языке. Лицензия Apache 2.0. Модель умеет вести диалог и выполнять разнообразные инструкции, опираясь на данные Tulu V2 и обучение с обратной связью по предпочтениям. Для корректного формата запросов предусмотрен chat template токенизатора. Ограничение: модель не была специально выровнена для безопасных ответов и может выдавать проблемный контент, особенно при соответствующих запросах; результаты требуют проверки.

TurdusWestLakev2-IreneRP-Neural-7B-slerp — объединённая текстовая модель, созданная Smuggling1710 с помощью LazyMergekit. Она объединяет модели Smuggling1710/WestLakev2-IreneRP-Neural-7B-slerp и udkai/Turdus методом slerp; в конфигурации указаны слои 0–31, отдельные коэффициенты смешивания для self-attention и MLP и точность bfloat16. Модель построена на архитектуре Mistral с плотной причинной языковой моделью MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекст длиной до 32 768 токенов. Основная задача — генерация текста; её можно применять для продолжения текста и диалоговых ответов. Сведений о поддерживаемых естественных языках и специализированных областях в предоставленных источниках нет. Лицензия в предоставленных данных не указана. Качество и ограничения объединённой модели отдельно не описаны; параметры генерации и фактические результаты следует проверять на целевых сценариях.

Twilight-Large — плотная языковая модель на архитектуре Mistral с 122,2 млрд параметров, созданная автором softwareweaver с помощью mergekit. Она объединяет Mistral-Large-Instruct-2407, lumikabra-123B_v0.4 и Behemoth-123B-v1 методом della_linear; в качестве базовой использована Mistral-Large-Instruct-2407. Модель предназначена для генерации текста в диалоговом формате и использует формат запросов Mistral Large. Модель принимает текст и генерирует текст. Заявленная длина контекста — 131 072 токена. В карточке упоминаются интерфейс вызова инструментов и возможность использовать control vectors для настройки генерации; качество этих возможностей не оценено в приведённых материалах. Репозиторий содержит веса в формате safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензиями базовых моделей и карточкой репозитория.

TwinLlama-3.1-8B — текстовая модель генерации на архитектуре Llama, опубликованная amitupadhyay и дообученная на базе meta-llama/Llama-3.1-8B с использованием Unsloth и TRL. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и рассчитана на английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит результатов оценки качества и не описывает специализацию дообучения, поэтому пригодность для конкретных областей следует проверять отдельно.

TwinLlama-3.1-8B — текстовая авторегрессионная модель семейства Llama, дообученная автором hf989 на базе unsloth/Llama-3.1-8B с использованием Unsloth и библиотеки TRL от Hugging Face. Модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и предназначена для генерации текста и диалоговых сценариев. Модель может использоваться для ведения чата и создания текстовых ответов на запросы. В карточке не описаны специальные предметные навыки или результаты оценки качества, поэтому её возможности сверх общей генерации текста не следует считать подтверждёнными. Распространяется по лицензии Apache-2.0.

TwinLlama-3.1-8B — текстовая плотная авторегрессионная модель семейства Llama, опубликованная jessemeng и дообученная на unsloth/Llama-3.2-1B с помощью Unsloth и Hugging Face TRL. Она предназначена для генерации текста и диалогового общения. Модель содержит 1,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

Карточка модели jessemeng/TwinLlama-3.2-1B на Hugging Face совпадает с карточкой jessemeng/TwinLlama-3.1-8B, поэтому описание составлено по ней. TwinLlama-3.1-8B — текстовая плотная авторегрессионная модель семейства Llama, опубликованная jessemeng и дообученная на unsloth/Llama-3.2-1B с помощью Unsloth и Hugging Face TRL. Она предназначена для генерации текста и диалогового общения. Модель содержит 1,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

TypressAI-9B — объединённая авторегрессионная языковая модель семейства Gemma 2 с 9 млрд параметров, опубликованная ClaudioItaly. Она создана методом DARE TIES через mergekit на основе четырёх моделей Gemma 2: nbeerbower/gemma2-gutenberg-9B, UCLA-AGI/Gemma-2-9B-It-SPPO-Iter3, ifable/gemma-2-Ifable-9B и lemon07r/Gemma-2-Ataraxy-9B. По описанию автора, модель предназначена прежде всего для написания текстов и повествований; также поддерживает диалоговую генерацию. Модель принимает текст и генерирует текст. Контекст составляет 8192 токена; в метаданных указаны английский и итальянский языки. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия обозначена как other, поэтому условия использования следует проверять в карточке модели и связанных базовых моделей.

ukr-models/uk-punctcase — модель на базе XLM-RoBERTa-Uk, дообученная на украинских текстах для восстановления пунктуации и регистра букв. Она выполняет разметку токенов, чтобы восстанавливать знаки препинания и правильное написание заглавных и строчных букв в тексте. Модель содержит 137,3 млн параметров, использует архитектуру XLM-RoBERTa и рассчитана на контекст до 514 токенов. Форматы весов — PyTorch и safetensors. Лицензия MIT.

UltronTactIQ-Mistral-2-7b — диалоговая языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, созданная CapiJack дообучением NousResearch/Nous-Hermes-2-Mistral-7B-DPO. Модель предназначена для генерации текста и общения по инструкциям; в метаданных отмечена поддержка чата. README сообщает о дообучении на наборе данных, название которого не приведено, и указывает значение loss 0,5036 на оценочном наборе. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке нет сведений о целевых языках и специализированных областях применения. Распространяется по лицензии Apache-2.0.

UNA-ThePitbull-21.4B-v2 — разговорная языковая модель от fblgit, основанная на saltlux/luxia-21.4b-alignment-v1.0. Это плотная авторегрессионная модель семейства Llama с 20,9 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста и диалогов. Версия 2 получила дополнительное обучение SFT на Replete-AI/code_bagel_hermes-2.5 и DPO на mlabonne/orpo-dpo-mix-40k и jondurbin/py-dpo-v0.1; автор также описывает применение стратегии UNA к части MLP- и attention-слоёв. Модель подходит для разговорных помощников, ответов на вопросы и генерации связного текста. В карточке приведены результаты нескольких бенчмарков, однако заявленные автором оценки не гарантируют аналогичного качества в конкретных сценариях. Доступны веса в формате Safetensors, библиотека Transformers; лицензия — AFL-3.0. README указывает отдельную GGUF-квантизацию в репозитории bartowski/UNA-ThePitbull-21.4B-v2-GGUF.

askarikzm/university_llm — дообученная askarikzm языковая модель на архитектуре Qwen2, основанная на unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста и диалогов; в метаданных также указана поддержка интерфейса вызова инструментов. Модель использует формат safetensors и рассчитана на контекст до 32 768 токенов. В карточке заявлено, что при обучении применялись Unsloth и библиотека TRL от Hugging Face; подробности целевого датасета и специализации дообучения не приведены. Указанная лицензия — Apache-2.0.

Llama 30B Instruct 2048 — языковая модель для генерации текста и выполнения инструкций, разработанная Upstage. Представлена в репозитории TheBloke в формате GGUF, причём файлы модели были квантованы TheBloke на основе оригинальной модели upstage/llama-30b-instruct-2048. Модель предназначена для диалоговых сценариев, ответов на инструкции и общего текстового вывода на английском языке. Она основана на архитектуре Llama, содержит 30 миллиардов параметров и поддерживает контекст длиной 2048 токенов. В README также указано обучение или оценивание на наборах SciQ, ScienceQA text-only, GAIR/lima, OpenOrca и OpenBookQA. Для работы используется шаблон промпта с секциями System, User и Assistant. GGUF-версии рассчитаны на запуск через llama.cpp и совместимые интерфейсы и библиотеки, включая text-generation-webui, KoboldCpp, LM Studio, ctransformers и llama-cpp-python; доступны варианты квантования от 2 до 8 бит для CPU и GPU. Квантование уменьшает требования к ресурсам, но конкретное влияние на качество зависит от выбранного варианта. Модель поддерживает только текстовые сценарии, а её контекст ограничен 2048 токенами. В метаданных указана лицензия «other», однако её точные условия в README не приведены.

jackboot/uwu-qwen-32b — объединённая языковая модель на 32 млрд параметров, созданная с помощью mergekit методом TIES на основе Qwen/QwQ-32B-Preview и EVA-UNIT-01/EVA-Qwen2.5-32B-v0.2. Она предназначена для диалоговой генерации текста; каталог также указывает интерфейс вызова инструментов. Модель использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. В README отмечено, что варианты EOS-токена у исходных моделей немного различаются, а настройки BOS могут менять результаты; автор советует подбирать подходящий токенизатор. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.