I.5Создание и редактирование текста

Tinyllama-moe4 — компактная языковая модель с архитектурой Mixture of Experts (MoE), созданная aipib с помощью LazyMergekit путём объединения vihangd/DopeyTinyLlama-1.1B-v1 и gardner/TinyLlama-1.1B-Instruct-3T. Размер модели составляет около 1 млрд параметров; репозиторий содержит веса в формате Safetensors. Модель предназначена для генерации текста и диалогов, включая ответы помощника, объяснения, рассуждения, выполнение инструкций, суммаризацию и подсчёт. Конфигурация направляет запросы о чате, помощнике и объяснениях к одному эксперту, а инструкции, суммаризацию и рассуждения — к другому. Модель принимает текст и выдаёт текст, поддерживает контекст до 2048 токенов. Для использования указана лицензия Apache-2.0. Карточка не приводит оценок качества или подробных сведений о языковом покрытии.

Tippy-Toppy-7b — слитая языковая модель семейства Mistral, опубликованная Azazelle. По карточке, модель получена методом DARE с использованием mergekit на основе mistralai/Mistral-7B-v0.1 и объединяет Toppy-M-7B, Noromaid-Bagel-7B-Slerp и mistral-ft-optimized-1227. В метаданных указаны архитектура MistralForCausalLM, 7,1 млрд параметров, контекст 32 768 токенов и формат safetensors. Модель предназначена для генерации текста. Карточка не уточняет специализацию, языки или конкретные сценарии использования, поэтому оценить её сильные стороны относительно отдельных задач нельзя. Лицензия — CC BY 4.0.

Tissint-14B-128k-RP — диалоговая языковая модель на 14 млрд параметров, созданная Ttimofeyka как дообучение arcee-ai/SuperNova-Medius. Она предназначена для генерации текста и многоходовых бесед с акцентом на творческие ответы и следование системным инструкциям. Модель использует архитектуру Qwen2, работает с текстом и имеет контекстное окно до 131 072 токенов. Автор сообщает о повышенной устойчивости к настройкам семплирования по сравнению с базовой моделью и о снижении числа отказов. Модель позиционируется для творческого, в том числе NSFW, контента. Распространяется по лицензии Apache-2.0.

Trigonotis — разговорная языковая модель серии v3.1 от NLPark, представленная как ранняя предварительная версия. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 69,5 млрд параметров, обученная методом SFT. Она предназначена для генерации текста и диалогового взаимодействия на китайском и английском языках. Модель использует контекст длиной до 131 072 токенов и распространяется в формате Safetensors через Transformers. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

TomGrc_FusionNet_34Bx2_MoE_v0.1_DPO_f16 — языковая модель для диалоговой генерации текста, созданная дообучением FusionNet_34Bx2_MoE_v0.1 методом Direct Preference Optimization (DPO). В карточке указаны архитектура MoE семейства Mixtral и 33,9 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 200 000 токенов. Модель предназначена для чата и генерации ответов на текстовые запросы. README приводит результаты Open LLM Leaderboard: среднее значение 77,91, включая 74,06 на AI2 Reasoning Challenge и 86,74 на HellaSwag; эти оценки относятся к указанным тестам и не гарантируют качество в других сценариях. Поддерживаемые языки отдельно не перечислены. Лицензия — Apache-2.0. Карточка не описывает дополнительные ограничения или специальные области применения.

Модель wannaphong/tongyi-model-v1.3-1b — дообученная авторегрессионная языковая модель семейства Qwen2, созданная wannaphong на базе sail/Sailor2-1B. Она предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс для вызова инструментов. Модель содержит 851,8 млн параметров и поддерживает контекст до 32 768 токенов. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL. В метаданных указан английский язык, но специальных языков или прикладных областей для этой версии README не уточняет. Модель распространяется по лицензии Apache-2.0.

MaziyarPanahi/Topxtral-4x7B-v0.1 — текстовая генеративная модель семейства Mixtral с архитектурой Mixture of Experts, предназначенная для создания ответов и продолжения текста. Карточка содержит пример запроса о плюсах и минусах Docker, что указывает на использование модели для ответов на вопросы и объяснений. Модель имеет 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Репозиторий использует формат Safetensors и библиотеку Transformers; модель опубликована под лицензией Apache-2.0. Метаданные помечают её как merge, однако не указывают базовые модели, поэтому состав слияния установить нельзя.

Модель ufal/transformer-base-geccc-mate разработана Seznam.cz и факультетом математики и физики Карлова университета (MFF UK, ÚFAL). Это компактная encoder-decoder модель семейства BART с 41,5 млн параметров, обученная с нуля для исправления грамматических ошибок в чешском языке. Обучение включало синтетические ошибки, созданные методом MATE, и данные корпуса GECCC. Модель принимает чешский текст, в котором токены разделены пробелами согласно токенизатору UDPipe czech-pdt-ud-2.5-191206, и генерирует исправленный текст. Указанная длина контекста — 256 токенов. Лицензия CC BY-NC-SA 4.0 разрешает использование на её условиях, включая некоммерческие ограничения и требование распространять производные материалы по той же лицензии.

Tri-7B — диалоговая языковая модель Trillion Labs для генерации текста. Это плотная авторегрессионная модель с архитектурой Transformer Decoder, основанной на LlamaForCausalLM; в карточке указаны 7,76 млрд параметров, 32 слоя и контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель прошла предварительное обучение и постобучение с упором на рассуждения, математические задачи и повседневное использование. Она предназначена для диалога, следования инструкциям, ответов на вопросы, генерации кода и решения задач на английском, корейском и японском языках. В README приведены результаты сравнительных тестов с предыдущей моделью Trillion-7B-preview; они показывают улучшения по ряду оценённых задач, но не гарантируют качество для каждого запроса. Модель оптимизирована для английского, корейского и японского; на других языках качество может снижаться. Знания ограничены сведениями, доступными до февраля 2025 года. Лицензия — Apache-2.0.

Triangulum-10B — инструкция-настроенная большая языковая модель от prithivMLmods для многоязычной генерации текста и диалоговых задач. Она основана на авторегрессионной архитектуре LLaMA; карточка описывает обучение с учителем и RLHF, а также использование синтетических данных с длинными цепочками рассуждений. В репозитории указаны 9,9 млрд параметров, контекст до 32 768 токенов и веса Safetensors для Transformers. Модель предназначена для генерации контента, ответов на вопросы, диалога, суммаризации, анализа текста и перевода. В метаданных перечислены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. README также приводит запуск через Ollama, однако конкретное качество по языкам и задачам не подтверждено оценками. Лицензия указана как Llama 3.1; следует учитывать её условия использования.

TriMistral-7B-TIES — объединённая модель для генерации текста и диалогов, созданная Muhammad2003 методом TIES с помощью LazyMergekit. В слиянии использованы NousResearch/Hermes-2-Pro-Mistral-7B и instructlab/merlinite-7b-lab; конфигурация также указывает HuggingFaceH4/zephyr-7b-beta как базовую модель. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста по инструкциям. Карточка приводит результаты бенчмарков AI2 Reasoning Challenge и HellaSwag, но не описывает специализированные сценарии или гарантии качества. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0.

Карточка модели CollectionStudio/Trinity-Nano-Preview на Hugging Face совпадает с карточкой arcee-ai/Trinity-Nano-Preview, поэтому описание составлено по ней. Trinity Nano Preview — экспериментальная чат-модель семейства Trinity от Arcee AI, созданная дообучением Trinity-Nano-Base. В README она описана как разреженная MoE-модель с архитектурой AfmoeForCausalLM, 6 млрд параметров и примерно 1 млрд активных параметров; метаданные указывают 880,3 млн параметров. Поддерживает контекст до 131 072 токенов и работает с текстом на нескольких языках. Модель предназначена для диалогов и генерации текста. Разработчики описывают её как открытую по весам модель для предприятий и энтузиастов, обученную на 10 трлн токенов с дополнительным акцентом на математике и коде. README предупреждает, что в этой предварительной экспериментальной версии возможна нестабильность в отдельных сценариях. Указанная в README лицензия — OpenMDW-1.1; метаданные Hugging Face обозначают её как other.

SzilviaB/Triple-SOLAR-2x10.7b-truthy-dpo-SKEWED — разговорная языковая модель для генерации текста, полученная слиянием через TIES с помощью mergekit. В конфигурации трижды использована модель macadeliccc/SOLAR-2x10.7b-truthy-dpo с разными параметрами плотности и весами; результат сохранён в формате float16. Архитектура Mixtral с MoE-компонентами, размер — 10,6 млрд параметров, контекст — до 4096 токенов. Модель предназначена для диалоговой генерации ответов и продолжения текста. Карточка и метаданные не уточняют языковую специализацию или отдельные прикладные области. Лицензия в предоставленных данных не указана.

Ba2han/TR_SFT1 — дообученная авторами Ba2han модель для генерации текста и ответов на запросы пользователей. Она основана на Ba2han/TR_CPT1 и обучена с помощью TRL в формате supervised fine-tuning (SFT). Архитектура — плотная причинно-следственная языковая модель Qwen3 с 1,3 млрд параметров; модель работает с текстом и поддерживает контекст до 16 384 токенов. Модель можно использовать для диалоговых ответов и генерации продолжений по запросу через Transformers. В карточке приведён пример передачи сообщения пользователя в pipeline text-generation. Репозиторий содержит веса Safetensors и рассчитан на использование с библиотекой Transformers. Лицензия в доступных данных не указана.

Tulu 2 13B — языковая модель-помощник, разработанная Allen Institute for AI (AI2). Она дообучена методом SFT на базе meta-llama/Llama-2-13b-hf на смеси публичных, синтетических и созданных людьми инструкций и диалогов, включая набор allenai/tulu-v2-sft-mixture. Модель содержит 12,9 млрд параметров, использует плотную архитектуру Llama и принимает текстовый контекст длиной до 8192 токенов. Модель предназначена для диалогов с помощником, выполнения инструкций и генерации текста. В карточке указано, что она рассчитана преимущественно на английский язык. Для корректного формата ввода README рекомендует добавлять перевод строки после сообщения пользователя. В опубликованных результатах Tulu-v2-13b показала 6,70 на MT-Bench и 78,9% win rate на AlpacaEval. Модель не прошла этап RLHF-выравнивания для безопасных ответов и не сопровождается фильтрацией во время использования, поэтому может выдавать проблемный контент, особенно в ответ на соответствующие запросы. Лицензия — AI2 ImpACT Low-risk.

yunjae-won/Tulu-3.1-3B-SFT — языковая модель для генерации текста и диалогового взаимодействия, опубликованная пользователем yunjae-won на Hugging Face. Модель доступна через библиотеку Transformers и содержит около 3,2 млрд параметров; в метаданных она обозначена тегами llama и conversational. Модель предназначена для генерации продолжений текста, ответов в диалоге и других сценариев, где требуется авторегрессионное создание текста. Она поддерживает контекст длиной до 131 072 токенов, что позволяет работать с длинными запросами и документами. README автоматически сгенерирован и не содержит сведений о разработчиках, обучающих данных, результатах оценки, языках или лицензии. Поэтому качество в конкретных задачах, фактический набор поддерживаемых языков и условия использования по доступным данным определить нельзя.

Tulu 1 Llama 2 7B — англоязычная чат-модель и помощник, разработанный AI2 и дообученный на базе meta-llama/Llama-2-7b-hf. Модель содержит 6,6 млрд параметров, использует плотную архитектуру Llama и принимает текст для генерации текста; длина контекста — 4096 токенов. Для обучения использовалась смесь публичных, синтетических и созданных людьми инструкций и диалогов Tulu v1. Модель предназначена для следования инструкциям, диалоговых ответов и других задач генерации текста на английском языке. Для работы карточка рекомендует передавать сообщение в указанном в ней формате с переводом строки после завершающего маркера. Лицензия — AI2 ImpACT Low-risk. Модель не проходила выравнивание безопасности в рамках RLHF и не использует фильтрацию ответов, поэтому может генерировать проблемный контент, особенно при соответствующих запросах.

allenai/tulu-v2.5-dpo-13b-alpacafarm-human-pref — англоязычная диалоговая модель AllenAI из набора RLHF-моделей Tulu. Она основана на Llama 2 с 13 млрд параметров и дообучена на смеси инструкций и диалогов Tulu V2, затем дополнительно выровнена методом DPO на предпочтениях людей из набора AlpacaFarm Human Preference. Модель предназначена для генерации текста и ответов помощника на инструкции и вопросы на английском языке. Она принимает текст в формате диалога, для которого рекомендуется использовать шаблон чата токенизатора, и поддерживает контекст до 4096 токенов. Модель может давать проблемные или небезопасные ответы: на этапе выравнивания её не обучали безопасно отказывать на вредоносные запросы, а фильтрация ответов не встроена. Лицензия — Apache 2.0.

Tulu V2.5 DPO 13B HH-RLHF — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2), основанная на Tulu 2 и дообученная методом DPO на наборе предпочтений HH-RLHF. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоги и имеет контекст до 4096 токенов. Модель предназначена для ответов на инструкции и ведения диалога с помощником. В README описаны предварительное обучение на смеси инструкций и диалогов Tulu V2, затем выравнивание на HH-RLHF с помощью DPO. Для неё указана лицензия Apache 2.0. Модель не проходила этап RLHF с целью обеспечить безопасные ответы и не использует фильтрацию ответов во время работы; поэтому может выдавать проблемный контент, особенно при соответствующих запросах. Для лучшего качества следует использовать предусмотренный шаблон чата, включая перенос строки после маркера пользователя.

Tulu V2.5 DPO 13B – Nectar 60k — англоязычная чат-модель-помощник от Allen Institute for AI (AI2), основанная на Tulu 2 и дообученная методом DPO на случайной выборке из 60 тысяч примеров Nectar. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом 4096 токенов; репозиторий содержит веса PyTorch и шаблон чата в токенизаторе. Модель предназначена для диалогов с помощником и генерации ответов на инструкции на английском языке. Она обучалась на смеси открытых, синтетических и созданных людьми данных, включая наборы Tulu, а затем выравнивалась по предпочтениям на Nectar. Лицензия — Apache 2.0. В фазе RLHF модель не обучали выдавать безопасные ответы, а встроенной фильтрации нет; при соответствующих запросах возможны проблемные ответы. Качество генерации зависит от правильного формата входа, включая завершающий перевод строки.

Twilight-XL-2 — слитая модель для генерации текста, созданная автором softwareweaver с помощью mergekit на основе TheDrummer/Behemoth-123B-v2.2 и mistralai/Mistral-Large-Instruct-2411. Она предназначена прежде всего для творческого написания историй и диалоговой генерации; для работы используется формат промптов Mistral Large. Модель имеет плотную архитектуру MistralForCausalLM и содержит 194,2 млрд параметров. Заявленная длина контекста — 131 072 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

TwinLlama-3.1-8B — плотная языковая модель семейства Llama, дообученная Kiliemah на основе unsloth/Meta-Llama-3.1-8B с использованием Unsloth и TRL. Она предназначена для генерации текста и диалогов; метаданные указывают поддержку чат-сценариев и контекст до 131 072 токенов. Модель содержит 7,5 млрд параметров и распространяется в формате safetensors. Модель принимает текст и выдаёт текст. В карточке указан английский язык. Лицензия — Apache-2.0. Описание не приводит сведений о специализации дообучения или результатах оценки качества, поэтому пригодность для конкретных областей и задач сверх общей генерации текста не подтверждена.

m3hrdadfi/typo-detector-distilbert-en — модель на базе DistilBERT для обнаружения опечаток в английском тексте. Она обучена на корпусе NeuSpell и применяется для токенной классификации: модель отмечает токены, распознанные как TYPO. В карточке приведены метрики на оценочной выборке: F1 для класса TYPO составляет 0,989. Модель использует архитектуру DistilBertForTokenClassification, доступна в форматах PyTorch и TensorFlow и принимает последовательности длиной до 512 токенов. Её можно подключить через Transformers pipeline для token-classification, например, для поиска вероятных опечаток в пользовательском тексте. Лицензия в предоставленных данных не указана.

yasirulayan/uber-llama3-merged — дообученная разговорная языковая модель, опубликованная yasirulayan и основанная на unsloth/llama-3-8b-Instruct-bnb-4bit. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом режиме; заявленная длина контекста — 8192 токена. Модель принимает текст и генерирует текст, поддерживает английский язык. В README указано, что обучение проводилось с использованием Unsloth и библиотеки TRL для ускорения процесса. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализированную предметную область или отдельные возможности сверх диалоговой генерации текста.

ehristoforu/ud-14b — объединённая автором модель для генерации текста и диалогового общения. Она создана методом TIES с помощью mergekit на основе Qwen/Qwen2.5-32B; в объединение также вошли Qwen/QwQ-32B-Preview и unsloth/DeepSeek-R1-Distill-Qwen-32B. Архитектура — плотная Qwen2 с причинной языковой моделью, размер — 32 млрд параметров, контекст — до 131 072 токенов. Модель распространяется в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации ответов в чате и обработки длинных текстовых запросов. В метаданных отмечен интерфейс вызова инструментов, однако README не описывает его применение или проверенные сценарии. Языки и специализированные области применения в предоставленных данных не обозначены. Сведения о лицензии отсутствуют в предоставленных источниках.

Qwen3.6-35B-A3B-Claude-4.6-Opus-Reasoning-Distilled-UD-2.0-GGUF — квантизированная GGUF-версия модели, опубликованная mfielding92 на основе дообученной модели hesamation Qwen3.6-35B-A3B-Claude-4.6-Opus-Reasoning-Distilled. Квантизация выполнена с использованием рецептов Unsloth Dynamic 2.0, imatrix и переопределений типов тензоров в llama.cpp. Базовая модель основана на архитектуре Qwen3.6 с разреженной Mixture-of-Experts: 35 млрд параметров всего, около 3 млрд активируются при обработке каждого токена, 256 экспертов и 8 маршрутизируемых плюс 1 общий активный эксперт. Модель предназначена для генерации текста, диалогов, рассуждений, агентного программирования и решения сложных задач в длинном контексте. Дообучение проводилось на текстовых данных с дистилляцией цепочек рассуждений, преимущественно связанных с Claude Opus 4.6, поэтому модель ориентирована на более структурированные рассуждения и стабильную работу с многошаговыми задачами. Указан английский язык. Хотя базовая архитектура включает vision encoder, это дообучение не использовало изображения или видео, поэтому мультимодальные возможности данной версии не подтверждены. Нативная длина контекста составляет 262 144 токена и может расширяться до 1 010 000 токенов согласно описанию базовой модели. Для большинства пользователей рекомендован вариант UD-Q4_K_XL как баланс качества и размера; также доступны варианты UD-Q5_K_M, UD-Q3_K_XL и UD-Q2_K_XL с разным уровнем сжатия. В ограниченной проверке MMLU-Pro модель получила 75,71% exact match на 70 вопросах, однако этот результат заявлен как сравнительный smoke-тест, а не полноценная оценка. Модель распространяется по лицензии Apache-2.0.

ukisai_Swift-Qwen3.8-27b-GGUF — это квантизированная версия модели Swift-Qwen3.8-27b, разработанной ukisai и подготовленной в формате GGUF пользователем bartowski с использованием llama.cpp. Модель содержит около 28 млрд параметров и предназначена для задач генерации текста, рассуждений и эффективного по токенам решения задач. В README также заявлена поддержка обработки изображений вместе с текстом при использовании файла mmproj, поэтому модель может применяться в мультимодальных сценариях image-text-to-text. Модель поддерживает speculative decoding через MTP и использует imatrix-квантизацию. Доступны варианты от BF16 и Q8_0 до более компактных Q3 и IQ3, а также популярные Q4 и Q5; размер файлов варьируется примерно от 12,8 до 54,66 ГБ. В качестве универсального компромисса между качеством и размером рекомендуется вариант Q4_K_M объёмом 17,44 ГБ, тогда как Q6 и Q8 ориентированы на максимально высокое качество. Сведения о поддерживаемых языках и размере контекста в README не указаны. Сильными сторонами модели являются крупный размер, поддержка рассуждений, мультимодальный ввод, speculative decoding и широкий выбор уровней квантизации для различного объёма памяти. Ограничения включают значительные требования к дисковому пространству и памяти, возможное снижение качества в компактных вариантах, необходимость совместимого runtime llama.cpp, а для работы с изображениями — отдельного mmproj-файла. Модель распространяется по лицензии Swift Open License 1.0; в метаданных также указано, что доступ к ней является gated.

ultra0 — разговорная языковая модель, созданная liminerity с помощью LazyMergekit. Это слияние моделей starsnatched/MemGPT-2B и liminerity/binarized-ingotrix-slerp-7b методом DARE-TIES; в конфигурации указаны базовая модель starsnatched/MemGPT-2B, нормализация весов, int8-маска и формат bfloat16. Модель построена на плотной архитектуре MistralForCausalLM и содержит 1,7 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов. README приводит результаты оценки на задачах AI2 Reasoning Challenge и HellaSwag. Лицензия — Apache-2.0.

UltraCatunaMayo — объединённая языковая модель, опубликованная Eric111. Она создана с помощью mergekit методом SLERP из mlabonne/UltraMerge-7B и Eric111/CatunaMayo; базой указана UltraMerge-7B. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста, включая диалоговые ответы и следование инструкциям, унаследованные от базовой UltraMerge-7B. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценивания качества или сведения о поддерживаемых языках.

Dampfinchen/Ultra-Instruct-12B — объединённая языковая модель для генерации текста и диалогов, созданная с помощью mergekit. В основе лежит IntervitensInc/Mistral-Nemo-Base-2407-chatml; слияние выполнено методом DARE TIES с моделями Orthrus-12b-v0.8, mistral-nemo-gutenberg-12B-v2 и Deutscher-Pantheon-12B. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Модель предназначена для инструктивных запросов и общения в формате ChatML. Заявленная длина контекста — 1 024 000 токенов. README предупреждает, что ответы могут быть чрезмерно длинными и модель описана как uncensored. Репозиторий содержит веса safetensors и использует лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование.