T-lite и T-pro — семейство открытых русскоязычных языковых моделей от Т-Технологий (Т-Банк) на 7 и 32 млрд параметров соответственно, дообученных поверх базовых моделей Qwen и распространяемых бесплатно под лицензией Apache 2.0.
T-Lite (7 млрд параметров) и T-Pro (32 млрд параметров) построены на базе моделей семейства Qwen и дообучены на русский язык. T-Lite — лучшая русскоязычная опенсорс-модель по ряду индустриальных бенчмарков (включая MERA) в классе «до 10 млрд параметров» и оптимизирована для дообучения (fine-tuning) под конкретные бизнес-задачи. T-Pro лидирует по более широкому набору бенчмарков — ruMMLU, ruMMLU-Pro, ruMATH, ruGSM8k, ruMBPP, Ru Arena Hard, MT Bench, AlpacaEval — и лучше справляется со сложными контекстами и извлечением точных данных.
Обновлённая T-Pro 2.0 обучена на основе Qwen3 32B с более плотной токенизацией под русский язык и поддерживает гибридный ризонинг — модель может сгенерировать цепочку рассуждений перед финальным ответом, что повышает качество на многошаговых задачах вроде математики. При этом T-Pro 2.0 работает примерно вдвое дешевле по генерации на русском языке, чем сопоставимые по классу Qwen3 и DeepSeek R1-Distil.
Т-Банк разместил обе модели в открытом доступе на платформе Hugging Face под лицензией Apache 2.0 — бесплатно, включая коммерческое использование, без необходимости запрашивать разрешение или платить лицензионные отчисления.
T-lite и T-pro конкурируют с GigaChat и YandexGPT в сегменте русскоязычных LLM, но выделяются полностью открытой моделью распространения — в отличие от закрытых API конкурентов, их можно скачать, развернуть на своей инфраструктуре и дообучить без ограничений.
Открытые русскоязычные языковые модели от Т-Технологий на 7 и 32 млрд параметров, построенные на базе Qwen и дообученные на русский язык.
Бесплатны — распространяются на Hugging Face под лицензией Apache 2.0, включая коммерческое использование.
Гибридный ризонинг на базе Qwen3 32B — модель формирует цепочку рассуждений перед ответом, работая примерно вдвое дешевле аналогов Qwen3 и DeepSeek R1-Distil.
Для дообучения (fine-tuning) под конкретные бизнес-задачи благодаря компактному размеру в 7 млрд параметров.
Полностью открытым доступом — модели можно скачать и развернуть на своей инфраструктуре, тогда как GigaChat и YandexGPT доступны в основном через закрытые API.