# 英文文本生成

UniReason-Qwen3-14B-RL 是一个经过量化的多领域适用模型，特别擅长文本生成和数学推理任务。

BrtGPT-124M-Base是一个基于大量英文语料预训练的基础模型，可免费使用，解决了开源模型使用繁琐和对处理能力要求高的问题。

GPT-2是由OpenAI开发的开源语言模型，基于Transformer架构，能够生成连贯的文本。

该模型是基于canopylabs/orpheus-3b-0.1-ft转换而来的GGUF格式模型，适用于文本生成任务。

基于Unsloth和Huggingface TRL库训练的Llama模型，推理速度提升2倍

Qwen/QwQ-32B的4位量化版本，基于BitsAndBytes库实现，适用于资源受限环境下的文本生成任务。

基于Unsloth和Huggingface TRL库训练的Llama模型，推理速度提升2倍

基于unsloth/Llama-3.2-11B-Vision-Instruct微调的模型，使用Unsloth和Huggingface的TRL库进行训练，速度提升了2倍。

这是mistralai/Mistral-Small-24B-Instruct-2501模型的4位量化版本，由ConfidentialMind.com量化，实现了更小、更快的模型，同时性能损失极小。

这是一个经过微调的Phi-4模型，通过Unsloth和TRL库实现了2倍的训练加速，专注于文本生成任务。

基于unsloth/Qwen2-7B-Instruct微调的指令跟随模型，使用Unsloth和TRL库训练，速度提升2倍

这是一个基于NanoLM-1B-Instruct-v2转换的GGUF格式模型，适用于文本生成任务。

NanoLM-1B-Instruct-v1.1是一个10亿参数规模的小型指令微调语言模型，支持多领域英文文本生成任务。

基于Meta-Llama-3.1-8B-Instruct的4位量化版本，使用Unsloth和Huggingface TRL库进行训练，速度提升2倍。

Mini-Magnum-12B-V1.1 是一个基于 intervitens/mini-magnum-12b-v1.1 基础模型构建的文本生成模型，支持英文，采用特定的量化方式。

这是一个4位量化的135M参数小型语言模型，适用于资源受限环境下的文本生成任务。

Athena-70B-L3 是一个70B参数规模的大型语言模型，支持英文文本生成任务，采用参数高效微调技术。

这是一个基于GPT-2架构的774M参数语言模型，使用FineWeb数据集中的1500亿token进行训练。

Chewy-Lemon-Cookie-11B 是一个基于 Mistral 架构的 11B 参数大语言模型，专注于文本生成和角色扮演任务。

Shot2Story-20K 是一个基于图像生成文本的模型，能够将输入的图像转换为连贯的文本描述或故事。

基于SlimPajama-627B数据集训练的文本生成模型，采用视网膜网络架构。

Matter 7B是基于Mistral 7B微调的模型，专为文本生成任务设计，支持对话式交互和函数调用。

这是Doctor-Shotgun/lzlv-limarpv3-l2-70b模型的静态量化版本，提供了多种量化选项以适应不同需求。

LiteLlama是Meta AI的LLaMa 2精简版，仅含4.6亿参数并使用1万亿token训练的开源语言模型

Rose 20B 是一个基于LLaMA架构的20B参数大型语言模型，采用Alpaca风格的指令模板，适用于文本生成任务。

TinyMistral-248M 是一个基于 Mistral 7B 模型预训练的小型语言模型，参数规模缩减至约2.48亿，主要用于下游任务的微调。

Opus V0 7B是由DreamGen开发的基于Mistral架构的7B参数语言模型，专注于文本生成任务。

基于TinyLlama-1.1B微调的轻量级对话模型，使用Alpaca数据集训练，适用于英文文本生成任务

Yarn Mistral 7B 128K是一款针对长上下文优化的先进语言模型，通过YaRN扩展方法在长上下文数据上进一步预训练，支持128k令牌的上下文窗口。

GPT-2是一个基于Transformer架构的自监督预训练语言模型，擅长文本生成任务。

这是一个小型GPT-2模型，在TinyStories V2数据集上预训练，具有3M可训练参数，表现出良好的文本生成连贯性。

基于Hermes数据集微调的Phi-1.5模型，主要用于文本生成任务

Mythalion 13B是由PygmalionAI开发的13B参数规模的大语言模型，基于Llama架构，专注于文本生成和指令跟随任务。

qCammel 70是基于Llama 2架构的大语言模型，由augtoma开发，TheBloke进行量化处理。该模型专注于文本生成任务，提供多种量化版本以适应不同硬件需求。

基于Google的flan-t5-base模型在samsum对话摘要数据集上微调的文本生成模型，擅长对话摘要任务

OPT是由Meta AI推出的开源大语言模型系列，参数规模从1.25亿到1750亿，旨在促进大规模语言模型的开放研究。

OPT是由Meta AI推出的开源大语言模型系列，对标GPT-3架构，旨在促进大模型研究的可复现性和社会影响探讨。

GPT-Neo 1.3B是由EleutherAI开发的13亿参数自回归语言模型，基于GPT-3架构设计，擅长文本生成任务

GPT-Neo 125M是基于GPT-3架构的Transformer模型，由EleutherAI开发，参数量为1.25亿，主要用于英语文本生成任务。