/ Модель

Характеристики

Лицензия
CC BY-NC-ND 4.0
Базовая модель
ettin-encoder-68m
Опубликована
16 июл 2026

ettin-safety-filter-stable-diffusion

Классификация текстаТекст → label3 профессии

Англоязычный классификатор выявляет NSFW-промпты Stable Diffusion и других систем генерации изображений по тексту.

10скачиваний за 30 дней0лайковвеса обновлены1 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AdamCodd/ettin-safety-filter-stable-diffusion — англоязычный классификатор текстовых запросов для выявления NSFW-содержимого в промптах Stable Diffusion и других конвейеров генерации изображений по тексту. Модель дообучена на энкодере jhu-clsp/ettin-encoder-68m семейства Ettin/ModernBERT; содержит около 68 млн параметров и поддерживает контекст до 8192 токенов. Доступны форматы ONNX и safetensors.

Модель предназначена для модерации промптов, включая длинные запросы с нежелательными словами ближе к концу, и может использоваться для фильтрации перед генерацией изображений. В карточке приведены результаты проверки на отложенной выборке из 100 тысяч примеров: ROC-AUC 0,9823, accuracy 0,9317 и F1 0,9308. Для целевой полноты 99% авторы указывают порог 0,0487 и точность 74,8%; это компромисс с заметной долей ложных срабатываний, поэтому порог следует оценивать на данных конкретного применения.

Лицензия CC-BY-NC-ND-4.0 ограничивает коммерческое использование и распространение производных версий; для коммерческого применения автор предлагает отдельно запросить права или доступ к API.

Сценарии применения

  • Фильтрация NSFW-промптов перед генерацией изображений
  • Модерация пользовательских запросов в Stable Diffusion
  • Проверка длинных промптов с нежелательными словами в конце
  • Классификация запросов для контентной безопасности API генерации изображений

Ограничения

При пороге, рекомендованном для полноты 99%, заявленная точность составляет 74,8%, поэтому возможны ложные срабатывания. Лицензия CC-BY-NC-ND-4.0 не разрешает коммерческое использование без дополнительных прав.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ettin-nsfw-prompt-stable-diffusion

A highly efficient, optimized text classifier designed to detect NSFW prompts in Stable Diffusion and other text-to-image pipelines. Built with an 8,192-token context window and a lightweight 68M parameter architecture, it delivers faster inference and tighter safety filtering than legacy BERT-based models.

Commercial Use & Licensing: This model is gated under a cc-by-nc-nd-4.0 license. Please see the prompt above to request commercial use rights or API access.

Evaluation Metrics

Evaluated on a held-out test set of 100,000 samples.

MetricEttin-68M (This Model)DistilRoBERTa V3 (Previous)
ROC-AUC0.98230.9764
Accuracy0.93170.9198
F1 Score0.93080.9201
Precision0.94300.9179
Recall0.91890.9222

(Note: While DistilRoBERTa shows a slightly higher base recall precisely at the 0.5 threshold, Ettin-68M scales far better across the curve, evidenced by its superior ROC-AUC).

TL;DR

  • Long Context Window (8,192 tokens): A 16x increase over legacy RoBERTa models. Catch malicious keywords hidden at the very end of heavy negative prompts without sequence truncation.

  • Lighter & Faster (68M Params): A 17% reduction in size compared to DistilRoBERTa, enabling higher API throughput and lower VRAM consumption for real-time edge filtering.

  • Production-Calibrated Safety: Pre-mapped operational thresholds (e.g., 0.0487) to guarantee a strict 99.0% recall rate in enterprise environments.

  • Modern Foundations: Built on the JHU-CLSP Ettin architecture, using RoPE and multi-stage context extension.

Overview

Trained on 14.9 million strictly balanced Stable Diffusion-style prompts (with 100K reserved for testing), this model is a strict performance upgrade over our previous DistilRoBERTa classifier.

By replacing legacy BERT-era foundations with Johns Hopkins University’s jhu-clsp/ettin-encoder-68m [1] a state-of-the-art 2025 open-data replication of ModernBERT, we unlock significant modern transformer advancements that directly improve production moderation.

Results on Production Usage & Safety Thresholds

By default, standard Hugging Face pipelines use a default classification threshold of 0.5. However, for production pipelines prioritizing safety (e.g., enterprise APIs or public web UIs), thresholds must be calibrated to hit specific Recall targets.

We ran extensive PR-AUC (Precision-Recall Area Under Curve) evaluations on our 100K test set to map the exact operational threshold required to hit a 99.0% Recall target (ensuring the model catches 99% of all actual NSFW prompts).

  • Overall PR-AUC: 0.9844
  • Optimal Safety Threshold: 0.0487
  • Expected Recall: 99.00%
  • Expected Precision: 74.80%

To implement this strict safety filter, configure your pipeline to flag a prompt if the positive NSFW probability exceeds 0.0487 rather than the default 0.5. This rigorous threshold guarantees 99% SFW enforcement, with a manageable ~25% false-positive rate as a trade-off for commercial safety.

Usage

from transformers import pipeline

classifier = pipeline("text-classification", model="AdamCodd/ettin-nsfw-prompt-stable-diffusion", top_k=None)

# Predict
result = classifier("A beautiful landscape painting, mountains, 8k resolution")

# Enforce rigorous commercial safety threshold (99.0% Recall)
nsfw_prob = next(score['score'] for score in result[0] if score['label'] == 'NSFW')
is_flagged = nsfw_prob > 0.0487

Training Details

  • Base Model: jhu-clsp/ettin-encoder-68m
  • Dataset: 14.9 million Stable Diffusion-style prompts (balanced exactly 50/50 between NSFW and SFW).
  • Test Set: 100,000 prompts.

References

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
0c85b37

0 моделей