Характеристики

Лицензия: Apache 2.0
Базовая модель: Bernini-R
Библиотека: gguf
Опубликована: 6 июн 2026

Ссылки

Bernini-R-GGUF

Генерация видеоТекст → видео3 профессии

Bernini-R — GGUF — это набор GGUF-квантизованных версий модели Bernini-R, разработанной ByteDance и опубликованной пользователем neuregex.

2 161скачиваний за 30 дней32лайкавеса обновлены7 июн 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

В основе лежит Wan2.2-T2V-A14B с source-id RoPE и multi-condition APG guidance. Модель предназначена для генерации видео по тексту и редактирования изображений и видео в ComfyUI; поддерживаются сценарии text-to-video, text-to-image, image-to-image и video-to-video при использовании специализированных узлов ComfyUI-BerniniR и ComfyUI-GGUF.

Архитектура использует двухэкспертную схему Wan 2.2: эксперт high-noise задаёт композицию, а эксперт low-noise уточняет детали. Для каждого эксперта доступны варианты Q4_K_M, Q5_K_M и Q8_0 размером примерно от 9,66 до 15,4 ГБ. Рекомендуется Q5_K_M как компромисс между качеством и требованиями к памяти, Q8_0 ориентирован на максимальное качество, а Q4_K_M — на минимальный объём VRAM. Оба эксперта могут совместно работать в 24 ГБ VRAM; GGUF-версии не содержат FP8-тензоров.

Для работы требуются ComfyUI, узлы ComfyUI-BerniniR и ComfyUI-GGUF, Wan VAE и текстовый энкодер UMT5. Для редактирования изображения и видео необходимо загрузить обоих экспертов и использовать BerniniR · Apply Patches и BerniniR · Guider. В README не указаны языки, размер контекста и точные ограничения по разрешению или длительности видео. Распространение разрешено по лицензии Apache-2.0, как и у базовой модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.10Универсальные способностиВидео, анимация и 3DAI помогает создавать, анализировать и преобразовывать динамический визуальный контент и 3D-сцены.18 задач3 279моделей I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Bernini-R — GGUF (high & low noise experts)

💻 Code / ComfyUI nodes

💬 Discord — updates, roadmaps, projects, or just to chat 🧬 Bernini-R Wan2.2-T2V-A14B

GGUF quantizations of ByteDance/Bernini-R (= Wan2.2-T2V-A14B + source-id RoPE + multi-condition APG guidance), for use in ComfyUI with ComfyUI-BerniniR + city96/ComfyUI-GGUF.

Bernini-R is a dual-expert model (Wan 2.2): a high-noise expert sets the composition and a low-noise expert refines detail. Both are quantized here. GGUF carries no fp8 tensors, so the two experts coexist in 24 GB VRAM without the offload crash the fp8 build hits.

Files

File	Expert	Quant	Size
`bernini_r_high_noise_14B-Q4_K_M.gguf`	high-noise	Q4_K_M	9.66 GB
`bernini_r_high_noise_14B-Q5_K_M.gguf`	high-noise	Q5_K_M	10.8 GB
`bernini_r_high_noise_14B-Q8_0.gguf`	high-noise	Q8_0	15.4 GB
`bernini_r_low_noise_14B-Q4_K_M.gguf`	low-noise	Q4_K_M	9.66 GB
`bernini_r_low_noise_14B-Q5_K_M.gguf`	low-noise	Q5_K_M	10.8 GB
`bernini_r_low_noise_14B-Q8_0.gguf`	low-noise	Q8_0	15.4 GB

Q5_K_M is the recommended balance; Q8_0 for best quality, Q4_K_M for the lowest VRAM.

Usage in ComfyUI

Install ComfyUI-BerniniR and ComfyUI-GGUF.
Put the .gguf files in ComfyUI/models/unet/. You also need the Wan VAE (wan_2.1_vae.safetensors) and the UMT5 text encoder (umt5_xxl_fp8_e4m3fn_scaled.safetensors).
t2v / t2i (source_id=0 is identical to stock Wan 2.2): one UnetLoaderGGUF → your sampler.
Editing (i2i / v2v), both experts: load each GGUF with UnetLoaderGGUF, send each through BerniniR · Apply Patches, then into BerniniR · Guider (model = high, model_low = low). The guider switches expert by timestep (t=875) and runs the APG guidance. Ready-made graph: workflows/ui/bernini_i2i_gguf_dual.json in the node repo.

License: Apache-2.0 (same as the base model).

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

Генеративная модель выложена не в формате diffusers: рантайм её не загрузит.

Ревизия весов: 8344f64