I.10Видео, анимация и 3D

Illustrious XL10 Improved Uncensored v30 — это дообученная модель преобразования текста в изображение, созданная пользователем Shopon_Skp на основе OnomaAIResearch/Illustrious-XL-v1.0. Модель распространяется для использования через библиотеку Diffusers и совместима с StableDiffusionXLPipeline в формате safetensors. Модель предназначена для генерации изображений по текстовым описаниям, прежде всего в аниме-стилистике и с изображениями персонажей, включая женских персонажей. Она ориентирована на сценарии, где требуется создавать иллюстрации по англоязычным промптам. В метаданных модель обозначена как Stable Diffusion XL fine-tune и имеет лицензию other; в README указана лицензия FAIR AI Public License 1.0 SD (faipl-1.0-sd). К ограничениям относятся ориентация на англоязычные текстовые запросы и отсутствие заявленной поддержки других языков. Пометка not-for-all-audiences указывает на возможное наличие контента, неподходящего для всех аудиторий; перед публикацией результаты следует проверять на соответствие требованиям платформы, возрастным ограничениям и применимому законодательству.

KOALA-Lightning-1B — модель генерации изображений по текстовому описанию, разработанная лабораторией визуального интеллекта ETRI. Это латентная диффузионная модель: она использует текстовые энкодеры SDXL-Base-1.0 и сжатую U-Net примерно на 1,16 млрд параметров. U-Net получена с помощью дистилляции знаний из SDXL-Lightning; для обучения использовали подмножество LAION-POP. Модель предназначена для генерации изображений, в том числе для творческих инструментов и исследований генеративных моделей. KOALA-Lightning рассчитана на генерацию изображений высокого разрешения при меньших требованиях к ресурсам, чем SDXL. README описывает поддержку изображений 1024×1024 и приводит результаты для семейства KOALA, включая варианты Lightning и Turbo; указанные скорости и объём памяти зависят от варианта модели, разрешения, GPU и настроек генерации. Лицензия в предоставленных данных не указана. Модель может плохо отображать длинный разборчивый текст и сложные запросы с несколькими атрибутами. Она не предназначена для создания фактически достоверных изображений людей или событий; возможны смещения, связанные с обучающими данными. Авторы обозначают прямое использование как исследовательское и творческое.

Omnico/Krea2_turbo_diff_loras — набор LoRA-адаптеров, извлечённых из дообученных чекпойнтов на базе Krea-2-Turbo. Автор сообщает, что создал их для более удобного использования: LoRA можно смешивать в реальном времени и применять с разными весами, занимая меньше места, чем исходные чекпойнты. Модель предназначена для генерации изображений по текстовому описанию в экосистеме Diffusers и поддерживает сценарии, где требуется адаптировать стиль или характеристики генерации без загрузки полного дообученного чекпойнта. В примерах представлены фотореалистичные, кинематографичные и стилизованные сцены, включая портреты, животных и мем-сюжеты. Точные архитектурные параметры, размер, поддерживаемые языки и размер контекста в README не указаны; базовой моделью названа krea/Krea-2-Turbo. По данным автора, LoRA хорошо работают при силе 100–150%, а выбор rank позволяет управлять компромиссом между качеством и требованиями к памяти: меньший rank обычно требует меньше памяти и в некоторых случаях снижает вероятность артефактов, хотя результат может сильнее отличаться от исходного чекпойнта. Набор создавался на Mac Mini M4, поэтому заявленные характеристики производительности нельзя обобщать на другое оборудование. Лицензия в README не указана.

Lichtspiel Diffusion — дообученная методом DreamBooth модель Stable Diffusion 1.5, созданная IcelosAI на основе реализации SD от XavierXiao. Она генерирует изображения по текстовым описаниям с кинематографической стилизацией, вдохновлённой кадрами операторов кино: приглушёнными цветами, свечением и зернистостью плёнки. Для включения стиля в запрос добавляют токен «Lichtspiel Style»; автор также рекомендует ссылаться на конкретные фильмы. Модель особенно подходит для портретов и атмосферных сцен. Модель обучена на 10 500 шагах и доступна в форматах Diffusers и PyTorch; в README также описано использование файла checkpoint в интерфейсах Stable Diffusion. Автор отмечает, что качество результата непостоянно. Лицензия — CreativeML Open RAIL++-M, предусматривающая ограничения на использование.

Loc3R-VLM — видеоязыковая модель для локализации по текстовому описанию и пространственных рассуждений о 3D-сценах в видео. Модель разработана Кевином Ку и соавторами из Microsoft Spatial AI Lab, ETH Zurich и EPFL; опубликованный чекпойнт основан на LLaVA-Video-7B-Qwen2 и содержит 7,1 млрд параметров. Архитектура — плотная LlavaQwenForCausalLM, контекст — до 32 768 токенов. Модель строит внутреннюю карту окружения и учитывает положение и ориентацию наблюдателя. Она предназначена для поиска описанных на естественном языке объектов или мест в видео и для ответов на вопросы о пространственных отношениях с учётом точки обзора. Метаданные указывают задачи video-text-to-text и text-generation; модель поддерживает чат. Модель принимает видео и текстовые запросы и выдаёт текст. Карточка не описывает поддерживаемые языки, поэтому языковая поддержка не уточняется. Модель распространяется по лицензии Apache-2.0. Численные оценки качества и подробные сведения об ограничениях в предоставленной карточке отсутствуют.

Neta-Lumina v1.0 — основанная на Lumina2 модель генерации изображений в аниме-стиле. Она использует конвейер Lumina2Pipeline и планировщик FlowMatchEulerDiscreteScheduler; в карточке указаны формат bfloat16 и целевое разрешение 1024×1024. Модель принимает текстовые описания и создаёт изображения, в том числе для генерации иллюстраций в аниме-стиле. Для запуска поддерживаются Diffusers и формат весов safetensors. Авторы отмечают, что качество генерации сэмплера Lumina2 в Diffusers уступает ComfyUI и рекомендуют ComfyUI для лучшего результата. Базовая модель — Lumina-Image-2.0; отдельная лицензия в доступных данных не указана.

Neurix-Mega — модель для генерации изображений по текстовому описанию, созданная на базе FLUX.1 [schnell] от Black Forest Labs. В карточке она описана как обученная на изображениях разных художественных стилей; веса доступны в формате Safetensors, а метаданные указывают на адаптер LoRA и производную связь с базовой моделью. Модель предназначена для творческих задач: создания концепт-артов, иллюстраций, аватаров и изображений в разных стилях. Базовая FLUX.1 [schnell] рассчитана на быструю генерацию за 1–4 шага. Для использования указаны библиотеки Diffusers, Transformers и Accelerate; результат можно настраивать числом шагов, guidance scale и seed. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит конкретных оценок качества или подробностей обучающего набора.

Nitro-T-1.2B — открытая диффузионная модель генерации изображений по тексту, разработанная AMD. Она построена на архитектуре MMDiT, сходной с Stable Diffusion 3, работает в латентном пространстве DC-AE и использует Llama 3.2 1B для текстового кондиционирования. Модель предназначена для создания изображений с разрешением 1024 пикселя по текстовым запросам. Модель обучена с нуля на наборе примерно из 35 миллионов изображений, включавшем реальные и синтетические данные из открытых источников. Разработчики ориентировали Nitro-T на эффективное обучение: обучение версии 1.2B заняло менее суток на 32 ускорителях AMD Instinct MI300X. Для загрузки с Hugging Face требуется Diffusers версии 0.34 или новее. Лицензия — Apache-2.0.

Eugeoter/noob-sdxl-controlnet-normal — модель на базе Laxhar/sdxl_noob, предназначенная для генерации изображений по текстовому описанию с использованием ControlNet и библиотеки Diffusers. Она относится к семейству Stable Diffusion XL и рассчитана на сценарии text-to-image, где требуется управлять структурой или композицией результата с помощью дополнительного управляющего сигнала normal map. Из доступных данных известно, что модель использует архитектурный стек SDXL и ControlNet, а её базовой моделью является Laxhar/sdxl_noob. В README указан английский язык; другие языки, точный размер, максимальная длина контекста, поддерживаемые разрешения и конкретные входные форматы не уточняются. Потенциальное преимущество модели — сочетание генерации изображений SDXL с управляемым созданием сцен, однако сведения о качестве, результатах тестирования и ограничениях отсутствуют. Модель распространяется по лицензии Fair AI Public License 1.0 for Stable Diffusion (FAIPL-1.0-SD), указанной как license: other. Перед использованием необходимо ознакомиться с условиями лицензии по ссылке, приведённой в карточке модели.

Pic X Real — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Карточка содержит примеры промптов для создания фотореалистичных и детализированных sci-fi сцен, включая инопланетные города, экзокостюмы и персонажей в необычных костюмах. Модель распространяется в формате Diffusers с весами safetensors и использует StableDiffusionPipeline. Примеры демонстрируют генерацию цифрового искусства с акцентом на фотореализм, высокое разрешение и проработанные детали. Лицензия — creativeml-openrail-m.

Ine007/ponyRealism_v22MainVAE — модель генерации изображений по текстовому описанию от Ine007, представленная в формате Diffusers и Safetensors и совместимая с StableDiffusionXLPipeline. Карточка Hugging Face содержит полный пайплайн с текстовыми энкодерами, UNet и VAE, а также пример генерации изображения по текстовому запросу. Модель предназначена для создания изображений по промптам в экосистеме Stable Diffusion XL; название указывает на вариант Pony Realism v2.2. Доступная карточка не описывает подробно обучающие данные, поддерживаемые языки, контекст или лицензию. Использовать и распространять модель следует с учётом условий, указанных в карточке репозитория.

Pony V7 — модель генерации изображений персонажей, разработанная командой, связанной с проектами Pony и платформой Fictional. Она основана на архитектуре AuraFlow и предназначена для создания персонажей и сцен в различных стилях, включая humanoid, anthro, feral и pony. Модель поддерживает взаимодействие нескольких персонажей, естественно-языковые промпты и распознавание многих известных и малоизвестных персонажей и вселенных. Модель рассчитана на генерацию изображений с разрешением от 768 до 1536 пикселей; рекомендуется использовать разрешение повыше и не менее 30 шагов инференса. Она обучалась примерно на 10 миллионах отобранных и эстетически оценённых изображений из набора более чем из 30 миллионов примеров, с подробными подписями и тегами. Данные примерно поровну представлены аниме, cartoon, furry и pony-направлениями, а также категориями safe, questionable и explicit. Для инференса доступны варианты в форматах GGUF и safetensors, а также примеры рабочих процессов для ComfyUI. По сравнению с Pony V6 модель лучше понимает пространственные отношения, сцены с несколькими персонажами и фоны, обеспечивает более реалистичный результат, поддерживает очень тёмные и очень светлые изображения и более высокие разрешения. Ограничения включают отсутствие поддержки генерации текста, ухудшенные по сравнению с AuraFlow возможности работы с текстом, нестабильную эффективность специальных тегов качества и возможную деградацию мелких деталей, особенно лиц, в зависимости от художественного стиля. Условия использования определяются лицензией pony-license; в README указано, что используется лицензия типа other.

psychogen-dream — модель для генерации изображений по текстовому описанию, опубликованная Earth & Dusk. Она основана на Stable Diffusion и предназначена для создания изображений в аниме-стиле; карточка указывает на дообучение и использование датасетов bad_prompt и EasyNegative. Модель работает через библиотеку Diffusers и распространяется в форматах PyTorch и safetensors. Модель принимает текстовые запросы и генерирует изображения. В карточке указан английский язык. Лицензия CreativeML OpenRAIL-M. Автор просит не загружать модель повторно и рекомендует сохранять метаданные и указывать авторство при использовании и смешивании моделей.

KasugaiSakura/Qwen-Image-2.1-Uncensored-Abenzerps-GGUF — это GGUF-квантизированная версия модели Qwen-Image-2.1, изначально разработанной командой Qwen. Релиз предназначен для локальной генерации изображений по текстовому описанию и редактирования изображений через ComfyUI с расширением ComfyUI-GGUF. Модель не содержит встроенного фильтра безопасности и может генерировать материалы для взрослых, NSFW- и другие чувствительные изображения; поведение зависит от запроса и настроек среды. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q4_K_M и Q4_0 размером примерно от 4,05 до 7,59 GiB. В README рекомендуется Q4_K_M как компромисс между размером и качеством. Для работы также требуются текстовый энкодер Qwen3-VL 8B в форматах BF16 или Int8 и VAE Qwen Image 2.1 в BF16. Диффузионную модель рекомендуется размещать в видеопамяти, а текстовый энкодер — в оперативной памяти или выгружать на CPU; для систем с ограниченной VRAM предусмотрен режим lowvram. Языки, максимальное разрешение и точное устройство архитектуры в README не указаны. Модель удобна для локального запуска при наличии совместимой конфигурации GPU и RAM, а несколько уровней квантизации позволяют выбирать баланс между качеством и потреблением памяти. Ограничения включают необходимость установки ComfyUI, ComfyUI-GGUF и сопутствующих файлов, а также отсутствие встроенной модерации. Распространяется по Qwen Research License.

Qwen-Image-Pruning — открытый вариант модели Qwen-Image, созданный OPPOer удалением 20 слоёв при сохранении весов 40 слоёв. Модель содержит около 12 млрд параметров и предназначена для генерации изображений по текстовым описаниям; в README также заявлена совместимость с пользовательскими моделями LoRA и ControlNet. Модель работает через библиотеку Diffusers и распространяется в форматах Diffusers и Safetensors. В метаданных указаны английский и китайский языки. По сравнению с исходной моделью отмечено небольшое снижение объективных метрик; разработчики продолжают итеративную оптимизацию. Лицензия — Apache-2.0.

Rae Diffusion XL — модель генерации изображений по тексту, разработанная Raelina и дообученная на Animagine XL 3.1, основанной на Stable Diffusion XL. Она предназначена прежде всего для создания иллюстраций в стиле аниме, особенно изображений персонажей. Для управления результатом можно использовать рекомендуемый порядок запроса с описанием персонажа и тегами качества, рейтинга, периода создания и эстетики. В README приведены рекомендуемые параметры генерации: CFG 7, 25–30 шагов и сэмплер Euler a. Модель доступна в форматах Diffusers и Safetensors. README указывает лицензию Fair AI Public License 1.0-SD. Модель ориентирована на рисованную аниме-эстетику; качество результата зависит от формулировки запроса и настроек генерации.

Это зеркало модели Stable Diffusion 2.1 Base, размещённое для использования в качестве зафиксированной зависимости проекта Click2Mask, принятого на AAAI 2025. В карточке указано, что веса идентичны оригинальной модели; репозиторий содержит модель в формате Diffusers с файлами safetensors. Модель предназначена для генерации изображений по текстовому описанию. Базовая модель разработана Stability AI. Репозиторий указывает лицензию OpenRAIL++; подробности об ограничениях использования следует сверять с условиями этой лицензии и документацией оригинальной модели. В README не приведены сведения о размере модели, длине контекста, поддерживаемых языках или специальных ограничениях качества.

aegon-h/sdxl — репозиторий модели генерации изображений по текстовому описанию на основе Stable Diffusion XL Base 1.0. В README указан разработчик FFusion и исходная модель FFusionXL-BASE; метаданные Hugging Face связывают репозиторий с diffusers/stable-diffusion-xl-base-1.0 как с дообучением. Модель предназначена для создания изображений по текстовым запросам. Репозиторий содержит варианты в форматах Diffusers, ONNX, OpenVINO и safetensors. Указана лицензия OpenRAIL++. Метаданные отмечают поддержку английского языка; сведения о размере модели и длине контекста отсутствуют.

seacreatures — модель генерации изображений по текстовому описанию, созданная arnomatic с помощью DreamBooth Training Space на базе Stable Diffusion v1.5. Она предназначена для создания изображений подводных биолюминесцентных существ; в подсказке рекомендуется использовать фразу «underwater bioluminescence creature». Для запуска автор предлагает использовать diffusers и ноутбук Colab для инференса. Модель распространяется в формате diffusers/PyTorch по лицензии CreativeML OpenRAIL-M.

Sudanl/stable-diffusion-2-1-base-custom — это адаптация весов модели stabilityai/stable-diffusion-2-1-base, разработанная с использованием метода Custom Diffusion и предназначенная для работы в библиотеке Diffusers. Модель относится к классу text-to-image и генерирует изображения по текстовым описаниям. Модель подходит для сценариев синтеза изображений на основе текста и экспериментов с адаптацией Stable Diffusion под пользовательские концепции. В README не указаны точные сведения о размере модели, архитектуре компонентов, поддерживаемых языках и максимальной длине контекста. Также отсутствуют данные о наборе для обучения и конкретной концепции, на которой выполнялось дообучение. К сильным сторонам относятся совместимость с экосистемой Diffusers и использование метода Custom Diffusion для адаптации базовой модели. Ограничения и возможные проблемы смещения в карточке не описаны, а пример запуска отсутствует. Модель распространяется по лицензии creativeml-openrail-m; условия этой лицензии следует учитывать при использовании и распространении результатов.

city96/stable-diffusion-3.5-large-gguf — это квантизированная версия Stable Diffusion 3.5 Large, разработанной Stability AI. Модель предназначена для генерации изображений по текстовому описанию и относится к задачам text-to-image. В данном варианте выполнено прямое преобразование исходной модели в формат GGUF; это не дообученная версия. Квантизацию выполнил city96. Модель ориентирована на использование в рабочих процессах генерации изображений, в частности через пользовательский узел ComfyUI-GGUF для ComfyUI. В README указаны английский язык и поддержка текстово-визуального сценария, однако точные сведения об архитектуре, количестве параметров, доступных модальностях помимо text-to-image, размере контекста и конкретных типах квантизации не приведены. К преимуществам относятся совместимость с экосистемой GGUF и возможность выбора вариантов квантизации, а возможные ограничения связаны с потерями качества или изменением требований к ресурсам по сравнению с исходной моделью. Модель распространяется по лицензии Stability AI Community License. Поскольку это квантизированная версия без дообучения, на неё распространяются те же ограничения и исходные условия лицензии, что и на базовую модель stabilityai/stable-diffusion-3.5-large.

TrinArt Characters v1 — модель генерации изображений в стиле аниме и манги, разработанная командой AI Novelist/TrinArt компании Bit192. Она основана на Stable Diffusion v1 и обучена примерно на 19,2 млн изображений в стиле аниме и манги, включая аугментированные данные, с дополнительной финальной настройкой примерно на 50 тыс. изображений. Модель рассчитана на создание персонажей и иллюстраций по текстовому описанию, сочетая разнообразие художественных стилей с качеством анатомии. Репозиторий содержит веса в форматах Diffusers и PyTorch; также предоставлялся отдельный файл параметров пользовательского KL-автоэнкодера, который при необходимости подключается отдельно. В README указано, что модель применялась в сервисе TrinArt и прошла проверку на реальных пользовательских запросах. Датасет фильтровали от NSFW- и небезопасного содержимого, однако авторы предупреждают, что провокационными запросами всё же можно добиться нежелательной генерации. Лицензия — CreativeML OpenRAIL-M.

VideoChat-Flash-Qwen2_5-7B_InternVideo2-1B — видеоязыковая чат-модель OpenGVLab на основе InternVideo2-1B и Qwen2.5-7B. Она анализирует видео и отвечает на вопросы о его содержании; для взаимодействия рекомендуется английский, поскольку обучающий корпус преимущественно англоязычный, а понимание китайского базовое. Модель использует 16 токенов на кадр, а в README заявлена поддержка последовательностей примерно до 10 000 кадров благодаря расширению контекста методом YaRN. Метаданные указывают 7,1 млрд параметров и контекст 32 768 токенов; README описывает расширение до 128 тыс. токенов. Модель предназначена для диалога по видеоматериалам и задач понимания длинных видео. В карточке приведены результаты на MVBench, LongVideoBench и VideoMME, однако численные показатели в таблице относятся к вариантам модели с другими обозначениями, поэтому их нельзя уверенно приписать этому чекпойнту. Репозиторий содержит веса Safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

digiplay/xiaomeige_outlineColor_v10 — модель генерации изображений по текстовому описанию в формате Diffusers, представленная в файле SafeTensors. Название и карточка связывают её со стилем «Outline Color» (勾线彩画凤), то есть цветной иллюстрацией с контурной обводкой. Модель предназначена для создания изображений по текстовым запросам. Карточка не сообщает сведения об авторе-разработчике, базовой модели, архитектуре или поддерживаемых языках. Лицензия указана как other, поэтому условия использования следует проверять отдельно перед применением.

YabaLMixAnimeRealistic_V1.0 — модель генерации изображений по текстовому описанию, совмещающая реалистичную и аниме-стилистику. Автор README не указан. Модель предназначена для создания детализированных изображений персонажей с разными позами и одеждой; в карточке приведён пример с девушкой на фоне реки и леса. Для генерации автор рекомендует 33–50 шагов. Репозиторий содержит файлы в форматах Diffusers, PyTorch и Safetensors, а лицензия обозначена как other.

jayn7/Z-Image-GGUF — это квантизированная версия модели Z-Image, разработанной Tongyi-MAI, в формате GGUF. Модель предназначена для генерации изображений по текстовому описанию и может использоваться в сценариях text-to-image, включая работу через ComfyUI-GGUF. В состав поставки входит GGUF-версия Z-Image; для текстового кодирования README также указывает совместимую модель Qwen3-4B в формате GGUF. Точные сведения об архитектуре исходной модели, количестве параметров, поддерживаемых языках, размере контекста и доступных вариантах квантизации в карточке не приведены. Преимущество формата GGUF заключается в удобстве интеграции с совместимыми инструментами и запуске различных квантизированных вариантов, однако квантизация может влиять на качество генерации по сравнению с исходной моделью. Приведённые в README примеры являются лишь быстрым сравнением и не отражают полный потенциал модели. Для использования рекомендуется ComfyUI-GGUF от city96. Модель основана на Z-Image от Tongyi-MAI, а инструменты и руководство по квантизации связаны с llama.cpp и ComfyUI-GGUF. Репозиторий следует той же лицензии, что и Z-Image; в метаданных указана лицензия Apache-2.0.

HelloSun подготовил OpenVINO INT4-версию Tongyi-MAI/Z-Image-Turbo — дистиллированной модели семейства S3-DiT с 6 млрд параметров для генерации изображений по текстовому описанию. Репозиторий использует Diffusers ZImagePipeline и предназначен для инференса на CPU; поддерживается генерация изображений размером 1024×1024. Модель рассчитана на 9 шагов, без CFG, с guidance_scale=0.0. Квантизация уменьшила размер весов с 20,32 до 5,52 ГБ. В измерениях на CPU генерация изображения 1024×1024 занимала в среднем около 111 секунд, а пиковое потребление памяти процесса достигало 16,3 ГБ; рекомендуется иметь не менее 20 ГБ доступной памяти. Для GPU автор предлагает использовать исходную модель или отдельно подготовить GPU-конверсию. Лицензия — Apache-2.0, унаследованная от исходной модели.

ZootVisionEpsilon V5 — модель генерации изображений по текстовому описанию на основе Stable Diffusion. В карточке указано, что она предназначена для создания изображений в разных стилях; примеры включают аниме, иллюстрации и фотореалистичные сцены, а также имитацию стилей, задаваемых фразами вроде «by midjourney» или «by dalle3». Репозиторий использует библиотеку diffusers и формат safetensors; модель создана на основе дообучения Yntec/ZootVision. Лицензия — CreativeML OpenRAIL-M. Примеры показывают разнообразие визуальных сюжетов и стилей, но карточка не содержит количественных оценок качества или сведений о рекомендуемых настройках.

deepghs/animefull-latest — версия в формате Diffusers модели, описанной в карточке как официально утёкшая модель NovelAI. Она предназначена для генерации изображений по текстовым запросам и использует StableDiffusionPipeline. Репозиторий содержит веса в форматах Diffusers и PyTorch; лицензия указана как MIT. Оригинальный вариант модели доступен в репозитории deepghs/animefull-latest-ckpt.

Animephiles Anonymous — модель генерации изображений по текстовому описанию, опубликованная Yntec. Это вариант Stable Diffusion в формате Diffusers и safetensors, созданный слиянием моделей AnythingV7 и animeTWO. Модель ориентирована на иллюстрации в аниме- и мультяшной стилистике; в карточке приведены примеры портретов персонажей, сцен и изображений с эстетикой аниме 1980–1990-х годов. Для генерации задают текстовый промпт с описанием персонажей, внешности, одежды, фона и художественного стиля. В карточке также приведены рецепты слияния и указана лицензия CreativeML OpenRAIL-M. Примеры в README показывают возможности и стиль модели, но не гарантируют качество для произвольных промптов.