I.8Изображения и компьютерное зрение

SeaArt-Furry-XL-1.0 — модель генерации изображений по текстовому описанию от SeaArt, предназначенная для создания furry-арта. Она построена на архитектуре Stable Diffusion XL и использует латентную диффузию с двумя фиксированными предварительно обученными текстовыми энкодерами: OpenCLIP-ViT/G и CLIP-ViT/L. В карточке указана специализация на персонажах и видах животных, включая млекопитающих и птиц, а также на настройке художественных стилей и подсказок качества. Модель принимает текстовые промпты и выдаёт изображения. Для промптов рекомендован порядок: вид, художник, детализация, подсказка качества и уровень NSFW; для генерации также приведены рекомендуемые размеры около 1024 пикселей по сторонам. Это инструмент для художников и поклонников furry-арта, которым нужны иллюстрации персонажей, вариации стиля или визуальные идеи. Карточка предупреждает, что подсказки «masterpiece» и «best quality» могут склонять генерацию к NSFW-содержанию. Для получения подходящего результата важны точные промпты; известные ограничения по контексту и числу параметров в предоставленных данных отсутствуют. Метаданные указывают лицензию CreativeML OpenRAIL-M, тогда как README называет Fair AI Public License 1.0-SD; перед использованием следует проверить применимые условия лицензирования репозитория.

xey/sldr_flux_nsfw_v2-studio — это адаптер LoRA для генерации изображений по текстовому описанию. Модель предназначена для использования с базовой моделью black-forest-labs/FLUX.1-dev и экосистемой Diffusers; в метаданных она также обозначена как diffusion LoRA и Flux-модель. Автор или разработчик адаптера в README явно не указан, однако идентификатор модели содержит имя xey. Адаптер ориентирован на фотореалистичную генерацию изображений, включая сценарии с контентом для взрослых, что следует из идентификатора модели и ссылки на исходную публикацию с пометкой photorealistic-nsfw. Данных о размере адаптера, поддерживаемых языках, длине контекста, точных настройках применения и конкретных улучшениях качества в README нет. Поэтому нельзя достоверно оценить его сильные стороны по сравнению с базовой моделью или ограничения при различных типах промптов. Условия лицензирования в предоставленном README не указаны. Для использования потребуется совместимая с FLUX.1-dev среда и соблюдение условий лицензии базовой модели, а также правил площадки-источника и применимого законодательства, особенно при создании контента для взрослых.

keremberke/yolov8n-chest-xray-classification — модель классификации рентгеновских снимков грудной клетки на основе YOLOv8, опубликованная пользователем keremberke и предназначенная для различения двух классов: NORMAL и PNEUMONIA. Модель принимает изображение снимка и возвращает метку класса; в репозитории представлены веса PyTorch, для работы используется библиотека Ultralytics. Модель подходит для исследовательской сортировки рентгеновских изображений и демонстрации классификации снимков по наличию пневмонии. Она обучена на наборе данных keremberke/chest-xray-classification. Карточка не приводит оценок качества и подробностей о составе данных, поэтому по ней нельзя судить о точности на клинических данных. Лицензия в предоставленных сведениях не указана.

Album-Cover-Style Dreambooth — модель генерации изображений, обученная lckidwell с помощью ноутбука fast-DreamBooth от TheLastBen. Дообучена на примерно 80 обложках альбомов, преимущественно 1950-х и 1960-х годов, среди которых есть джазовые, поп-, польковые, религиозные и детские обложки. Модель предназначена для создания изображений в стиле винтажных музыкальных обложек по текстовым запросам, например обложки с заданным исполнителем или жанром. Репозиторий содержит веса в форматах Diffusers и PyTorch; задача по метаданным — text-to-image. Лицензия — CreativeML Open RAIL-M. Карточка не приводит сведения о размере модели, длине контекста или поддерживаемых языках. Результат зависит от текстового запроса и ограниченного набора обучающих примеров, поэтому разнообразие стилей может быть смещено к обложкам середины XX века.

IAMJB/chexpert-mimic-cxr-findings-baseline — модель типа vision-encoder-decoder на базе Transformers, предназначенная для генерации текстовых описаний по рентгеновским снимкам грудной клетки. Карточка сообщает об оценке на наборе CheXpert-Plus и приводит сценарий использования модели. Модель принимает изображение и выдаёт текст; в метаданных указан английский язык. Репозиторий распространяется в формате safetensors под лицензией MIT. Карточка не сообщает размер модели и длину контекста.

KBlueLeaf/DanTagGen-beta — модель генерации тегов для изображений, разработанная KBlueLeaf и вдохновлённая проектом p1atdev. Она предназначена для дополнения описаний изображений тегами в формате Danbooru, в том числе для автоматической подготовки промптов к генерации изображений и обогащения уже заданных описаний. Модель обучена с нуля на архитектуре LLaMA примерно на 400 млн параметров, которую автор называет NanoLLaMA. В обучении использован датасет KBlueLeaf/danbooru2023-sqlite объёмом около 5,3 млн примеров; заявлено 10 эпох и примерно 6–12 млрд увиденных токенов. На вход подаётся структурированный текст с рейтингом, художником, персонажами, правообладателями, соотношением сторон, целевой длиной и общими тегами, после чего модель генерирует дополнительные теги. Указан английский язык, а сама модель работает в режиме text generation. По сравнению с alpha-версией beta обучалась на большем наборе данных и с большим размером batch, что должно обеспечивать более стабильную работу, лучшее распознавание особенностей персонажей, больше деталей и более удачную композицию даже при небольшом количестве исходной информации. Ограничения включают специализированность на тегах и формате Danbooru, отсутствие заявленной универсальной поддержки других языков и неполное описание характеристик качества. Для запуска рекомендуется llama.cpp или llama-cpp-python; доступны варианты FP16 GGUF и квантованные GGUF-модели с разрядностью 8 и 6 бит. Лицензия — OpenRAIL.

Модель avuhong/DB_Hokusai_style — версия Stable Diffusion, дообученная автором в рамках DreamBooth Hackathon для генерации изображений в стиле японского художника Хокусая. Обучение опиралось преимущественно на его гравюры, включая серию «Тридцать шесть видов Фудзи» и «Большую волну в Канагаве». Для вызова стиля в запросе используется шаблон «a painting in $M## style of …». Модель предназначена прежде всего для создания пейзажных изображений; автор отмечает, что размер 512 × 1024 часто даёт интересные результаты. Репозиторий доступен в формате Diffusers/PyTorch и использует лицензию CreativeML OpenRAIL-M. Это дообученная модель Stable Diffusion, но базовый репозиторий не указан.

Модель cvmil/dinov2-base_rice-leaf-disease-augmented_fft — дообученная CVMIL версия визуального трансформера DINOv2 Base от Facebook для классификации изображений. Она предназначена для распознавания классов на изображениях листьев риса и может применяться для автоматизированного выявления заболеваний по фотографиям. Архитектура — Dinov2ForImageClassification; модель содержит 113,2 млн параметров и использует библиотеку Transformers. В README приведены результаты на тестовой выборке: accuracy 0,9965 и loss 0,0125. Данные обучения и перечень классов не описаны, поэтому эти показатели нельзя обобщать на другие условия съёмки или наборы данных. Модель распространяется по лицензии Apache-2.0.

fantasy-card-diffusion — модель генерации изображений на основе Stable Diffusion 1.5, дообученная автором репозитория на примерно 35 тысячах иллюстраций карт Magic: The Gathering. Для обучения использовались сведения о картах и теги, описывающие художников, миры, выпуски, цвета и типы существ. Модель распространяется в форматах Diffusers и safetensors под лицензией CreativeML OpenRAIL-M. Модель предназначена для создания фэнтезийных иллюстраций в эстетике карт Magic: The Gathering. В запросах можно указывать данные карты, фразу «MTG card art» и описание сцены; поддерживаются стили художников, персонажи, миры и другие мотивы Magic, а также их сочетание с обычными описаниями изображений. README также отмечает, что многие стандартные подсказки Stable Diffusion продолжают работать. Модель специализируется на художественных изображениях и сохраняет часть возможностей базовой Stable Diffusion для смешивания мотивов MTG с другими темами. Она не предназначена для точного воспроизведения текста на картах или структурированного создания готовых игровых карт; качество отдельных стилей и сочетаний может различаться.

wy8edhuh/flux2-klein-9b-uncensored-text-encoder-Q5_K_M-GGUF — это квантованная версия текстового энкодера для семейства FLUX.2 Klein, разработанная на основе модели ponpoke/flux2-klein-9b-uncensored-text-encoder. Модель преобразована в формат GGUF с использованием llama.cpp и сервиса GGUF-my-repo; в карточке не указано, что разработчиком исходной архитектуры является автор этого репозитория. Модель предназначена для обработки текстовых запросов в сценариях text-to-image и может использоваться как компонент соответствующих конвейеров FLUX.2 Klein. Доступны варианты запуска через llama.cpp в командной строке или в режиме сервера. Указаны поддерживаемые языки English и Japanese. Размер модели составляет 9B параметров, используется квантование Q5_K_M и формат GGUF. В качестве примера для сервера приведено окно контекста 2048 токенов, однако точные характеристики контекстного окна в карточке не подтверждены. К сильным сторонам относятся совместимость с llama.cpp, компактное квантованное представление и возможность локального запуска на поддерживаемом оборудовании. Ограничения связаны с тем, что это именно текстовый энкодер, а не полноценная самостоятельная система генерации изображений; для практического использования могут потребоваться другие компоненты FLUX.2 Klein. Из модели удалена фильтрация безопасности, поэтому она может генерировать материалы общего NSFW-характера, что повышает риски неуместного или незаконного применения. Лицензия указана как flux-non-commercial-v2.1; условия доступа требуют ответственного и законного использования, запрета на создание незаконного контента и соблюдения применимого законодательства.

Magdalena-Chaclica-16dim-flux — LoRA-адаптер для генерации изображений по текстовым описаниям на базе FLUX.1 [dev] от Black Forest Labs. Адаптер обучен автором с помощью Fluxgym; для вызова нужного образа в запросе используется триггер Magdalena-Chaclica. Модель предназначена для генерации изображений с этим образом в совместимых интерфейсах, включая ComfyUI, AUTOMATIC1111, SD.Next, Invoke AI и Forge. Веса распространяются в формате Safetensors. Базовая FLUX.1 [dev] — модель на 12 млрд параметров. Указана лицензия other, поэтому конкретные условия использования следует сверить с лицензией репозитория и базовой модели. Отдельных сведений о качестве генерации и ограничениях адаптера в карточке нет.

Карточка модели MBZUAI/MedMO-4B-Next на Hugging Face совпадает с карточкой MBZUAI/MedMO-8B-Next, поэтому описание составлено по ней. MedMO-8B-Next — мультимодальная медицинская модель семейства MedMO, разработанная MBZUAI для анализа изображений и ответов на вопросы о медицинских данных. Это плотная модель на 8 млрд параметров с архитектурой Qwen3-VL, доступная в формате Safetensors и рассчитанная на диалоговую работу с изображениями и текстом. Модель предназначена для медицинского визуального вопросно-ответного поиска, клинического обоснования, локализации объектов и подготовки описаний и отчётов по снимкам. В README заявлено обучение на более чем 26 млн медицинских примеров из 45 наборов данных и поддержка рентгеновских снимков, КТ, МРТ, ультразвуковых изображений, гистопатологии, микроскопии, снимков глазного дна и OCT. Карточка приводит результаты на наборах медицинских VQA и Text QA, однако предоставленная таблица неполна, поэтому обобщённые заявления о превосходстве следует воспринимать с учётом этой оговорки. Модель принимает изображение и текстовый запрос и формирует текстовый ответ; поддерживаемый языковой охват в доступных материалах не указан. Лицензия — Apache-2.0. Медицинские ответы модели не следует считать заменой профессиональной интерпретации снимков или клинического решения.

MindJourney — исследовательская система, представленная Yuncong Yang и соавторами в работе для NeurIPS 2025. Она использует возможности 3D-моделей мира для усиления пространственных рассуждений визуально-языковых моделей. В репозитории описаны базовый конвейер, поиск по пространственным вариантам с Stable Virtual Camera и поиск с Search World Model; оценка проводится на наборе SAT. Карточка модели не раскрывает размер, длину контекста, поддерживаемые языки или конкретную архитектуру весов. Метаданные Hugging Face указывают image-to-video, PyTorch и лицензию MIT. Это экспериментальная исследовательская система; по доступным сведениям её возможности нельзя приравнивать к универсальной модели генерации видео или считать доказанными за пределами описанной оценки.

Organic Mind — модель генерации изображений на основе Stable Diffusion v1.5, дообученная Mantra Ardhana Digital Art с помощью DreamBooth. Для создания изображений в стиле или концепции OU3M добавьте к текстовому запросу ключевое слово «ou3m». Репозиторий содержит веса в форматах Diffusers и PyTorch; модель предназначена для генерации изображений по текстовым описаниям. Лицензия — CreativeML OpenRAIL-M.

pony-diffusion-v4 — это латентная диффузионная модель для генерации изображений по текстовому описанию, созданная AstraliteHeart на основе Stable Diffusion v1.5. Модель дообучена на примерно 3 млн пар изображений и текстовых метаданных с пони, фурри и другими мультяшными изображениями; она предназначена для генеративного искусства и развлечений. Модель лучше ориентирована на стилизованные изображения по теговым запросам и поддерживает широкий спектр фурри и мультяшных стилей. Для генерации изображений пони автор рекомендует добавлять тег derpibooru_p_95, а derpibooru_p_low помещать в негативный запрос. Для стилей аниме автор считает Waifu Diffusion более подходящим вариантом. Модель может создавать контент NSFW, поэтому для подавления нежелательных деталей рекомендуется указывать safe в запросе и использовать негативный запрос. Опубликованы веса в форматах PyTorch и safetensors для использования с Diffusers и интерфейсами Stable Diffusion. Лицензия — BigScience BLOOM RAIL 1.0.

E621 Rising V2 — модель генерации изображений на основе Stable Diffusion 2.1, созданная автором hearmeneigh. Это дообученный чекпойнт, обученный далее от E621 Rising V1 на изображениях и тегах с e621; модель предназначена для создания furry- и anthro-иллюстраций по текстовым запросам. В карточке указаны обучение на 6 246 тегах, разрешение 512×512 и совместимость с Diffusers и интерфейсом stable-diffusion-webui. Модель может генерировать изображения с рейтингами safe, questionable и explicit. Она явно рассчитана на NSFW-контент и не подходит для несовершеннолетних. Репозиторий помечен как устаревший: автор указывает, что его заменила E621 Rising V3 на SDXL. Доступны веса в форматах PyTorch и Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Art of MtG v1 — экспериментальная модель генерации изображений, созданная на базе Stable Diffusion 1.5 и дообученная на примерно 5 000 иллюстрациях карт Magic: The Gathering за 2014–2022 годы. В обучающие подписи включались имя карты и художника, цвета, сочетание цветов, тип карты, выпуск и описание BLIP. Модель распространяется в форматах Diffusers и PyTorch. Модель предназначена для создания иллюстраций в эстетике Magic: The Gathering по текстовым запросам; автор рекомендует добавлять в запрос «mtg art», а «card frame» указывать как негативный запрос. Она усвоила некоторые характерные образы, включая фирексианцев и Элдрази, и может воспроизводить стили представленных художников, однако качество и узнаваемость персонажей непостоянны. Неизвестные планы и редкие или непредставленные в обучении образы могут получаться ненадёжно. Лицензия CC BY-NC 4.0; коммерческое использование запрещено условиями Fan Content Policy, на которой основан набор данных.

Bubble Hentai Illustrious v20 SDXL — модель генерации изображений по текстовому описанию, созданная Kizlan и дообученная на базе OnomaAIResearch/Illustrious-xl-early-release-v0. Модель предназначена для работы в библиотеке Diffusers через StableDiffusionXLPipeline и распространяется в формате, совместимом с экосистемой Stable Diffusion XL. Модель ориентирована на создание изображений в аниме-стилистике, включая персонажей, чиби-образы, детализированные волосы, фоны и сцены для взрослой аудитории. В качестве основного языка текстовых запросов заявлен английский. Сильными сторонами являются специализация на стилистике Illustrious, аниме-эстетике и проработке перечисленных визуальных деталей. Модель распространяется по лицензии faipl-1.0-sd, обозначенной в карточке как other. Она предназначена не для всех аудиторий и может генерировать материалы сексуального характера, поэтому требует соблюдения законодательства, правил платформы и возрастных ограничений.

CXRMate Single — модель команды Australian e-Health Research Centre (AEHRC) для генерации рентгенологических заключений по одному снимку грудной клетки. Это вариант, обученный с teacher forcing без обучения с подкреплением; работа описана в статье Аарона Николсона, Джейсона Даулинга, Дугласа Андерсона и Бевана Купмана о генерации заключений по рентгенограммам грудной клетки. Архитектура модели — vision encoder-decoder. Репозиторий предназначен для извлечения признаков, а заявленный сценарий модели — преобразование одного изображения CXR в текст отчёта. Опубликованные сведения не раскрывают размер модели, длину контекста и поддерживаемые языки. Модель может помочь автоматизировать подготовку черновиков рентгенологических заключений. Она не заменяет проверку специалистом; результаты могут содержать пропуски или неточности. Лицензия Apache-2.0.

Fictiverse/ElRisitas — дообученная модель Stable Diffusion 1.5 для генерации изображений с Эль Риситасом по текстовому описанию. Чтобы вызвать персонажа, добавьте в запрос «Elrisitas». Модель работает через StableDiffusionPipeline библиотеки Diffusers; в репозитории доступны форматы Diffusers, PyTorch и safetensors. Модель предназначена для создания изображений с этим персонажем в заданных сценах и стилях. В README указана лицензия OpenRAIL. Размер модели и длина контекста в предоставленных данных не приведены.

Grapefruit — модель генерации изображений по текстовому описанию от ikena, ориентированная на аниме и hentai-иллюстрации. Она предназначена для создания изображений с яркой, мягкой художественной стилистикой; README также упоминает более слабую по откровенности модель lemon, у которой отдельные детали могут выглядеть лучше. Репозиторий опубликован в формате Diffusers для Stable Diffusion и содержит веса PyTorch в safetensors. В примере README использованы запрос на английском языке, разрешение 512×512 и 20 шагов генерации. Автор рекомендует использовать VAE AnythingV3, но допускает другие VAE; для исправления чёрных изображений при проблеме с VAE в Web UI предлагается параметр --no-half-vae. Модель рассчитана на генерацию откровенных аниме-изображений, поэтому её содержание имеет рейтинг NSFW. Лицензия — CreativeML OpenRAIL-M; перед использованием следует соблюдать её условия. README не сообщает точную базовую модель или размер весов.

Это дообученная Linkanjarad модель MobileNetV2 с коэффициентом ширины 1.0 и входным разрешением 224×224, основанная на google/mobilenet_v2_1.0_224. Она предназначена для классификации изображений растений по 38 категориям, включая распространённые болезни сельскохозяйственных культур и здоровые растения. Модель можно применять для предварительной оценки состояния посевов по фотографиям. На тестовой выборке Plant Village указана точность 95,41% и значение Cross Entropy Loss 0,15. Результат зависит от качества и условий съёмки; модель не заменяет диагностику специалиста. Лицензия в метаданных обозначена как other, поэтому условия использования следует проверить в репозитории модели.

NoAI-Diffusion v1.2 — модель генерации изображений по текстовому запросу на базе Stable Diffusion, опубликованная под именем yasakoko. Она предназначена прежде всего для создания изображений логотипа AntiAI; в README отмечено, что в версии 1.2 запрос «antiai logo» даёт более чёткие буквы. Для запуска используется StableDiffusionPipeline из библиотеки Diffusers; репозиторий содержит форматы Diffusers и PyTorch. Модель распространяется по лицензии CreativeML Open RAIL-M. README указывает на варианты v1.0, v1.1 и v1.2, но не сообщает размер модели, поддерживаемые языки или дополнительные сценарии применения.

pony-diffusion-v2 — латентная диффузионная модель для генерации изображений по текстовому описанию, разработанная AstraliteHeart. Модель дообучена на изображениях пони и антропоморфных персонажей в стиле furry; в обучающую выборку вошли около 450 тысяч пар «текст—изображение» с тегами из Derpibooru и e621. Модель предназначена для генеративного искусства и развлечений. Она лучше подходит для создания изображений пони и furry-персонажей; автор отмечает небольшой уклон в сторону 3D-стиля. Модель может генерировать как SFW-, так и NSFW-контент, причём в версии v2 вероятность NSFW-результатов выше, чем в v1. Для управления содержанием автор рекомендует использовать тег safe и негативный промпт. Это дообученный ранний чекпойнт Waifu-Diffusion, основанный на Stable Diffusion v1.4. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — BigScience BLOOM RAIL 1.0.

Selai Mix — модель text-to-image, разработанная автором Koolchh для создания иллюстраций мужчин в эстетике bara и yaoi. Модель построена на Stable Diffusion и распространяется в форматах Diffusers и Safetensors. Она предназначена для генерации изображений по текстовым запросам. Лицензия CreativeML OpenRAIL-M разрешает использование на условиях этой лицензии, включая её ограничения.

pharmapsychotic/sugar-glider — DreamBooth-модель автора pharmapsychotic для генерации изображений сахарных сумчатых летяг по текстовому описанию. Она основана на Stable Diffusion и предназначена для создания изображений с этим животным, в том числе в придуманных пользователем сценах. Для усиления эффекта автор рекомендует добавлять в запрос маркер «pssg» или «pssg sugar glider»; модель обучалась 2 500 шагов, поскольку вариант после 10 000 шагов автор счёл переобученным. Репозиторий доступен в форматах Diffusers и PyTorch; лицензия — CreativeML OpenRAIL-M.

USNR_STYLE_ILL_V1 — это LoRA-модель для генерации иллюстраций по текстовому описанию в экосистеме Diffusers. Она предназначена для онлайн-генерации изображений и подключается к базовой модели LyliaEngine/ilustmix_v40. Авторство указано за пользователем EWIGKEIT0; модель опубликована в формате Safetensors. Модель активируется триггерным словом usnr и ориентирована на усиление определённого художественного стиля и создание качественных, детализированных композиций. В README приведены примеры с персонажами и драматичными сценами, однако точные сведения об архитектуре, размере, поддерживаемых языках, максимальном контексте и наборе данных не указаны. Для работы рекомендуется использовать sampling method DPM++ 2M SDE, schedule type SGM Uniform и CFG Scale в диапазоне 4–6. Сильной стороной модели является специализированная стилeвая настройка для иллюстративной генерации при совместном использовании с указанной базовой моделью. Ограничения включают зависимость от совместимой diffusion-модели и необходимость применения триггерного слова; универсальность, качество на других базовых моделях и поддерживаемые модальности не подтверждены. Лицензия — Creative Data License Agreement Permissive 2.0 (CDLA-Permissive-2.0).

raedinkhaled/vit-base-mri — модель классификации изображений на архитектуре Vision Transformer (ViT), дообученная на наборе mriDataSet на основе google/vit-base-patch16-224-in21k. Она предназначена для классификации МРТ-изображений. В карточке указана точность 0,9827 на тестовой выборке и значение loss 0,0453; состав выборки и методика оценки не описаны. Модель содержит 113,2 млн параметров и распространяется в формате PyTorch по лицензии Apache-2.0.

Это модель классификации изображений на базе ResNet50, обученная на наборе гистологических изображений Kather100K с помощью TIA Toolbox. Репозиторий представляет собой копию модели из зоопарка моделей TIA Toolbox. Модель предназначена для классификации фрагментов ткани толстой кишки на гистологических изображениях. Она принимает изображение и выдаёт класс; формат весов — PyTorch и Safetensors. Лицензия — CC-BY-4.0. Модель специализируется на цифровой патологии и гистологии. README не описывает процедуру повторного использования и характеристики качества, поэтому детали инференса и точность здесь не приводятся.

E621 Rising V3 — модель генерации изображений по текстовому описанию, созданная HearMeNeigh на базе Stable Diffusion XL 1.0. Она предназначена прежде всего для создания изображений в стиле furry и anthro по тегам и промптам, включая откровенный контент. Модель рассчитана на изображения 1024×1024 пикселя и совместима с diffusers, stable-diffusion-webui и ComfyUI. В README указано обучение на изображениях, преимущественно из E621: 11 эпох на наборе из 280 000 изображений и последующее дообучение в течение 23 эпох на наборе из 40 000 изображений. Репозиторий содержит веса в форматах fp32, fp16 и bf16; метаданные указывают на diffusers и safetensors. Лицензия — MIT. Модель специально ориентирована на взрослые furry- и anthro-изображения и может генерировать явно сексуальный контент, поэтому не подходит для несовершеннолетних. Качество и соответствие результатам зависят от промпта; README не приводит систематических оценок качества.