IV.1Ритейл, электронная коммерция и fashion-tech

DeQA-Score-Mix3 — модель оценки качества изображений из проекта DepictQA. Её веса полностью дообучены на наборах KonIQ, SPAQ и KADID; в основе лежит мультимодальная архитектура mPLUG-Owl2 с Llama 2, содержащая 6,6 млрд параметров. Модель принимает изображение и формирует текстовый ответ, связанный с оценкой качества изображения. Модель предназначена для оценки визуального качества изображений в сценариях, связанных с наборами KonIQ, SPAQ и KADID. Репозиторий подготовлен для использования через Transformers и AutoModelForCausalLM; в README отмечена совместимость с версиями Transformers 4.46.3 и 4.57.6. Карточка указывает английский язык, контекст 2048 токенов и лицензию MIT.

DreamShaper v6 — модель генерации изображений по текстовому описанию, опубликованная под аккаунтом stablediffusionapi и доступная через ModelsLab. Для генерации задают prompt и negative prompt, а также параметры изображения и процесса, включая ширину и высоту, число шагов и guidance scale. В примере используется размер 512×512 и 30 шагов; API также предлагает параметры улучшения запроса и upscale. Карточка указывает интерфейс StableDiffusionPipeline и форматы Diffusers и PyTorch. Модель предназначена для создания изображений по текстовым запросам; в примере показан фотореалистичный киберпанк-портрет, но также приведён отрицательный запрос с исключением нежелательных деталей. Пример API отключает safety checker, поэтому перед использованием следует учитывать требования к контролю генерируемого контента. Лицензия — CreativeML OpenRAIL-M.

Это предобученные на ImageNet веса EfficientNet-B1, опубликованные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель предназначена для классификации изображений и может служить энкодером при создании систем сегментации изображений. Репозиторий содержит веса в формате Safetensors. Карточка не сообщает размер модели, контекст или поддерживаемые языки. Лицензия указана как other, поэтому перед использованием следует проверить условия лицензирования репозитория.

misri/epicrealismXL_v8Kiss — модель генерации изображений по текстовому описанию от пользователя misri. Репозиторий содержит веса в формате safetensors и поддерживает загрузку через Diffusers с конвейером StableDiffusionXLPipeline. В карточке нет описания модели, поэтому конкретные особенности стиля и обучения подтвердить нельзя. Модель предназначена для создания изображений по текстовым запросам. Карточка показывает пример генерации сцены с астронавтом в джунглях. Данные не подтверждают поддерживаемые языки запросов, размер модели или длину контекста. Условия лицензирования в доступной карточке не указаны.

epiCVision — модель генерации изображений по текстовому описанию, созданная как слияние epicRealism и RealisticVision. Автор описывает её как смесь этих моделей и приводит рецепт слияния: взвешенное объединение с весом 0,70 для RealisticVision и предварительный этап Add Difference 1.0 с epicRealism и v1-5-pruned-fp16-no-ema. Модель предназначена для создания фотореалистичных и полуреалистичных изображений, в том числе портретов и изображений в аналоговом стиле, по англоязычным запросам. Репозиторий содержит веса Diffusers в формате PyTorch Safetensors. Указана лицензия CreativeML Open RAIL-M. Карточка не приводит размер модели или длину контекста; генерация зависит от текстового запроса и не гарантирует соответствия изображения всем его деталям.

fastvit_t8.apple_dist_in1k — компактная модель классификации изображений семейства FastViT, опубликованная авторами статьи FastViT и представленная в библиотеке timm. Модель обучена на ImageNet-1k с дистилляцией; в ней около 4 млн параметров, вычислительная сложность составляет 0,7 GMACs, а указанное входное разрешение — 256 × 256 пикселей. FastViT сочетает свёрточные и трансформерные компоненты и использует структурную репараметризацию. Модель предназначена для присвоения изображениям классов ImageNet-1k. Её также можно использовать как основу для извлечения карт признаков и эмбеддингов изображений. Компактный размер и низкая вычислительная сложность подходят для задач классификации с ограниченными ресурсами. Лицензия указана как other; README просит соблюдать исходную лицензию. Модель обучалась на ImageNet-1k, поэтому её классы и качество могут не соответствовать изображениям из других предметных областей без дополнительной настройки.

FlashSD — модель ускоренной генерации изображений, разработанная Jasper Research. Она представляет собой метод дистилляции диффузионной модели Flash Diffusion, реализованный как LoRA-адаптер для runwayml/stable-diffusion-v1-5 и предназначенный для text-to-image-сценариев в библиотеке diffusers. Модель позволяет получать изображения по текстовому описанию всего за 2–4 шага семплирования, что сокращает время инференса по сравнению с обычной генерацией Stable Diffusion. Адаптер содержит 26,4 млн параметров и работает с базовой моделью Stable Diffusion 1.5; в README не указаны точные сведения о поддерживаемых языках, размере контекстного окна и дополнительных модальностях. Для использования требуются StableDiffusionPipeline, LCMScheduler и загрузка весов LoRA с последующим объединением адаптера с базовой моделью. Модель обучалась 20 тысяч итераций на двух GPU H100, суммарно около 26 GPU-часов. Среди сильных сторон — высокая скорость генерации и сохранение качества, подтверждённое метриками FID и CLIP на валидационных наборах COCO. Ограничение состоит в зависимости от Stable Diffusion 1.5 и необходимости корректной настройки scheduler и небольшого числа шагов; качество и применимость к задачам, отличным от генерации изображений по тексту, не описаны. Модель распространяется по лицензии Creative Commons BY-NC-4.0, допускающей использование с ограничениями, включая некоммерческий характер лицензии.

jasperai/Flux.1-dev-Controlnet-Depth — модель ControlNet для базовой модели FLUX.1-dev, разработанная исследовательской командой Jasper. Она предназначена для генерации и преобразования изображений по текстовому описанию с управлением композицией и пространственной структурой с помощью карты глубины. Модель поддерживает сценарии image-to-image и интегрируется с библиотекой diffusers. Модель использует архитектуру ControlNet поверх FLUX.1-dev и принимает текстовый prompt вместе с изображением-условием в виде depth map. В README не указаны размер модели, максимальная длина контекста, поддерживаемые языки и точные требования к аппаратному обеспечению. Для подготовки карты глубины можно использовать, например, MidasDetector из библиотеки controlnet_aux; при работе в примере применяется тип torch.bfloat16 и GPU CUDA. Ключевое преимущество модели — возможность сохранять геометрию и пространственное расположение объектов, одновременно изменяя их визуальное содержание в соответствии с текстовым описанием. Качество результата зависит от точности карты глубины, параметров управления и возможностей базовой FLUX.1-dev; другие ограничения в README не описаны. Модель распространяется по лицензии Flux.1-dev non-commercial license, поэтому её использование ограничено условиями этой лицензии.

Flux.1-dev-Controlnet-Upscaler — модель ControlNet, разработанная исследовательской командой Jasper на базе black-forest-labs FLUX.1-dev. Она предназначена для восстановления и увеличения изображений низкого разрешения, включая сценарии super-resolution для реальных изображений с шумом, размытием и артефактами JPEG. Модель интегрируется с библиотекой diffusers через FluxControlNetPipeline и использует управляющее изображение для сохранения структуры исходного изображения при масштабировании, например в 4 раза. Обучение проводилось на синтетически ухудшенных изображениях с комбинацией гауссовского и пуассоновского шума, размытия и JPEG-сжатия по подходу, близкому к Real-ESRGAN. В README не указаны точный размер модели, архитектурные параметры, поддерживаемые языки, перечень модальностей или максимальная длина контекста. Для работы в приведённом примере требуется GPU с поддержкой torch.bfloat16; рекомендуемые параметры включают 28 шагов генерации и guidance scale 3.5. Сильная сторона модели — ориентация на реальные низкокачественные изображения и возможность контролируемого увеличения с сохранением визуальной структуры. Ограничения и точные требования к качеству результата в README не описаны. Модель распространяется по лицензии FLUX.1-dev non-commercial license; применяются условия лицензии базовой модели FLUX.1-dev.

unsloth/FLUX.1-dev-GGUF — GGUF-представление модели FLUX.1 [dev], разработанной Black Forest Labs. Это модель генерации изображений по текстовому описанию, предназначенная для создания визуального контента по промптам и интеграции в локальные и прикладные рабочие процессы, включая Diffusers и ComfyUI. Модель построена на архитектуре rectified flow transformer и содержит около 12 миллиардов параметров. Она работает с текстовыми запросами на английском языке и генерирует изображения; в приведённом примере используется разрешение 1024×1024, 50 шагов инференса и максимальная длина последовательности 512. Благодаря guidance distillation модель оптимизирована для более эффективной генерации. К сильным сторонам относятся высокое качество изображений и конкурентное следование промптам, однако результат зависит от стиля формулировки запроса, модель может не точно выполнять инструкции и не предназначена для предоставления достоверной фактической информации. Модель и её производные распространяются по лицензии FLUX.1 [dev] Non-Commercial License. README указывает ограничения на незаконное использование, эксплуатацию несовершеннолетних, вредоносную дезинформацию, злоупотребления, создание персональных данных для причинения вреда и полностью автоматизированные решения, затрагивающие юридические права. Также отмечается риск усиления общественных предубеждений.

FLUX.2 [klein] 9B Base — базовая модель Black Forest Labs для генерации и редактирования изображений. Это недистиллированный rectified flow-трансформер с 9 млрд параметров, объединяющий генерацию по тексту и редактирование с несколькими референсными изображениями. Репозиторий распространяет веса в формате safetensors для использования с Diffusers. Модель предназначена для творческого исследования, дообучения, обучения LoRA и построения пользовательских конвейеров генерации и редактирования. Полная модель требует около 29 ГБ видеопамяти NVIDIA; авторы указывают на запуск на RTX 4090 и выше. Поддерживается английский язык; текст внутри сгенерированных изображений может искажаться, а соответствие промпту зависит от его формулировки. Модель не предназначена для получения фактических ответов и может отражать смещения обучающих данных. В метаданных указана лицензия other, а README описывает ограничения допустимого использования, но точное название лицензии не приведено. Модель и её производные нельзя применять для незаконного вреда, эксплуатации несовершеннолетних, обмана, преследования, несанкционированных интимных изображений и высокорисковых автоматизированных решений.

FLUX-Krea-Blaze — производная модель для генерации изображений по текстовым описаниям, опубликованная MintLab. В README она представлена как ускоренная версия FLUX.1-Krea-dev в формате FP8 E5M2; метаданные указывают на объединение FLUX.1-dev и FLUX.1-Krea-dev и формат safetensors. Модель предназначена для генерации изображений за небольшое число шагов; автор рекомендует настройки на 4 или 8 шагов и приводит пример рабочего процесса для ComfyUI с изображением 1920×1080. Также доступны LoRA рангов 32, 64 и 128 для использования с FLUX.1-Krea-dev или FLUX.1-dev. Модель принимает текстовые запросы и выдаёт изображения. В карточке приведены примеры фотореалистичных и художественных сцен, но нет систематической оценки качества или сведений о контекстном окне. Лицензия указана как other; README ссылается на некоммерческую лицензию FLUX.1 [dev] от Black Forest Labs, поэтому условия использования следует сверять с ней.

jiuntian/gligen-xl-1024 — адаптер GLIGEN для Stable Diffusion XL, опубликованный как часть проекта по созданию InteractDiffusion XL. Он добавляет к генерации изображений по тексту управление с помощью пространственных условий, например ограничивающих рамок, и предназначен для сценариев, где важно задавать расположение объектов в изображении. Модель подготовлена для использования с библиотекой diffusers; веса доступны в формате safetensors и распространяются по лицензии Apache-2.0. Адаптер дообучен на базе stabilityai/stable-diffusion-xl-base-1.0. Карточка указывает датасеты с латентными представлениями SDXL и ограничивающими рамками. Для работы требуется базовая модель SDXL и совместимый Diffusers pipeline. В README не приведены количественные оценки качества или подробные инструкции по ограничениям управления; результат зависит от заданных текстовых и пространственных условий.

Illustrious XL v2.0 — GGUF — это квантизированная версия модели Illustrious-XL-v2.0, разработанной OnomaAIResearch. Сборка подготовлена Off Grid AI для локальной генерации изображений на устройстве с использованием stable-diffusion.cpp и предназначена для интеграции в полностью автономные приложения, включая Off Grid AI Desktop. Модель относится к семейству Stable Diffusion и использует pipeline text-to-image: создаёт изображения по текстовым запросам. Доступны варианты GGUF Q8_0 с максимальным качеством и Q4_K с меньшими требованиями к оперативной памяти и, вероятно, сниженным качеством. В README приведён пример генерации изображения размером 1024×1024 за 24 шага с методом сэмплирования DPM++ 2M и CFG scale 5. Языки, точный размер модели, архитектурные детали, поддерживаемые модальности помимо текста и изображения, а также максимальная длина контекста не указаны. К сильным сторонам относятся локальная обработка без обязательной передачи данных во внешние сервисы, возможность работы на устройстве и корректная совместимость с stable-diffusion.cpp благодаря правильному именованию тензоров при конвертации. Ограничения включают зависимость от stable-diffusion.cpp и необходимость выбирать между качеством и потреблением памяти. Модель распространяется по лицензии creativeml-openrail-m; ограничения исходной лицензии применяются. Это конвертация и квантизация исходной модели, поэтому авторство самой модели принадлежит её первоначальным создателям.

Juggernaut XL v2 — модель генерации изображений по текстовому описанию, созданная KandooAI в сотрудничестве с RunDiffusion на основе Stable Diffusion XL Base 1.0. Это ранний чекпойнт семейства Juggernaut XL, сохранённый для ознакомления и совместимости с прежними рабочими процессами. Модель предназначена для создания фотореалистичных изображений по текстовым запросам. В карточке рекомендованы разрешения 832 × 1216 для портретной и 1216 × 832 для альбомной ориентации, сэмплер DPM++ 2M Karras и 30–40 шагов. По сравнению с более поздними версиями семейства её фотографический стиль описан как более сырой и близкий к базовой SDXL. Модель доступна в форматах Diffusers, PyTorch и Safetensors и использует лицензию CreativeML Open RAIL-M. Личное и творческое использование разрешено; размещение за платными API-сервисами требует отдельного разрешения RunDiffusion.

Latent Consistency Model (LCM) для SDXL — дистиллированная версия модели stable-diffusion-xl-base-1.0, разработанная авторами подхода LCM Simian Luo, Yiqin Tan и другими участниками, включая Simian Luo, Suraj Patil и Daniel Gu. Модель предназначена для генерации изображений по текстовому описанию и интегрируется с библиотекой Hugging Face Diffusers. Ключевая особенность модели — ускоренная диффузионная генерация с использованием всего 2–8 шагов инференса вместо значительно большего числа шагов у стандартных моделей. Для работы требуется базовый pipeline SDXL, scheduler LCMScheduler и поддержка Diffusers версии 0.23.0 или новее; также используются transformers, accelerate и peft. Указана совместимость с text-to-image, а также заявлена применимость к image-to-image, inpainting, ControlNet и T2I Adapter, однако подробная документация для этих сценариев в README отсутствует. Модель ориентирована на быстрый синтез изображений и может быть полезна в интерактивных приложениях и задачах, где важна низкая задержка. README не содержит сведений о размере модели, языках, разрешении, точных характеристиках качества или результатах бенчмарков. Для генерации рекомендуется отключить guidance или использовать guidance_scale от 1.0 до 2.0, хотя приведённый пример использует значение 8.0. Лицензия указана как openrail++.

MajicMixRealistic — модель генерации изображений по текстовому описанию, опубликованная stablediffusionapi. Репозиторий содержит веса в форматах Diffusers и PyTorch; для вызова через API README показывает использование сервиса ModelsLab. Пример настроен на генерацию изображения размером 512×512 за 30 шагов и включает положительный и отрицательный промпты, seed и guidance scale. Модель подходит для создания реалистичных портретов, а также художественных изображений с заданными стилем, освещением и деталями. Пример README содержит смешанные реалистичные и иллюстративные стилистические подсказки, поэтому фактический результат зависит от промпта и настроек генерации. Лицензия репозитория — CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или перечень поддерживаемых языков; численные значения этих характеристик здесь не приводятся.

jzli/majicMIX-realistic-7 — модель генерации изображений по текстовому описанию в формате Stable Diffusion. Карточка предлагает запускать её бесплатно и сообщает о доступе через API; конкретные сценарии применения и разработчик не описаны. Модель доступна в форматах Diffusers, PyTorch и safetensors. Сведения об архитектуре сверх StableDiffusionPipeline, размере, поддерживаемых языках, длине контекста и лицензии в предоставленных данных отсутствуют.

OctLLM — модель исследователей из Пекинского университета и независимых исследователей, опубликованная вместе с работой «Octrees as an Explicit 3D Language». Она объединяет генерацию 3D-форм по тексту и изображениям с пониманием 3D-объектов, представляя геометрию последовательностями разреженного октодерева (S-Octree): токенами занятости, привязанными к координатам и глубине октодерева. Модель дообучена на мультимодальной основе Qwen/Qwen2.5-VL-7B-Instruct и содержит 7,1 млрд параметров. Для обработки 3D-данных в ней добавлены обучаемые ветви рядом с замороженной основой Qwen2.5-VL; текстовые, графические и mesh-токены обрабатываются отдельными путями и взаимодействуют через общее self-attention. Для завершения октодеревьев и декодирования текстурированных сеток используются 3D U-Net и предварительно обученные декодеры TRELLIS. Контекст — 128 000 токенов; веса доступны в формате safetensors, лицензия — MIT. Для загрузки требуются официальная реализация и её код для пользовательских 3D-компонентов. Описание подтверждает генерацию 3D по тексту и изображению и понимание 3D, но метаданные каталога отмечают только задачу text-to-3d.

omnigenxl-nsfw-sfw — модель генерации изображений по текстовому описанию, опубликованная под аккаунтом stablediffusionapi и предназначенная для использования через сервис ModelsLab. В карточке указано семейство Stable Diffusion XL и поддержка конвейера StableDiffusionXLPipeline; пример запроса показывает генерацию фотореалистичных изображений по prompt и negative prompt с настройкой размера, числа шагов и guidance scale. Модель подходит для создания портретов и других изображений по тексту, в том числе с реалистичной эстетикой. README также показывает параметры усиления запроса и подключения LoRA и embeddings через API ModelsLab. В метаданных указан тег not-for-all-audiences; название модели и пример запроса указывают на поддержку как NSFW-, так и SFW-контента. Модель распространяется по лицензии CreativeML OpenRAIL-M. README описывает доступ к генерации через API ModelsLab и не содержит сведений о весах или локальном запуске.

OpenOneRec/OneRec-1.7B-pretrain — предварительно обученная модель из серии OneRec-Foundation, разработанной авторами проекта OpenOneRec. Модель предназначена как основа для последующего дообучения и выравнивания под задачи генеративных рекомендаций и специализированные наборы данных. В README указаны Itemic-Text Alignment и совместное предобучение всех параметров. Это плотная авторегрессионная языковая модель на архитектуре Qwen3ForCausalLM с 1,8 млрд параметров и контекстом до 40 960 токенов. Репозиторий содержит веса Safetensors; метаданные указывают библиотеку Transformers и разговорную возможность. Лицензия — Apache-2.0. README направляет за техническими деталями архитектуры к техническому отчёту, поэтому конкретные механизмы рекомендаций и результаты оценки здесь не описаны.

PixVL-bestcap50k-gcg-sft — экспорт модели PixVL, опубликованный разработчиком HudeKing. Модель основана на Qwen3-VL-4B-SAMTok и предназначена для сегментации изображений; её архитектура — Qwen3-VL с условной генерацией, а веса доступны в формате safetensors. Модель можно использовать для выделения областей и объектов на изображениях. README указывает, что экспорт выпущен для исследовательского использования. Репозиторий заявляет лицензию MIT, а README связывает условия использования с лицензией и ограничениями базовой модели.

PixVL-model3-dpo-step100000 — полный экспорт модели PixVL, созданный разработчиками PixVL и опубликованный как чекпойнт после 100 000 шагов DPO. Модель основана на Qwen3-VL-4B-SAMTok и использует архитектуру Qwen3-VL для условной генерации. Модель предназначена для сегментации изображений. По архитектуре она принимает изображение и текстовое условие и формирует текстовый ответ с результатом сегментации; карточка не описывает формат масок или конкретные сценарии применения. Репозиторий содержит веса в формате safetensors и рассчитан на библиотеку Transformers. Автор README обозначает выпуск как исследовательский и указывает, что модель наследует лицензию и ограничения использования базовой модели; метаданные указывают лицензию MIT. Данных о размере контекста и поддерживаемых естественных языках в предоставленных источниках нет.

Pony-InternVL2-40B-AWQ — дообученная модель purplesmartai на основе OpenGVLab/InternVL2-40B-AWQ, предназначенная для описания содержимого изображений по специализированному запросу Pony V7. Её используют для получения подписей к изображениям с акцентом на их содержание; дополнительные теги к изображению помогают распознавать персонажей, места и действия. Модель построена на архитектуре InternVLChatModel и настроена на чатовый сценарий с изображениями и текстовым запросом; семейство InternVL2 поддерживает обработку визуального ввода и генерацию текста. README сообщает о меньшем числе отказов для разных категорий контента, но не приводит количественной оценки качества. Указана лицензия MIT. В README советуют рассмотреть более новые модели InternVL или Gemini для актуальных возможностей.

PosterCraft — модель генерации эстетичных постеров по текстовому описанию, разработанная авторами проекта PosterCraft. Она предназначена для создания готовых постерных изображений с выразительной композицией, интеграцией абстрактного искусства и согласованным стилем. Модель ориентирована на точное отображение текста внутри изображения; для улучшения результата авторы предлагают сценарий с автоматической переработкой промпта. Это дообученная версия FLUX.1 [dev] от Black Forest Labs и использует библиотеку Diffusers. Репозиторий содержит веса в формате safetensors. README предлагает генерацию с точностью BF16, а также вариант с выгрузкой части компонентов на CPU для видеокарт с ограниченной памятью. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и лицензии базовой модели.

Prodigy — модель генерации изображений по текстовому описанию, опубликованная Yntec. Это смесь Protogen 2.2 и фотореалистичных моделей; в веса встроен VAE 840K. Модель предназначена для создания изображений в разных стилях, включая фотореализм, аниме и иллюстрацию. Модель работает на базе Stable Diffusion 1.5 и распространяется в форматах Diffusers и Safetensors. Примеры в карточке охватывают портреты, кинематографические сцены, персонажей и яркие цифровые иллюстрации. Метаданные указывают английский язык. Лицензия обозначена как other, поэтому условия использования следует проверить на странице репозитория.

QIE-2511-Color-Grade-Transfer-LoRA — адаптер LoRA для модели Qwen/Qwen-Image-Edit-2511, опубликованный пользователем ovi054. Согласно README, адаптер предназначен для задач image-to-image и переноса цветокоррекции с одного изображения на другое. Основной сценарий использования — передать цветовой стиль или грейдинг с Image 2 на Image 1, сохранив содержимое исходного изображения. Для активации указан триггер: “Transfer ONLY the color grading from Image 2 onto Image 1”. Модель рассчитана на работу с изображениями; сведения о размере адаптера, языках, максимальном контексте и других архитектурных характеристиках не приведены. Сильная сторона модели — специализированная задача переноса цветокоррекции без явного изменения остальных аспектов изображения. Ограничение заключается в узкой специализации: README не подтверждает качество на других сценариях редактирования и не содержит количественных оценок. В README также указано, что модель была обучена Piczify.com для функции цветокоррекции; рекомендуется указывать авторство piczify.com при использовании. Лицензия не указана.

Qwen Image Edit GGUF — это набор community-конвертаций 20-миллиардной модели Qwen Image Edit, разработанной командой Qwen. Модель предназначена для редактирования изображений и сценариев image-to-image, включая локальный запуск через ComfyUI GGUF Loader и другие совместимые GGUF-рантаймы. Архитектура указана как qwen_image; поддерживается формат GGUF и динамическая загрузка в VRAM. Сведения о языках, размере контекста и точном наборе поддерживаемых модальностей в README не приведены. Доступны варианты с точностью BF16, а также квантизациями Q6_K, Q5_K и Q4_K. BF16 обеспечивает максимальное качество, но требует около 48 ГБ видеопамяти; Q6_K рассчитан примерно на 24 ГБ, Q5_K — на 20–24 ГБ, а Q4_K занимает около 11,5 ГБ и ориентирован на наиболее выгодный баланс качества, памяти и размера. Конвертации протестированы с ComfyUI, ComfyUI GGUF Loader и NVIDIA CUDA GPU. Квантизация снижает требования к VRAM и размер файлов, но может уменьшать качество по сравнению с BF16. Это не изменённая версия исходной модели: веса были преобразованы в GGUF и квантизированы. Модель распространяется под лицензией Apache-2.0, как и оригинальная Qwen Image Edit. README не уточняет ограничения использования, связанные с содержанием изображений, и не содержит подробностей о бенчмарках или качестве редактирования.

Модель prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V4 — версия весов трансформера для Diffusers, подготовленная из Phr00t/Qwen-Image-Edit-Rapid-AIO-V4. Это дообученная модель редактирования изображений на основе семейства Qwen Image Edit; заявлен ускоренный вывод за 4 шага. Репозиторий содержит веса в формате safetensors и рассчитан на запуск через библиотеку Diffusers. Модель предназначена для преобразования изображений по текстовым инструкциям и быстрого экспериментирования с редактированием изображений. В карточке нет сведений о размере, длине контекста и поддерживаемых языках; метаданные отмечают английский язык. Лицензия — Apache-2.0.

RealCore Illustrious 1.0 — диффузионная модель генерации изображений, созданная автором репозитория rityak путём слияния нескольких реалистичных моделей и пользовательских LoRA на основе Illustrious. Это чекпойнт семейства SDXL в формате safetensors, предназначенный для создания реалистичных и фотореалистичных изображений, в том числе профессиональных фотокомпозиций и контента для взрослых. Модель работает с текстовыми запросами и совместима с ускорением LCM; автор ориентирует её на использование с ComfyUI. Модель нацелена на детализированную визуализацию с реалистичной подачей. Карточка заявляет поддержку NSFW-генерации. Указанная лицензия — OpenRAIL++; перед использованием следует учитывать её условия и ограничения.