IV.1Ритейл, электронная коммерция и fashion-tech

AiWise/Juggernaut-XL-V9-GE-RDPhoto2-Lightning_4S — модель LoRA для генерации изображений по текстовому описанию, разработанная AiWise. Она предназначена для сценариев text-to-image, в первую очередь для создания фотореалистичных портретов, персонажей, животных, сцен, пейзажей и фантазийных сюжетов с выраженной фотографической эстетикой. README не содержит точных сведений об архитектуре базовой модели, количестве параметров, размере LoRA, поддерживаемых языках, длине контекста или используемой модальности помимо генерации изображений из текста. По примерам модель ориентирована на высокодетализированные изображения, кинематографическое освещение, реалистичную оптику, плёночную стилизацию и различные художественные направления. В качестве negative prompt часто рекомендуется указывать CGI, Unreal, Airbrushed и Digital, что указывает на стремление получить более естественный фотографический результат. Сильной стороной модели является широкий диапазон сюжетов и визуальных стилей, включая портретную, предметную, пейзажную, фантазийную и концептуальную фотографию. Ограничения, точные требования к параметрам генерации, совместимые версии базовой модели и качество результата не описаны. Лицензия и условия использования в README не указаны.

molbal/krea2-gguf — набор квантованных весов GGUF для семейства моделей генерации изображений Krea 2, подготовленный автором репозитория molbal на основе исходных релизов Krea. Модель предназначена для преобразования текстовых описаний в изображения и использования в ComfyUI через специальные узлы загрузки GGUF. В набор входят варианты Raw — базовая версия Krea 2 — и Turbo, дообученная с применением дистилляции для более быстрой генерации. Krea 2 представляет собой Diffusion Transformer на 12 млрд параметров с архитектурой layerwise и refiner text-fusion blocks; модель использует flow matching и не основана на Flux или другой ранее опубликованной open-weight архитектуре. Репозиторий содержит только квантованные веса трансформера: для работы дополнительно необходимы text encoder и VAE. Доступны уровни квантования Q4_0, Q4_1, Q5_0, Q5_1 и Q8_0 размером примерно от 7,74 до 13,56 ГБ. Turbo рассчитана на 4–8 шагов и CFG 0–1, а Raw — на 20–30 шагов и CFG 3–7; Raw обеспечивает больший контроль, но требует больше вычислений. Главное преимущество GGUF — снижение требований к VRAM и оперативной памяти по сравнению с исходными BF16-весами размером 26,6 ГБ. Вариант Q4_0 подходит для видеокарт с 8 ГБ VRAM, а начиная с Q5 качество обычно близко к BF16; у Q4 возможно небольшое смягчение мелких деталей. При наличии видеокарты с 24 ГБ и более исходные FP8 или BF16-веса предпочтительнее для максимальной точности. Для запуска требуется ComfyUI и форк ComfyUI-GGUF от molbal с поддержкой архитектуры Krea 2; обычный city96/ComfyUI-GGUF не поддерживает эти файлы. Распространение осуществляется по лицензии Krea 2 Community License.

vantagewithai/Krea-2-Turbo-GGUF — версия модели Krea-2-Turbo, разработанной Krea и опубликованной в формате GGUF. Модель предназначена для генерации изображений по текстовым описаниям и относится к классу text-to-image; в метаданных указано использование библиотеки Diffusers. Модель поддерживает текстовые запросы на английском языке. Примеры демонстрируют генерацию сцен и изображений в различных визуальных стилях, включая фотографию, аниме, живопись, пиксельную графику, монохромную стилизацию и термографический эффект. Архитектура, количество параметров, размер контекста, требования к оборудованию и точные особенности GGUF-квантизации в README не указаны. Сильной стороной модели является универсальность в создании изображений по подробным описаниям и работе с разнообразными художественными стилями. Ограничения включают отсутствие сведений о производительности, поддерживаемых разрешениях, качестве на разных типах запросов и дополнительных модальностях. Модель распространяется по лицензии Krea-2 Community License; условия следует уточнять в документе лицензии Krea.

AX1Y2JP/Krea-2-Turbo-INT8-ConvRot — квантованная версия модели Krea-2-Turbo, разработанной Krea. Модель предназначена для генерации изображений по текстовому описанию и ориентирована на использование в экосистеме Diffusers и ComfyUI. Ключевая характеристика модели — квантование до INT8 с использованием ConvRot и консервативной политики квантования. README не содержит сведений о точном размере модели, архитектуре базовой модели, поддерживаемых языках, модальностях помимо text-to-image или размере контекстного окна. Заявленная оптимизация может снизить требования к памяти и ускорить инференс, однако совместимость зависит от используемого формата INT8. Модель не работает со встроенной поддержкой INT8 в ComfyUI, ориентированной на старый формат; для использования рекомендуется int8-fast. Модель распространяется по лицензии Krea 2 Community License Agreement, подробные условия доступны на странице лицензии Krea.

MajicFlus — модель генерации изображений по текстовому описанию, дообученная и объединённая на основе flux.dev. Её разработала Shakker Labs; модель предназначена прежде всего для создания реалистичных портретов, особенно портретов азиатских женщин, с выразительной эстетикой и детализированными лицами. Модель работает с короткими и сложными промптами, подходит также для генерации других персонажей и сцен. Она распространяется в формате safetensors и используется через библиотеку Diffusers. В README приведены настройки вывода: 20–30 шагов, VAE Flux и несколько вариантов сэмплирования для разных визуальных результатов. Лицензия указана как other, поэтому условия использования следует уточнить у разработчика. Карточка не описывает конкретные ограничения качества или правила использования.

Mask2Former — модель компьютерного зрения от команды Facebook, обученная для семантической сегментации сцен на наборе ADE20K. Это версия небольшого размера с backbone Swin; архитектура Mask2Former предсказывает маски и соответствующие им классы, используя многоуровневый декодер с деформируемым вниманием и декодер Transformer с masked attention. Модель предназначена для определения класса каждого пикселя изображения и разбиения сцены на области. Архитектура Mask2Former также поддерживает сегментацию экземпляров и паноптическую сегментацию, однако карточка этого чекпойнта указывает семантическую сегментацию ADE20K как его обучающую задачу. Модель принимает изображения и выдаёт сегментационные маски с метками классов. Репозиторий распространяет веса в форматах PyTorch и safetensors; лицензия указана как other, без уточнения условий в предоставленных данных.

MeshAnything — модель для генерации 3D-сеток по изображению, разработанная исследователями из Nanyang Technological University, Shanghai AI Lab и других университетов и исследовательских организаций. Она использует авторегрессионные трансформеры и ориентирована на создание сеток в стиле моделей, сделанных художниками; в README упоминается выпуск версии на 350 млн параметров, однако метаданные не подтверждают размер именно этого репозитория. Модель принимает изображение и выдаёт 3D-сетку. Её можно применять для преобразования изображений или результатов 3D-реконструкции и сканирования в компактные сетки для 3D-графики. Генерация занимает около 30 секунд и требует примерно 7 ГБ памяти на GPU A6000. Обучение ограничено сетками менее чем с 800 гранями, и модель не генерирует сетки с более чем 800 гранями. Для лучших результатов входная форма должна иметь достаточно чёткие детали, а вертикальная ось исходной сетки при её использовании должна быть направлена по +Y. README указывает лицензию MIT; код обучения ещё не выпущен.

Mistral-Hermes-Support-Ties — объединённая модель на архитектуре Mistral, созданная с помощью mergekit методом TIES на основе Mistral-7B-Instruct-v0.2, модели для поддержки клиентов и Nous-Hermes-2-Mistral-7B-DPO. Она предназначена для генерации текста в диалогах и ответов на запросы службы поддержки. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. В конфигурации слияния указана точность float16. Модель рассчитана на сценарии, где нужны ответы клиентам и общение по инструкциям. Карточка указывает лицензию Apache-2.0. Конкретные языки и результаты оценки качества в доступных данных не описаны.

AlexKolosov/my_first_model — дообученная модель классификации изображений на архитектуре ResNet-50, созданная на основе microsoft/resnet-50 и обученная на наборе данных imagefolder. Она предназначена для присвоения изображению метки класса. На указанной в карточке выборке оценки модель достигла accuracy 0,6 и loss 0,6853. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Сведения о классах, обучающих данных и ограничениях применения не приведены.

Модель cyberagent/opencole-stable-diffusion-xl-base-1.0-finetune — дообученная CyberAgent версия Stable Diffusion XL 1.0. Её UNet обучен на наборе данных OpenCOLE 1.0 для генерации изображений в стиле графического дизайна без текста по текстовому описанию. Модель предназначена для создания визуальных макетов и графических композиций, в которых текстовые элементы не требуются. Она использует архитектуру SDXL и библиотеку Diffusers; веса представлены в формате safetensors. Лицензия — OpenRAIL++.

PaliGemma 3B FT NLVR2 448 — модель компьютерного зрения и языка от Google, построенная на компонентах SigLIP и Gemma. Она принимает изображение и текстовый запрос и формирует текстовый ответ; вариант FT NLVR2 448 дообучен для задачи визуального рассуждения на паре изображений и текстовом утверждении с определением, соответствует ли оно изображениям. Модель предназначена для специализированных сценариев анализа изображений, а не для диалогового общения; PaliGemma рассчитана на одношаговый ввод и обычно лучше работает после настройки под конкретную задачу. Модель подходит для ответов на вопросы о содержимом изображений и проверки визуальных утверждений. Семейство поддерживает несколько языков, однако язык и особенности обучения именно этой версии на NLVR2 в предоставленных данных подробно не описаны. Лицензия Gemma. Возможны неверные ответы, трудности с неоднозначными или сложными запросами, а также унаследованные от обучающих данных смещения.

Protogen x3.4 — модель генерации изображений по текстовому описанию, разработанная darkstorm2150. Она основана на Stable Diffusion v1.5: обучение началось с этой модели, а версия 3.4 продолжила обучение Protogen v2.2 с усилением фотореалистичной стилистики. Модель предназначена для создания художественных и фотореалистичных изображений по промптам; в README указаны триггерные слова modelshoot style, analog style, mdjrny-v4 style и nousr robot. Модель доступна в форматах Diffusers и PyTorch, включая файлы Safetensors и контрольные точки в полной и pruned fp16 версиях. Для использования подходят Stable Diffusion Pipeline и интерфейс Stable Diffusion WebUI. Лицензия — CreativeML OpenRAIL-M.

timm/qwen3_vit_416m_enc.qwen3_5_9b — визуальный энкодер изображений на основе собственного vision-энкодера Qwen3.5-9B, представленный в формате timm. Он извлекает пространственные признаки и после spatial merger проецирует токены в ширину 4096, соответствующую исходной языковой модели. Веса перенесены в формат timm без дополнительного обучения; языковые веса и обученная классификационная голова отсутствуют. Модель предназначена для извлечения признаков из RGB-изображений и подготовки визуальных токенов для мультимодальных систем. Архитектура включает backbone шириной 1152 с MLP на GELU-tanh, обучаемыми абсолютными позициями и осевым 2D RoPE. Указанный в карточке размер изображения — 768 × 768; поддерживаются прямоугольные входы с размерами, кратными 16, а варианты с мерджером 2 × 2 требуют кратности 32. Вход нормализуется со средним и стандартным отклонением 0,5 для каждого RGB-канала. Модель выдаёт визуальные признаки, а не классы изображений или текстовые ответы. Она не включает языковую часть Qwen3.5-9B, поэтому для диалога, рассуждений или ответов о содержимом изображения потребуется отдельная модель. Лицензия — Apache 2.0.

AM-RADIO — модель визуального извлечения признаков, разработанная NVIDIA Research. Она использует архитектуру Vision Transformer и преобразует RGB-изображения в пространственные эмбеддинги-тензоры для передачи в последующие модели, например для классификации изображений. Модель предназначена для исследований и разработки компьютерного зрения. В README указана поддержка входных изображений с разрешениями до 2048×2028 с шагом 16 пикселей; для RADIOv1 отдельно описан диапазон от 14 до 1008 пикселей по каждой стороне при размерах, кратных 14. Модель обучали на 12,8 млрд разнообразных изображений из интернета без меток. Для использования признаков требуется downstream-модель. Лицензия в метаданных обозначена как other; перед применением следует ознакомиться с условиями репозитория.

Real-ESRGAN-x2plus — версия модели RealESRGAN_x2plus, перенесённая софициального чекпойнта xinntao/Real-ESRGAN в формат MLX fp16 для работы на Apple Silicon. Модель использует архитектуру RRDBNet с 64 признаками, 23 блоками и 32 растущими каналами и увеличивает разрешение изображений в 2 раза. Она предназначена для сверхразрешения изображений: увеличения их размера с восстановлением деталей. Для использования предусмотрен пакет realesrgan-mlx; README приводит запуск обработки входного изображения с сохранением результата в выходной каталог. Репозиторий содержит веса safetensors и распространяется по лицензии BSD-3-Clause. В README приведены результаты сравнения с PyTorch: максимальное расхождение полного прохода на CPU fp32 составляет 2,4e-6, а fp16 относительно эталона fp32 — 5,5e-4. Модель рассчитана на Apple Silicon и не описана как универсальный апскейлер для иных платформ.

Карточка модели fedjumpergaming/Real-ESRGAN-x4plus на Hugging Face совпадает с карточкой mlx-community/Real-ESRGAN-x4plus, поэтому описание составлено по ней. Real-ESRGAN-x4plus (MLX) — порт модели Real-ESRGAN в формате MLX fp16, подготовленный сообществом mlx-community на основе официального чекпойнта xinntao/Real-ESRGAN. Модель использует архитектуру RRDBNet с 23 блоками и масштабирует изображения в 4 раза для повышения их разрешения и детализации на устройствах Apple Silicon. Порт предназначен для восстановления и увеличения изображений. В README приведено сравнение с PyTorch: расхождение полного прямого прохода составляет 3,8 × 10⁻⁶ в CPU fp32, а fp16 относительно эталона fp32 — 1,3 × 10⁻³. Репозиторий распространяется по лицензии BSD-3-Clause.

ResMLP-24 — модель классификации изображений из семейства ResMLP, опубликованная авторами timm под идентификатором timm/resmlp_24_224.fb_distilled_in1k. Она обучена на ImageNet-1k с дистилляцией, использует архитектуру на основе полносвязных сетей для обработки изображений и может служить основой для извлечения признаковых представлений. Модель содержит около 30 млн параметров, рассчитана на изображения размером 224 × 224 и требует библиотеку timm для описанного сценария использования. Основное применение — классификация изображений по классам ImageNet-1k; также модель можно использовать для получения эмбеддингов изображений. В репозитории доступны веса PyTorch и SafeTensors. Лицензия Apache-2.0 разрешает коммерческое и иное использование на её условиях. Модель ориентирована на изображения стандартного размера и набор классов ImageNet-1k; карточка не описывает гарантии качества для иных предметных областей.

Это предварительно обученные веса энкодера ResNet-18 с меткой swsl, подготовленные для использования в библиотеке segmentation-models-pytorch. Модель предназначена для извлечения признаков изображений как части систем компьютерного зрения, в частности сегментационных моделей; в метаданных также указана задача классификации изображений. Архитектура — ResNet-18, веса сохранены в формате safetensors. Карточка не сообщает размер модели, языки или подробности обучения. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в репозитории.

rtmdet-tiny — детектор объектов из семейства RTMDet, портированный для совместимости с Hugging Face из OpenMMLab MMDetection. Модель использует CSPNeXt в качестве backbone, CSPNeXtPAFPN в качестве шеи и RTMDetHead; она предварительно обучена на COCO и распознаёт 80 классов объектов. В README указан масштаб backbone около 5 млн параметров и входной размер 640×640. Модель предназначена для обнаружения объектов в изображениях в реальном времени и особенно подходит для выявления людей как первого этапа перед оценкой позы всего тела с RTMW. Для загрузки требуется включить trust_remote_code=True. Репозиторий распространяется по лицензии Apache-2.0.

refiners/sd15.unet — модель на базе Stable Diffusion 1.5, связанная с проектом refiners. Метаданные классифицируют её как модель преобразования изображений и указывают библиотеку refiners и формат весов safetensors. Модель предназначена для задач image-to-image. В качестве базовой модели указана runwayml/stable-diffusion-v1-5, лицензия — CreativeML Open RAIL-M. README не содержит дополнительных сведений о размерах, языках или конкретных сценариях применения.

OlegSkutte/sdxl-turbo-GGUF — это GGUF-квантизированная версия модели SDXL-Turbo, разработанной Stability AI. Модель предназначена для генерации изображений по текстовым описаниям в сценариях text-to-image и совместима с программным обеспечением на базе stable-diffusion.cpp. В README также приведены рекомендуемые настройки для Dreamio: разрешение 512×512, один шаг сэмплирования, CFG scale 1,0, sampler EULER, scheduler DEFAULT и TAESD taesdxl. Ключевое преимущество модели — возможность быстрой генерации изображений благодаря ориентации SDXL-Turbo на малое число шагов, а GGUF-квантизация может упростить локальный запуск и снизить требования к ресурсам по сравнению с полноразмерной версией. Данные о точном размере модели, варианте квантизации, поддерживаемых языках, максимальном контексте и дополнительных модальностях не указаны. Модель распространяется по лицензии sai-nc-community; условия использования следует уточнять по лицензии Stability AI, указанной в README.

Это пакет канонических ONNX-компонентов SenseNova U1.5-8B-MoT, подготовленный justinchuby для инференса через ONNX Runtime. Он включает текстовые эмбеддинги, визуальный энкодер и декодер понимания, а также компоненты генерации изображений: эмбеддинги и денойзер. Рабочий процесс поддерживает генерацию изображения по тексту и редактирование изображения по текстовому запросу, с условной генерацией, CFG, интегрированием Эйлера и заданием случайного seed. В README приведены результаты запуска на NVIDIA H200: генерация изображения 512×512 за 20 шагов и редактирование изображения такого же размера. Пакет выдаёт логиты префилла текста, но не содержит полного цикла декодирования текстовых токенов. Для совместимости с общими серверами изображений требуются дополнительные шаблон чата и обработка маски изображения. Лицензия — Apache-2.0.

SPARK.Chroma_v1 — дообученная модель для генерации реалистичных изображений по текстовым описаниям. Её создал автор под именем SG161222 на базе Chroma1-HD; модель использует архитектуру FLUX.1-schnell и содержит 8,9 млрд параметров. Модель предназначена для генерации изображений в реалистичном стиле. В README приведены настройки для запуска через ComfyUI и рекомендованы 40 шагов сэмплирования и CFG 3,5–4,0. Репозиторий содержит веса в формате safetensors для Diffusers. Лицензия — Apache 2.0. Автор предупреждает, что модель обучалась с тестовой конфигурацией дообучения, поэтому изображения могут быть недостаточно реалистичными и детализированными. Модель ориентирована на реализм и имеет ограниченное разнообразие стилей; возможны ошибки анатомии и текста.

stable-diffusion-3.5-medium-GGUF — это квантизированная версия модели Stable Diffusion 3.5 Medium, разработанной Stability AI и подготовленной в формате GGUF компанией Second State Inc. Модель предназначена для генерации изображений по текстовому описанию и рассчитана на использование в сценариях text-to-image, включая совместимые инструменты на базе stable-diffusion.cpp и sd-api-server. В состав опубликованных файлов входят основные компоненты модели, а также текстовые энкодеры CLIP-G и CLIP-L и T5-XXL. Доступны варианты квантизации Q4_0, Q4_1, Q5_0, Q5_1 и Q8_0, а также полноточные версии f16; размер файлов зависит от компонента и степени квантизации. В карточке указано, что модель поддерживает английский язык. Архитектурные детали, число параметров, размер контекста и перечень дополнительных модальностей не приведены. Ключевое преимущество — несколько уровней квантизации, позволяющих выбирать между размером файлов и точностью, что может упростить запуск на системах с ограниченными ресурсами. Ограничения включают отсутствие в README сведений о качестве генерации, производительности, требованиях к оборудованию и готовности интеграции с sd-api-server: для неё указано «coming soon». Модель распространяется по лицензии Stability AI Community License; применимые условия следует уточнять в файле LICENSE.md.

Stable Diffusion v1-5 GGUF — это квантизированная версия латентной диффузионной text-to-image модели Stable Diffusion v1.5. Исходная модель разработана Robin Rombach и Patrick Esser, а карточка указывает Runway ML как создателя исходного варианта; данный репозиторий содержит GGUF-представление. Модель генерирует и изменяет изображения по текстовым запросам, поддерживает сценарии художественного создания, дизайна, образовательных и исследовательских инструментов. Она рассчитана на работу через Diffusers, ComfyUI, Automatic1111, SD.Next и InvokeAI. Архитектурно это Latent Diffusion Model с фиксированным текстовым энкодером OpenAI CLIP ViT-L/14. Модель обучалась при разрешении 512×512, использует английский язык и предназначена для генерации фотореалистичных изображений по тексту. Доступны варианты квантизации FP16, Q8_0, Q4_1 и Q4_0; для всех указанных вариантов CLIP и VAE имеют квантизацию FP16. Сильными сторонами являются широкая поддержка инструментов и возможность локального запуска, а ограничениями — зависимость качества от текстового запроса, унаследованные ограничения и смещения генеративной модели, а также устаревание некоторых исходных средств запуска. В README модель обозначена как предназначенная только для исследовательских целей и распространяемая по лицензии CreativeML OpenRAIL M.

Xenova/swin2SR-lightweight-x2-64 — это облегчённая модель сверхразрешения изображений, преобразованная в формат ONNX для совместимости с библиотекой Transformers.js. Модель основана на caidas/swin2SR-lightweight-x2-64 и использует архитектуру Swin2SR, что следует из её идентификатора. Она предназначена для image-to-image обработки: увеличения разрешения входных изображений в два раза с возможностью запуска в JavaScript-приложениях, в том числе в веб-среде. Модель работает с изображениями и возвращает трёхканальное растровое изображение; в примере входное изображение размером 512×512 преобразуется в результат того же размера, что не позволяет однозначно установить фактический масштаб по приведённому фрагменту. Для выполнения доступны типы данных fp32, fp16, q8 и q4, позволяющие выбирать между точностью и требованиями к ресурсам. README не указывает сведения о количестве параметров, поддерживаемых языках, максимальном контексте, качестве на бенчмарках, лицензии или ограничениях применения. Разработчик ONNX-версии — Xenova; исходная модель обозначена как caidas/swin2SR-lightweight-x2-64.

Xenova/swin2SR-realworld-sr-x4-64-bsrgan-psnr — модель сверхразрешения изображений, адаптированная для работы в Transformers.js. Она основана на модели caidas/swin2SR-realworld-sr-x4-64-bsrgan-psnr, а репозиторий содержит ONNX-веса для запуска в веб-среде и JavaScript-приложениях. Модель предназначена для image-to-image обработки: увеличения разрешения изображений в четыре раза и восстановления деталей на изображениях реального мира. Она может использоваться в браузерных и других JavaScript-приложениях через pipeline('image-to-image') библиотеки Transformers.js. В README указано, что выходное изображение может иметь три канала и примерный размер 1024×1024 пикселей; поддерживаются варианты вычислений fp32, fp16, q8 и q4. Архитектура Swin2SR и точный размер модели, перечень языков и максимальный контекст не указаны; для задачи обработки изображений языковые характеристики неприменимы. Сильной стороной является готовность к использованию с Transformers.js и наличие ONNX-весов, однако README не содержит подробностей о качестве, ограничениях на типы изображений или производительности. Лицензия в предоставленных данных не указана.

Vikhr-2-VL-2b-Instruct-experimental — компактная мультимодальная модель Vikhr Team на архитектуре Qwen2-VL, дообученная на переведённом датасете LLAVA-150K для работы с русскоязычными запросами об изображениях. Она принимает текст и изображения и формирует текстовые ответы; подходит для диалога, визуального анализа и ответов на вопросы по изображениям. Модель насчитывает 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Также заявлена поддержка английского языка. Модель является экспериментальной: ответы могут быть непредсказуемыми, а распознавание текста на изображениях (OCR) особенно ненадёжно. Распространяется по лицензии Apache-2.0.

Xenova/4x_APISR_GRL_GAN_generator-onnx — версия модели APISR в формате ONNX, подготовленная Xenova для совместимости с Transformers.js. Это плотная модель семейства Swin2SR, предназначенная для преобразования изображений и увеличения их разрешения в 4 раза; веса ONNX позволяют запускать её через Transformers.js. Модель подходит для повышения разрешения изображений, в том числе для восстановления более детализированного вида входного изображения. Репозиторий содержит ONNX-веса, а карточка не описывает поддерживаемые языки или дополнительные ограничения качества. Лицензия — GPL-3.0.

526 Mix v15 — модель генерации изображений по текстовому описанию в формате Diffusers. Карточка приводит пример промпта для создания милого персонажа в модной обуви, сочетая стилистические ориентиры WLOP и KyoAni. Модель предназначена для создания иллюстраций по текстовым запросам; метаданные относят её к семейству Stable Diffusion. Файлы представлены в форматах Diffusers и SafeTensors. Модель опубликована под лицензией CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.