IV.1Ритейл, электронная коммерция и fashion-tech

BeautyFool Remix — слитая модель для генерации изображений по текстовому описанию, опубликованная Yntec. Она основана на BeautyFoolReality_4 и CocaCola и использует текстовый энкодер CocaCola для создания выразительных композиций. Примеры в карточке показывают фотореалистичные портреты и сцены, в том числе с кинематографическим освещением и стилизацией. Модель работает в Diffusers как Stable Diffusion 1.5 и распространяется в формате safetensors. Лицензия — CreativeML OpenRAIL-M. Карточка ориентирована на англоязычные промпты; размер модели и длина контекста не указаны в предоставленных данных.

CamStack model mirror — репозиторий преобразованных сторонних моделей для использования в инференс-движках CamStack. В README перечислены детекторы объектов и упаковок, сегментационные и классификационные модели, распознавание автомобильных номеров, аудиоклассификатор и извлечение признаков. Модели экспортированы в ONNX, TFLite и CoreML; часть также преобразована в OpenVINO IR. Для отдельных вариантов указаны изменение размера входного изображения, дообучение или посттренировочная квантизация INT8. Репозиторий не задаёт единую лицензию: условия зависят от модели и сохраняются от исходного проекта. Среди указанных лицензий есть AGPL-3.0 для YOLO26 и YOLOv9, Apache-2.0 для ряда моделей и CC BY-NC 4.0 для классификатора типов автомобилей, который нельзя использовать коммерчески. README отсылает к карточкам папок и файлам лицензий для условий каждой модели. Категория feature-extraction из метаданных не описывает все задачи моделей, перечисленных в README.

CanViT-B — модель Canvas Vision Transformer, разработанная авторами CanViT. Она предназначена для извлечения признаков изображений и воспринимает сцену как последовательность отдельных зрительных фрагментов, сохраняя информацию на общей для сцены «холстовой» репрезентации. Модель обучена на ImageNet-21k методом плотной латентной дистилляции от facebook/dinov3-vitb16-pretrain-lvd1689m; в карточке указана обработка сцен размером 512 пикселей. Чекпойнт распространяется в формате safetensors и использует библиотеку canvit-pytorch. Лицензия — MIT. Карточка ссылается на статью NeurIPS 2026; дата публикации репозитория — 28 января 2026 года.

ControlNet Tile SDXL — модель ControlNet для Stable Diffusion XL, опубликованная под идентификатором xinsir/controlnet-tile-sdxl-1.0. Она предназначена для управления генерацией и восстановлением изображений на основе входного изображения с использованием tile-предобработки и базовой модели stabilityai/stable-diffusion-xl-base-1.0. Модель поддерживает сценарии удаления размытия с восстановлением деталей, вариаций изображений и суперразрешения, включая увеличение в несколько раз и работу с изображениями произвольного соотношения сторон. В README приведены примеры использования через библиотеку Diffusers с StableDiffusionXLControlNetPipeline, а также рекомендации обрабатывать изображения в разрешении около 1024×1024 или в совместимом bucket-разрешении для лучшего качества. Для работы используются ControlNetModel, VAE madebyollin/sdxl-vae-fp16-fix, CUDA-совместимые вычисления с torch.float16 и текстовые prompt и negative prompt. Ключевые ограничения связаны с зависимостью от базовой SDXL-модели, подходящего VAE и корректной tile-предобработки; конкретные сведения о размере параметров, языках, максимальном контексте и результатах формальной оценки не указаны. Примеры также отключают safety_checker, поэтому вопросы фильтрации содержимого должны решаться на уровне приложения. Модель распространяется по лицензии Apache-2.0.

ControlNet v1.1 OpenPose — модель на основе диффузионной архитектуры для управляемой генерации изображений совместно с Stable Diffusion. Её разработали Lvmin Zhang и Maneesh Agrawala; данный репозиторий содержит конвертацию исходного checkpoint в формат diffusers. Модель рекомендуется использовать с runwayml/stable-diffusion-v1-5, на котором она была обучена. Модель принимает изображение с позой человека в формате OpenPose как дополнительное условие и позволяет генерировать или преобразовывать изображения с сохранением заданного положения тела, а также, при наличии соответствующей обработки, поз рук и лица. Она предназначена для задач text-to-image и image-to-image, где требуется точнее контролировать композицию и позу персонажей; для извлечения OpenPose-условия нужны внешние инструменты, например controlnet_aux. В README указан английский язык. Сильная сторона модели — дополнительный пространственный контроль генерации при сохранении возможностей базовой Stable Diffusion. Ограничения связаны с зависимостью от совместимой базовой модели и внешнего препроцессора OpenPose; совместимость с другими diffusion-моделями возможна, но не гарантируется. Модель распространяется по лицензии CreativeML OpenRAIL M.

DreamDrop V1 — текстово-изображенческая модель, созданная на основе Deliberate V5 с помощью LoRA MJLora. Репозиторий содержит веса в формате safetensors для использования через Diffusers; метаданные указывают на задачу text-to-image. Модель предназначена для генерации изображений по текстовым запросам, в частности в реалистичной и художественной стилистике. В README приведены рекомендуемые параметры для Automatic1111: 20–22 шага, CFG 7–8 и сэмплеры DPM++ 2M Karras или UniPC, а также примеры положительного и отрицательного промптов. Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке репозитория. README не сообщает размер модели, длину контекста или поддерживаемые языки; модель принимает текст и генерирует изображения.

Yntec/epiCPhotoGasm — модель Stable Diffusion для генерации изображений по текстовым запросам, представленная в формате diffusers и распространяемая в весах safetensors. В карточке отмечено, что в обновлении встроен VAE 840K. Пример запроса задаёт гиперреалистичную фэнтезийную иллюстрацию девушки-джинна в эстетике журнальной рекламы и цифрового арта. Модель подходит для создания реалистичных и художественных изображений, обоев и постерных композиций. Репозиторий указывает лицензию CreativeML OpenRAIL-M; применяйте модель с учётом её условий. Карточка не сообщает размер модели, контекст или поддерживаемые языки.

Карточка модели Runware/Flex.1-alpha на Hugging Face совпадает с карточкой ostris/Flex.1-alpha, поэтому описание составлено по ней. Flex.1 alpha — базовая модель генерации изображений по текстовому описанию, разработанная независимым инженером по машинному обучению Ostris. Это трансформер rectified flow на 8 млрд параметров с архитектурой, близкой к FLUX.1-dev, но с меньшим числом двойных блоков трансформера: 8 вместо 19. Модель принимает текст длиной до 512 токенов и формирует изображения; обученный модуль guidance позволяет генерировать их без обязательного CFG, который при необходимости также поддерживается. Модель подходит для генерации изображений и дальнейшего тонкого дообучения, включая обучение LoRA. В README указана совместимость с Diffusers, ComfyUI и другими движками, поддерживающими FLUX-подобные модели. Flex.1 выросла из адаптера для FLUX.1-schnell и последующего проекта OpenFLUX.1; автор сообщает о продолжении обучения на новых данных и экспериментах с pruning. Распространяется по лицензии Apache 2.0. Карточка не уточняет языки обучающих данных и характеристики создаваемых изображений.

Fluently XL Final — дообученная модель генерации изображений по текстовым запросам, созданная разработчиками Fluently на базе Stable Diffusion XL Base 1.0. Она предназначена для создания художественных и реалистичных изображений, включая сцены с людьми и природой. В карточке отмечены проработка анатомии и лиц, управление контрастом и освещением; модель распространяется в форматах Diffusers, PyTorch и Safetensors и может использоваться в Automatic1111 и ComfyUI. Для генерации авторы рекомендуют 20–35 шагов, сэмплер Euler a или Euler и CFG Scale 4–6,5. Обучение проводилось на наборах изображений Midjourney, DALL·E 3 и избранных изображений. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией и правилами репозитория.

Flux-Super-Realism-LoRA — адаптер LoRA для модели black-forest-labs/FLUX.1-dev, предназначенный для генерации фотореалистичных изображений высокого разрешения. В README разработчик или организация явно не указаны; модель связана с репозиторием Stranger-Zone и идентификатором автора strangerzonehf. Адаптер ориентирован на портреты, лица, реалистичные сцены и изображения в стиле ultra-realism. Указан триггерный промпт «Super Realism». Обучение выполнено на 55 изображениях высокого разрешения с английской разметкой, рекомендуемые размеры — 1024×1024 и 768×1024. Технические параметры включают Network Dim 64, Network Alpha 32, 20 эпох и 4380 шагов. Модель работает с текстовыми промптами и генерирует изображения; сведения о поддерживаемых языках, максимальном контексте и точных требованиях к ресурсам не указаны. Сильная сторона адаптера — специализация на реалистичности, детализации и качестве лиц по сравнению с базовой моделью и предыдущими версиями. Ограничения README не описывает; качество может зависеть от базовой FLUX.1-dev, промпта и параметров генерации. Лицензия — MIT.

IP-Adapter-FaceID — экспериментальная модель семейства IP-Adapter, связанная с проектом Tencent AI Lab, предназначенная для генерации изображений по текстовому описанию с сохранением идентичности лица на основе изображения человека. Вместо CLIP-эмбеддинга изображения она использует face ID embedding, извлечённый моделью распознавания лиц InsightFace, а LoRA применяется для повышения согласованности идентичности. Модель интегрируется с библиотекой diffusers и базовыми пайплайнами Stable Diffusion; также доступна экспериментальная версия для Stable Diffusion XL. Она поддерживает генерацию различных стилей и сцен по текстовым промптам, включая портреты. Варианты FaceID-Plus и FaceID-PlusV2 дополнительно используют CLIP-эмбеддинги для передачи структуры лица, причём в PlusV2 можно управлять весом структурного признака. Версия FaceID-Portrait принимает несколько изображений лица для повышения сходства. Сильная сторона модели — возможность управлять содержанием и стилем изображения текстом, сохраняя сходство с исходным лицом. Ограничения включают экспериментальный статус, зависимость от предварительного извлечения face ID embedding через InsightFace и необходимость совместимого базового Stable Diffusion или SDXL-пайплайна; точные характеристики размера, объёма контекста и языковой поддержки не указаны. Лицензия в представленном README не указана.

JoyAI-Video-Edit Diffusers — выпуск контрольной точки JoyAI-Video-Edit 0811 в формате Diffusers; модель разработана jdopensource. Конвейер JoyVideoEditPipeline предназначен для редактирования видео по текстовым инструкциям и поддерживает необязательное управление по референсному изображению. В состав репозитория входят трансформер, причинный видео-VAE и планировщик; текстово-визуальный энкодер MiMo-VL в репозиторий не включён и загружается отдельно. Модель принимает исходное видео и текстовое описание изменений, а также может использовать референсное изображение. Для кадров после предварительной обработки требуется количество вида 8n+1, размеры выходного видео должны делиться на 24; стандартная настройка инференса — два шага. Модель работает через flow-matching денойзинг без classifier-free guidance. Репозиторий распространяется по лицензии Apache-2.0.

KOALA-700M — модель генерации изображений по текстовому описанию, разработанная ETRI Visual Intelligence Lab. Это латентная диффузионная модель: она использует текстовые энкодеры SDXL-Base-1.0 и заменяет его U-Net на сжатую архитектуру, знания которой дистиллированы из SDXL. U-Net содержит около 782 млн параметров; модель рассчитана на генерацию изображений разрешением до 1024×1024 и может работать через библиотеку Diffusers. KOALA-700M предназначена для создания иллюстраций и художественных изображений, в том числе на менее мощном оборудовании, чем требуется SDXL. По данным авторов, при 25 шагах диффузии и FP16 она генерирует изображение 1024×1024 менее чем за 1,5 секунды на NVIDIA 4090 и работает более чем вдвое быстрее SDXL. Модель обучена на LAION-aesthetics-V2 6+; по карточке, она предназначена для исследовательского использования. Информация о лицензии в предоставленных данных отсутствует. Модель может плохо отображать длинный разборчивый текст и затрудняться со сложными запросами, включающими несколько атрибутов. Она не предназначена для получения достоверных изображений людей или событий; на результаты также влияют особенности обучающего набора данных.

krea2_realisticSnapshot — это LoRA-модель для генерации изображений на основе базовой модели Krea-2-Turbo, разработанной Krea. Она предназначена для сценариев text-to-image и, вероятно, используется совместно с библиотекой Diffusers для получения изображений с заданными текстовыми описаниями. В доступных данных указано, что модель относится к классу diffusion LoRA и имеет базовую модель krea/Krea-2-Turbo. Иные характеристики, включая количество параметров, архитектурные детали LoRA, поддерживаемые языки, модальности помимо генерации изображений и размер контекста, не указаны. README также не содержит описания сильных сторон, ограничений или примеров применения. Лицензия и условия использования в предоставленном README не указаны, поэтому их нельзя достоверно определить.

LibreFlux-SAM-ControlNet — модель генерации изображений от автора neuralvfx, дообученная на базе jimmycarter/LibreFLUX. Она принимает изображения в стиле SAM с сегментированными областями и создаёт по ним фотореалистичные изображения; модель предназначена для управляемой генерации и преобразования сегментационных карт в изображения. Архитектура использует пайплайн LibreFluxControlNetPipeline на базе Diffusers, attention masking и утроенное число control layers для более точного управления. Обучение проводилось на 320 тысячах сегментированных изображений из opendiffusionai/laion2b-squareish-1536px с разрешением 1024×1024; автор рекомендует при генерации разрешение от 1,5K. Модель также поддерживает CFG и отрицательные промпты. Лицензия — Apache-2.0.

Llamastics — автоматически созданный классификатор изображений, подготовленный с помощью HuggingPics. README описывает его как модель, созданную по демонстрационному сценарию для классификации изображений; архитектура ViT содержит около 113,2 млн параметров. Модель предназначена для отнесения изображений к классам, соответствующим данным, на которых её обучили. Карточка не раскрывает набор классов и детали обучения, поэтому применимость к конкретным изображениям зависит от обученной версии. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

MiniMax-H3 Turbo — модель LightX2V на базе MiniMaxAI/MiniMax-H3, предназначенная для генерации видео по изображению. Карточка указывает поддержку сценариев text-to-video, image-to-video и reference-to-video; основное назначение этой версии в метаданных — image-to-video. Для ускоренного вывода в LightX2V Studio упомянута LoRA FL2V 8-step v1.0 с разрешением 768p и генерацией за 8 шагов; развернутая версия модели в Studio может меняться. Репозиторий содержит веса в формате safetensors и использует библиотеку Diffusers. Модель основана на MiniMax-H3, мультимодальной генеративной модели MiniMax для коротких видео со стереозвуком. В метаданных указаны английский и китайский языки. README предлагает запуск через LightX2V Studio и интеграцию через LightX2V API. Лицензия — Apache-2.0. В доступной карточке не приведены результаты оценки качества и подробные требования к оборудованию.

MobileNet V2 — компактная сверточная модель классификации изображений, разработанная авторами архитектуры MobileNetV2 и впервые выпущенная в этом репозитории. Этот чекпойнт предварительно обучен на ImageNet-1k и выдаёт оценки для 1000 классов набора; он рассчитан на входные изображения разрешением 96×96 пикселей и использует множитель глубины 0,35. Модель предназначена для классификации изображений в сценариях с ограниченными вычислительными ресурсами, например на мобильных устройствах. Архитектура MobileNet V2 оптимизирована для низкой задержки и энергопотребления, с компромиссом между размером, скоростью и точностью. Доступны веса PyTorch; лицензия указана как other, поэтому условия использования следует уточнить в репозитории.

DevQuasar публикует GGUF-версию модели NVIDIA Cosmos-Reason2-32B. Это мультимодальная модель с возможностями чата и анализа изображений, предназначенная для ответов на вопросы по визуальным сценам и рассуждений о физическом мире. Каталог относит её к задаче image-text-to-text и указывает формат GGUF F16. Модель можно применять для анализа изображений, описания сцен и поддержки сценариев видеоаналитики, аннотирования данных и планирования роботов. Она унаследована от nvidia/Cosmos-Reason2-32B; README характеризует её как квантованную версию, однако метаданные указывают формат F16, поэтому степень и метод квантования по имеющимся сведениям определить нельзя. Лицензия и конкретные ограничения применения в README не приведены.

StarkEater/NyteTydeNoobAIXLvpred1.0EqB7-1024-with-protectedtags — дообученная модель генерации изображений из текста на базе StarkEater/NoobAIXLvpred10EQB7. Она предназначена для создания изображений по текстовым запросам; по README, для неё не требуются триггерные слова. Модель обучалась с разрешением 1024, а защищённые теги сохранялись при обучении и перемешивались, тогда как остальные необходимые теги отбрасывались и перемешивались. Модель распространяется в формате safetensors и рассчитана на работу через библиотеку Diffusers. Метаданные указывают английский язык. Сведения о лицензии и ограничениях использования в доступных материалах отсутствуют.

Это дообученная модель генерации изображений по тексту на базе FLUX.2 klein base 4B от Black Forest Labs, опубликованная автором репозитория kimi000. Веса представлены в формате Diffusers и Safetensors: обученная EMA LoRA ранга 32 с alpha 64 объединена с трансформером, поэтому отдельно загружать адаптер не требуется. Модель работает через Flux2KleinPipeline и принимает текстовый запрос, чтобы создать изображение. В README описан экспериментальный запуск AlphaGRPO-подобного обучения по курсу из 39 семейств: шаг 500, изображения 512×512, 20 шагов генерации и guidance scale 4. Указаны файлы происхождения и проверки целостности экспорта, но проверка не является бенчмарком качества. Лицензия — Apache-2.0. Карточка приводит базовую модель как модель для генерации и редактирования изображений по референсам; возможности редактирования этой производной модели отдельно не подтверждены.

OpenDalle v1.1 — модель генерации изображений по текстовому описанию, разработанная Alexander Izquierdo и опубликованная в репозитории dataautogpt3/OpenDalleV1.1. Она предназначена для создания изображений с акцентом на соответствие запросу, реалистичность и художественный стиль. Модель работает через StableDiffusionXLPipeline в Diffusers; файлы доступны в форматах Diffusers и Safetensors. В README рекомендованы CFG scale 7–8, 35 шагов для более быстрой генерации или 60–70 для большей детализации, а также sampler DPM2 с обычным расписанием или Karras. Модель рассчитана на текстовые запросы и выдаёт изображения; сведения о поддерживаемых языках и размере контекста не приводятся. Лицензия CC-BY-NC-ND-4.0 в метаданных, а README также содержит отдельное соглашение о личном некоммерческом использовании с ограничениями на распространение и публичный показ; перед использованием следует проверить применимые условия. Коммерческое применение не разрешено указанными условиями.

PixVL-baseline-bestcap-purereseg — экспорт модели PixVL для сегментации изображений. Репозиторий содержит полный экспорт в формате Hugging Face; модель построена на основе Qwen3-VL-4B-SAMTok с архитектурой Qwen3-VL для условной генерации. Модель предназначена для сегментации изображений. Она выпущена для исследовательского использования и наследует лицензию и ограничения применения базовой модели; метаданные указывают лицензию MIT.

Pony-Diffusion-V6-XL — модель генерации изображений по текстовому описанию, опубликованная в репозитории stablediffusionapi и доступная через API ModelsLab. Метаданные относят её к семейству Stable Diffusion XL и указывают библиотеку diffusers; файлы представлены в форматах Diffusers и safetensors. Модель предназначена для создания изображений по текстовым запросам. README описывает доступ к ней через API ModelsLab и не приводит сведений о рекомендуемых сценариях, размере, контексте или поддерживаемых языках. Для модели указана лицензия CreativeML OpenRAIL-M; условия её использования следует сверять с текстом лицензии.

Qwen3-4B-OT3-tau2-1ep — доменная модель-агент MMOPD для обслуживания клиентов с вызовом инструментов. Это чекпойнт первой эпохи supervised fine-tuning модели MMOPD/Qwen3-4B-OT3-2ep на диалогах из inclusionAI/AReaL-tau2-data, содержащих рассуждения, ответы и вызовы инструментов в сценариях авиаперевозок, розничной торговли и телекоммуникаций. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель предназначена для агентных диалогов, в которых нужно вести разговор с клиентом и выполнять действия через инструменты; карточка приводит оценку на τ²-bench для телекоммуникационных задач. Поддерживает английский язык, формат рассуждений Qwen3 и контекст до 32 768 токенов. В опубликованной оценке с официальным промптом результат составил 43,9% успешных задач на базовом наборе; с более коротким промптом из обучающих данных — 24,6%. Чекпойнт может выдавать вызов инструмента, не закрыв блок рассуждений, что создаёт проблемы для парсеров, требующих закрытого блока. Для запуска README рекомендует vLLM с парсерами вызовов инструментов Hermes и рассуждений Qwen3. В README отмечено, что сценарии телекоммуникационного тестового набора частично представлены в данных семейства; оценки следует интерпретировать с учётом этого. Лицензия — Apache-2.0.

MMOPD/Qwen3-4B-OT3-tau2-2ep — плотная авторегрессионная модель семейства Qwen3, разработанная MMOPD для использования инструментов в диалогах клиентской поддержки и сценариях τ²-bench. Это контрольная точка после второго этапа обучения с учителем: модель дообучена на агентских репликах набора inclusionAI/AReaL-tau2-data, включающих контекст диалога, рассуждения, ответы и вызовы инструментов. Модель содержит 3,7 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов; карточка указывает английский язык. Модель ориентирована на обслуживание клиентов в сферах телекоммуникаций, авиаперевозок и розничной торговли, где агенту требуется вести диалог и вызывать инструменты. В описанной оценке на τ²-bench telecom с официальным промптом результат составил 57,9% pass@1 по 114 задачам и 55,3% по 94 задачам, не встречавшимся в обучающих строках; при этом авторы отмечают возможное пересечение сценариев и воздействие тестовых данных. Для работы рекомендуются vLLM и парсеры вызовов инструментов и рассуждений Qwen3. Веса сохранены в bfloat16, формат репозитория — safetensors. Лицензия Apache-2.0. Результаты оценки зависят от промпта и настроек парсера; парсер, требующий закрытого блока рассуждений перед вызовом инструмента, может отклонять некоторые ответы. Контрольная точка является частью экспериментального исследовательского набора MMOPD и представляет второй этап трёхэтапного запуска обучения.

GeorgeQi/realisticVisionV13_v13 — преобразованная версия чекпойнта Realistic Vision V13 в формате Diffusers, предназначенная для генерации изображений по текстовым описаниям. В README указано, что веса safetensors конвертированы для Paint3D; метаданные подтверждают задачу text-to-image и форматы Diffusers и PyTorch. Модель можно использовать для создания реалистичных изображений по текстовым запросам в совместимых приложениях на базе StableDiffusionPipeline. Репозиторий распространяется по лицензии Apache-2.0. Размер модели, поддерживаемые языки и ограничения качества в доступных данных не описаны.

facebook/sapiens-pose-bbox-detector — детектор RTMDet, предназначенный для использования вместе с Sapiens-Pose Estimation. Он находит людей на изображениях и определяет ограничивающие рамки, которые можно передать модели оценки позы. Модель размещена в организации Facebook; карточка не приводит дополнительных сведений об архитектуре, размере или языках. Модель подходит для конвейеров анализа позы человека, где сначала требуется обнаружить человека, а затем оценить положение его ключевых точек. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

refiners/sd15.controlnet.tile — модель ControlNet для Stable Diffusion 1.5, основанная на lllyasviel/control_v11f1e_sd15_tile. Она предназначена для управления генерацией и преобразования изображений с помощью структуры исходного изображения и тайлового контроля. Репозиторий использует библиотеку refiners и содержит веса в формате safetensors. Модель подходит для задач image-to-image, где требуется сохранить композицию и детали исходного изображения при генерации или улучшении изображения. Карточка указывает лицензию OpenRAIL. Метаданные не сообщают размер модели, длину контекста или конкретные ограничения качества.

rupeshs/sdxs-512-0.9-openvino — модель генерации изображений по текстовому описанию, опубликованная пользователем rupeshs на основе SDXS-512-0.9 от IDKiro. Модель интегрируется с библиотекой Diffusers и использует OpenVINO для выполнения инференса, включая запуск на CPU через FastSD CPU. Модель предназначена для быстрого создания изображений размером 512×512 по англоязычным текстовым запросам. В примере из README она работает с OVStableDiffusionPipeline, одним шагом инференса и guidance_scale 1.0, что делает её подходящей для сценариев, где важна скорость генерации и невысокая задержка. К сильным сторонам относятся специализированная оптимизация под OpenVINO и возможность генерации изображения за один шаг. Ограничениями являются зависимость от англоязычных промптов, фиксированная целевая разрешающая способность 512×512 и возможные компромиссы между скоростью и качеством при одноступенчатой генерации. Модель распространяется по лицензии openrail++.