IV.1Ритейл, электронная коммерция и fashion-tech

SEOcrate-4B_grpo_new_01 — экспериментальная модель-прототип от cyberandy для задач поисковой оптимизации. Она дообучена методом GRPO на базе unsloth/gemma-3-4b-it-bnb-4bit — 4-битной версии Gemma 3 Instruct с 4 млрд параметров. Модель принимает текстовые запросы в формате чата и генерирует текст; заявленная длина контекста — 131 072 токена. Модель ориентирована на SEO-задачи: оптимизацию заголовков и метаописаний, подбор внутренних ссылок, анализ поисковых запросов, классификацию намерений, рекомендации по Schema.org, правила robots.txt и canonicalization. При обучении использовалась онтология SEOntology (seovoc), а ответы задуманы в структурированном формате с объяснением шагов и кратким итогом. Это доказательство концепции, обученное на небольшом синтетическом наборе примерно из 960 примеров; README описывает проверку подхода, а не гарантирует качество для рабочих сценариев. Модель заявлена как англоязычная. Лицензия — Apache-2.0.

SteadyDancer-14B — чекпойнт для анимации людей на основе изображения по схеме image-to-video. Модель разработана Multimedia Computing Group Нанкинского университета совместно с Platform and Content Group Tencent и представлена в исследовательской работе SteadyDancer. Это дообучение Wan2.1 I2V-14B-480P; репозиторий содержит веса в формате safetensors и рассчитан на работу через diffusers. Модель создаёт связную во времени анимацию человека, сохраняя исходный кадр и снижая смещение идентичности, которое может возникать при анимации в реальных условиях. Базовая модель формирует видео 480p из изображения и текстового запроса; карточка SteadyDancer подчёркивает согласованность и качество анимации, а также меньшие требования к обучающим ресурсам по сравнению с прежними подходами. Модель подходит для оживления изображений людей и создания управляемой видеoанимации. В карточке не приведены отдельные оценки качества или численные требования для запуска. Лицензия — Apache-2.0.

TencentARC/t2iadapter_color_sd14v1 — адаптер T2I-Adapter для управляемой генерации изображений с помощью Stable Diffusion. Разработан авторами работы «T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models». Адаптер принимает изображение с цветовой палитрой 8×8 и использует её как дополнительное условие для генерации изображения по текстовому запросу. Модель предназначена для сценариев, где нужно задать цветовую гамму результата, сохранив текстовое управление генерацией. README связывает этот чекпойнт со Stable Diffusion 1.4, тогда как метаданные указывают базовую модель runwayml/stable-diffusion-v1-5; поэтому совместимость следует сверять с используемым чекпойнтом. Репозиторий содержит веса PyTorch, лицензия — Apache 2.0. README указывает английский язык; характеристики размера и контекста для этого адаптера не приводятся.

google/tapas-tiny-finetuned-sqa — компактная модель Google на архитектуре TAPAS, дообученная на наборе Sequential Question Answering (SQA) для ответов на вопросы по таблицам. Она принимает вопрос и таблицу, представленные вместе в текстовом виде, и выбирает релевантные ячейки; модель рассчитана на последовательный диалоговый сценарий с вопросами к таблице. Модель основана на BERT-подобном двунаправленном трансформере TAPAS с 4,4 млн параметров. До дообучения она прошла masked language modeling и промежуточное обучение на синтетических примерах для рассуждений о табличных данных. В версии по умолчанию сбрасывается индекс позиции для каждой ячейки таблицы; доступен также вариант no_reset с абсолютными позиционными эмбеддингами. Максимальная длина входа — 512 токенов; поддерживается английский язык. Модель опубликована по лицензии Apache-2.0. TAPAS позволяет задавать вопросы о содержимом таблиц и выбирать ячейки в ответ. Ограничения включают привязку к табличным данным и английскому языку, а также предел длины входа в 512 токенов; качество для конкретной таблицы и вопроса может различаться.

TempoPFN — модель для прогнозирования одномерных временных рядов, представленная в исследовательской работе о синтетическом предварительном обучении линейных RNN для zero-shot прогнозирования. Она содержит 38 млн параметров и использует архитектуру Linear RNN GatedDeltaProduct с механизмом state-weaving; модель обучена исключительно на синтетических данных. Архитектура поддерживает параллельные обучение и инференс, а также сохраняет временное состояние на длинных последовательностях без разбиения ряда на окна или патчи. Модель предназначена для zero-shot прогнозирования временных рядов и оценки на разных типах рядов без обучения на реальных данных. В README заявлены конкурентные результаты на GIFT-Eval и воспроизводимый конвейер генерации синтетических данных. Для инференса требуется CUDA-совместимый GPU и соответствующая сборка PyTorch; первый запуск для новой длины последовательности замедлен компиляцией ядер Triton. Репозиторий распространяется по лицензии Apache-2.0.

jahb57/test_trainer — дообученная модель GPT-2 для классификации текстов отзывов Yelp. Она построена на архитектуре GPT-2 и обучена на наборе yelp_review_full; контекст составляет 1024 токена. В README указаны результаты на оценочной выборке: loss 1,0617 и accuracy 0,584. Модель предназначена для отнесения текста к классам тональности или рейтинга отзывов Yelp. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Подробности о применении и ограничениях в карточке не раскрыты.

Danrisi/UltraReal_FineTune_Anima_base1_v3 — дообученная с помощью LoRA модель генерации изображений на основе circlestone-labs/Anima, разработанная Danrisi. Она предназначена для создания реалистичных изображений по текстовым описаниям, включая портреты, повседневные фотосцены, селфи и стилизацию под снимки со смартфона, компактной цифровой камеры, DSLR, плёнки или VHS. Для настройки сцены в README предложена структура промпта с тегами камеры, освещения и стиля в начале, описанием сцены на естественном английском и тегами года и качества в конце. Модель распространяется в формате Safetensors через библиотеку Diffusers; лицензия — Apache-2.0. В README отмечены улучшение реализма и разнообразия по сравнению с предыдущей версией и трудности с отдельными эмоциями, в частности с надутыми губами. Поскольку это LoRA, для генерации требуется базовая модель circlestone-labs/Anima. Параметры размера и длины контекста в предоставленных данных не приведены.

Это модель семантической сегментации изображений Unet с энкодером ResNet-18, опубликованная в репозитории smp-test-models/unet-tu-resnet18. Она предназначена для присвоения метки каждому пикселю изображения. Модель загружается через библиотеку segmentation-models-pytorch и сохранена в формате safetensors. Карточка не содержит сведений о наборе данных и метриках, поэтому точность и подходящие классы сегментации оценить нельзя. Лицензия MIT.

Yntec/Veritas — модель преобразования текста в изображения, созданная как дообучение coder119/Vectorartz_Diffusion. Она предназначена для генерации детализированных изображений по простым запросам и поддерживает разнообразную визуальную подачу: иллюстрации, фотореалистичные сцены и плоский стиль, напоминающий векторную графику. Примеры в карточке охватывают портреты, персонажей мультсериалов, пейзажи и предметы. Модель распространяется в формате Diffusers с весами Safetensors и лицензией CreativeML OpenRAIL-M. Качество и стиль результата зависят от формулировки запроса; карточка демонстрирует примеры, но не приводит систематических оценок качества.

Vintedois Diffusion v0.1 — модель генерации изображений по текстовому описанию, созданная Predogl и piEsposito. Она основана на Stable Diffusion 1.5 и обучена на большом наборе качественных изображений с простыми промптами, чтобы получать выразительные результаты без сложной настройки запроса. Для усиления характерного стиля авторы предлагают добавлять к промпту слово «estilovintedois». Модель также подходит для персонализации в стиле DreamBooth и может создавать детализированные лица за небольшое число шагов генерации. Модель распространяется в форматах Diffusers и PyTorch. Она принимает текстовые промпты и генерирует изображения; README приводит пример фотореалистичной сцены с параметрами для Diffusers. Авторы разрешают коммерческое использование по лицензии CreativeML OpenRAIL-M, однако отмечают, что модель не проходила тщательную проверку на новые предвзятости. Размер модели, контекст и поддерживаемые естественные языки в предоставленных данных не указаны.

Wan2.2-I2V-A14B-Moe-Distill-Lightx2v-NVFP4 — модель генерации видео из изображения, разработанная на основе Wan2.2-I2V-A14B и дистиллированной версии lightx2v/Wan2.2-I2V-A14B-Moe-Distill-Lightx2v. Квантованную версию подготовили с помощью convert_to_quant от silveroxides. Модель предназначена для создания видео по входному изображению, поддерживает английский и китайский языки и ориентирована на запуск в ComfyUI. Это частично квантованная модель с форматами NVFP4 и MXFP8; базовая архитектура относится к семейству Wan2.2-I2V-A14B-Moe. Дистилляция шагов и classifier-free guidance позволяет выполнять генерацию за 4 шага без CFG, что существенно сокращает время инференса. Модель рассчитана на генерацию 81 кадра, совместима с LoRA и при использовании RIFE может применяться для получения 10-секундного видео. Рекомендуемые параметры: sampler Euler, scheduler Simple, Shift 5.0, CFG 1.0 и 4 шага; также указана совместимость сочетания heun и linear_quadratic. Для работы требуется GPU NVIDIA с архитектурой Blackwell, поддержка соответствующих возможностей в torch, актуальная версия ComfyUI и comfy-kitchen, собранный с CUDA 13. На RTX 5060 заявлено выполнение сэмплирования менее чем за 60 секунд. Сильной стороной модели являются низкое число шагов и высокая скорость генерации, а ограничением — возможные артефакты при резких движениях камеры или быстром движении объекта, особенно из-за агрессивного квантования. Модель распространяется по лицензии Apache 2.0.

XXMix_9realistic_v1 — модель генерации изображений по текстовому описанию, опубликованная пользователем digiplay и представленная в формате Diffusers с весами Safetensors. Карточка не содержит сведений об архитектуре, размере модели, языках, рекомендуемых сценариях или примерах её работы. Модель предназначена для создания изображений по текстовым запросам. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория. README не описывает сильные стороны или известные ограничения модели.

Модель Sengil предназначена для аспектно-ориентированного анализа тональности турецкого текста: она определяет положительную, нейтральную или отрицательную оценку, относящуюся к конкретному аспекту в предложении. Это дообученная Sengil модель на основе BERTurk — регистрозависимого BERT-энкодера dbmdz/bert-base-turkish-cased. Она содержит 137,8 млн параметров и принимает контекст до 512 токенов. Модель обучена на наборе Turkish-ABSA-Wsynthetic с полу-синтетическими примерами отзывов о ресторанах. Её можно применять для анализа отзывов по отдельным темам, например обслуживанию или ценам, а также дообучать для похожих задач в электронной коммерции, гостиничном бизнесе и анализе обратной связи. В описанном тестировании указаны accuracy 95,48% и weighted F1 95,46%; результаты относятся к тестовому набору и не гарантируют такое же качество на других данных. Модель разработана Sengil, распространяется по лицензии Apache-2.0 и использует библиотеку Transformers. Она рассчитана на турецкий язык; редкие или неоднозначные аспекты и отличающийся от ресторанных отзывов словарь могут ухудшить качество.

Модель abhilash88/age-gender-prediction — модель компьютерного зрения на базе Vision Transformer ViT-Base, предназначенная для одновременной оценки возраста и классификации пола по изображению лица. Она принимает цветные изображения RGB размером 224×224 и использует две выходные ветви: регрессионную для возраста и классификационную для пола. Модель обучена на датасете UTKFace; в README заявлены средняя абсолютная ошибка оценки возраста 4,5 года и точность классификации пола 94,3% на этом датасете. Модель подходит для анализа демографических характеристик изображений, исследовательских задач и обработки отдельных изображений или пакетов изображений. Наилучшие результаты заявлены для взрослых 16–60 лет при хорошем освещении и фронтальном положении лица. Для использования предусмотрена лицензия Apache-2.0. Точность ниже для детей, особенно в возрасте 0–12 лет, а также может снижаться для очень пожилых людей, изображений с плохим освещением, сильным поворотом лица или окклюзиями. README предупреждает, что стандартный Transformers pipeline может возвращать метки LABEL_0/LABEL_1 вместо ожидаемых значений; для получения возраста и пола предлагается использовать вспомогательную функцию автора.

AmorosBeaugossebatch64epochs150test-large-2025053174882-bs64freeze — дообученная модель классификации изображений на базе facebook/dinov2-large, разработанная автором репозитория Amoros. Модель построена на архитектуре DINOv2 и содержит 402,7 млн параметров; веса опубликованы в формате safetensors. Модель предназначена для присвоения классов изображениям. В README приведены результаты оценки: micro F1 0,6595, macro F1 0,5426 и accuracy 0,5713. Назначение конкретных классов и область применения не описаны. Репозиторий распространяется по лицензии Apache-2.0.

Analog Madness 1.1 — модель генерации изображений по текстовому описанию, размещённая пользователем Yntec. В карточке приведён пример промпта с персонажем и стилизованной рекламной сценой; теги указывают на фотореалистичные изображения персонажей и стиль Stable Diffusion. Модель предназначена для создания изображений по англоязычным промптам через Diffusers; файлы представлены в форматах Diffusers и safetensors. Лицензия модели — CreativeML OpenRAIL-M. Пример карточки показывает, что модель может быть ориентирована на привлекательные изображения персонажей; подробных сведений об архитектуре и размере в доступных данных нет.

beautiful-realistic-asian — модель генерации изображений по текстовому описанию, опубликованная StableDiffusionAPI и предназначенная для использования через сервис ModelsLab. Карточка показывает вызов модели через API и указывает идентификатор beautiful-realistic-asian. Пример запроса нацелен на фотореалистичные портреты с кинематографическим освещением; также предусмотрены негативный промпт и параметры управления генерацией, включая размер изображения, число шагов и guidance scale. Модель подходит для создания реалистичных портретов и других изображений по текстовым промптам. В примере указаны изображения 512×512 и 30 шагов генерации; API также принимает настройки seed, улучшения промпта и повышения разрешения. В метаданных указан формат Diffusers/PyTorch и лицензия CreativeML OpenRAIL-M. Карточка не сообщает точную архитектуру, число параметров или контекст; использовать можно через API ModelsLab, получив API-ключ.

sinkinai/Beautiful-Realistic-Asians-v5 — модель генерации изображений по текстовому описанию на базе Stable Diffusion, предназначенная для создания реалистичных изображений азиатских людей. В метаданных указаны конвейер text-to-image и форматы Diffusers и PyTorch; карточка упоминает возможность запуска через API.

Bernini-v2-bf16 — конверсия ByteDance/Bernini-Diffusers-v2 в формат MLX, опубликованная mlx-community. Модель объединяет семантический планировщик на базе MLLM и два диффузионных эксперта Wan2.2-A14B для рендеринга видео; планировщик основан на обученных для Bernini весах Qwen2.5-VL-7B. Репозиторий содержит веса в формате safetensors с точностью bf16 и предназначен для работы в экосистеме MLX. Модель поддерживает генерацию видео по изображению и рассчитана на сценарии, где входное изображение служит отправной точкой для видеоролика. В README также описан стек Bernini для задач text-to-video и text-to-image, но метаданные этой модели подтверждают только image-to-video. Указана лицензия Apache-2.0. Карточка описывает конверсию весов в MLX, при этом в метаданных связь с базовой моделью обозначена как finetune.

Chronos-2-Synth — вариант модели Chronos-2, разработанный AutoGluon и обученный только на синтетических одномерных и многомерных временных рядах. Модель предназначена для прогнозирования временных рядов и относится к архитектуре T5; размер составляет 99,1 млн параметров. Модель принимает временные ряды и выдаёт прогнозы. Лицензия Apache-2.0 разрешает её использование на условиях этой лицензии. Карточка не описывает отдельные прикладные отрасли или ограничения качества.

diffusers/controlnet-canny-sdxl-1.0 — модель ControlNet для управляемой генерации изображений, опубликованная в экосистеме Hugging Face Diffusers и обученная на базе Stable Diffusion XL Base 1.0 от Stability AI. Она использует conditioning по контурам Canny, поэтому предназначена для генерации изображений по текстовому описанию с сохранением структуры и границ объектов на входном изображении. Модель подходит для сценариев text-to-image с контролем композиции: создания фотореалистичных сцен, интерьеров, персонажей, пейзажей и других изображений при наличии карты контуров. Для работы используется StableDiffusionXLControlNetPipeline; входное изображение предварительно преобразуется оператором Canny. В README рекомендован controlnet_conditioning_scale 0.5, а также приведён пример работы в формате FP16 с выгрузкой части вычислений на CPU. Веса обучались в два этапа по 20 000 шагов на данных LAION 6A: сначала на изображениях с минимальным размером 384 пикселя, затем на высоком разрешении до 1024 пикселей с фильтрацией изображений не менее 1024 пикселей. Обучение проводилось на одной машине с 8 GPU A100, с общим batch size 64 и смешанной точностью FP16. README не указывает языковые ограничения, точный размер параметров или отдельные поддерживаемые модальности; модель предназначена для изображений и текстовых промптов. Лицензия указана как OpenRAIL++. Для использования требуется базовая модель Stable Diffusion XL Base 1.0 и совместимые компоненты Diffusers. Качество и точность следования структуре зависят от качества карты Canny, промпта и выбранной силы conditioning; модель не является самостоятельной текстовой или мультимодальной системой.

Cosmos-Predict2-0.6B-Text2Image — диффузионная модель NVIDIA для генерации изображений по текстовому описанию, входящая в семейство моделей для генерации миров. Это трансформерный диффузионный денойзер, который использует слои self-attention, cross-attention и feedforward, а также адаптивную нормализацию для учёта шага денойзинга. Размер модели — 0,6 млрд параметров не указан в предоставленных данных напрямую; обозначение версии содержится в названии модели. Модель предназначена для создания изображений сцен и объектов по текстовым промптам и может служить строительным блоком для разработки приложений физического ИИ и генерации миров. На вход подаётся текст короче 300 слов, на выходе по умолчанию получается RGB-изображение размером 1280×704. Модель ориентирована на работу с GPU NVIDIA; в карточке указана проверенная точность BF16 и поддержка Ampere, Blackwell и Hopper. Модель разработана NVIDIA и доступна для коммерческого использования на условиях NVIDIA Open Model License. Среди ограничений — артефакты при генерации изображений высокого разрешения, неточное представление трёхмерного пространства и физических законов, а также неправдоподобные взаимодействия объектов; поэтому результаты могут быть ненадёжны для сценариев, требующих физически точной симуляции.

FLUX.1-dev-ControlNet-Union-Pro — унифицированная модель ControlNet для генерации изображений по текстовому описанию на базе FLUX.1-dev. Она совместно разработана исследовательской командой InstantX и Shakker Labs; обучение спонсировала Shakker AI. Модель предназначена для управляемой генерации и редактирования изображений в связке с библиотекой Diffusers и базовой моделью black-forest-labs/FLUX.1-dev. Модель поддерживает семь режимов управления: контуры Canny, tile, глубину, размытие, позу, оттенки серого и низкое качество изображения. Режимы позволяют задавать структуру, композицию, глубину, позу или другие свойства результата с помощью контрольных изображений; несколько ControlNet можно использовать совместно. Рекомендуемый диапазон controlnet_conditioning_scale составляет 0,3–0,8. В карточке указаны английский язык и конвейер text-to-image, однако сведения о размере модели, максимальной длине контекста и точных архитектурных характеристиках отсутствуют. Это Pro-версия FLUX.1-dev-Controlnet-Union, обученная на большем числе шагов и наборе данных. Сильные стороны модели — объединение нескольких режимов управления в одном чекпойнте и возможность комбинировать их с другими ControlNet. Для использования требуется версия Diffusers из исходного кода, поскольку необходимая поддержка не включена в актуальный опубликованный релиз. Лицензия указана как flux-1-dev-non-commercial-license; модель предназначена для некоммерческого использования на условиях этой лицензии.

FLUX.1 Krea [dev] — модель генерации изображений по текстовому описанию, представленная Krea и Black Forest Labs. Это трансформер rectified flow с 12 млрд параметров, дообученный на основе black-forest-labs/FLUX.1-dev с применением guidance distillation. Модель ориентирована на высокое качество изображений, особенно эстетической фотографии, и следует текстовым запросам на уровне, сопоставимом с закрытыми системами. Репозиторий содержит веса в формате safetensors; модель можно использовать как замену FLUX в Invoke. Подходит художникам и разработчикам для создания изображений по промптам, прототипирования визуальных идей и исследовательских экспериментов. Качество и соответствие результата запросу зависят от формулировки промпта. Модель не предназначена для предоставления фактической информации и может усиливать социальные предубеждения. Лицензия FLUX.1 [dev] Non-Commercial License ограничивает использование: несмотря на формулировку README о коммерческих сценариях, применять модель следует согласно условиям этой лицензии; README отдельно указывает, что она некоммерческая.

imagepipeline/flux_uncensored_nsfw_v1 — модель для генерации изображений по текстовому описанию, разработанная ImagePipeline и распространяемая как компонент экосистемы imagepipeline.io. Она предназначена для разработчиков и авторов, которым требуется создавать высококачественные фотореалистичные изображения, в том числе с использованием API. По метаданным модель относится к pipeline text-to-image и реализована для библиотеки Diffusers. Модель основана на black-forest-labs/FLUX.1-dev и помечена как LoRA, однако сведения о размере, точной архитектуре, поддерживаемых языках, максимальной длине контекста и конкретных требованиях к оборудованию отсутствуют. Название и тег модели указывают на отсутствие стандартных ограничений для всех аудиторий, но подробные ограничения по содержанию, качество работы в отдельных сценариях и практические характеристики в README не описаны. В README не указана лицензия или условия самостоятельного использования модели. Также отсутствуют точные данные о весах, методах обучения, версии LoRA и параметрах инференса; поэтому перед применением в продуктивных системах необходимо уточнить эти сведения и проверить условия использования базовой модели FLUX.1-dev.

meetkai/functionary-vision-small-v0.1 — мультимодальная модель компании MeetKai, предназначенная для работы с визуальными данными в сценариях function calling. Она входит в коллекцию Vision Function Calling и распространяется на Hugging Face как модель извлечения признаков изображений с поддержкой Transformers и пользовательского кода InternVL. Модель содержит около 8 млрд параметров, использует формат BF16 и ориентирована на получение признакового представления визуального содержимого для последующей интеграции с системами компьютерного зрения, визуальными агентами и инструментами. Доступные данные не подтверждают перечень поддерживаемых естественных языков, длину контекста или конкретные benchmark-показатели. Основное ограничение — в репозитории отсутствует содержательная карточка модели с подробными инструкциями, языками, лицензией и оценками качества; поэтому нельзя надежно определить точные границы возможностей function calling, совместимые форматы входных изображений и прикладную точность.

HOI-R1 — мультимодальная модель для обнаружения взаимодействий между людьми и объектами на изображениях. Она создана на основе Qwen2.5-VL-3B-Instruct и исследует применение рассуждений мультимодальных языковых моделей и оптимизации в стиле обучения с подкреплением для повышения качества обнаружения таких взаимодействий. Модель принимает изображения и текстовые запросы, а результат формулирует текстом; архитектура Qwen2.5-VL имеет 3,1 млрд параметров и поддерживает контекст до 128 000 токенов. Модель подходит для анализа сцен с людьми и объектами и определения их взаимодействий. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает исследовательское направление, но не приводит результатов оценки, деталей обучения или подтверждённых ограничений качества.

Это неофициальная сборка сообщества с весами HunyuanVideo-I2V в формате Diffusers, основанная на модели Tencent tencent/HunyuanVideo-I2V. Она предназначена для генерации видео по входному изображению и может использоваться через библиотеку Diffusers. Сборка распространяется в форматах Diffusers и Safetensors. README не сообщает дополнительных характеристик качества, поддерживаемых языков или условий лицензии, поэтому их нельзя уточнить по доступным данным.

Hyper-SD — семейство методов и чекпойнтов для ускорения диффузионной генерации изображений, разработанное ByteDance. Модель основана на дистилляции и представлена в виде LoRA-чекпойнтов и отдельного UNet-чекпойнта, совместимых с различными базовыми моделями: FLUX.1-dev, Stable Diffusion 3 Medium, SDXL Base 1.0 и Stable Diffusion 1.5. Hyper-SD предназначена прежде всего для задач text-to-image и позволяет получать изображения за небольшое число шагов инференса: доступны варианты на 1, 4, 8, 12 и 16 шагов в зависимости от базовой модели и конфигурации. Решение поддерживает работу с Diffusers и ComfyUI, а также заявляет совместимость с различными базовыми моделями и ControlNet. Для FLUX.1-dev доступны LoRA-варианты на 8 и 16 шагов; для SDXL представлен также одноступенчатый UNet-чекпойнт. Ключевое преимущество Hyper-SD — существенное сокращение числа шагов генерации по сравнению с обычным инференсом диффузионных моделей при сохранении применимости к популярным семействам моделей. Ограничения связаны с необходимостью использовать совместимую базовую модель, корректно подбирать число шагов, guidance scale и масштаб LoRA, а для FLUX.1-dev — иметь доступ к закрытому базовому репозиторию. В README лицензия Hyper-SD не указана; условия лицензирования базовых моделей необходимо проверять отдельно.

Gupta28/judgebench-siglip-judge-v1 — дообученная модель SigLIP для оценки соответствия изображений визуальному стилю бренда rhode. Она создана в рамках проекта judgecliff как судья качества изображений: полная модель SiglipModel контрастивно дообучена на примерах rhode и изображениях конкурирующих косметических брендов, включая Glossier и ILIA. Для оценки вычисляется косинусное сходство эмбеддинга изображения с центроидом rhode, затем применяется калибровка Platt из файла calibration.json. Модель предназначена для фильтрации и сравнения изображений по визуальному соответствию бренду rhode. На тестовом наборе проекта из 2 622 примеров авторы сообщают AUC 0,99; отсутствие изменения оценки при маскировании логотипа указывает, что модель оценивает общий стиль, а не распознаёт словесный знак. Модель почти не выявляет нарушения, не обучалась на отрицательных примерах таких нарушений и уязвима к оптимизации изображений под высокий балл. Лицензия в предоставленных данных не указана.