IV.1Ритейл, электронная коммерция и fashion-tech

Winnow-E4B — компактная модель EldanRing на основе Gemma 4 E4B IT, дообученная для выбора из заданных вариантов, чата и анализа изображений. Для решений модель получает общее состояние и вопрос с известными ответами, затем оценивает кандидатов без генерации объяснения; это подходит для маршрутизации запросов, выбора действий, проверки условий и оценки срочности. Для обычного чата и работы с изображениями доступны отдельные режимы сервера. Модель основана на Gemma 4 E4B IT и использует архитектуру с поддержкой изображений. Дообучение выполнено адаптером LoRA ранга 32, который затем объединён с базовой моделью. Опубликованы файлы GGUF в вариантах Q8_0 и BF16; для изображений требуется соответствующий vision-проектор. Веса языковой части дообучались, а модули зрения и аудио оставались замороженными. В карточке приведены результаты на наборах JevBench и Kev, а также замеры производительности, но они относятся к конкретным конфигурациям и нагрузкам. Модель принимает текст и изображения и выдаёт текст, включая оценки вариантов для задач принятия решений. Данные о поддерживаемых естественных языках и длине контекста в предоставленных источниках не указаны. Обучающие данные и полный процесс обучения не опубликованы. Лицензия — Apache-2.0.

Zoobot Encoder ConvNeXt Base — визуальный энкодер, опубликованный mwalmsley и предназначенный для использования как предобученный backbone через библиотеку timm. Его можно подключать к задачам классификации изображений и дообучать для конкретных наборов данных. В репозитории указаны веса PyTorch и лицензия Apache-2.0. Карточка не уточняет архитектурные детали сверх названия ConvNeXt Base, размер модели, обучающие данные или специальные ограничения. Метаданные относят модель к image-classification; сценарии применения за пределами классификации требуют настройки под конкретную задачу.

ZootVisionAlpha — модель генерации изображений по текстовому описанию, представленная автором под названием ZootVision. В карточке она описана как универсальная модель эпохи Stable Diffusion 1.5 с детализированными фонами и разнообразными стилями. Репозиторий использует Diffusers и формат safetensors; метаданные указывают английский язык и лицензию CreativeML OpenRAIL-M. Модель предназначена для создания иллюстраций по промптам: примеры включают фантастические и сказочные сцены, стилизованные портреты, персонажей и рекламную графику. Карточка не приводит размер модели или длину контекста. Примеры с изображением детей являются стилизованными иллюстрациями; README не описывает отдельные функции редактирования или гарантии качества.

yimiwang/bert-petco-emailbody-ctr — дообученная модель на архитектуре BERT для классификации текста. В метаданных указана задача text-classification, а размер модели составляет 136,7 млн параметров; базовая модель — bert-base-uncased. Модель принимает текст и выдаёт результат классификации. Контекст — до 512 токенов. В README приведены метрики на оценочном наборе: MSE 0,0143, RMSE 0,1197, MAE 0,0727 и R² 0,7276. Название указывает на применение к телам писем Petco, однако описание назначения и данных обучения отсутствует, поэтому нельзя подтвердить конкретные классы или целевую переменную. Распространяется по лицензии Apache-2.0.

Boreal-Qwen-Image — экспериментальная LoRA-модель, разработанная пользователем kudzueye для базовой модели Qwen/Qwen-Image. Она предназначена для генерации изображений по текстовому описанию в фотореалистичной стилистике, включая портреты, повседневные сцены, людей, животных и объекты. Для активации рекомендуется использовать триггерное слово photo. Модель относится к семейству diffusion LoRA и предназначена для работы с экосистемой Diffusers и ComfyUI. Точные сведения о размере, архитектуре LoRA, поддерживаемых языках, максимальном контексте и дополнительных модальностях в README не указаны. Автор рекомендует экспериментировать с комбинированным применением нескольких LoRA: общую дискретную LoRA подключать с силой около 1.0, а portrait blend high rank — примерно 0.6–0.8. Модель находится на стадии тестирования и разработки. Её сильной стороной является возможность адаптировать Qwen-Image к фотографическому стилю и экспериментировать с портретными и сюжетными изображениями, однако стабильность и качество результатов пока не гарантируются. Автор отмечает, что для достижения лучших результатов может потребоваться совместное использование LoRA и значительное количество экспериментов. Лицензия и условия коммерческого или иного использования в README не указаны.

CAIP (Contrastive Action-Image Pre-training) — модель-энкодер в стиле CLIP/SigLIP, предназначенная для сопоставления изображений, текста и действий, представленных эгоцентрической позой руки, в общем пространстве эмбеддингов. Она разработана в рамках проекта CAIP и подходит для извлечения признаков и построения векторных представлений этих данных. Модель принимает изображения, текстовые описания и данные о позе руки, а выдаёт согласованные эмбеддинги, которые можно использовать для сравнения и поиска соответствий между модальностями. Доступны веса в формате safetensors; для загрузки меньшего объёма README указывает вариант bf16 размером около 1,75 ГБ. Репозиторий распространяется по лицензии MIT. В карточке не приведены сведения о поддерживаемых естественных языках и длине контекста.

diffusers/controlnet-canny-sdxl-1.0-mid — экспериментальная модель ControlNet из экосистемы Hugging Face Diffusers для управления генерацией изображений на базе Stable Diffusion XL Base 1.0. Она принимает текстовый запрос и карту границ Canny, извлечённую из исходного изображения, чтобы сохранять его контуры и структуру при создании нового изображения. Модель предназначена для text-to-image сценариев, где требуется управляемая генерация сцен, фотореалистичных изображений и художественных композиций с заданной геометрией. Это уменьшенная версия ControlNet для SDXL: её веса примерно в пять раз компактнее исходной XL-модели ControlNet. Архитектура не содержит attention-блоков и основана на уменьшенном ControlNet, инициализированном из UNet SDXL; дистилляция не выполнялась. README не указывает точное число параметров, поддерживаемые языки или максимальный контекст. Модель обучалась в FP16 на 3 млн изображений из подмножества LAION aesthetic 6 plus. Для работы рекомендуется StableDiffusionXLControlNetPipeline, а значение controlnet_conditioning_scale 0,5 приведено как подходящее для хорошей обобщающей способности. К сильным сторонам относятся уменьшенный размер по сравнению с исходным XL ControlNet и хорошая работа с большинством изображений условной карты. Для сложных условий более крупные контрольные модели могут давать лучшие результаты; сам checkpoint обозначен как экспериментальный, поэтому качество может быть нестабильным и требует настройки параметров conditioning scale и guidance scale. Лицензия — OpenRAIL++.

diffusers/controlnet-zoe-depth-sdxl-1.0 — модель ControlNet, разработанная для работы с SDXL и опубликованная в экосистеме Diffusers. Она обучена на базе stabilityai/stable-diffusion-xl-base-1.0 и использует карты глубины, рассчитанные моделью ZoeDepth, в качестве управляющего сигнала. Модель предназначена для генерации изображений по текстовому описанию с сохранением пространственной структуры и глубины исходного изображения. Она подходит для сценариев, где требуется контролировать композицию, перспективу и расположение объектов, одновременно изменяя стиль или содержание изображения. В README приведён пример преобразования фотографии в пиксель-арт с сохранением структуры сцены. Архитектура основана на ControlNet для Stable Diffusion XL; модель работает с текстовой модальностью и изображениями-картами глубины. Размер модели, поддерживаемые языки и максимальная длина контекста не указаны. Для подготовки управляющего изображения используется ZoeDepth, а для генерации рекомендуется StableDiffusionXLControlNetPipeline; в примере применяются вычисления в fp16 и загрузка модели на GPU с возможностью выгрузки частей в CPU. Сильной стороной является использование качественных карт глубины для пространственного контроля, однако результат зависит от точности оценки глубины и параметров генерации. Модель распространяется по лицензии openrail++.

CSATv2 — компактная визуальная модель и экстрактор признаков, представленные в репозитории timm. Модель предназначена для классификации изображений и использования в качестве высокопроизводительного визуального backbone для обнаружения объектов. Она рассчитана на изображения размером 512×512 пикселей и использует сжатие во входном частотном представлении для снижения избыточности пространственных данных. В карточке заявлены 11,1 млн параметров, 1,4 GMAC и точность Top-1 80,02% на ImageNet-1K; также приводится скорость 2800 изображений в секунду на одной A6000. Модель ориентирована на обработку больших наборов изображений и высокоразрешённых патчей, в частности патчей гистологических whole-slide изображений. Для конкретного репозитория указана лицензия Apache-2.0. Карточка описывает производительность и качество на ImageNet-1K, но не приводит подробностей о независимой оценке для задач обнаружения объектов или патологического анализа; заявленную скорость следует соотносить с указанным оборудованием и разрешением.

Anshrajsingh/customer_support_model — модель классификации текста на базе DistilBERT, дообученная для задач поддержки клиентов. Она принимает текст и относит его к классам; конкретные метки и сценарии классификации не описаны. Модель использует архитектуру DistilBertForSequenceClassification, хранится в формате safetensors и рассчитана на контекст до 512 токенов. В README приведены метрики на оценочном наборе: loss 0,0004, accuracy 0,9999 и F1 0,9999, но датасет и методика оценки не указаны, поэтому эти результаты трудно интерпретировать. Лицензия — Apache-2.0.

FLUX.1-dev-ControlNet-Union-Pro-2.0-fp8 — это FP8-квантизованная версия модели Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro-2.0, опубликованная пользователем ABDALLALSWAITI. Модель предназначена для генерации изображений по текстовому описанию с управлением структурой изображения через ControlNet и используется в библиотеке Diffusers совместно с базовой моделью black-forest-labs/FLUX.1-dev. Это не дообученная версия, а прямая квантизация исходной модели из BFloat16 в формат FP8 E4M3 с помощью встроенной поддержки FP8 в PyTorch. Модель поддерживает несколько режимов управления: canny, soft edge, depth, pose и gray, а также совместное использование с другими ControlNet. По сравнению с FLUX.1-dev-ControlNet-Union-Pro она не использует mode embedding, лучше работает с canny и pose, поддерживает soft edge и не поддерживает tile. Архитектура ControlNet включает 6 double blocks и 0 single blocks. Исходная модель обучалась с нуля на 20 миллионах качественных изображений общего назначения и изображений людей при разрешении 512×512; в карточке также указано, что для обучения использовались 300 тысяч шагов и BFloat16. Ключевое преимущество версии FP8 — примерно на 50% меньший размер по сравнению с BFloat16 или FP16, потенциально более низкое потребление памяти и ускорение инференса на совместимом оборудовании при заявленной минимальной потере качества. Ограничения связаны с необходимостью поддержки FP8 и CUDA-окружения, а также с тем, что модель является компонентом ControlNet и требует базовой FLUX.1-dev для генерации. В метаданных указан английский язык. Лицензия — flux-1-dev-non-commercial-license; коммерческое использование регулируется условиями этой лицензии.

calcuis/flux1-gguf — это GGUF-квантизированная версия модели FLUX.1-dev, разработанной Black Forest Labs. Модель предназначена для генерации изображений по текстовым описаниям и интеграции с ComfyUI; в карточке указана поддержка английского языка и pipeline text-to-image. Модель использует архитектуру и возможности базовой FLUX.1-dev, однако точный размер и состав архитектуры в README не раскрыты. Указан файл flux1-dev-Q4_0.gguf размером 6,32 ГБ, а для запуска также требуются текстовые энкодеры CLIP-L и T5-XXL, а также VAE. Формат GGUF и квантизация Q4_0 позволяют использовать модель в соответствующей конфигурации ComfyUI, но могут влиять на качество и требования к ресурсам по сравнению с исходной версией. Для работы предлагается готовый пакет ComfyUI и workflow-файл. README не содержит сравнительных оценок качества, данных о производительности или подробностей об ограничениях генерации, поэтому сильные стороны можно связывать главным образом с совместимостью с GGUF и готовой схемой запуска. Лицензия указана как FLUX.1-dev Non-Commercial License; одновременно присутствует метаданный идентификатор Apache-2.0, поэтому условия некоммерческой лицензии FLUX.1-dev следует считать определяющими и проверить перед использованием.

Gestura — производный пакет для запуска FLUX.2 [klein] 4B на Android через LiteRT/TFLite. Он основан на black-forest-labs/FLUX.2-klein-4B и предназначен для генерации изображений по тексту, композиции из двух изображений и редактирования по текстовой инструкции. Пакет состоит из нескольких графов и сопутствующих файлов, а не из одной готовой к непосредственному вызову модели или SDK. Трансформер DiT использует смешанный профиль W4/INT8/FP16: семь матриц хранятся в INT4, 93 — в INT8; компоненты текстового энкодера Qwen и VAE поставляются по отдельным контрактам конвертации. Для выполнения нужны токенизация, подготовка и постобработка изображений, четырёхшаговое расписание flow и оркестрация графов в приложении. README приводит измерения времени генерации в Gestura на отдельных устройствах Samsung, но эти результаты не гарантируются для других приложений и устройств. Модель может неполно следовать запросам и создавать искажённые или ошибочные изображения, включая текст; также возможны предубеждения из обучающих данных. Лицензия пакета — Apache-2.0.

HunyuanVideo-1.5-Diffusers-720p_i2v — версия модели HunyuanVideo 1.5 для преобразования изображения в видео, размещённая сообществом hunyuanvideo-community. Репозиторий предназначен для запуска через Diffusers и содержит веса в формате safetensors; README отмечает использование масок внимания для последовательностей переменной длины и рекомендует эффективный backend внимания для лучшей производительности. Модель подходит для создания видео на основе исходного изображения. В доступной карточке нет сведений о размере, поддерживаемых языках, длине видео или дополнительных условиях генерации. Лицензия указана как other, поэтому конкретные условия использования следует проверять в файлах репозитория и лицензии.

Krea-R-Turbo — производная модель для генерации изображений по текстовому описанию, опубликованная пользователем realrebelai. Она создана на основе Krea-2-Turbo: в исходную модель объединены две авторские LoRA для стилизации, после чего результат был квантизирован. Это не оригинальный checkpoint Krea-2-Turbo. Модель предназначена прежде всего для создания фотореалистичных портретов с выраженной эстетической составляющей, сохраняя высокую резкость и детализацию, характерные для Krea-2-Turbo. Поддерживаются форматы full weights и GGUF; заявлена совместимость с экосистемой ComfyUI. В README указано, что модель работает с текстовыми запросами на английском языке. Размер, точная архитектура, объём контекста и перечень поддерживаемых модальностей не указаны. Сильные стороны модели — ориентация на фотореализм, портретную съёмку, визуальную эстетику и детализацию. Ограничения связаны с узкой специализацией на портретах, неизвестными характеристиками производительности и тем, что квантизация может влиять на качество по сравнению с полной версией. Модель распространяется по лицензии Krea-2 Community License; дополнительные условия следует проверить в файле лицензии по указанной ссылке.

OlegSkutte/LCM-SSD-1B-GGUF — это квантизированная версия модели latent-consistency/lcm-ssd-1b в формате GGUF для генерации изображений по текстовому описанию. Модель предназначена для использования с stable-diffusion.cpp и совместимыми приложениями, включая сценарии быстрого создания изображений в Dreamio. Файл GGUF содержит все основные компоненты пайплайна: диффузионную модель UNet, текстовый энкодер CLIP и автоэнкодер VAE, поэтому их не требуется подключать отдельно. Для Dreamio рекомендуются разрешение 1024×1024, четыре шага сэмплирования, classifier-free guidance scale 1, sampler и scheduler LCM, а также TAESDXL. Эти настройки указывают на оптимизацию модели для быстрой генерации изображений с небольшим числом шагов. В README не указаны точный размер файла или параметры квантизации, поддерживаемые языки, максимальная длина текстового контекста и ограничения качества. Модель предназначена для text-to-image задач; сильной стороной является объединённая поставка компонентов и ускоренная генерация на основе LCM, однако конкретные требования к оборудованию и результаты для разных промптов не описаны. Указанная лицензия — OpenRAIL++.

LHMPP-700M-PixelShuffle — зеркало чекпойнта Damo XR Lab / LHM-plusplus, исходно опубликованного на ModelScope. Это вариант модели для преобразования изображения в 3D с отдельной головой предсказания формы на основе изображения; он не взаимозаменяем с 3DAIGC/LHMPP-700M из-за различий в архитектуре и наборах весов. Репозиторий содержит веса PyTorch в формате safetensors размером около 4,87 ГБ и конфигурации, идентичные исходному репозиторию. Модель предназначена для получения 3D-представления по изображению в рамках задач LHM и Gaussian Splatting. Карточка указывает Apache-2.0 и описывает репозиторий как неизменённое зеркало исходных весов; сведений о поддерживаемых языках или подробных ограничениях применения нет.

Это конверсия модели inclusionAI/Ming-Image-0.1-Design для запуска через mflux на устройствах Apple Silicon с MLX. Модель преобразует текстовые запросы в RGBA-изображения, ориентированные на графический дизайн: плакаты, открытки, пользовательские интерфейсы и макеты с типографикой. Общий размер репозитория — 19,3 ГБ; DiT представлен в 8-битной точности, текстовый энкодер Ling-mini-2.0 MoE — в 5-битной, коннектор Qwen2 — в 8-битной, а проекционные слои — в bf16. Репозиторий рассчитан на использование с mflux и поддержкой семейства Ming-Image. В README описана проверка реализации поэтапным сравнением с официальным конвейером PyTorch; автор сообщает, что на Mac mini M4 с 24 ГБ памяти генерация изображения 1024×1024 занимает около 4–4,5 минут. Модель настроена на сохранение компоновки, типографики и текста на изображении; при снижении точности DiT до 4 бит качество крупных заголовков ухудшается. Лицензия — MIT.

Карточка модели EllipsesMark/Minimax-h3-Turbo на Hugging Face совпадает с карточкой lightx2v/Minimax-h3-Turbo, поэтому описание составлено по ней. 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.

subby2006/noob-ipa — репозиторий модели для преобразования изображений, опубликованный на Hugging Face. Поиск по идентификатору обнаружил репозиторий noob-ipa с файлами IP-Adapter, включая веса с названиями styleIpadapter и noobIPAMARK1. Это указывает на применение для переноса визуального стиля или характеристик по изображению-референсу в сценариях image-to-image. Репозиторий использует библиотеку Diffusers и содержит веса в формате safetensors; метаданные указывают задачу image-to-image и лицензию other. Карточка модели отсутствует, поэтому сведения о разработчике, базовой модели, архитектуре, размере, поддерживаемых языках и конкретных ограничениях подтвердить нельзя.

Eugeoter/noob-sdxl-controlnet-depth — модель на базе Laxhar/sdxl_noob, предназначенная для генерации изображений по текстовому описанию с использованием ControlNet и управления композицией через карту глубины. Модель относится к экосистеме Stable Diffusion XL и предназначена для сценариев, где важно сохранять пространственную структуру, положение объектов и глубинную геометрию исходного изображения или управляющего сигнала. Модель совместима с библиотекой Diffusers и имеет тип pipeline text-to-image. В доступных данных указаны английский язык и архитектурное семейство Stable Diffusion XL, однако точный размер, количество параметров, поддерживаемые модальности помимо текста и изображения, а также максимальная длина контекста не уточнены. Сильной стороной является сочетание генерации изображений и контроля по глубине, но качество и область применимости зависят от корректности карты глубины и текстового запроса. Модель распространяется по лицензии Fair AI Public License 1.0 SD; применимые условия следует проверять в тексте лицензии по указанной ссылке.

Nutri-Score Multi-Modal Tabular Predictor — модель для оценки пищевых продуктов по шкале Nutri-Score от A до E и предсказания числового балла, разработанная hsilvosa. Она предназначена для случаев, когда часть пищевых показателей отсутствует: модель учитывает имеющиеся значения нутриентов, признаки их отсутствия, производные соотношения и текстовые представления названия продукта, категории и списка ингредиентов. Модель обучена на наборе данных hsilvosa/open-food-facts и поддерживает табличную классификацию; в карточке указаны точность определения класса 83,33%, точность в пределах двух классов 93,40% и R² числового прогноза 0,9051. Репозиторий содержит формат PyTorch и распространяется по лицензии Apache-2.0.

OneReason-0.8B-pretrain-competition — предварительный чекпойнт модели OneReason от разработчиков проекта OneReason, основанный на плотной архитектуре Qwen3 и предназначенный для генеративных рекомендательных систем. Модель связывает компактные itemic-токены товаров, видео и рекламы с естественным языком, пользовательскими сигналами и рекомендационными рассуждениями. В метаданных указаны 532,8 млн параметров и контекст до 40 960 токенов; репозиторий содержит веса Safetensors для Transformers. Чекпойнт прошёл этап предобучения на выравнивание itemic-токенов и текста. Его предполагается использовать для исследований генеративных рекомендаций, продолжения предобучения и последующей тонкой настройки под пользовательские профили, историю поведения и каталог объектов. Модель поддерживает английский и китайский языки согласно карточке; предметная специализация охватывает короткие видео, товары электронной торговли и рекламу. Это не финальная модель рекомендационного рассуждения: качество рекомендаций зависит от соответствующих itemic-токенизатора, каталога, формата истории пользователя и стратегии декодирования. Сгенерированные токены нужно проверять по каталогу; сам чекпойнт предназначен для исследований и требует тщательной оценки перед практическим применением. Сведения о лицензии в предоставленных источниках отсутствуют.

sosoai/qwen1.5-0.5B-hansoldeco-v1 — языковая модель компании Hansol Deco, дообученная на собственном наборе данных. Она предназначена для ответов на вопросы о дефектах и недостатках продукции или работ. Модель построена на архитектуре Qwen2ForCausalLM, содержит 463,9 млн параметров, поддерживает контекст до 32 768 токенов и доступна в формате safetensors. Модель подходит для чат-сценариев, связанных с вопросами о дефектах. README сообщает о планах провести дообучение в версиях SFT и DPO, поэтому эти варианты не следует считать уже выпущенными. В README приведено мало сведений о качестве ответов, языковой поддержке и условиях использования; языковые данные карточки указывают на корейский. Лицензия в предоставленных данных не указана.

Qwen-Edit-Skin — специализированная LoRA-модель, разработанная пользователем tlennon-ie для базовой модели Qwen/Qwen-Image-Edit-2509. Она дообучена для повышения реалистичности и детализации человеческой кожи на изображениях, включая более естественную текстуру, оттенки и видимость пор. Модель предназначена для image-to-image редактирования портретов и изображений людей в сценариях фотографической обработки, цифрового искусства и улучшения изображений. Она ориентирована на использование в рабочих процессах Qwen Image Edit и активируется текстовым описанием «make the subjects skin details more prominent and natural». Базовая модель поддерживает редактирование изображений, работу с несколькими изображениями и сохранение идентичности человека, однако собственные характеристики контекстного окна и полный набор поддерживаемых языков в README не указаны; для модели заявлен английский язык. Это LoRA-адаптер с линейным и свёрточным rank и alpha, равными 16. Обучение выполнено за 5000 шагов в bf16 на NVIDIA RTX 5090 с использованием AI-Toolkit, разрешений 512, 768 и 1024 пикселя, оптимизатора adamw8bit и noise scheduler flowmatch. Версия 1.1 заявлена как обеспечивающая лучшую сходимость, меньшее количество артефактов и более широкий диапазон регулировки силы применения. Ограничение модели состоит в узкой специализации на детализации кожи и зависимости от базовой Qwen/Qwen-Image-Edit-2509; результаты также могут зависеть от исходного изображения, промпта и выбранной силы LoRA. Модель распространяется по лицензии Apache-2.0.

Qwen-Image-Edit-LoRA-Collection — коллекция адаптеров LoRA, разработанная Stranger Zone и Prithiv Sakthi для базовой модели Qwen/Qwen-Image-Edit-2511. Модель предназначена для задач image-to-image и редактирования изображений с использованием библиотеки Diffusers. В состав входят несколько отдельных контрольных точек LoRA, поэтому коллекция может применяться для подключения различных специализированных модификаций к базовой модели. Ключевые характеристики включают архитектуру адаптеров LoRA, работу с изображениями и совместимость с Qwen-Image-Edit-2511. Сведения о точном количестве адаптеров, их специализациях, размере, поддерживаемых языках, максимальном контексте и конкретных сценариях редактирования в карточке не указаны. Наличие нескольких адаптеров расширяет возможности настройки, но требует выбора и загрузки нужной контрольной точки; использование через inference providers не рекомендуется. Модель распространяется по лицензии Apache-2.0. Для корректной работы необходимо использовать совместимый пайплайн Diffusers и базовую модель Qwen/Qwen-Image-Edit-2511.

SpatialReward-8B — модель оценки вознаграждения для редактирования изображений по текстовым инструкциям, разработанная авторами SpatialReward. Она сравнивает исходное и отредактированное изображения с инструкцией, предсказывает области изменений в виде ограничивающих рамок и связывает оценку смысла с пространственными свидетельствами на изображении. Модель предназначена для автоматической оценки результатов редактирования и использования оценок как сигнала вознаграждения при обучении с подкреплением. Модель основана на Qwen/Qwen3-VL-8B-Instruct и дообучена на SpatialReward-Train; архитектура — плотная Qwen3-VL для генерации текста по текстовым и визуальным входам. Авторы сообщают о высокой точности на собственном бенчмарке MER-Bench и применении модели для стабилизации RL-обучения редактированию изображений. Лицензия — Apache-2.0.

TRELLIS Text Large — крупная модель генерации 3D-объектов по текстовому описанию, основанная на TRELLIS и представленная в работе «Structured 3D Latents for Scalable and Versatile 3D Generation». Она предназначена для сценариев text-to-3D, где по запросу создают трёхмерный объект. Репозиторий содержит веса в формате safetensors и использует библиотеку TRELLIS. Карточка указывает английский язык и лицензию MIT. README не приводит численный размер модели, параметры генерации или требования к ресурсам.

ayan4m1/trinart_diffusers_v2 — копия модели trinart_stable_diffusion_v2, перенесённая в формат библиотеки Diffusers. Исходную модель разработал naclbit; эта версия предназначена для генерации изображений по текстовым запросам. Репозиторий содержит веса в форматах Diffusers и PyTorch и использует конвейер LDMTextToImagePipeline. Лицензия — Apache-2.0. Карточка не сообщает размер модели, поддерживаемые языки и специальные ограничения.

DiffusionLight/TurboLoRA — адаптер LoRA, разработанный командой DiffusionLight для Stable Diffusion XL Base 1.0. Модель предназначена для image-to-image и inpainting-сценариев, связанных с оценкой освещения и relighting: она помогает изменять или восстанавливать освещение изображения с использованием отражающего хромированного шара как условного сигнала. В README также указана совместимость с StableDiffusionXLControlNetInpaintPipeline и Diffusers 0.33.0. Модель работает с изображениями и рассчитана на ускоренное получение результата: в демонстрации TurboLoRA обработка занимает около 30 секунд, тогда как исходный DiffusionLight требует около 30 минут. Для запуска используются триггерные фразы «a perfect mirrored reflective chrome ball sphere» для нормально экспонированного результата и «a perfect black dark mirrored reflective chrome ball sphere» для недоэкспонированного варианта. Сведения о поддерживаемых языках, размере весов, максимальном контексте и точных требованиях к оборудованию не приведены. Вес доступен в формате Safetensors. README рекомендует использовать пример реализации из отдельного репозитория DiffusionLight-Turbo-diffusers и отмечает, что веса совпадают с DiffusionLight/Flicker2k, но вынесены в отдельную модель из-за несовместимости с Diffusers 0.33.0. Лицензия модели — MIT. Ограничения по качеству и применимости явно не описаны; практический результат зависит от входного изображения, параметров inpainting и корректного использования триггерных фраз.