IV.1Ритейл, электронная коммерция и fashion-tech

Карточка модели natalie5/Mage-Flow-Edit-Base на Hugging Face совпадает с карточкой mage-flow-community/Mage-Flow-Edit-Base, поэтому описание составлено по ней. Mage-Flow-Edit-Base — базовый вариант модели редактирования изображений из семейства Mage-Flow, разработанного авторами проекта Mage-Flow. Модель использует общий с генератором Mage-Flow стек: латентный токенизатор Mage-VAE и 4-миллиардный мультимодальный диффузионный трансформер NR-MMDiT, обученный методом rectified flow. Репозиторий поставляется в формате Diffusers с весами Safetensors. Модель предназначена для редактирования изображения по текстовой инструкции с сохранением исходного изображения как условия. В README описаны семантическое и локальное редактирование содержимого, изменение внешнего вида и сцены, творческие преобразования, восстановление изображений и задачи, требующие сохранения структуры. Семейство рассчитано на работу с изображениями разных разрешений и соотношений сторон; заявлен диапазон от 512 до 2048 пикселей. Карточка не приводит отдельные показатели скорости или качества именно для варианта Base. Лицензия модели — MIT. Для запуска используется библиотека Diffusers; README отмечает требования к CUDA-зависимостям для установки окружения. Указанные в карточке задачи — image-to-image; поддерживаемые языки текстовых инструкций в метаданных не перечислены.

ytu-ce-cosmos выпустила дообученный на турецком языке классификатор токенов на архитектуре ModernBERT. Модель содержит около 149 млн параметров и извлекает из текста целевые аспекты мнений, размечая токены метками O, B-ASP и I-ASP. Она предназначена для извлечения аспектов в задачах анализа тональности по аспектам (ABSA), например для определения, о каких свойствах товара говорится в отзыве. Модель обучена на базе ytu-ce-cosmos/modernbert-tr-base с использованием переведённых записей M-ABSA и данных с метками, созданными учителем. В README приведены результаты F1 по точным границам сущностей: 64,09% на тестовой выборке ABSA-TR и 69,46% на переведённой турецкой выборке M-ABSA. Репозиторий содержит веса Safetensors и ONNX; лицензия — Apache-2.0. Указанная для базовой модели длина контекста составляет 8192 токена.

Daex032/Qwen-Image-Edit-2511-GGUF — это GGUF-квантизированная версия модели Qwen-Image-Edit-2511, разработанной командой Qwen. Сборка предназначена для задач редактирования изображений по текстовым инструкциям и относится к сценарию image-to-image; заявлены поддержка английского и китайского языков. Модель ориентирована на сохранение идентичности персонажей и объектов при редактировании, включая работу с несколькими людьми, объединение изображений и создание сцен с заданным расположением объектов. Среди улучшений указаны снижение дрейфа изображения, повышение согласованности персонажей, поддержка LoRA, улучшенная генерация промышленного дизайна и усиленное геометрическое рассуждение. Архитектура и количество параметров в README не указаны. Формат GGUF и методология Unsloth Dynamic 2.0 направлены на более эффективное локальное использование; для запуска упоминается интеграция с ComfyUI-GGUF. Модель распространяется по лицензии Apache-2.0. Ограничения включают отсутствие в README сведений о размере модели, требованиях к видеопамяти, максимальном разрешении и длине контекста, а также количественных оценок качества.

Qwen-Image-Edit-2511-GGUF — это квантованные версии модели Qwen-Image-Edit-2511, разработанной командой Qwen. Модель предназначена для редактирования изображений по входному изображению и текстовым инструкциям, включая творческие преобразования портретов, сохранение внешности персонажей, объединение нескольких людей в одну сцену, изменение освещения и ракурса, а также задачи промышленного дизайна. Ключевые улучшения относительно Qwen-Image-Edit-2509 включают уменьшение дрейфа изображения, более высокую согласованность персонажей, в том числе на групповых фотографиях, встроенную поддержку эффектов популярных LoRA, улучшенную генерацию промышленных объектов и усиленное геометрическое рассуждение. Последнее позволяет, например, создавать вспомогательные конструктивные линии для проектирования и аннотирования. Модель работает с изображениями и текстовыми инструкциями; в карточке указаны языки en и zh, библиотека diffusers и pipeline image-to-image. Архитектура, число параметров и размер контекста не указаны. Эта версия распространяется в формате GGUF, что связано с квантованием и может быть удобно для локального запуска при ограниченных ресурсах, однако конкретные варианты квантования и требования к оборудованию в карточке не приведены. Ограничения по качеству, безопасности и поддерживаемым разрешениям также не описаны. Модель распространяется по лицензии Apache 2.0.

Это версия Qwen/Qwen-Image-Edit-2511, подготовленная для работы с Hugging Face Diffusers и квантованная до NF4, 4 бит. Разработчик репозитория — milan33; исходная модель создана командой Qwen. Модель принимает изображение и текстовую инструкцию и предназначена для редактирования изображения по запросу, включая сценарии image-to-image и inpainting. Модель совместима с конвейером QwenImageEditPlusPipeline. Веса трансформерного компонента хранятся в формате NF4 с двойной квантизацией, а вычисления выполняются в BF16. Репозиторий распространяется по лицензии Apache 2.0, унаследованной от базовой модели. Архитектура, размер модели, контекст и поддерживаемые языки в предоставленных источниках не описаны.

Карточка модели perpetual3x/Qwen-Image-Edit-Rapid-AIO-V23 на Hugging Face совпадает с карточкой prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V23, поэтому описание составлено по ней. Это ускоренная версия Qwen Image Edit, подготовленная prithivMLmods на основе Phr00t/Qwen-Image-Edit-Rapid-AIO. Репозиторий содержит веса трансформера в формате safetensors, совместимые с Diffusers и извлечённые из Phr00t/Qwen-Image-Edit-Rapid-AIO-NSFW-V23. Модель предназначена для редактирования изображений по текстовым инструкциям за четыре шага инференса. Модель принимает изображение и текстовую инструкцию и выдаёт отредактированное изображение. В метаданных указан английский язык; лицензия — Apache 2.0. Слово NSFW в названии исходной модели указывает на возможность работы с контентом для взрослых, но карточка не уточняет ограничения или гарантии качества.

Модель Puujeeeeeeeeeeee/sft-round4 разработана Puujeeeeeeeeeeee и представляет собой дообученную модель семейства Gemma 4 с архитектурой условной генерации. Она предназначена для преобразования изображений и текстовых запросов в текстовые ответы. Модель обучалась с использованием Unsloth и библиотеки TRL; веса доступны в формате safetensors. Модель поддерживает английский язык и возможности работы с изображениями. Она может применяться для ответов на вопросы по изображениям и создания текстовых описаний на основе визуального ввода. Лицензия — Apache 2.0.

VIBE-DistilledCFG — производная версия модели VIBE-Image-Edit, разработанная автором репозитория iitolstykh. Это диффузионная модель для редактирования изображений по текстовым инструкциям; также заявлена генерация изображений по тексту. В архитектуре используются Sana 1.5 с линейным attention и энкодер инструкций Qwen3-VL. Размеры компонентов указаны как 1,6 млрд и 2 млрд параметров соответственно. Модель оптимизирована для изображений разрешением до 2048 пикселей и рассчитана на запуск в BF16 через библиотеку diffusers и VIBESanaEditingPipeline. Дистилляция classifier-free guidance позволяет выполнять генерацию без прохода CFG; README сообщает об ускорении примерно в 1,8–2 раза по сравнению с исходной VIBE-Image-Edit при сохранении высокого качества. Для использования дистиллированной версии нужно установить image_guidance_scale и guidance_scale в 0.0. Поддержка английского указана в метаданных. Лицензия в предоставленных данных не приведена.

DeepGen 1.0 — компактная мультимодальная модель для генерации и редактирования изображений, представленная в формате Diffusers. По README, модель объединяет визуально-языковой компонент на 3 млрд параметров и диффузионный трансформер DiT на 2 млрд параметров, всего около 5 млрд параметров. Она предназначена для генерации изображений по тексту, обычного и основанного на рассуждениях редактирования и генерации, а также рендеринга текста внутри изображений. В README заявлена конкурентоспособность с более крупными унифицированными мультимодальными моделями на ряде бенчмарков. Карточка описывает версию весов в формате Diffusers и safetensors с отдельным скриптом pipeline. Метаданные указывают дообучение Qwen/Qwen2.5-VL-3B-Instruct на наборе Alex11556666/Reason_Tuning. Модель выпущена под лицензией Apache 2.0. Длина контекста и языки в источниках не приведены.

FLUX.2-klein-9B-bnb-4bit — модель генерации и редактирования изображений семейства FLUX.2, опубликованная пользователем circulus, связанным с Circulus Inc. Она предназначена для преобразования исходного изображения по текстовому описанию, а также поддерживает генерацию изображений по промпту через конвейер Diffusers. Модель использует Flux2KleinPipeline, Flux2Transformer2DModel, текстовый энкодер Qwen3ForCausalLM, токенизатор Qwen2TokenizerFast и VAE AutoencoderKLFlux. Модельный конвейер опубликован в формате Diffusers Safetensors; конфигурация указывает на 4-битную quantization через bitsandbytes, тогда как метаданные репозитория также содержат тег 8-bit. В карточке приведён пример работы с CUDA и bfloat16. Основные сценарии — текстовое редактирование изображений, замена объектов и стилистическая трансформация исходных изображений. Для использования требуется совместимое окружение Diffusers и значительные вычислительные ресурсы. Языки, длина контекста и лицензия по доступным данным не установлены.

Карточка модели bakarqureshi/FoodExtract-gemma-3-270m-fine-tune-v1 на Hugging Face совпадает с карточкой adodabele/FoodExtract-gemma-3-270m-fine-tune-v1, поэтому описание составлено по ней. FoodExtract-v1 — компактная текстовая модель для извлечения сведений о еде и напитках из произвольного текста. Её разработчик дообучил Gemma 3 270M Instruct (257 млн параметров) на 1400 примерах набора FoodExtract-1k; примеры включают текст и структурированные результаты, подготовленные с помощью gpt-oss-120b. Модель классифицирует текст как связанный или не связанный с едой и напитками, назначает тематические теги и извлекает съедобные продукты и напитки в виде списков. Её можно применять для фильтрации больших коллекций подписей к изображениям и другого текста, а также для подготовки данных о продуктах и ингредиентах. Это текстовая модель на базе Gemma 3, доступная в формате safetensors, с контекстом до 32 768 токенов. Модель предназначена для специализированного извлечения, а не для общей генерации ответов. Её обучение опирается на небольшой набор из 1400 примеров, поэтому полноту и точность извлечения на иных типах текста следует проверять. Лицензия — Gemma; использование регулируется её условиями.

Gemma4-BLIP3o-Captioner-5B — экспериментальная мультимодальная модель для генерации подробных описаний изображений, разработанная prithivMLmods на основе Google Gemma-4-E2B-it. Модель дообучена примерно на 3 тысячах примеров из набора BLIP3o-Pretrain-Long-Caption и настроена на имитацию системы BLIP3o (Bootstrapped Language-Image Pretraining). Она предназначена для автоматического описания сцен, природных ландшафтов, портретов, объектов и других визуальных категорий, включая последовательное описание кадров видео. Основной язык — английский. Модель использует мультимодальную архитектуру базовой Gemma-4-E2B-it, поддерживает обработку изображений и ориентирована на локальный inference с использованием Transformers или llama.cpp. Модифицированный chat template содержит встроенный системный промпт для плотных, детализированных и контекстно насыщенных описаний; режим рассуждений по умолчанию отключён для снижения задержки. Доступны файлы GGUF в форматах от Q2_K до Q8_0, а также варианты BF16 и F16. Сильными сторонами модели являются специализация на подробном image captioning, поддержка последовательных видеокадров и пригодность для локальных или ориентированных на приватность сценариев. Ограничение заключается в том, что модель экспериментальная и может выдавать артефакты или ухудшенные результаты при использовании для общего диалога и задач, не связанных с описанием изображений. Модель распространяется по лицензии Apache-2.0.

Карточка модели HiDream-ai/HiDream-O1-Image-Dev на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

Карточка модели kayraharika/HiDream-O1-Image-Dev на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

HiDream-O1-Image-Dev-2604-BF16 — конверсия в формате BF16 модели HiDream-ai/HiDream-O1-Image-Dev-2604, подготовленная для работы с ComfyUI. Исходная модель — дистиллированная версия семейства HiDream-O1-Image с архитектурой Pixel-level Unified Transformer: она совместно обрабатывает пиксели, текст и управляющие условия. Вариант Dev выполняет генерацию за 28 шагов; заявленное разрешение изображений — до 2048 × 2048. Модель предназначена для генерации изображений по тексту, персонализации изображений по объекту, управления расположением объектов через разметку областей и задания позы по скелету OpenPose. Семейство также поддерживает редактирование изображений по инструкции, но для таких задач разработчик рекомендует полную версию. Обновление 2604 добавляет ускоренный вывод для персонализации и обновлённый планировщик редактирования. В режиме Dev CFG отключён, поэтому негативные промпты не влияют на результат. Для BF16 требуется примерно 17–20 ГБ видеопамяти; README предупреждает о проблемах совместимости с PyTorch 2.9.x и рекомендует версию 2.8.x или ниже. Модель использует входные изображения и текстовые запросы и генерирует изображения. README заявляет поддержку многоязычного текста, но конкретные языки не перечисляет. Репозиторий распространяется по лицензии MIT.

Карточка модели worksimpli/HiDream-O1-Image-endpoint на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

Карточка модели kiel2/Kiel-2-Iris на Hugging Face совпадает с карточкой kiel2/Kiel-Vision-2-Pro, поэтому описание составлено по ней. Kiel-Vision-2-Pro — дообученная kiel2 модель для диалоговой работы с изображениями и текстом. Она основана на unsloth/qwen2.5-vl-7b-instruct-unsloth-bnb-4bit и использует архитектуру Qwen2.5-VL с 7 млрд параметров. По данным карточки, модель обучали с помощью Unsloth и библиотеки Hugging Face TRL. Модель принимает текстовые запросы и изображения и генерирует текстовые ответы. Она подходит для вопросов по изображениям и других сценариев визуального диалога. В карточке указан английский язык; доступны файлы в форматах Safetensors и GGUF, включая варианты F16 и Q4_K_M. Лицензия — Apache-2.0.

Krea 2 Turbo (+ Identity Edit) — это дистиллированная модель генерации и редактирования изображений, опубликованная пользователем ChrisColeTech в формате GGUF. Сборка содержит denoiser Krea 2 Turbo Edit со встроенной identity LoRA, текстовый энкодер Qwen3-VL-4B и VAE Qwen-Image; это готовые веса, а не модель, дообученная в данном репозитории. Модель поддерживает генерацию изображений по текстовому описанию, преобразование изображений и редактирование с сохранением идентичности объекта или человека. Режим Identity Edit принимает одну-две референсные фотографии и текстовую инструкцию, сохраняя личность, позу, освещение и сцену без маски или выделения области. Также доступно обычное strength-based редактирование img2img. Заявленный рабочий режим — 8 шагов без guidance; в примерах используются изображения размером 1024×1024, а на RTX 5090 генерация занимает около 35 секунд. Основной denoiser поставляется в нескольких уровнях GGUF-квантизации, включая Q4_K_M размером 7,26 ГБ, а также доступна сборка scaled-FP8. Текстовый энкодер Qwen3-VL-4B занимает 5,24 ГБ, VAE — 254 МБ. Точные сведения о поддерживаемых языках, максимальном контексте и полной архитектуре не указаны. Сильные стороны модели — высокая скорость за счёт дистилляции, поддержка нескольких режимов работы и сохранение идентичности при редактировании; ограничения включают необходимость совместимого GGUF Loader и отсутствие подробных данных о качестве, языках и требованиях к оборудованию. Лицензия в репозитории указана как unknown.

LLaVA-InternLM2-20B — визуально-языковая модель, разработанная XTuner и дообученная на базе InternLM2-Chat-20B с использованием CLIP-ViT-Large-patch14-336 как визуального энкодера. Для обучения применялись наборы LLaVA-Pretrain и LLaVA-Instruct-150K. Модель принимает изображения и текстовые запросы и формирует текстовые ответы. Она предназначена для диалога о содержимом изображений, визуальных вопросов и ответов, а также для описания и анализа визуальных данных. Карточка приводит результаты оценки на мультимодальных бенчмарках, включая MMBench, MME и MMVet. Это дообученная модель семейства LLaVA с языковой основой InternLM2-Chat-20B. В карточке не приведены сведения о лицензии, поэтому условия использования по доступным данным определить нельзя.

Lumina-mGPT-7B-768 — мультимодальная авторегрессионная модель семейства Lumina-mGPT, представленная в репозитории Alpha-VLLM. Она предназначена для задач, объединяющих зрение и язык, и особенно ориентирована на генерацию фотореалистичных изображений по текстовым описаниям. Архитектура модели — плотная ChameleonXLLMXForConditionalGeneration; размер составляет 6,7 млрд параметров, максимальный контекст — 4096 токенов. Модель поддерживает мультимодальную генерацию и обработку данных, сочетая текст и изображения. В репозитории указаны веса safetensors; реализация и код для сэмплирования доступны в GitHub. Лицензия в предоставленных данных не указана.

NextStep-1-Large-Edit — модель StepFun для редактирования и генерации изображений. В карточке описана архитектура NextStep-1: авторегрессионная модель на 14 млрд параметров с отдельной головой flow matching на 157 млн параметров. Она обучена на дискретных текстовых и непрерывных визуальных токенах с предсказанием следующего токена. Метаданные указывают архитектуру LlamaForCausalLM, библиотеку Transformers и контекст 131 072 токена. Модель предназначена для задач генерации изображений и редактирования изображений; карточка также отмечает высокую точность синтеза. Репозиторий содержит веса в формате safetensors и VAE-чекпойнт. Лицензия — Apache-2.0. Доступные сведения не описывают конкретные ограничения качества или поддерживаемые языки.

Nexus-Gen — мультимодальная модель от ModelScope, объединяющая языковую модель Qwen2.5-VL и декодер изображений на основе диффузии. В ней используется двухэтапное обучение для согласования представлений: языковая модель предсказывает эмбеддинги изображения по мультимодальному вводу, а декодер восстанавливает из них изображение. Размер модели — 7,1 млрд параметров, заявленная длина контекста — 128 000 токенов. Модель предназначена для понимания изображений, генерации изображений по текстовым запросам и редактирования изображений. После дообучения на BLIP3o-60k авторы сообщают о результате 0,79 на GenEval и улучшенной работе с текстовыми запросами для генерации. Модель опубликована в формате safetensors и использует библиотеку Transformers; лицензия — Apache-2.0. По README, основное обучение и следование инструкциям рассчитаны на английский язык. Авторы отмечают ограниченную устойчивость к коротким запросам из-за ограниченного объёма данных для генерации изображений; поддержка инструкций на других языках не заявлена.

nunchaku-ai/nunchaku-qwen-image-edit-2509 — это квантизированная версия модели Qwen/Qwen-Image-Edit-2509, разработанная командой Nunchaku. Модель относится к классу image-to-image и предназначена для редактирования изображений по текстовым инструкциям, включая сценарии, где требуется сложное отображение текста. Она реализована для библиотеки Diffusers и оптимизирована для эффективного инференса при минимальной потере качества относительно исходной модели Qwen-Image-Edit-2509. В репозитории представлены варианты в форматах INT4 для GPU до поколения NVIDIA 50-й серии и NVFP4 для GPU Blackwell 50-й серии. Доступны варианты с рангом r32, обеспечивающие более быстрый инференс, и r128, ориентированные на лучшее качество при более низкой скорости. Также имеются дистиллированные версии для генерации за 4 или 8 шагов, объединённые с LoRA Qwen-Image-Lightning. Размер модели, точная архитектура, поддерживаемые языки и максимальная длина контекста в README не указаны. Основные сильные стороны модели — снижение вычислительных требований за счёт квантизации, несколько вариантов компромисса между скоростью и качеством, а также ускоренные lightning-версии. Ограничения включают зависимость характеристик от типа GPU, ранга и выбранного варианта, а также потенциальное снижение качества по сравнению с полной версией модели. Лицензия — Apache-2.0.

OneDiffusion — модель генерации и преобразования изображений, представленная в работе «One Diffusion to Generate Them All». Репозиторий использует библиотеку Diffusers и распространяет веса в формате safetensors; в качестве VAE указан SD3 VAE, а текстовый энкодер — T5-XL. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование בלבד. Модель предназначена для нескольких сценариев работы с изображениями: генерации изображений по тексту, создания многовидовых изображений по тексту или одному изображению, генерации с учётом заданного субъекта и редактирования изображения по текстовым инструкциям. README также описывает сочетание задач в zero-shot режиме, но предупреждает, что такие комбинации могут работать нестабильно и зависеть от порядка токенов и подписей. Авторы дообучили модель на Subject-200K для генерации с заданным субъектом и на OmniEdit для редактирования. Для составных сценариев авторы рекомендуют дообучение, если требуется более надёжное поведение. Длина контекста и поддерживаемые естественные языки в предоставленных данных не определены.

Qwen3.5-Flash — модель семейства Qwen3.5 от Qwen, предназначенная для работы с изображениями и текстом. По доступным сведениям, она использует гибридную архитектуру, сочетающую линейный механизм внимания и разреженную смесь экспертов (MoE), чтобы повысить эффективность инференса. Модель подходит для сценариев, где нужно анализировать визуальный материал и формировать текстовый ответ. README сообщает об архитектуре, но доступный фрагмент не раскрывает конкретные возможности, языки, размер модели или длину контекста. Лицензия в предоставленных данных не указана.

Qwen-Edit-2509-Multi-Angle-Lighting — это LoRA-адаптер для image-to-image обработки изображений, созданный сообществом dx8152 на базе Qwen/Qwen-Image-Edit-2509. Модель предназначена для перенастройки освещения изображения с использованием карты яркости: можно задавать направление источника света спереди, сзади, сбоку, сверху, снизу и под промежуточными углами. Для работы используются исходное изображение и изображение с картой яркости, а рекомендуемый сценарий задаётся текстовым запросом на русском или английском языке. Ключевые сведения об архитектуре и размере адаптера, поддерживаемых языках и максимальном контексте в README не указаны. Авторы отмечают улучшение общего качества и возможность управлять яркостью света с помощью чёрно-белых настроек карты яркости. Ограничение модели состоит в том, что освещение под некоторыми углами пока может контролироваться нестабильно; это заявлено как область для будущего обновления. Модель распространяется по лицензии Apache-2.0.

ChrisColeTech/qwen-image-edit-turbo-GGUF — это квантизированная сборка Qwen-Image-Edit-2511 для управляемого редактирования и генерации изображений. Модель содержит около 20 млрд параметров, поставляется в формате GGUF с разделённой компоновкой весов и включает предварительно объединённую Lightning LoRA для работы за 8 шагов. Поддерживаются режимы txt2img и img2img: модель может создавать изображения по текстовому описанию, применять к исходному изображению инструкции по изменению объектов, фона и стиля, а также преобразовывать визуальный стиль с сохранением композиции. Сборка рассчитана на работу трансформера на одной видеокарте с 24 ГБ памяти и использует CFG-free режим с guidance 1.0 и true_cfg_scale 1.0. К сильным сторонам относятся высокая скорость благодаря дистилляции, сохранение исходной сцены и положения объектов при редактировании, а также поддержка фотореалистичных и художественных преобразований. Ограничения включают необходимость совместимого программного окружения для GGUF, отсутствие сведений о поддерживаемых языках и максимальном контексте, а также то, что параметр strength для img2img, согласно README, не влияет на результат и не требуется. Лицензия в карточке указана как unknown; модель описана как переупакованные и переквантизированные веса без дополнительного обучения.

andregn/Realistic_Vision_V3.0-inpainting — ветка Realistic Vision V3.0, содержащая только модель для заполнения и изменения выбранных областей изображения. Она предназначена для локального редактирования изображения по маске с помощью StableDiffusionInpaintPipeline; репозиторий распространяет веса в форматах Diffusers и safetensors. Автор README уточняет, что это не официальная ветка. Модель ориентирована на создание реалистичных изображений; лицензия — CreativeML Open RAIL-M.

cointegrated/rubert-tiny-sentiment-balanced — русскоязычная модель классификации тональности, созданная дообучением cointegrated/rubert-tiny. Она распределяет короткий текст по одному из трёх классов: отрицательная, нейтральная или положительная тональность. Модель основана на архитектуре BERT и содержит 12,1 млн параметров. Она принимает текст, поддерживает контекст до 512 токенов и предназначена для анализа коротких русскоязычных сообщений, например отзывов и новостей. В README приведены результаты на сбалансированном тестовом наборе: Macro F1 составляет 0,83 для банковских отзывов SentiRuEval2016, 0,74 для отзывов о телекоммуникациях и 0,66 для новостей Kaggle. Модель обучена на собранных Smetanin датасетах, приведённых к трёхклассовой разметке; источники и классы балансировались повышающей и понижающей выборкой. Лицензия в предоставленных данных не указана.

Stable Diffusion v1.5 Inpainting — переупакованная версия модели Stable Diffusion для генерации и редактирования изображений по текстовым запросам с использованием маски. Разработана Робином Ромбахом и Патриком Эссером; репозиторий содержит веса в формате Diffusers, PyTorch и safetensors и предназначен для работы с библиотекой Diffusers. Модель основана на латентной диффузионной архитектуре с текстовым энкодером CLIP ViT-L/14. Она принимает текстовый запрос и изображение с маской, чтобы перерисовать выбранную область, а также поддерживает генерацию изображения по тексту. Версия для инпейнтинга обучалась на разрешении 512×512; основной язык запросов — английский. Модель подходит для художественных и дизайнерских задач, творческих инструментов и исследований генеративных моделей. К ограничениям относятся несовершенный фотореализм, трудности с читаемым текстом, сложными композициями и корректным изображением лиц; качество запросов на других языках ниже. Данные обучения содержали материалы для взрослых, а модель может воспроизводить предвзятости и запоминать изображения. Лицензия CreativeML OpenRAIL-M разрешает распространение и производные работы при соблюдении её условий и ограничений на использование.