IV.1Ритейл, электронная коммерция и fashion-tech

Disty0/FLUX.1-dev-qint4 — квантизированная до INT4 версия модели FLUX.1-dev от Black Forest Labs, подготовленная с помощью Optimum Quanto. Она предназначена для генерации изображений по текстовым описаниям и используется через библиотеку Diffusers. Карточка указывает поддержку английского языка и лицензию «other».

FLUX.1 Krea [dev] — модель генерации изображений по тексту, разработанная Black Forest Labs совместно с Krea и опубликованная на Hugging Face в виде зеркала Unsloth с неизменёнными весами. Модель содержит 12 млрд параметров и использует архитектуру rectified flow transformer; она дообучена на основе black-forest-labs/FLUX.1-dev и поддерживает работу через Diffusers. Модель предназначена для создания изображений по текстовым описаниям, с акцентом на эстетичную фотографию и следование запросу. Обучение с дистилляцией guidance повышает эффективность генерации. В карточке перечислены английский язык и задача text-to-image. Модель может не точно следовать запросу, а результат зависит от стиля формулировки промпта. Она не предназначена для предоставления фактической информации и может усиливать общественные предубеждения. Лицензия — FLUX.1 [dev] Non-Commercial License; в README также сказано, что разрешённое использование сгенерированных результатов включает личные, научные и коммерческие цели при соблюдении условий лицензии.

Flux.1-Krea-Merged-Dev — модель генерации изображений из текста, созданная prithivMLmods путём объединения параметров black-forest-labs/FLUX.1-dev и black-forest-labs/FLUX.1-Krea-dev. Она построена на архитектуре rectified flow transformer и предназначена для творческих рабочих процессов, где важны следование текстовому запросу, визуальное качество, эстетика и фотореализм. В README приведены примеры генерации по текстовым описаниям; для работы предлагается библиотека Diffusers и конвейер FluxPipeline. Модель принимает текстовые запросы и создаёт изображения. В карточке заявлено объединение характеристик двух базовых моделей; в примерах указано 28 шагов генерации. FLUX.1-dev описана как модель на 12 млрд параметров. Лицензия репозитория обозначена как other, поэтому условия использования следует сверять с лицензиями исходных моделей и условиями карточки репозитория.

FLUX.1-schnell-gguf — это квантованная версия модели FLUX.1-schnell, разработанной Black Forest Labs и распространяемой в формате GGUF. Модель предназначена для генерации изображений по текстовому описанию и относится к сценариям text-to-image и image generation. В карточке указано, что это зеркало базовой модели black-forest-labs/FLUX.1-schnell, квантование выполнено city96. Сведения об архитектуре, размере, поддерживаемых языках и максимальном контексте не приведены, поэтому оценить эти характеристики и ограничения по имеющимся данным нельзя. Модель распространяется по лицензии Apache-2.0. README не содержит дополнительных сведений о требованиях к оборудованию, производительности, качестве генерации или специальных ограничениях использования.

Это 4-битная квантованная версия модели FLUX.1-schnell от Black Forest Labs, подготовленная с использованием подхода mflux версии 0.6.2. Модель генерирует изображения по текстовому описанию; в репозитории есть два текстовых энкодера CLIP, основной трансформер диффузии и VAE. Квантование уменьшает требования к памяти и размер файлов: в README указано около 9 ГБ для 4-битной версии против примерно 57 ГБ у исходной FP16. Это позволяет запускать генерацию на оборудовании с ограниченной видеопамятью. Модель предназначена для быстрого создания изображений по текстовым запросам; в метаданных указан английский язык. По сравнению с исходной версией качество немного снижено, возможны артефакты, а скорость вывода может быть несколько ниже. Лицензия — Apache-2.0.

Flux2-Klein-9B-True-V2 — модель генерации изображений из текста на базе black-forest-labs/FLUX.2-klein-9B, дообученная автором wikeeyang. Она предназначена для text-to-image-синтеза и редактирования изображений в экосистеме Diffusers и ComfyUI. Заявлены поддерживаемые языки английский и китайский, фреймворк PyTorch и архитектура размером 9B параметров. По сравнению с версией V1 модель ориентирована на повышение реалистичности и проработки текстур, более точное следование и восстановление содержимого по промпту, лучшую адаптацию параметров и совместимость с LoRA. Также заявлены более упорядоченная композиция, улучшения эстетики и более стабильное редактирование с уменьшением смещения и цветовых искажений. Для ускорения можно применять Turbo или Distill LoRA, однако это может снижать качество; для работы с ограниченной видеопамятью README рекомендует инструменты выгрузки блоков и загрузчик GGUF. Модель подходит для генерации и редактирования изображений, но использование ускоряющих LoRA и редактирование могут влиять на качество, цвет и форму результата. Лицензия указана как FLUX Non-Commercial License от black-forest-labs, поэтому модель предназначена для некоммерческого использования на условиях этой лицензии. Максимальный контекст, точные требования к памяти, список поддерживаемых модальностей и дополнительные технические параметры в README не указаны.

HiDream-O1-Image-Dev-mlx-bf16 — порт модели генерации изображений HiDream-O1-Image-Dev на MLX, подготовленный Mrbizarro и опубликованный сообществом mlx-community для компьютеров Apple Silicon. Это плотная модель семейства Qwen3-VL в формате safetensors с точностью BF16; в README указано, что веса занимают около 17,5 ГБ. Модель создаёт изображения по текстовым запросам, редактирует изображение по инструкции и поддерживает персонализацию по нескольким референсным изображениям. Модель предназначена для локальной генерации и редактирования изображений на Mac с Apple Silicon, в том числе через интерфейс Phosphene. Для генерации 1024 × 1024 README приводит около 67 секунд на 28 шагов и пиковое потребление памяти 16 ГБ; время растёт с разрешением. Поддерживаются только обученные разрешения: близкие к ним размеры автоматически подбираются, а несоответствующие могут давать артефакты. Для редактирования и работы с референсами требуется BF16: README сообщает, что версии Q6/Q8 могут давать вырожденный результат при редактировании, а Q4 была отвергнута из-за ухудшения качества. Автор README характеризует генерацию как production-quality, но это оценка автора карточки, а не независимый тест. Лицензия — MIT.

Juggernaut X v10 — модель генерации изображений по текстовым запросам, созданная KandooAI совместно с RunDiffusion на базе Stable Diffusion XL. Это заново обученная версия линейки Juggernaut SDXL: набор изображений расширили, а подписи к нему переработали с помощью GPT-4 Vision. Модель работает через Diffusers и поддерживает запросы как на естественном языке, так и в виде тегов. Модель предназначена прежде всего для фотореалистичных и кинематографичных изображений, портретов и сцен с управлением типом кадра. Среди заявленных улучшений — точнее следование запросу и генерация коротких читаемых надписей, например вывесок и меток. В README рекомендованы разрешения 832 × 1216 и 1216 × 832, 30–40 шагов и семплер DPM++ 2M Karras. Для личного и творческого использования модель доступна по лицензии CreativeML Open RAIL-M. Размещение за платными API без отдельного разрешения запрещено; для коммерческого лицензирования нужно обратиться к разработчикам. Модель ориентирована на генерацию изображений и не является вариантом SAFE, который предлагается отдельно.

Monetico — модель генерации изображений по текстовому описанию, разработанная Collov Labs. Это эффективное воспроизведение Meissonic на основе нем autoregressive masked image modeling: модель создаёт изображение целиком, а не генерирует его последовательность пикселей или токенов. В README заявлена генерация изображений 512×512 качества, сопоставимого с Meissonic и SDXL, и возможность запуска на потребительских видеокартах. Модель предназначена для создания изображений по текстовым запросам. README не сообщает поддерживаемые языки запросов и подробные требования к видеопамяти. Репозиторий использует форматы Diffusers и Safetensors. Лицензия — Apache-2.0.

nunchaku-ai/nunchaku-flux.1-dev — это квантизированная версия модели FLUX.1-dev, разработанная командой Nunchaku на основе модели Black Forest Labs. Она предназначена для генерации изображений по текстовым описаниям и интегрируется с библиотекой Diffusers, а также может использоваться в ComfyUI. Модель применяет метод SVDQuant и 4-битное квантование, чтобы повысить эффективность инференса при минимальной потере качества. Доступны варианты INT4 для видеокарт до серии NVIDIA 50 и NVFP4 для видеокарт Blackwell серии 50. Указан английский язык; модель поддерживает сценарии text-to-image. Сведения о размере, точной архитектуре, длине контекста и других модальностях в карточке не приведены. К сильным сторонам относятся высокое качество генерации, эффективный инференс и сниженные требования к вычислительным ресурсам по сравнению с исходной моделью. Ограничения связаны с применением квантизации и лицензионными условиями исходной FLUX.1-dev. Модель распространяется по лицензии flux-1-dev-non-commercial-license, допускающей некоммерческое использование; перед применением необходимо ознакомиться с полным текстом лицензии Black Forest Labs.

nunchaku-ai/nunchaku-flux.1-kontext-dev — квантизированная версия модели FLUX.1-Kontext-dev, разработанная командой Nunchaku. Это диффузионная image-to-image модель для редактирования изображений по текстовым инструкциям, предназначенная для использования через Diffusers и ComfyUI. Модель использует 4-битную квантизацию SVDQuant, оптимизированную для эффективного вывода при минимальной потере качества. Доступны вариант INT4 для видеокарт до поколения Blackwell и вариант NVFP4 для видеокарт Blackwell (серия 50). В метаданных указана поддержка английского языка; сведения о размере модели, максимальном контексте и точной архитектуре не приведены. Основные преимущества — снижение вычислительных и, вероятно, ресурсных затрат при сохранении производительности исходной FLUX.1-Kontext-dev, а также поддержка сценариев редактирования изображений на основе текста. Ограничения связаны с производительностью и совместимостью, зависящими от используемого варианта квантизации и GPU. Модель распространяется по лицензии flux-1-dev-non-commercial-license Black Forest Labs, допускающей некоммерческое использование согласно условиям исходной модели.

POCKET-Image-Zimage — сборка модели Z-Image в 4-битном формате NF4, подготовленная VIDRAFT для генерации изображений на устройствах с ограниченной видеопамятью. Это диффузионная модель для преобразования текстового промпта в изображение; репозиторий упакован для Diffusers и содержит веса в формате safetensors. По карточке, сборка занимает около 6 ГБ, а генерация возможна примерно от 8,6 ГБ VRAM или от 4,5 ГБ с выгрузкой части вычислений на CPU; для сравнения, базовая версия bf16 требует около 23,3 ГБ VRAM. Модель подходит для создания иллюстраций и фотореалистичных изображений по текстовому описанию. Указанная в карточке функция точного отображения корейского и многоязычного текста относится к полной системе POCKET-Image, а не гарантируется одними весами этой модели. Для запуска NF4-сборки требуются CUDA и bitsandbytes; карточка указывает лицензию Apache-2.0.

ProteusV0.3-Lightning — модель генерации изображений по текстовому описанию от dataautogpt3. Она основана на Proteus, дообученной версии OpenDalleV1.1, и использует метод Lightning от ByteDance для ускоренной генерации с небольшим снижением качества и понимания запросов. Модель работает с StableDiffusionXLPipeline и распространяется в форматах Diffusers, PyTorch и Safetensors. Модель предназначена для создания изображений по текстовым запросам, включая реалистичные портреты с детализированными чертами лица и текстурой кожи, а также сюрреалистические, аниме- и мультяшные изображения. В README рекомендуются CFG 1–2, 4–10 шагов генерации и разрешение 1024×1024 или 1280×1280. Proteus была дообучена примерно на 220 тысячах изображений с подписями GPTV, а также оптимизирована с помощью DPO на 10 тысячах пар изображений. Для версии Lightning указано ускорение вывода с минимальной потерей качества и понимания запросов. Модель распространяется по лицензии GPL-3.0. Количественные оценки качества и дополнительные ограничения в карточке не приведены.

Qwen-Image-2.1 MLX-Serve 4bit — 4-битная квантованная версия модели Qwen/Qwen-Image-2.1, подготовленная пользователем ddalcu для запуска через mlx-serve на компьютерах Mac с Apple Silicon. Модель предназначена для генерации изображений по текстовому описанию, а также поддерживает сценарий image-to-image с параметрами image и strength. Для API mlx-serve предусмотрена генерация изображений размером 512×512 и 1024×1024; число шагов по умолчанию составляет 40. При использовании negative_prompt и guidance_scale выше 1 включается classifier-free guidance. Квантование выполнено до 4 бит с размером группы 64 для линейных слоёв DiT-блоков и текстового энкодера. VAE, embed_tokens, нормализации и некоторые небольшие или общие линейные слои сохранены в плотном формате; Qwen3-VL vision tower и lm_head удалены, поскольку модель предназначена только для text-to-image. Размер пакета составляет около 10,7 ГБ, а заявленная целевая конфигурация — Mac с 16 ГБ памяти. На M1 Pro с 32 ГБ памяти измерено пиковое потребление около 9,55 ГБ для 4-битной версии при разрешении 1024×1024. Основное преимущество модели — существенное снижение требований к памяти по сравнению с 8-битной версией, что делает запуск возможным на совместимых Mac. Ограничение заключается в том, что на момент публикации пакет работает только с веткой mlx-serve feat/qwen-image-2.1; выпущенные версии mlx-serve и MLX Core его не поддерживают. Модель распространяется по лицензии Apache-2.0, как и базовая модель.

Realistic Vision 1.2 — модель генерации изображений по текстовому описанию в формате Stable Diffusion. Репозиторий опубликован Yntec и содержит веса для Diffusers в форматах PyTorch и SafeTensors; карточка приводит пример промпта с портретом персонажа. Модель предназначена для создания реалистичных и полуреалистичных изображений по текстовым запросам. В метаданных указана лицензия CreativeML OpenRAIL-M, которая определяет условия использования модели.

RF-DETR Large — модель обнаружения объектов семейства RF-DETR, разработанного авторами работы «RF-DETR: Neural Architecture Search for Real-Time Detection Transformers» и доступного в библиотеке Transformers. Она предназначена для поиска и локализации объектов на изображениях; чекпойнт обучен на COCO 2017 и распознаёт 80 категорий этой разметки. Архитектура сочетает ViT-подобный backbone в стиле DINOv2 с регистрами и чередованием оконного и полного внимания, многомасштабный проектор признаков и декодер в стиле Deformable DETR с объектными запросами. Семейство разработано для баланса точности и задержки при работе в реальном времени. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Модель принимает изображения и выдаёт обнаруженные объекты с координатами рамок и категориями. Её назначение ограничено детекцией категорий COCO; карточка не подтверждает распознавание произвольных классов или поддержку других задач. В карточке не приведены численные показатели точности, задержки или размер модели.

InstantX/SD3.5-Large-IP-Adapter — адаптер IP-Adapter для модели Stable Diffusion 3.5 Large, разработанный командой InstantX. Он предназначен для генерации изображений по текстовому описанию с дополнительным управлением на основе референсного изображения: изображение используется подобно текстовому условию и может влиять на визуальный стиль или содержание результата. Адаптер добавляет новые слои во все 38 блоков базовой архитектуры Stable Diffusion 3.5 Large. Для кодирования изображений применяется google/siglip-so400m-patch14-384, а для проецирования используется TimeResampler; количество токенов изображения составляет 64. Модель работает в конвейере text-to-image библиотеки Diffusers, поддерживает английский язык, а в примере рекомендовано разрешение 1024×1024, 24 шага генерации и guidance scale 5.0. Поддерживаются текстовая и визуальная модальности. К сильным сторонам относятся использование референсных изображений и интеграция с возможностями Stable Diffusion 3.5 Large. Ограничения включают чувствительность базовой модели к генерации в высоком разрешении, а также необходимость использовать локальные файлы конвейера, поскольку адаптер на момент публикации ещё не интегрирован в Diffusers. Доступна поддержка ComfyUI через отдельный проект. Модель распространяется по лицензии stabilityai-ai-community; все авторские права сохраняются.

Карточка модели YuriyZeng/sd-turbo на Hugging Face совпадает с карточкой stabilityai/sd-turbo, поэтому описание составлено по ней. SD-Turbo — быстрая генеративная модель Stability AI для создания изображений по текстовому описанию. Это дистиллированная версия Stable Diffusion 2.1, обученная методом Adversarial Diffusion Distillation для генерации за 1–4 шага; обычно достаточно одного шага, а предпочтительный размер изображения — 512×512 пикселей. Модель предназначена для быстрого синтеза изображений в творческих инструментах, дизайне и исследованиях генеративных моделей. Она принимает текстовый запрос и выдаёт изображение; также поддерживается сценарий image-to-image. Для работы в одном или двух шагах модель сочетает дистилляцию по оценкам с состязательной функцией потерь. К ограничениям относятся более низкое качество и соответствие запросу по сравнению с SDXL-Turbo, неидеальный фотореализм, сложности с корректной генерацией лиц и людей, а также неспособность надёжно создавать читаемый текст на изображениях. Модель не предназначена для достоверного изображения реальных людей или событий. Условия коммерческого использования в карточке не раскрыты полностью: README отсылает к отдельным условиям Stability AI.

SDXL-Turbo — генеративная модель преобразования текста в изображения, разработанная Stability AI. Она создаёт изображение по текстовому запросу за один проход сети; для генерации обычно достаточно одного шага, а режим до четырёх шагов может улучшить результат. Модель основана на SDXL 1.0 Base и обучена методом Adversarial Diffusion Distillation для быстрой генерации с сохранением качества при малом числе шагов. Модель подходит для быстрого создания иллюстраций и концептов, художественных и дизайнерских процессов, а также творческих и образовательных приложений. Поддерживается также генерация изображений на основе исходного изображения. Предпочтительный размер результата — 512×512 пикселей; модель не использует guidance_scale и negative_prompt. Ограничения включают нечитаемый текст на изображениях, возможные ошибки в изображении лиц и людей, неполный фотореализм и потери из-за автоэнкодера. Модель не предназначена для достоверного изображения реальных людей или событий. README указывает на исследовательское и некоммерческое применение по лицензии модели и отдельно отсылает к Stability AI для условий коммерческого использования; метаданные обозначают лицензию как other.

SegMoE-2x1-v0 — генеративная модель Segmind, разработанная Yatharth Gupta и Vishnu Jaddipal. Это диффузионная смесь экспертов для создания изображений по текстовому описанию: модель объединяет два дообученных эксперта Stable Diffusion XL без дополнительного обучения и запускается через библиотеку segmoe на базе Diffusers. В карточке модель описана как нетренированная смесь экспертов; её возможные преимущества — объединение знаний экспертов и улучшение следования запросу и качества изображения. Модель предназначена для генерации изображений по промптам. Она не рассчитана на достоверное изображение людей, событий и фактов, а также на задачи, требующие высокой точности. По данным карточки, скорость и использование памяти не оптимизированы. Лицензия — Apache 2.0.

SQLCoder — языковая модель компании Defog для преобразования вопросов на естественном языке в SQL-запросы. Это дообученная версия StarCoder с архитектурой GPTBigCode и 15 млрд параметров; она принимает текст и генерирует текст SQL. Модель обучали на 10 537 подготовленных людьми вопросах, охватывающих десять схем баз данных, и оценивали на схемах, не встречавшихся при обучении. В тестах Defog сообщала о точности 64,6% на своём наборе оценки sql-eval. Модель предназначена для генерации запросов с группировкой, сортировкой, условиями, объединением таблиц и вычислением отношений. Максимальная длина контекста — 8192 токена. В README указана проверка на GPU A100 с весами bfloat16; 8-битный вариант описан как способ запуска на потребительских устройствах с памятью от 20 ГБ. Репозиторий помечен как устаревший: автор рекомендует более новую модель sqlcoder-7b-2. Лицензия в метаданных указана как other, конкретные условия в предоставленных данных не приведены.

Stable Diffusion 3.5 Large — модель генерации изображений по текстовому описанию, разработанная Stability AI. Она предназначена для создания иллюстраций и других художественных изображений, работы в дизайнерских процессах, творческих и образовательных инструментах, а также исследований генеративных моделей. Модель использует архитектуру Multimodal Diffusion Transformer (MMDiT), три предварительно обученных текстовых энкодера — OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL — и нормализацию QK. В README отмечены улучшения качества изображений, работы с типографикой, понимания сложных запросов и эффективности использования ресурсов. Модель ориентирована на английские запросы; для энкодеров указаны контексты 77 и 256 токенов на разных этапах обучения. Модель распространяется по Stability Community License; для коммерческого использования Stability AI предлагает уточнить условия лицензирования. Она не предназначена для достоверного изображения реальных людей или событий. Защитные меры не гарантируют устранения всего потенциально вредного контента, поэтому разработчикам следует проверять результаты и применять подходящие ограничения.

Это повторно размещённая модель Stable Diffusion 3.5 Medium, разработанная Stability AI и предназначенная для генерации изображений по текстовым запросам. Она использует архитектуру Multimodal Diffusion Transformer MMDiT-X, три предварительно обученных текстовых энкодера — OpenCLIP-ViT/G, CLIP-ViT/L и T5-xxl — и рассчитана на генерацию с разными разрешениями и соотношениями сторон. В README отмечены улучшенное следование сложным запросам, качество изображений, работа с типографикой и более эффективное использование ресурсов. Модель подходит для создания иллюстраций, художественных изображений и визуальных материалов для дизайна, творческих и образовательных приложений. Для локального запуска рекомендуются ComfyUI или библиотека diffusers. Лицензия — Stability Community License; коммерческое лицензирование требует обращения к Stability AI, а использование должно соответствовать их Acceptable Use Policy. При превышении 256 токенов T5 в длинных запросах могут появляться артефакты по краям изображения. Модель не предназначена для создания фактически достоверных изображений людей или событий; защитные меры не исключают генерацию нежелательного контента, поэтому для прикладных продуктов могут потребоваться дополнительные ограничения.

Карточка модели embedingHF/stable-diffusion-v1-5 на Hugging Face совпадает с карточкой stable-diffusion-v1-5/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с предварительно обученным текстовым энкодером CLIP ViT-L/14. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; модель можно запускать через Diffusers и совместимые интерфейсы, например ComfyUI и AUTOMATIC1111. Модель подходит для создания иллюстраций и концептов, художественных и дизайнерских материалов, а также для изучения генеративных моделей. Она лучше работает с английскими запросами. Модель может ошибаться в фотореализме, композиции, изображении лиц и людей, а также обычно не создаёт разборчивый текст внутри изображений. Обучающие данные содержали взрослый контент, поэтому для безопасного применения важны фильтрация и дополнительные меры защиты; возможны смещения и запоминание дублированных изображений. Лицензия — CreativeML OpenRAIL-M. Карточка ограничивает применение исследованиями и описывает недопустимые сценарии использования, включая создание вредоносных или дискриминационных изображений. Репозиторий является зеркалом устаревшей карточки RunwayML и не связан с RunwayML.

Карточка модели ashllay/stable-diffusion-v1-5-archive на Hugging Face совпадает с карточкой wyyadd/sd-1.5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовым запросам, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель: она использует фиксированный текстовый кодировщик CLIP ViT-L/14 и создаёт изображения в разрешении 512×512. Чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов на данных LAION-Aesthetics v2 5+ с отключением текстового условия в части примеров для улучшения classifier-free guidance. Модель подходит для создания иллюстраций, художественных изображений и материалов для творческих инструментов. Лучше всего она работает с англоязычными запросами. Доступны веса в формате Diffusers и safetensors; для использования указан лицензией CreativeML OpenRAIL-M, условия которой следует соблюдать. Модель может ошибаться в деталях и композиции, плохо рисует читаемый текст, лица и людей, а фотореализм не всегда точен. Обучающие данные содержали материалы для взрослых и могли закрепить социальные предубеждения; карточка рекомендует использовать Safety Checker из Diffusers и не применять модель для выдачи вымышленных изображений за достоверные изображения людей или событий.

Wan2.1-VACE-14B — модель семейства Wan от Wan-AI для создания и редактирования видео. Она использует архитектуру diffusion transformer и предназначена для сценариев VACE, включая генерацию видео по изображению и работу с видеоматериалом. В карточке репозитория указаны поддержка режимов создания и редактирования видео, а также разрешения 480p и 720p; вход может иметь произвольное разрешение, но для оптимального результата рекомендуется держаться заданного диапазона размеров. Модель подходит для создания видеоклипов на основе изображения и для видеомонтажа с помощью VACE. Семейство Wan2.1 также поддерживает генерацию текста на китайском и английском языках внутри визуального контента, однако README не уточняет, относится ли эта возможность именно к варианту VACE-14B. Репозиторий распространяется под лицензией Apache-2.0.

AE-SDXL-v1 — модель Stable Diffusion XL для генерации изображений по текстовому запросу, представленная через ModelsLab и опубликованная в репозитории stablediffusionapi. README показывает вызов модели через API ModelsLab: можно задавать основной и отрицательный запросы, размер изображения, число шагов и другие параметры генерации. Метаданные указывают на использование Diffusers, PyTorch и формата safetensors; заявленная лицензия — CreativeML OpenRAIL-M. Модель предназначена для создания изображений, в том числе фотореалистичных портретов и сцен: пример в карточке ориентирован на детализированный киберпанк-портрет с кинематографическим освещением. Указанные параметры API включают размер 512 × 512 и 30 шагов генерации. Карточка не сообщает размер весов, длину контекста или языки, поэтому их нельзя уточнить. Пример API позволяет отключить safety checker; это настройка сервиса, а не подтверждение встроенных ограничений самой модели.

Apply Texture LoRA — адаптер LoRA, разработанный автором tarn59 для базовой модели Qwen/Qwen-Image-Edit-2509. Модель предназначена для редактирования изображений и наложения описанных пользователем текстур на объекты, здания, растения и спрайты, в том числе на выбранную часть изображения. Она поддерживает рекурсивные сценарии, когда созданный объект или текстура также содержит повторяющийся объект с текстурой. Для активации рекомендуется использовать запрос в формате «Apply {описание текстуры} texture to {объект или уточнение области}», например для применения деревянной обшивки к стенам здания или текстуры лосося к листьям и стеблям. Ключевые характеристики включают архитектуру LoRA, работу в сценарии image-to-image и зависимость от Qwen-Image-Edit-2509; размер модели, окно контекста, поддерживаемые языки и точный набор модальностей в README не указаны. Сильная сторона модели — специализированное управление текстурированием конкретных объектов и областей. Ограничения связаны с необходимостью использовать базовую модель и рекомендуемый формат триггерной фразы, а также с отсутствием подробных данных о качестве, производительности и совместимости. Модель распространяется по лицензии Apache-2.0.

bonsai-image-ternary-4B-mlx-2bit — компактная модель генерации изображений по тексту от Prism ML, основанная на архитектуре FLUX.2 Klein 4B с MMDiT-диффузионным трансформером примерно на 4 млрд параметров. Веса основных линейных слоёв представлены в троичном виде {−1, 0, +1} с групповым масштабированием FP16; формат MLX упаковывает их в 2-битные значения. Трансформер занимает 1,21 ГБ в представлении Bonsai и 1,43 ГБ в развёрнутом MLX-пакете. Модель предназначена для локальной генерации изображений по текстовым запросам на Mac, iPhone и iPad с Apple Silicon. В README также упомянуто сопутствующее CUDA-развёртывание для NVIDIA GPU. Используется 4-шаговый FlowMatch-Euler с guidance 1.0; для описанного режима не требуются CFG и отрицательные запросы. Компактное представление рассчитано на снижение размера и памяти при сохранении практического поведения базовой модели. Качество зависит от запроса и рабочего процесса; мелкий текст, тонкие детали, точный подсчёт объектов и строгую композицию следует проверять отдельно. Модель не побитово идентична варианту FP16. Репозиторий распространяется по лицензии Apache-2.0.

almanach/camembertav2-base-cls — франкоязычная модель классификации текста, разработанная Виссамом Антуном из группы Almanach в Inria-Paris. Это дообученная для классификации последовательностей модель DeBERTa-v2 с 138,4 млн параметров и контекстом до 1024 токенов; она основана на almanach/camembertav2-base и обучена на датасете FLUE-CLS для классификации отзывов Amazon о фильмах, музыке и книгах. На FLUE-CLS модель достигает точности 0,95849. Модель предназначена для классификации франкоязычных отзывов в сценариях анализа пользовательских оценок и категорий отзывов. Она распространяется в формате safetensors по лицензии MIT. Возможны смещения, связанные с обучающими данными, и снижение качества на других наборах данных и задачах.