IV.1Ритейл, электронная коммерция и fashion-tech

Карточка модели Muapi/deliberate-v2 на Hugging Face совпадает с карточкой stablediffusionapi/deliberate-v2, поэтому описание составлено по ней. Deliberate v2 — модель генерации изображений по текстовому описанию, представленная через ModelsLab и опубликованная на Hugging Face аккаунтом stablediffusionapi. Пример API показывает передачу основного и отрицательного промптов, настройку размера изображения, числа шагов и guidance scale; модель позиционируется для создания фотореалистичных изображений и портретов. В сценарии использования пользователь описывает сцену и при необходимости задаёт отрицательный промпт, чтобы исключить нежелательные детали. README демонстрирует генерацию квадратного изображения 512×512 за 30 шагов, а также параметры улучшения промпта, апскейлинга, панорамы, LoRA и эмбеддингов. Модель работает через API ModelsLab; формат и архитектурный класс указаны в метаданных как Diffusers StableDiffusionPipeline с весами Safetensors. Лицензия — CreativeML OpenRAIL-M. В карточке не приведены точный размер модели, длина контекста и перечень поддерживаемых языков. Качество результата зависит от формулировки промпта; готовые веса и локальный способ запуска в README не описаны.

fantasticmix — модель преобразования текста в изображение в формате Diffusers, опубликованная пользователем Hugging Face emilianJR. Это чекпойнт Stable Diffusion, который запускается через StableDiffusionPipeline из библиотеки diffusers: пользователь задаёт текстовый запрос, а модель генерирует изображение. Репозиторий содержит веса в форматах Diffusers и PyTorch; лицензия — CreativeML OpenRAIL-M. Карточка не приводит сведений о размере модели или длине контекста.

FLUX.1-dev Turbo v4 GGUF — это квантизированная 12-миллиардная модель генерации изображений, опубликованная ChrisColeTech на основе black-forest-labs/FLUX.1-dev. Репозиторий содержит веса в разделённом формате GGUF и представляет собой повторно квантизированную turbo-merge-версию без дополнительного обучения. Модель предназначена для генерации изображений по текстовому описанию (text-to-image) и преобразования изображений по тексту (img2img). В README приведены примеры фотореалистичных сцен и портретов с разрешением 1024×1024, а также стилизации исходных фотографий и синтетических изображений под масляную живопись. Для turbo-версии рекомендуются guidance 1.0 и 20–30 шагов; 12 шагов подходят при приоритете скорости. В img2img strength 0.5 обычно сохраняет композицию исходника, а значение 0.9 существенно заменяет сцену. Повышение guidance примерно выше 1.5 может ухудшать результат и добавлять отсутствующие в исходном изображении объекты. Ключевые характеристики включают архитектуру FLUX.1-dev, размер около 12B параметров, поддержку текстового и визуального входа в сценарии img2img и формат весов GGUF. Сильными сторонами являются универсальная генерация и управляемая стилизация изображений при низком числе шагов. Ограничения включают чувствительность img2img к параметрам strength и guidance, а также отсутствие в README сведений о поддерживаемых языках, максимальном контексте, точных вариантах квантизации, требованиях к оборудованию и производительности за пределами приведённых примеров. Лицензия указана как unknown, поэтому условия использования по карточке модели определить нельзя.

FLUX.1-merged — объединённые параметры моделей FLUX.1-dev и FLUX.1-schnell, опубликованные Sayak Paul. Репозиторий предназначен для генерации изображений по текстовым описаниям и запускается через FluxPipeline из библиотеки Diffusers; пример в карточке использует точность bfloat16. Модель принимает текстовый запрос и создаёт изображение. В примере показаны разрешение 880 × 1184, длина текстовой последовательности до 512 токенов и четыре шага генерации. Для коммерческого использования необходимо учитывать лицензии обеих исходных моделей; в метаданных лицензия указана как other.

Ideogram4 GGUF — набор квантизированных файлов модели Ideogram 4, опубликованный пользователем rectangleworm на основе моделей ideogram-ai/ideogram-4-fp8 и ideogram-ai/ideogram-4-nf4. Модель предназначена для генерации изображений по текстовому описанию и может использоваться в ComfyUI и stable-diffusion.cpp. В состав входят условная и безусловная диффузионные модели в формате GGUF, текстовый энкодер Qwen3-VL-8B также в нескольких вариантах квантизации и VAE flux2/flux2-hdr-vae. Заявлены языки английский, русский и китайский. Доступны уровни квантизации от Q4 до Q8; для условной диффузионной модели рекомендуются Q6_K или Q8_0, для безусловной — Q4_K или Q5_K, а для текстового энкодера — Q4_K_M или Q5_K_M. Размер исходной текстовой модели составляет 8B параметров, однако общий размер и требования к памяти зависят от выбранных компонентов и вариантов квантизации. К сильным сторонам относятся возможность локального запуска в оптимизированном формате GGUF, выбор между качеством, скоростью и потреблением памяти, а также поддержка нескольких языков и дополнительных LoRA-адаптеров. Более высокая квантизация обычно лучше сохраняет детализацию и соответствие промпту, тогда как менее точные варианты экономят ресурсы, но могут снижать качество. README не содержит данных о максимальном контексте, разрешениях, скорости генерации, системных требованиях и точных ограничениях по модальностям, поэтому эти характеристики нельзя определить. Лицензия указана как ideogram-non-commercial-model-agreement, то есть использование ограничено некоммерческими условиями; подробности приведены в лицензии Ideogram AI.

Juggernaut Reborn — диффузионная модель генерации изображений по текстовому описанию, разработанная KandooAI и основанная на Stable Diffusion v1.5. Она распространяется в формате Safetensors и рассчитана на работу через библиотеку Diffusers. Модель предназначена для художников, дизайнеров и других пользователей, которым нужно создавать концепт-арт, иллюстрации и визуальные варианты по текстовым запросам. Результат зависит от точности и конкретности запроса; модель может выдавать предвзятые или нежелательные изображения и не подходит для подготовки медицинских, юридических и других профессиональных рекомендаций. В метаданных указана лицензия MIT, тогда как README называет CreativeML Open RAIL-M, поэтому условия лицензирования требуют проверки по актуальной карточке модели.

Krea-2-Turbo MLX 4-bit — это квантизированная конверсия модели Krea-2-Turbo, разработанной Krea, для локальной генерации изображений по текстовому описанию. Конверсия подготовлена в формате MLX компанией или сообществом mflux и оптимизирована для работы на устройствах с Apple Silicon через Metal и MLX. Модель предназначена для text-to-image-сценариев, включая создание изображений по промптам и локальную генерацию с низким потреблением памяти. Это single-stream MMDiT-модель на стеке Qwen-Image: она использует Qwen-Image VAE и текстовый энкодер Qwen3-VL-4B, а Turbo-версия после дистилляции обычно генерирует изображения за 8 шагов. В составе — примерно 13 млрд плотных параметров, 28-слойный трансформер со скрытым размером 6144, GQA, SwiGLU, Flux-style RoPE и адаптером объединения текстовых признаков. Поддерживается текстовая модальность; сведения о языках и максимальной длине контекста в README не указаны. 4-битная квантизация уменьшает размер снимка примерно до 7 ГБ и снижает требования к памяти, но может немного ухудшать точность и визуальную детализацию по сравнению с 8-битной версией. Рекомендуемые настройки Turbo — 8 шагов, guidance 1.0 без CFG и sampler er_sde; доступен также Euler. Генерация с изображениями-условиями, редактирование и использование референсных изображений пока не реализованы. Конверсия наследует лицензию базовой модели Krea-2-Turbo; перед использованием необходимо ознакомиться и согласиться с исходными условиями Krea.

Lens-Turbo-3.8B-4bit — конверсия модели microsoft/Lens-Turbo в формат MLX для запуска на Apple Silicon. Это диффузионная модель генерации изображений по текстовому описанию с архитектурой DiT на 3,8 млрд параметров; вариант Turbo дистиллирован для генерации за 4 шага с guidance scale 1.0. Веса DiT представлены в int4 с размером группы 64, при этом входные, выходные и временные слои хранятся в bf16; объём компонента DiT составляет около 2,35 ГБ. Для работы также загружаются текстовый энкодер GPT-OSS-20B и VAE FLUX.2 из исходного репозитория. Модель подходит для создания изображений по текстовым промптам, в том числе с быстрым четырёхшаговым семплированием. Карточка указывает лицензию MIT для DiT; текстовый энкодер распространяется по Apache-2.0, а VAE загружается отдельно из исходного источника. Поддерживаемый язык промптов в карточке не указан.

LeX-Lumina — модель генерации изображений по текстовому описанию, разработанная авторами проекта LeX-Art. Она дообучена на базе Alpha-VLLM/Lumina-Image-2.0 с использованием набора данных LeX-10K и предназначена для создания изображений с более точным отображением текста, включая надписи с заданными цветом, расположением и шрифтом. Базовая Lumina-Image-2.0 — диффузионный трансформер с 2 млрд параметров. Модель подходит для создания постеров, графики и других изображений, где важны читаемые надписи и соответствие текстового оформления запросу. Репозиторий использует Diffusers и формат safetensors. Лицензия — MIT.

pornmasterPro_realismILV4 — модель преобразования текста в изображение на базе Stable Diffusion XL, предназначенная для генерации реалистичных и фотореалистичных изображений по текстовым описаниям. Модель совместима с библиотекой Diffusers и запускается через StableDiffusionXLPipeline; веса распространяются в формате SafeTensors. Модель подходит для создания концептов, иллюстраций и визуальных материалов, где требуется реалистичная стилистика. Разработчик в предоставленных материалах не указан. Поддерживаемые естественные языки, размер модели и длина контекста в источниках не указаны. Модель распространяется по лицензии CreativeML Open RAIL-M. Результаты генерации могут зависеть от формулировки запроса и содержать визуальные артефакты или неточности, характерные для text-to-image моделей.

ProteusV0.1 — модель генерации изображений по текстовому описанию от dataautogpt3, созданная на основе OpenDalleV1.1. Её дообучили примерно на 220 тысячах изображений с подписями GPTV, включая фотографии из стоков с открытой лицензией и часть аниме-изображений, а также применили оптимизацию предпочтений DPO на 10 тысячах пар изображений, созданных ИИ. Модель распространяется в формате Diffusers и поддерживает StableDiffusionXLPipeline. Модель предназначена для создания изображений по промптам в разных стилях, включая фотореализм, сюрреализм, аниме и мультфильмы. В карточке отмечены улучшенная отзывчивость к запросам, проработка черт лица и реалистичных текстур кожи. Для генерации автор рекомендует разрешение 1024×1024 или 1280×1280, 20–40 шагов, CFG 7–8 и сэмплер DPM++ 2M SDE с планировщиком Karras. Модель лицензирована по GPL-3.0. Качество результата зависит от формулировки запроса и настроек генерации; в README не приведены количественные результаты сравнительных оценок.

Карточка модели WIBE-HuggingFace/stable-diffusion-2-1 на Hugging Face совпадает с карточкой sd2-community/stable-diffusion-2-1, поэтому описание составлено по ней. Stable Diffusion 2.1 — модель генерации и редактирования изображений по текстовому описанию, разработанная Robin Rombach и Patrick Esser. Этот репозиторий — зеркало устаревшего репозитория Stability AI и не связан с этой организацией. Модель основана на Stable Diffusion 2 и дообучена: сначала на 55 тысячах шагов с параметром punsafe=0,1, затем ещё на 155 тысячах шагов с punsafe=0,98. Это латентная диффузионная модель с фиксированным текстовым энкодером OpenCLIP-ViT/H. Она принимает текстовые запросы на английском языке и создаёт или изменяет изображения; запуск доступен через Diffusers. Лицензия — CreativeML Open RAIL++-M License (OpenRAIL++). Модель может быть полезна для художественной генерации, дизайна и творческих инструментов. Она не обеспечивает идеальный фотореализм, плохо отображает читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Качество запросов на языках, отличных от английского, ниже; модель также наследует смещения обучающих данных LAION и может выдавать вредный, стереотипный или нежелательный контент.

Карточка модели WIBE-HuggingFace/stable-diffusion-2-1-base на Hugging Face совпадает с карточкой Manojb/stable-diffusion-2-base, поэтому описание составлено по ней. Manojb/stable-diffusion-2-base — репозиторий модели Stable Diffusion 2-base, разработанной Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель, которая создаёт и изменяет изображения по текстовым запросам; для понимания текста использует предварительно обученный энкодер OpenCLIP-ViT/H. В README описано обучение на разрешениях 256×256 и 512×512 на отфильтрованной подвыборке LAION-5B. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. Модель подходит для генерации иллюстраций, художественных изображений и материалов для дизайна, а также для изучения возможностей и ограничений генеративных моделей. Лучше работает с английскими запросами. Она может ошибаться в деталях композиции и лиц, не обеспечивает безупречный фотореализм и плохо создаёт читаемый текст на изображениях; обучение на англоязычных описаниях также ограничивает качество и разнообразие результатов на других языках. Разработчики предупреждают о смещениях обучающих данных и потенциально вредном содержимом. Лицензия CreativeML Open RAIL++-M устанавливает ограничения на использование и распространение.

TensorArt-TurboX-SD3.5Large — ускоренный вариант Stable Diffusion 3.5 Large от TensorArt для генерации изображений по текстовому описанию. В README заявлено, что генерация примерно в шесть раз быстрее исходной модели при небольшом снижении качества, а детализация, разнообразие и реалистичность превосходят Stable Diffusion 3.5 Large Turbo; эти сравнительные характеристики приведены разработчиком и не сопровождаются численными результатами оценки. Модель предназначена для создания реалистичных и аниме-изображений, а также для использования с моделями сообщества и LoRA стилей, персонажей и концепций. Для версии из README рекомендуются sampler Euler, scheduler Simple, 8 шагов и CFG 1,0–1,5; доступность вариантов LoRA и checkpoint описана в карточке, но конкретные файлы репозитория представлены в форматах Diffusers и safetensors. README указывает на ограничения при отрисовке точного английского текста и генерации анатомически правильных кистей, а также на снижение качества при использовании нерекомендуемых sampler и scheduler. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверять в материалах репозитория.

Карточка модели 20061119dd/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 sd-research/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.

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.

Stable Diffusion 1.5 Alchemist — модель генерации изображений по текстовому описанию, разработанная Яндексом и дообученная на датасете Alchemist. Она основана на Stable Diffusion v1.5 и предназначена для создания изображений с улучшенной эстетикой и большей сложностью композиции. Модель распространяется в формате Diffusers с весами Safetensors и рассчитана на работу через библиотеку Diffusers. Модель подходит для генерации изображений по текстовым запросам. В карточке указана лицензия Apache-2.0. Из доступных сведений не следуют размер модели, длина контекста или перечень поддерживаемых языков; метаданные отмечают английский язык.

Taiyi-Stable-Diffusion-1B-Chinese-EN-v0.1 — модель генерации изображений по тексту от команды IDEA-CCNL из проекта Fengshenbang. Она основана на Stable Diffusion v1.4 и дообучена на отфильтрованных парах изображений с китайскими и английскими описаниями; в README указано, что исходные наборы Noah-Wukong и Zero отбирались по оценке сходства Taiyi-CLIP. Модель рассчитана на создание изображений по китайским и английским запросам, в том числе с указанием художественного стиля. Обучение проходило в два этапа: сначала настраивался текстовый энкодер, затем совместно дообучались текстовый энкодер и диффузионная модель. Репозиторий содержит веса в форматах Diffusers и PyTorch и использует библиотеку Diffusers. Это предварительная версия модели; README сообщает, что её планировали улучшать. Лицензия — CreativeML OpenRAIL-M.

TraVisionLM-DPO — мультимодальная модель, разработанная ucsahin и дообученная методом DPO на основе ucsahin/TraVisionLM-base. Она принимает изображение и инструкцию на турецком языке, после чего генерирует ответ на турецком: описывает изображение или отвечает на вопрос о его содержимом. Модель содержит 875 млн параметров и совместима с библиотекой Transformers. Версия DPO оптимизирована по сравнению с базовой моделью для более точных, правдивых и подробных ответов. Модель распространяется в формате safetensors по лицензии Apache 2.0.

Yntec/Vintedois — версия модели для генерации изображений по текстовым описаниям, подготовленная в формате Safetensors для inference API. Карточка показывает примеры фотореалистичных и художественных изображений: персонажей, сцен, пейзажей и предметов; среди примеров есть стилизация и подробные композиции по простым промптам. Метаданные указывают на использование Diffusers и лицензию CreativeML OpenRAIL-M. Модель принимает текст и выдаёт изображения размером 768 × 768 пикселей. В метаданных она обозначена как Stable Diffusion, однако точная базовая модель и сведения о дообучении не приведены. Примеры в карточке показывают широкий диапазон визуальных стилей, но не дают формальной оценки качества или гарантий результата.

3D Render Style SDXL — LoRA-модель, разработанная автором goofyai для Stable Diffusion XL. Она предназначена для генерации изображений в стилистике 3D-рендера по текстовому описанию, включая объекты, персонажей и сцены. Для активации рекомендуется использовать в запросе фразы «3d style», «3d» или «3d render». Модель основана на stabilityai/stable-diffusion-xl-base-1.0 и относится к семейству text-to-image. Рекомендуемый вес LoRA составляет 0,7–1; для повышения качества автор советует использовать highres fix. README не содержит информации о размере адаптера, точной архитектуре LoRA, поддерживаемых языках, максимальном контексте или дополнительных модальностях. Лицензия — Apache-2.0.

YaoJiefu/Add-light-and-shadow — LoRA-адаптер для Qwen/Qwen-Image-Edit-2509, обученный на ModelScope. Он предназначен для редактирования изображений по текстовой инструкции: добавляет персонажам разнообразные эффекты освещения и светотени. Подходит для портретов крупным планом, туристических снимков и повседневных фотографий; результат можно использовать при создании постеров и макетов. Для работы требуется базовая модель Qwen/Qwen-Image-Edit-2509 и совместимый workflow. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

AingDiffusion9.2 — модель генерации изображений по текстовому описанию, опубликованная пользователем digiplay на Hugging Face. Карточка содержит пример изображения, созданного через API Hugging Face, и промпт с упоминаниями девушки у озера, фотореалистичного стиля, чётких деталей и кинематографического освещения. Модель распространяется в формате Diffusers с весами Safetensors; в метаданных она отнесена к семейству Stable Diffusion. Её можно использовать для создания изображений по текстовым промптам, например портретов и фотореалистичных сцен. Размер модели, контекст и конкретные поддерживаемые языки в доступных данных не приведены. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

CetusMix — модель генерации изображений по текстовому описанию, опубликованная StableDiffusionAPI. Карточка показывает использование через API ModelsLab: запрос может содержать prompt и negative prompt, а также параметры размера изображения, числа шагов генерации и guidance scale. Пример в README использует разрешение 512×512 и 30 шагов; это пример настройки, а не гарантированное ограничение модели. Модель предназначена для создания изображений по текстовым запросам, в том числе портретов и цифровых иллюстраций. В примере API также доступны параметры подключения LoRA и эмбеддингов. Метаданные указывают форматы Diffusers и PyTorch и лицензию CreativeML OpenRAIL-M. README не раскрывает архитектурный размер модели и языковой охват; пример промпта англоязычный.

silveroxides/Chroma-GGUF — набор GGUF-версий модели Chroma, разработанной lodestones и преобразованной для распространения пользователем silveroxides. Модель предназначена для генерации изображений по текстовому описанию и относится к классу text-to-image. Репозиторий содержит варианты с разными уровнями квантования и точности: BF16, Q8_0, Q6_K, Q5_1, Q5_0, Q5_K_S, Q4_1, Q4_K_M, Q4_0 и Q3_K_L. Это позволяет выбирать между качеством результата, требованиями к памяти и скоростью работы, однако конкретные размеры модели, архитектура, поддерживаемые языки, контекст и требования к оборудованию в README не указаны. Модель распространяется по лицензии Apache-2.0.

KamCastle/CyberRealistic42 — модель для генерации изображений по текстовому описанию, опубликованная пользователем или разработчиком KamCastle на Hugging Face. Она предназначена для сценариев text-to-image и может использоваться через библиотеку Diffusers с конвейером StableDiffusionPipeline, а также в совместимых локальных приложениях. Известно, что модель содержит около 0,9 млрд параметров, распространяется в формате Safetensors с тензорами F32 и поддерживает работу через Diffusers. В карточке модели приведён англоязычный пример текстового запроса, однако сведения о поддерживаемых языках, максимальном разрешении или размере контекста не указаны. Модель не развернута у Inference Providers. По доступным данным, её ключевая возможность — синтез изображений из текста. Подробные сведения об архитектуре, обучающих данных, сильных сторонах, ограничениях, фильтрах безопасности и качестве на отдельных типах запросов отсутствуют; поэтому нельзя надёжно утверждать наличие специализированной оптимизации для фотореализма, несмотря на название модели. Лицензия в карточке модели не указана, поэтому условия коммерческого и иного использования требуют отдельной проверки.

MCG-NJU/DMM — модель генерации изображений по текстовому описанию, созданная авторами DMM. Она объединяет с помощью дистилляции по score несколько предварительно обученных моделей Stable Diffusion, чтобы генерировать изображения в разных стилях: реалистичные портреты, азиатские портреты, аниме, иллюстрации и другие. Среди исходных моделей указаны JuggernautReborn, MajicmixRealisticV7, EpicRealismV5, RealisticVisionV5, MajicmixFantasyV3, MinimalismV2, RealCartoon3dV17 и AWPaintingV1.4. Модель предназначена для создания изображений по текстовым промптам с использованием библиотеки Diffusers; файлы представлены в форматах Diffusers и safetensors. Лицензия — Apache-2.0. README не сообщает размер модели, длину контекста или конкретные параметры генерации.

Fluently V4.0-LCM — модель генерации изображений по текстовому описанию, созданная автором Fluently путём слияния нескольких чекпойнтов и LoRA для Stable Diffusion 1.5. Репозиторий подготовлен для Diffusers и содержит веса в формате safetensors; в метаданных базовой моделью указана latent-consistency/lcm-lora-sdv1-5. Модель предназначена для быстрого создания изображений по промптам. Автор отмечает реалистичную анатомию, детализированные лица и глаза, художественные стили, а также генерацию изображений в стилях аниме и комиксов. Также заявлена пригодность для дорисовки и расширения изображений. Для генерации автор рекомендует 4–8 шагов, сэмплер Euler a и CFG Scale 1,2–1,5. Лицензия в метаданных обозначена как other; конкретные условия использования в предоставленных сведениях не раскрыты. Качество и перечисленные возможности описаны автором и не сопровождаются результатами независимой оценки.

AL-GR разработала Forge-Qwen2.5-0.5B-s1 — плотную авторегрессионную языковую модель семейства Qwen2.5, дообученную один эпохой на наборе AL-GR/AL-GR-v1 с помощью FORGE. Она предназначена для генеративного поиска по промышленным наборам данных: модель формирует семантические идентификаторы результатов, а подход оценивается по доле запросов, для которых правильный результат попадает в топ-K. В тестировании на AL-GR/AL-GR-v1 она показала HR@20 0,0506 и HR@1000 0,3068. Модель содержит 552,5 млн параметров, использует библиотеку Transformers и формат safetensors; родительская Qwen2.5-0.5B имеет контекст 32 768 токенов. Карточка указывает китайский язык. Лицензия — Apache-2.0. Результаты приведены для конкретного набора данных, поэтому качество на других коллекциях не установлено.