IV.1Ритейл, электронная коммерция и fashion-tech

radames/stable-diffusion-2-1-unclip-img2img — Stable Diffusion 2.1 UnCLIP, дообученная версия Stable Diffusion 2.1, связанная с разработчиками Robin Rombach и Patrick Esser. Это латентная диффузионная модель для преобразования изображений: она принимает изображение через его CLIP-эмбеддинг, в том числе с настраиваемым уровнем шума, и текстовый запрос, чтобы создавать вариации исходного изображения. Модель также можно объединять в цепочку с текстово-графическими CLIP-приорами. Для работы предназначена библиотека Diffusers; файлы представлены в форматах Diffusers, PyTorch и safetensors. Модель подходит для художественных вариаций, дизайна и творческих инструментов. Она лучше работает с английскими запросами. Фотореализм не гарантирован, текст на изображениях обычно неразборчив, а лица, люди и сложные пространственные композиции могут получаться плохо. Обучение использовало LAION-5B и подмножества с фильтрацией NSFW; карточка отмечает риск усиления социальных стереотипов. Лицензия — CreativeML Open RAIL++-M; карточка описывает модель как предназначенную для исследований и задаёт ограничения на использование, включая запрет на вредоносное и обманное применение.

Карточка модели sd-research/stable-diffusion-2-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.

Stable Diffusion v1-1 — модель генерации изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Она предназначена для создания изображений и художественных материалов, а также для экспериментов с генеративными моделями. Модель использует латентную диффузионную архитектуру и фиксированный предварительно обученный текстовый энкодер CLIP ViT-L/14; веса репозитория рассчитаны на использование с библиотекой Diffusers. Обучение включало 237 тысяч шагов при разрешении 256×256 на LAION-2B-en и ещё 194 тысячи шагов при разрешении 512×512 на наборе высокоразрешённых изображений LAION. Основной язык запросов — английский. Лицензия CreativeML OpenRAIL-M задаёт условия использования и ограничения на вредоносное применение. Модель не гарантирует фотореализм, плохо отображает читаемый текст и сложные пространственные композиции, может ошибаться при генерации лиц и людей. Данные обучения содержат взрослые материалы и могут отражать культурные и социальные смещения; для практического развёртывания нужны меры безопасности.

Карточка модели huchen123/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.

gpustack/stable-diffusion-v2-1-GGUF — GGUF-квантизированная версия Stable Diffusion 2.1, разработанной Stability AI; исходная модель создана при участии Robin Rombach и Patrick Esser. Это диффузионная text-to-image-модель для генерации и редактирования изображений по текстовым запросам, применимая в исследовательских, творческих, дизайнерских и образовательных инструментах. Модель представляет собой Latent Diffusion Model с фиксированным текстовым энкодером OpenCLIP ViT-H/14 и поддерживает английский язык. В репозитории доступны варианты квантования FP16, Q8_0, Q4_1 и Q4_0; OpenCLIP ViT-H/14 и VAE для указанных вариантов имеют формат FP16. Квантование основано на stable-diffusion.cpp с патчами llama-box. README не указывает размер модели и длину контекста. К сильным сторонам относятся поддержка генерации изображений высокого разрешения и возможность снизить требования к памяти за счёт квантованных вариантов. Ограничения включают отсутствие гарантии фотореализма, невозможность использовать модель как источник достоверных изображений людей или событий, а также риски предвзятости и создания вредного, дискриминационного, несанкционированного или дезинформационного контента. Модель предназначена прежде всего для исследовательского использования. Указана лицензия CreativeML Open RAIL++-M License.

theworld-cc3m-align-only-spatial — дообученная мультимодальная модель семейства the_world на основе google/gemma-3-4b-it, разработанная alwinjin8. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель принимает изображения и текст и предназначена для генерации текстовых ответов по визуальному содержимому; точное назначение пространственной настройки из доступных сведений определить нельзя. Карточка не описывает обучающий набор, конкретные сценарии применения, качество и ограничения модели. Лицензия указана как gemma; условия использования следует сверять с лицензией базовой модели Google Gemma.

Это набор предварительно обученных весов моделей face-api из репозитория vladmandic/face-api, преобразованных CognitiveOS-Labs в форматы safetensors и GGUF без потери значений. В комплект входят веса для обнаружения лиц, определения 68 лицевых ориентиров и других задач анализа лица; исходная карточка также перечисляет распознавание лиц, выражения, возраста и пола. Все тензоры представлены в float32, кроме отдельных целочисленных констант постобработки SSD MobileNet. Репозиторий содержит только веса: архитектуры описаны в исходном коде face-api, а GGUF-файлы используют пользовательскую архитектуру и пока не загружаются llama.cpp. Лицензия — MIT.

Карточка модели A1497/AbsoluteReality на Hugging Face совпадает с карточкой Lykon/AbsoluteReality, поэтому описание составлено по ней. Lykon/AbsoluteReality — модель преобразования текста в изображение на базе Stable Diffusion, опубликованная разработчиком Lykon. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; в метаданных также указана библиотека Diffusers. Модель предназначена для создания изображений по текстовым запросам и отмечена тегами, связанными с художественными изображениями и фотографией. Карточка не приводит сведений о размере модели, контексте, обучающих данных или конкретных настройках генерации. Лицензия указана как other, поэтому условия использования следует проверить в репозитории перед применением.

matt3ounstable/albedobaseXL_v31Large — копия AlbedoBase XL в формате Diffusers для удобного использования с библиотекой Diffusers. Автор карточки указывает, что исходная модель создана albedobond; этот репозиторий предназначен для генерации изображений по текстовым описаниям и содержит веса только в fp16. Модель относится к семейству Stable Diffusion XL. Репозиторий распространяется по лицензии CreativeML Open RAIL++-M Addendum. Доступных сведений о языковой специализации и ограничениях качества нет; лицензия задаёт условия использования модели.

Animagine XL 4.0 GGUF — это квантизированная версия модели Animagine XL 4.0, разработанная сообществом Off Grid AI на основе оригинальной модели cagliostrolab/animagine-xl-4.0. Конвертация выполнена в формат GGUF для запуска через stable-diffusion.cpp и ориентирована на полностью локальную генерацию изображений на устройстве, в том числе в приложении Off Grid AI Desktop. Модель предназначена для задач text-to-image: создания изображений по текстовым описаниям. Доступны варианты Q8_0 с приоритетом качества и Q4_K с меньшими требованиями к оперативной памяти. В README также приведён пример генерации с разрешением 1024×1024, 24 шагами, CFG scale 5 и методом сэмплирования DPM++ 2M. Архитектура относится к семейству Stable Diffusion XL (SDXL), однако точный размер модели, поддерживаемые языки и максимальная длина контекста не указаны. К сильным сторонам относятся локальная и приватная обработка без обязательной отправки данных во внешние сервисы, а также выбор между качеством и потреблением памяти. Ограничения связаны с необходимостью совместимого ПО stable-diffusion.cpp и аппаратных ресурсов для запуска; квантизация Q4_K может снижать качество по сравнению с Q8_0. Модель распространяется по лицензии openrail++, включая ограничения использования, унаследованные от оригинальной модели.

ImageInception/ArtifyAI-v1.0 — модель генерации изображений по тексту, созданная дообучением Stable Diffusion v1.4 на подмножестве COCO. Она принимает текстовые описания сцен, объектов и концепций и создаёт соответствующие изображения; модель предназначена для визуализации идей и творческих проектов. В карточке указано обучение на 5000 изображениях COCO; репозиторий содержит веса в форматах Diffusers и Safetensors. Метаданные указывают английский язык. Лицензия и ограничения по контексту в предоставленных данных не описаны.

HooshvareLab/bert-fa-base-uncased-sentiment-snappfood — модель классификации тональности персидских текстов на базе Transformer ParsBERT v1.1. Разработчики восстановили словарь и дообучили модель на персидских корпусах; эта версия предназначена, в частности, для определения тональности отзывов пользователей SnappFood. Она относит текст к положительной или отрицательной категории. В наборе SnappFood использовались 70 тысяч комментариев с двумя сбалансированными метками, а для ParsBERT v2 указана оценка F1 87,98. Модель построена на архитектуре BERT для классификации последовательностей, содержит 190 млн параметров и принимает контекст длиной до 512 токенов. Поддерживаемый язык — персидский. Доступны версии в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0. Оценка из README относится к упомянутому набору данных и не гарантирует такое же качество на других текстах.

BFS (Best Face Swap) — серия LoRA-моделей от chfm для редактирования изображений и высокоточной замены лица или всей головы. Модели предназначены для Qwen Image Edit 2509/2511 и Flux 2 Klein 4B/9B, а также совместимых image-to-image workflows на базе Diffusers. Они рассчитаны на реалистичное смешивание оттенка кожи, освещения и деталей исходных изображений. В серию входят варианты для замены только лица и для полной замены головы. Версии Head V2–V5 улучшают соответствие оттенка кожи, позы, анатомических пропорций, выражения лица и устойчивость результата; Head V5 является актуальным вариантом для workflows на базе Qwen Image Edit 2511, а Head V1 — рекомендованным вариантом для Flux 2 Klein. В зависимости от версии поддерживается перенос волос, мимики, направления взгляда и поворота головы. Язык в метаданных модели указан как английский, однако основное применение связано с визуальными инструкциями и prompt-based редактированием изображений. К ограничениям относятся зависимость результата от выбранной базовой модели, качества контрольных изображений и корректного prompt. Для версий Head V3–V5 и Flux 2 Klein используется инвертированный порядок входов: сначала изображение тела, затем изображение лица; для Face V1 и Head V1–V2 порядок стандартный — лицо, затем тело. Автор отмечает, что модели ещё не идеальны, хотя объединённые варианты Head V5 лучше воспроизводят широкий диапазон выражений. Лицензия — MIT.

Colorful-v4.5-Plus — модель генерации изображений по текстовому описанию, созданная автором Manseo путём объединения Anything-v4.5, AbyssOrangeMix3 и ProtogenInfinity. Она рассчитана на создание ярких изображений и призвана улучшить цветовую палитру, окружение, пальцы, выражения лиц и одежду по сравнению с Anything-v4.5. Модель работает с текстовыми запросами и выдаёт изображения; для запуска используется библиотека diffusers. Автор рекомендует локальный запуск, поскольку при работе через API веб-интерфейса качество может быть ниже. Репозиторий распространяется по лицензии CreativeML OpenRAIL-M.

ConvNeXT Large — свёрточная модель компьютерного зрения, разработанная авторами статьи «A ConvNet for the 2020s» и обученная на ImageNet-1k. Она классифицирует изображения по 1000 классам ImageNet и рассчитана на входное разрешение 224×224 пикселя. Архитектура ConvNeXT основана на свёрточной сети, дизайн которой модернизирован под влиянием Vision Transformers и Swin Transformer. Модель предназначена для классификации изображений общего назначения; доступны реализации для PyTorch и TensorFlow. Модель не описана собственной карточкой разработчиков: карточку подготовила команда Hugging Face. Для задач, отличных от классификации по классам ImageNet, потребуется подходящая дообученная версия. Лицензия — Apache-2.0.

DAM-3B (Describe Anything Model 3B) — мультимодальная модель NVIDIA, разработанная совместно с UC Berkeley и UCSF. Она предназначена для подробного локализованного описания содержимого изображений: пользователь задаёт область интереса с помощью точек, рамок, штрихов или бинарной маски, после чего модель генерирует текстовое описание соответствующего визуального региона с учётом контекста всего изображения. Основные сценарии применения — исследования, разработка и анализ изображений; модель также заявлена для локализованного описания видео, однако приведённые характеристики входных данных относятся к изображениям. Модель основана на VILA-1.5 и использует Transformer-архитектуру с компонентами ViT и Llama. Она содержит около 3 млрд параметров, принимает RGB-изображение и бинарную маску, а выдаёт текстовую строку с подробным описанием выбранной области. В архитектуре применяются механизм focal prompt, объединяющий глобальный контекст с локальными деталями, и визуальный backbone с gated cross-attention. В README указан английский язык. Для входа заявлено разрешение 384×384; поддерживаются NVIDIA Ampere, Hopper и Lovelace, предпочтительная операционная система — Linux, инференс выполняется через PyTorch. Сильная сторона DAM-3B — детальное описание конкретных областей изображения при сохранении связи с общим визуальным контекстом. Ограничения включают зависимость от заданной пользователем области, заявленную поддержку только английского языка, отсутствие сведений о количественных результатах в README и требования к совместимому оборудованию. Модель предназначена для исследований и некоммерческого использования и распространяется по NVIDIA Noncommercial License.

DeciDiffusion 1.0 — модель генерации изображений по текстовому описанию, разработанная Deci. Модель диффузионная, содержит 820 млн параметров и обучена на LAION-v2 с дополнительной настройкой на LAION-ART. В архитектуре используются VAE и текстовый энкодер CLIP на основе Stable Diffusion, а стандартный U-Net заменён на более эффективный U-Net-NAS. Модель рассчитана на английские запросы и генерацию изображений с разрешением 512×512. Модель предназначена для создания иллюстраций и визуальных концепций по текстовым запросам. По оценке авторов, 30 шагов генерации дают качество, сопоставимое со Stable Diffusion 1.5 при 50 шагах, хотя точность следования запросу зависит от содержания и остаётся ограниченной для сложных композиций. Модель плохо справляется с разборчивым текстом, фотореалистичными изображениями, лицами и фигурами людей; англоязычные запросы работают лучше других. Веса распространяются по лицензии CreativeML Open RAIL++-M, код репозитория — по Apache 2.0.

jzli/DreamShaper-3.3 — модель преобразования текстовых запросов в изображения в формате Diffusers/PyTorch. В метаданных она отнесена к Stable Diffusion Pipeline и задаче text-to-image. README не содержит сведений о разработчике, архитектурных деталях, размере модели, поддерживаемых языках или рекомендуемых сценариях применения. Модель можно искать для генерации изображений по текстовому описанию. Сведения о лицензии и ограничениях использования в предоставленных данных отсутствуют.

Dreamsphere — модель генерации изображений по текстовому описанию, опубликованная Yntec. Автор указывает, что это смесь Noosphere v3 от skumerz и других выбранных им моделей; в неё встроен VAE Color 101. Модель распространяется в форматах Diffusers, PyTorch и SafeTensors и использует библиотеку Diffusers. Она предназначена для создания изображений по текстовым запросам. В метаданных указан pipeline text-to-image. Модель основана на Stable Diffusion; карточка не сообщает её размер, длину контекста или поддерживаемые языки. Лицензия — CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении.

FLUX.1 [dev] Abliterated-v2 — модифицированная версия модели генерации изображений FLUX.1 [dev], представленная SicariusSicariiStuff. Это 12-миллиардная Rectified Flow Transformer-модель, которая создаёт изображения по текстовым описаниям и распространяется в формате Diffusers с весами SafeTensors. Модель получена абляцией механизма отказа методом unlearning, чтобы принимать более широкий набор запросов. Она предназначена для генерации изображений по текстовым подсказкам. Базовая FLUX.1 [dev] разработана Black Forest Labs; модель распространяется по лицензии Apache-2.0. Удаление механизма отказа означает, что модель может выполнять запросы, от которых исходная версия отказалась бы; это также снижает встроенные ограничения на генерацию потенциально вредного или неподходящего контента. В README не приведены сведения о контекстном лимите или языках, кроме английского тега в метаданных.

gaixinhyc — модель генерации изображений по текстовому описанию, опубликованная kyledam. Это DreamBooth-дообучение модели Stable Diffusion, выполненное с помощью ноутбука fast-DreamBooth от TheLastBen; репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Модель предназначена для создания изображений по текстовым запросам. Модель распространяется по лицензии CreativeML OpenRAIL-M. README и метаданные не уточняют обучающие данные, целевой визуальный стиль, размер модели или ограничения качества.

gemma-3-270m-foodextract — дообученная модель thealper2 на основе unsloth/gemma-3-270m-it для извлечения сведений о еде и напитках из текстовых описаний. Она формирует структурированный ответ с категориями вроде состава, пищевой ценности, меню, рецептов, продуктов, напитков, рекламы и упаковки. Модель построена на текстовой архитектуре Gemma 3, содержит 257 млн параметров и использует контекст до 32 768 токенов; обучение проводилось на подмножестве из 20 000 примеров набора FoodExtract-135k. Модель предназначена для извлечения и категоризации упоминаний еды и напитков из описаний, подписей и текстов о продуктах. В README приведены результаты оценки на 500 примерах: точное совпадение — 0,416, F1 для тегов — 0,9227; при оценке самих списков еды и напитков точное совпадение ниже — 0,1977. Обучающие целевые ответы были сгенерированы другой языковой моделью, поэтому результат может воспроизводить ошибки этих меток. Модель обучалась на англоязычных описаниях, а тексты длиннее 1024 токенов исключались из обучения; списки разделяются запятыми, что делает элементы с запятыми неоднозначными. Использование регулируется условиями Gemma Terms of Use базовой модели.

digiplay/GhostMix — модель генерации изображений по текстовому описанию, размещённая пользователем digiplay на Hugging Face. Метаданные относят её к семейству Stable Diffusion и указывают на использование Diffusers; файлы представлены в форматах PyTorch и safetensors. Карточка упоминает версию v2.0 и Bake VAE, но не раскрывает назначение версии, настройки генерации, размер модели, поддерживаемые языки или контекст. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели.

Hassaku v13 — модель генерации изображений по текстовому описанию, опубликованная stablediffusionapi и доступная через API ModelsLab. В карточке показан пример генерации реалистичного портрета с настройками ширины и высоты, числа шагов, guidance scale, seed и negative prompt; также упомянута возможность подключать embeddings и LoRA. Модель предназначена для создания изображений по промптам, включая портреты с детализированным стилем и кинематографическим освещением. Метаданные указывают формат Diffusers и использование PyTorch. Лицензия — CreativeML OpenRAIL-M; карточка не раскрывает архитектуру, число параметров, длину контекста или перечень поддерживаемых языков.

HiDream-O1-Image-Dev-mlx-q8 — портированная Mrbizarro для mlx-community 8-битная версия модели HiDream-O1-Image-Dev для генерации изображений по тексту на компьютерах Apple Silicon. В основе лежит архитектура Qwen3-VL; веса основной части модели квантизированы до Q8 с размером группы 64, а дополнительные diffusion-головы сохранены в BF16. Репозиторий содержит веса и конфигурации, а скрипты инференса находятся в отдельном репозитории BF16. Модель предназначена для локальной генерации изображений, особенно квадратных изображений размером 1024×1024 и 2048×2048. В описанных конфигурациях пиковое потребление памяти составляет около 11,5 ГБ. Для неквадратных размеров README отмечает видимую сетку патчей размером 32 пикселя в ровных областях; редактирование изображений для этой версии не рекомендуется. Модель распространяется по лицензии MIT.

Juggernaut XL v7 — дообученная на базе Stable Diffusion XL Base 1.0 модель генерации изображений по текстовому описанию, созданная KandooAI совместно с RunDiffusion. Она относится к поколению RunDiffusion Photo v1 и рассчитана на создание фотореалистичных изображений; в карточке рекомендованы портретное разрешение 832 × 1216 или альбомное 1216 × 832, sampler DPM++ 2M Karras и 30–40 шагов. Версия v7 занимает промежуточное место между v6 и v8. Её имеет смысл использовать с LoRA и пайплайнами, проверенными именно на v7, а также при изучении линейки релизов Juggernaut; для новых проектов автор рекомендует более поздние модели. Модель принимает текст и выдаёт изображения. Вариант FP16 может давать чёрные изображения или ошибки NaN; для него автор рекомендует отдельный вариант v7-fp16-vae-fix. Лицензия CreativeML Open RAIL-M разрешает личное и творческое использование. Развёртывание за платными API требует отдельного разрешения RunDiffusion.

calcuis/krea-gguf — это GGUF-квантизированная версия модели FLUX.1-Krea-dev, разработанной Black Forest Labs и адаптированной для распространения calcuis. Модель предназначена для генерации изображений по текстовому описанию через pipeline_tag text-to-image. Она может использоваться с diffusers, ComfyUI и gguf-node; в README приведены примеры генерации изображений размером 1024×1024, включая сцены с персонажами, животными, предметами и пейзажами. Заявлен английский язык текстовых запросов. Доступны варианты квантования Q2_K, Q4_0 и Q8_0, а также упоминается экспериментальная lite-модель для работы за 8 шагов, потенциально сокращающая время загрузки до 70 процентов. README не содержит сведений о точном числе параметров, архитектурных деталях исходной модели, максимальной длине контекста или систематических результатах оценки качества. Квантование облегчает запуск модели и снижает требования к памяти, но может влиять на качество по сравнению с полной версией; конкретные компромиссы для каждого варианта не описаны. Модель распространяется по лицензии FLUX.1-dev Non-Commercial License, поэтому её использование ограничено некоммерческими сценариями в соответствии с условиями лицензии. Для запуска требуются совместимые компоненты text encoder и VAE, а также соответствующее программное окружение; README указывает возможность CPU offload и использования GPU.

mindview-t2i-turbo — модель генерации изображений по текстовому описанию, опубликованная проектом mindview. Она объединяет усечённый текстовый энкодер Ternary Bonsai 1.7B и диффузионный трансформер Bonsai Image 4B на основе FLUX.2 [klein]; всего в модели 4,61 млрд весов, большинство из которых тернарные. Файл GGUF объёмом около 1,2 ГБ рассчитан на браузерный запуск через WebGPU без сервера и создаёт изображения размером 512 × 512 за один, два или четыре шага. Модель подходит для быстрого создания изображений по текстовым промптам непосредственно в браузере. Одношаговый режим работает быстрее, но может давать более мягкие изображения; двухшаговый использует черновой этап 256 × 256, а четырёхшаговый обычно точнее передаёт промпт. По описанию автора, ветви ускорения обучались подражать полноточным учителям, а тестирование проводилось на ограниченном наборе промптов. В README не указана отдельная лицензия самого набора весов; метаданные Hugging Face указывают Apache-2.0.

Moirai-1.1-R — обновлённая версия модели Moirai-1.0 для прогнозирования временных рядов. Модель разработана Salesforce и содержит 99,1 млн параметров; веса опубликованы в формате safetensors. В версии 1.1 сообщается об улучшении примерно на 20% по метрике NMAE для годовых и квартальных рядов на 40 наборах данных репозитория Monash. Модель предназначена для прогнозирования временных рядов, в том числе низкочастотных данных с годовыми и квартальными наблюдениями. Разработчики указывают, что выпуск сопровождает академическую статью и предназначен для исследований; перед применением результаты следует оценить для конкретной задачи. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое использование.

digiplay/NWSJRealMix_SDXL_v1 — модель генерации изображений по текстовому описанию в формате Diffusers и safetensors. Карточка содержит только упоминание демонстрационных изображений первоначального автора и не сообщает сведения о разработчике, архитектуре, размере, языках или назначении модели.