IV.1Ритейл, электронная коммерция и fashion-tech

NightVision_XL — модель генерации изображений по текстовому описанию, распространяемая через ModelsLab и доступная в формате Diffusers/PyTorch. Метаданные указывают на конвейер StableDiffusionXLPipeline и назначение text-to-image. В примере карточки показана генерация ультрареалистичного киберпанк-портрета с настройками размера, числа шагов и guidance scale. Модель предназначена для создания изображений по промптам; пример демонстрирует портретную и фотореалистичную эстетику. Для доступа карточка описывает вызов API ModelsLab с ключом и идентификатором NightVision_XL. Указана лицензия CreativeML OpenRAIL-M. Карточка не сообщает измерений качества или детальных ограничений модели.

Ninja — модель для генерации изображений по текстовым описаниям, опубликованная пользователем Yntec в формате Diffusers. В репозитории доступны веса Safetensors для использования с библиотекой Diffusers; метаданные относят модель к семейству Stable Diffusion. Модель предназначена для создания изображений по текстовым запросам. Репозиторий указывает лицензию CreativeML OpenRAIL-M. README содержит только краткое название и ссылку на Discord, поэтому конкретные особенности генерации и рекомендованные сценарии не описаны.

nunchaku-flux.1-kontext-dev — это квантизированная версия модели FLUX.1-Kontext-dev, разработанная командой Nunchaku. Модель предназначена для редактирования изображений по текстовым инструкциям и работает в формате image-to-image. Она интегрируется с библиотекой Diffusers и может использоваться через ComfyUI. Модель применяет 4-битную квантизацию SVDQuant, разработанную для эффективного вывода при минимальной потере качества. Доступны варианты INT4 для видеокарт до поколения Blackwell и NVFP4 для видеокарт Blackwell (50-й серии). В README указано, что модель поддерживает английский язык; сведения о размере, точной архитектуре, максимальном контексте и других модальностях не приведены. Для запуска используются inference engine nunchaku и библиотека квантизации deepcompressor. Основные преимущества модели — снижение требований к вычислительным ресурсам и ускорение инференса по сравнению с исходной моделью при сохранении близкой производительности. Ограничения связаны с узкой специализацией на редактировании изображений, зависимостью от совместимого аппаратного и программного окружения, а также условиями лицензии FLUX.1 dev Non-Commercial License, допускающей некоммерческое использование. Репозиторий был перенесён в другой адрес и, согласно README, должен быть скрыт в декабре 2025 года.

PhoneLLM Alpha 1 — открытая языковая модель Pipecat, созданная для голосовых агентов. Это полноразмерное дообучение NVIDIA Nemotron 3 Nano 30B-A3B с архитектурой MoE и гибридной схемой Mamba-Transformer; в метаданных указано 1,9 млрд параметров, а карточка описывает базовую модель как 30-миллиардную с 3,5 млрд активных параметров. Модель принимает текст и генерирует текст, в том числе диалоговые ответы и вызовы инструментов; её используют вместе с распознаванием речи и синтезом речи в телефонных сценариях. Заявлена поддержка английского языка и контекст до 262 144 токенов. Модель предназначена для входящих и исходящих звонков, где важны короткая задержка, точное использование инструментов, последовательность между обещанными и выполненными действиями, а также связность многоходового диалога. Среди целевых областей в карточке названы финансовые услуги, здравоохранение, розничная торговля и гостиничный бизнес. Pipecat сообщает о результатах на PhoneBench, сопоставимых или лучших относительно ряда моделей для голосовых агентов, а также о более низкой задержке и стоимости; эти оценки относятся к описанным сценариям и методике бенчмарка. Модель распространяется под лицензией BSD-2-Clause без коммерческих ограничений. Это альфа-версия, поэтому пригодность для конкретного рабочего процесса следует оценивать отдельно; качество распознавания и озвучивания зависит от подключённых внешних моделей речи. Карточка не приводит самостоятельных результатов по другим языкам или задачам общего назначения.

Stable Diffusion 2 Base — латентная диффузионная модель генерации изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Этот репозиторий является зеркалом устаревшей модели stabilityai/stable-diffusion-2-base и не связан с Stability AI. Модель использует предварительно обученный текстовый энкодер OpenCLIP-ViT/H. Обучение проходило в два этапа: 550 тысяч шагов при разрешении 256×256, затем 850 тысяч шагов при 512×512; для обучения использовались отфильтрованные подмножества LAION-5B. Предназначена для создания и редактирования изображений по текстовым промптам, а также для художественных и исследовательских задач. Лучше работает с английскими описаниями. Модель не гарантирует фотореализм, плохо справляется с точным расположением объектов и генерацией читаемого текста; лица и люди могут выглядеть некорректно. Результаты на неанглийских промптах слабее, а обучающие данные могут отражать культурные и социальные перекосы. Лицензия CreativeML Open RAIL++-M.

Stable Diffusion 3.5 Large Alchemist — текстово-изобразительная модель, созданная дообучением Stable Diffusion 3.5 Large на наборе данных Alchemist. Она предназначена для генерации изображений по текстовым запросам; авторы сообщают об улучшении эстетики и сложности создаваемых изображений. Модель использует архитектуру MMDiT и доступна в формате Diffusers с весами Safetensors. В метаданных указан английский язык карточки модели, а базовая модель рассчитана на создание изображений для дизайна и художественных проектов. Лицензия — Apache-2.0.

philschmid/stable-diffusion-v1-4-endpoints — форк CompVis/stable-diffusion-v1-4, подготовленный для развёртывания Stable Diffusion через Hugging Face Endpoints. Это латентная диффузионная модель преобразования текста в изображение: она принимает текстовый запрос и генерирует по нему изображение. Репозиторий использует Diffusers и PyTorch; лицензия — CreativeML OpenRAIL-M. Модель подходит для генерации изображений по текстовым описаниям в приложениях и сервисах, развёрнутых через Endpoints. Подробности о работе, лицензии и ограничениях автор README отсылает к карточке исходной модели CompVis/stable-diffusion-v1-4.

The Truality Engine PRO — модель генерации изображений по текстовому описанию, опубликованная пользователем sam749. Она основана на Stable Diffusion и распространяется в формате Diffusers с весами Safetensors; для запуска в README приведён пример с библиотекой Diffusers и StableDiffusionPipeline. Автор рекомендует генерировать изображения размером 512 × 768, использовать 35 шагов и сэмплер DPM++ 2M SDE Karras. Для повышения разрешения описаны отдельные настройки Hires Fix и апскейлеров. Модель предназначена для создания детализированных иллюстраций и фотореалистичных изображений по промпту. README описывает управление CFG: значения выше 7 сильнее усиливают детали промпта, а при использовании textual inversion и LoRA рекомендуется не превышать 4,5. Модель распространяется по лицензии CreativeML Open RAIL-M. Карточка не приводит сведений о размере модели, контекстном окне или языках; для текстовых промптов указан пример на английском.

StarkEater/TianNimaMugen26042026 — дообученная модель генерации изображений из текста на базе CabalResearch/Mugen. Она предназначена для генерации изображений непосредственно в разрешении 1536 пикселей; автор указывает, что триггерное слово tiannima123 обычно не требуется, но его можно добавить к запросу. Модель распространяется в формате safetensors и использует библиотеку diffusers.

tinydit-256 — модель генерации изображений по тексту, созданная ivanmikhnenkov. Это диффузионный трансформер с 210 млн параметров, обученный с нуля за 400 тысяч шагов на 4,2 млн изображений с разрешением 256² и выше. Для кодирования текста используется замороженный flan-t5-base, а для латентного представления изображений — замороженный автоэнкодер FLUX.2; сами трансформер, рецепт обучения, конвейер данных и оценка разработаны автором. Модель предназначена для генерации изображений по текстовым запросам. Она лучше справляется с одиночными объектами, животными, сценами, цветами и простыми отношениями между объектами; поддерживает пять соотношений сторон. В README приведены результаты оценки на отложенных запросах: FID 27,0 и точность распознавания объектов классов COCO 90% при указанных настройках генерации. Известные ограничения — генерация читаемого текста, детализированных лиц крупным планом, толпы и точного количества объектов свыше трёх. Для запуска нужны веса VAE FLUX.2, доступ к которым ограничен и которые не входят в репозиторий, а также flan-t5-base. Лицензия — CC BY-NC 4.0, разрешено использование с указанием авторства, но не коммерческое.

Voyage — модель преобразования текстовых запросов в изображения, разработанная Мухаммадрезой Хагири. Она предназначена для художников и других авторов, которым нужно создавать изображения по текстовому описанию; для вывода можно использовать планировщик Euler или DPMS. По README, модель основана на весах Stable Diffusion 2.0 и Midjourney v4. Репозиторий содержит веса в форматах Diffusers и PyTorch, а метаданные указывают на лицензию CreativeML OpenRAIL-M. Конкретные размер модели, длина контекста и поддерживаемые языки в предоставленных данных не описаны.

martineux/waiIllustriousSDXL_v160 — модель генерации изображений по текстовому описанию в формате Diffusers, опубликованная пользователем martineux на Hugging Face. Репозиторий содержит компоненты StableDiffusionXLPipeline: два текстовых энкодера с токенизаторами, U-Net, VAE и планировщик диффузии; веса представлены в safetensors. Модель принимает текстовый запрос и создаёт изображение. Карточка не содержит описания специализации или сведений о лицензии, поэтому определить целевой стиль и условия использования по доступным данным нельзя.

Это 8-битная версия Z-Image-Turbo от Tongyi Lab (Alibaba), подготовленная для запуска через mflux и MLX на компьютерах Apple с Apple Silicon. Репозиторий содержит веса в формате safetensors, текстовый энкодер Qwen3, VAE и токенизатор; размер модели после квантизации составляет около 10 ГБ вместо примерно 20 ГБ у исходных весов bf16. Модель предназначена для генерации изображений по текстовым описаниям. Она использует дистилляцию с guidance и рассчитана на быстрый вывод за 8–9 шагов без guidance и отрицательного промпта. По README, квантизация не сопровождалась обучением или другими изменениями, а заметной потери качества изображений автор не наблюдал. Это квантованная копия Tongyi-MAI/Z-Image-Turbo, предназначенная для работы с mflux на Apple Silicon. Лицензия — Apache-2.0. Описанный способ запуска ориентирован на экосистему Apple и требует установленной библиотеки mflux.

Deliberate 2 — дообученная модель генерации изображений по текстовому описанию, основанная на Yntec/Deliberate и предназначенная для Stable Diffusion. Разработчик описывает её как версию для генерации изображений размером 768×768; в веса встроен VAE MoistMix V2 для использования через Inference API. Модель подходит для создания иллюстраций по промптам, в том числе изображений в ретро- и аниме-стилистике. Репозиторий предоставляет веса в форматах Diffusers и Safetensors. Лицензия CC BY-NC-ND 4.0 требует указания авторства и ограничивает коммерческое использование и распространение производных версий.

DreamShaper v7 — модель Stable Diffusion для генерации изображений по текстовому описанию, опубликованная в репозитории stablediffusionapi/dreamshaper-v7. Она предназначена для создания реалистичных и художественных изображений по промптам; в примере карточки используются портрет, киберпанк-сцена и негативный промпт для ограничения нежелательных деталей. В метаданных указаны формат Diffusers/PyTorch и лицензия CreativeML OpenRAIL-M. Карточка репозитория помечена как устаревшая и рекомендует перейти к идентичному репозиторию автора оригинальной модели. В примере API можно задавать размер 512×512, число шагов генерации, guidance scale и негативный промпт, однако доступ к интерфейсу ModelsLab требует API-ключа. Карточка не сообщает точный размер модели, контекст или поддерживаемые естественные языки; параметр multi_lingual в API установлен в «no».

DreamShaper XL v2 Turbo — GGUF — это квантизированная версия модели DreamShaper XL v2 Turbo, первоначально созданной Lykon. Сборка подготовлена Off Grid AI для локальной генерации изображений на устройстве и предназначена для работы с stable-diffusion.cpp. Модель относится к семейству Stable Diffusion XL и работает в режиме text-to-image, преобразуя текстовые запросы в изображения. Доступны варианты Q8_0 с наилучшим качеством и Q4_K с меньшими требованиями к оперативной памяти, но потенциально более заметными потерями качества. В README приведён сценарий генерации изображений размером 1024×1024 с использованием 6 шагов, CFG scale 1.5 и сэмплера Euler. Модель ориентирована на полностью локальное и приватное выполнение без обязательной передачи данных во внешние сервисы. Поддерживаемые языки, точный размер модели, максимальный контекст и дополнительные модальности не указаны. Файлы корректно конвертированы в формат GGUF для загрузки через stable-diffusion.cpp; README отдельно отмечает совместимость с этим инструментом и проблемы у некоторых сторонних GGUF-конвертаций. Ограничения включают компромисс между качеством и потреблением памяти при выборе квантизации, зависимость от stable-diffusion.cpp и отсутствие сведений о качестве на конкретных типах запросов. Модель распространяется по лицензии openrail++, унаследованной от оригинальной модели; установленные ею ограничения использования применяются.

Epic Diffusion — универсальная модель генерации изображений по текстовому описанию, разработанная johnslegers. Она основана на Stable Diffusion 1.x и предназначена для создания изображений в широком диапазоне стилей; автор позиционирует её как модель общего назначения для повседневной генерации вместо официальных выпусков Stable Diffusion. Версия 1.0 создана как многократно калиброванное слияние SD 1.4, SD 1.5 и нескольких стилизованных моделей, включая Analog Diffusion, Wavy Diffusion, Openjourney Diffusion и другие. Репозиторий содержит формат Diffusers и веса Safetensors. Модель поддерживает генерацию NSFW-контента. Лицензия — CreativeML OpenRAIL-M.

emilianJR/epiCRealism — чекпойнт Stable Diffusion, опубликованный пользователем emilianJR в формате Diffusers. Модель предназначена для генерации изображений по текстовым запросам; в карточке показаны примеры фотореалистичных и фантазийных изображений. Использовать её можно через StableDiffusionPipeline из библиотеки diffusers. Репозиторий содержит веса в формате safetensors. Модель ориентирована на англоязычные запросы. Лицензия — CreativeML OpenRAIL-M. В карточке не приведены сведения о размере модели и длине контекста.

Eviation/Flex.2-preview — набор квантованных вариантов модели Flex.2-preview, разработанной на базе ostris/Flex.2-preview. Модель предназначена для генерации изображений по текстовому описанию и распространяется в форматах GGUF и Safetensors для использования с совместимыми инструментами инференса. Указана категория text-to-image. Доступны варианты Safetensors с 8-битными форматами F8_E4M3FN и F8_E5M2, а также версии GGUF от BF16 до низкоразрядных Q3_K_S. Pure GGUF использует архитектуру flex.2; веса в основном квантованы согласно типу файла, а смещения и нормализационные параметры сохранены в F32. Также представлены fluxified-варианты с архитектурой flux, рассчитанные на замену моделей FLUX. Их ограничение — потеря возможности выполнять inpainting и обрабатывать управляющее изображение из-за усечения тензора img_in.weight. Размер файлов зависит от варианта и составляет примерно от 3,52 до 16,3 ГБ. README не содержит сведений о числе параметров, поддерживаемых языках, размере контекста, качестве генерации или рекомендуемых аппаратных требованиях. Лицензия — Apache-2.0.

Fluently-v3 — слитая модель для генерации изображений по текстовым запросам, созданная автором Fluently на основе нескольких чекпойнтов и LoRA. В README среди источников слияния названы Juggernaut Final, Deliberate V2, RPG, Realistic Vision V1.3 и DreamDrop V1; метаданные связывают модель с дообучением runwayml/stable-diffusion-v1-5. Файлы модели представлены в форматах Diffusers и safetensors. Модель предназначена для генерации изображений с реалистичной анатомией, детализированными лицами и глазами, а также для художественных, аниме- и комиксных стилей. Автор также отмечает пригодность для inpainting и outpainting. В README рекомендуются 20–30 шагов, сэмплеры DPM++ 2M Karras или Euler a и CFG Scale 5–7. Лицензия указана как other, без конкретных условий в предоставленных данных. Заявления о качестве основаны на описании автора; независимые оценки и ограничения не приведены.

Fluently-XL-v2 — дообученная модель Fluently для генерации изображений по текстовым запросам. Она основана на Stable Diffusion XL Base 1.0 и распространяется в форматах Diffusers и SafeTensors; для запуска автор рекомендует Automatic1111 или ComfyUI, 20–35 шагов сэмплирования, сэмплер Euler a или Euler и CFG Scale 4–6,5. Модель предназначена для создания изображений, сочетая художественную стилизацию и реалистичность. В карточке заявлены внимание к анатомии, лицам, природе и управлению контрастом. Обучение проводилось на изображениях из наборов Midjourney, DALL·E 3 и Fav Images. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория. Карточка не приводит количественных оценок качества или подробных ограничений по содержанию и применению.

Fluently-XL-v3 — дообученная модель генерации изображений от автора Fluently на базе Stable Diffusion XL Base 1.0. Она создаёт изображения по текстовым запросам и предназначена для художественной и реалистичной генерации, включая сцены с людьми и природой. В карточке заявлены проработка анатомии и лиц, сочетание художественного и реалистичного стилей и управление контрастом. Модель распространяется в форматах Diffusers и Safetensors и может использоваться через Automatic1111 и ComfyUI. Автор рекомендует 20–35 шагов сэмплирования, Euler a или Euler и CFG Scale 4–6,5. Лицензия указана как «other», поэтому условия использования следует сверить с лицензией репозитория; карточка не уточняет их.

Fluently XL V4 — дообученная модель генерации изображений по текстовым запросам, созданная разработчиком Fluently на базе Stable Diffusion XL Base 1.0. Репозиторий содержит веса в форматах Diffusers и Safetensors и предназначен для использования, в частности, через Automatic1111 или ComfyUI. Модель рассчитана на создание изображений по текстовому описанию, сочетает художественную и реалистичную стилистику и, по заявлению автора, уделяет внимание анатомии, контрасту, природным сценам и лицам. Автор рекомендует 20–35 шагов сэмплирования, Euler a или Euler и CFG Scale 4–6.5. Модель обучена на изображениях из наборов Midjourney, DALL·E 3 и избранных изображений. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты. Заявления о качестве принадлежат автору и не подтверждены независимой оценкой в карточке.

city96/FLUX.1-dev-gguf — это прямое преобразование модели FLUX.1-dev, разработанной Black Forest Labs, в формат GGUF с квантованием. Модель предназначена для генерации изображений по текстовому описанию и может использоваться в сценариях text-to-image, включая работу через пользовательский узел ComfyUI-GGUF. Это не дообученная версия, а квантованная конверсия исходной модели, поэтому архитектура, возможности, ограничения и условия лицензирования определяются оригинальной FLUX.1-dev. В README не указаны точный размер модели, тип архитектуры, поддерживаемые языки, максимальный контекст и конкретные модальности помимо генерации изображений по тексту. Квантование может снизить требования к ресурсам, однако его влияние на качество и производительность зависит от выбранного типа квантования. Модель распространяется по лицензии flux-1-dev-non-commercial-license; для неё сохраняются все ограничения и условия исходной лицензии FLUX.1-dev. Для использования в ComfyUI файлы необходимо разместить в каталоге ComfyUI/models/unet, а подробные инструкции приведены в документации ComfyUI-GGUF.

FLUX.2-klein-9B-GGUF — это квантизированные файлы модели FLUX.2-klein-9B, разработанной Black Forest Labs и преобразованные leejet с использованием проекта stable-diffusion.cpp. Модель предназначена для генерации изображений по текстовому описанию и может использоваться через stable-diffusion.cpp. Модель имеет размер 9 млрд параметров и распространяется в формате GGUF. В карточке указана поддержка английского и китайского языков. Архитектура, доступные варианты квантования, размер контекста и дополнительные модальности не описаны. К преимуществам относятся возможность локального запуска и интеграция с stable-diffusion.cpp, однако качество и требования к ресурсам могут зависеть от выбранного уровня квантования и аппаратной конфигурации. Лицензия квантизированных файлов соответствует лицензии оригинальной модели FLUX.2-klein-9B; точные условия необходимо уточнять в LICENSE.md оригинальной модели на Hugging Face.

Kotajiro/fuduki_mix — модель генерации изображений по текстовому описанию на базе SDXL. Карточка рекомендует сэмплер DPM++ 2M SDE karras, 30–40 шагов и разрешение 1152×896; репозиторий распространяет веса в формате safetensors. Модель предназначена для создания изображений по текстовым запросам. В тегах указана поддержка японского и английского языков. Лицензия — CreativeML Open RAIL++-M. Автор запрещает генерацию насилия, изображений и сексуальных образов несовершеннолетних, чрезмерно сексуального контента, а также публикацию изображений, похожих на конкретных реальных людей, без их разрешения.

GLIGEN — модель генерации и редактирования изображений на основе текста, разработанная исследователями и инженерами University of Wisconsin–Madison, Columbia University и Microsoft. Этот чекпойнт предназначен для работы через StableDiffusionGLIGENPipeline в библиотеке Diffusers и создаёт изображения по текстовому описанию с учётом привязки объектов к заданным ограничивающими рамками областям. Если передать входное изображение, модель может добавить в указанные области объекты, описанные текстом. Модель основана на латентной диффузии и использует фиксированный текстовый энкодер CLIP ViT-L/14; при обучении применялись наборы COCO2014D и COCO2014CD. Основной язык запросов — английский. Лицензия CreativeML OpenRAIL-M разрешает использование на её условиях и содержит ограничения на отдельные сценарии применения. Модель подходит для творческих инструментов, дизайна и исследований управляемой генерации изображений. Она не всегда создаёт фотореалистичные изображения, плохо справляется со сложной композицией, не формирует читаемый текст и может некорректно изображать лица и людей. Результаты на запросах не на английском языке обычно хуже; также отмечены риски смещения, запоминания обучающих изображений и генерации нежелательного контента. Для использования предусмотрен Safety Checker библиотеки Diffusers.

HassanBlend1.5.1.2 — модель генерации изображений по текстовому описанию, созданная автором hassan. Она дообучена на базе Stable Diffusion 1.5 на наборе из тысяч изображений; автор также добавил несколько небольших слияний моделей, чтобы смягчить результат и повысить творческую вариативность. Модель предназначена для создания изображений по промптам. Автор продолжает выпускать обновления и предоставляет примеры промптов и результатов. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M.

HPSv2-hf — версия модели HPSv2 в формате Hugging Face CLIPModel, подготовленная adams-story путём конвертации весов из формата OpenCLIP. Модель обучена предсказывать человеческие предпочтения между изображениями, созданными ИИ, сопоставляя изображения и текстовые описания через CLIP-эмбеддинги. Модель подходит для оценки соответствия сгенерированного изображения текстовому запросу и ранжирования изображений по предполагаемым человеческим предпочтениям. README сообщает, что текстовые и визуальные эмбеддинги совпадают с исходной моделью после конвертации; для обработки используется стандартный CLIPProcessor с процессором openai/clip-vit-base-patch32. Репозиторий содержит веса PyTorch. Это конверсия исходной модели, а не новое дообучение; автор карточки отдаёт заслугу создателям HPSv2. Условия лицензирования в предоставленных данных не описаны.

Idle Fancy — модель генерации изображений по текстовому описанию, опубликованная Yntec. Это слияние AbsoluteRemix и DucHaiten-FANCYxFANCY, созданное с помощью SuperMerger и предназначенное для сочетания фотореалистичных и фантазийных запросов. В примерах показаны портреты и сцены с элементами фото, иллюстрации и игрового арта. Модель принимает текстовые запросы и выдаёт изображения. Репозиторий использует Diffusers и формат safetensors. Для генерации откровенного контента автор указывает отдельный вариант AbsoluteFANCYxFANCY; Idle Fancy позиционируется для обычных фотореалистичных и фантазийных изображений. Лицензия — CreativeML OpenRAIL-M.