IV.1Ритейл, электронная коммерция и fashion-tech

uYouUs/IllustriousV01 — модель генерации изображений по текстовому описанию, опубликованная пользователем uYouUs на Hugging Face. В метаданных указаны задача text-to-image и совместимость с StableDiffusionXLPipeline в библиотеке Diffusers; репозиторий содержит веса Safetensors. Карточка не содержит описания модели, поэтому её конкретную специализацию, архитектурные детали, размер, языки, контекст и лицензию подтвердить нельзя. Подтверждённый сценарий использования — создание изображений по текстовым запросам через совместимый конвейер Stable Diffusion XL.

Insane m3u — смешанная модель для генерации изображений по текстовому описанию. Автор карточки указывает, что это смесь моделей m3u от digiplay и insaneRealistic от cordonsolution8. Модель работает через Diffusers и доступна в форматах PyTorch и safetensors. Модель предназначена для создания изображений по текстовым запросам; в карточке упомянуты демонстрационные изображения digiplay. Лицензия — CreativeML OpenRAIL-M. Сведений об архитектуре, размере, поддерживаемых языках и ограничениях качества в предоставленных материалах нет.

ethanfel/Krea-2-Base-Diffusers — это преобразованная в формат Diffusers версия базовой модели Krea 2 Base/RAW, совместимая с Krea2Transformer2DModel и Krea2Pipeline. Репозиторий предназначен прежде всего для дообучения модели и обучения LoRA; полученные адаптации можно применять при генерации изображений, в том числе вместе с Krea 2 Turbo. Модель принимает текстовые запросы и генерирует изображения. Конверсия переименовала ключи трансформера, изменила форму таблицы модуляции блоков и исключила веса двух финальных слоёв up/down для соответствия реализации Krea 2 в Diffusers. VAE, text encoder, tokenizer и scheduler взяты из стандартных компонентов Diffusers. Веса распространяются по лицензии Krea 2 Community License.

MeinaMix v11 — модель text-to-image в формате Diffusers, опубликованная пользователем digiplay на Hugging Face. Она предназначена для создания изображений по текстовым запросам; в README приведён пример промпта для изображения двух девушек с цветами и кофе. Метаданные указывают на совместимость со Stable Diffusion и форматы PyTorch и safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с файлами репозитория. README не описывает размер модели, контекст, языки, качество генерации или ограничения.

Это веса MobileNetV2, предварительно обученные на ImageNet и предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Репозиторий разработан для применения с этой библиотекой; в метаданных указаны PyTorch и формат safetensors. Модель подходит для классификации изображений и извлечения визуальных признаков как части сегментационной модели. Карточка указывает предобучение на ImageNet, но не сообщает размер модели, разрешение входа или дополнительные характеристики обучения. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверять в репозитории.

Lexica Aperture V3.5 Community Edition — модель генерации изображений по текстовому описанию в формате Diffusers с весами Safetensors. В карточке приведены примеры промптов для создания цифровых иллюстраций и фотореалистичных сцен: от сюрреалистической живописи до портретов и фантастических существ. В README указано, что версия собрана с VAE 840K, встроенным в веса. Модель предназначена для генерации изображений по текстовым промптам. В метаданных указана библиотека Diffusers и лицензия CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или поддерживаемые языки; примеры промптов написаны на английском.

Pony Diffusion V6 XL — GGUF — это квантованная версия модели Pony Diffusion V6 XL, разработанная сообществом Off Grid AI на основе оригинальной модели от AstraliteHeart и предназначенная для локальной генерации изображений по текстовому описанию. Модель ориентирована на работу на пользовательском устройстве через stable-diffusion.cpp и использовалась в приложении Off Grid AI Desktop для полностью локальной обработки данных. В репозитории представлены варианты Q8_0 с максимальным качеством и Q4_K с меньшими требованиями к оперативной памяти, однако точный размер модели, архитектурные параметры, поддерживаемые языки и максимальная длина контекста в README не указаны. Модель относится к семейству Stable Diffusion/SDXL и рассчитана на генерацию изображений, в том числе с рекомендуемым разрешением 1024×1024. Конвертация выполнена в формате GGUF с корректными именами тензоров для непосредственной загрузки в stable-diffusion.cpp. Сильными сторонами являются возможность автономной генерации без передачи данных во внешние сервисы, выбор между качеством и потреблением памяти, а также совместимость с on-device-сценариями. Ограничения связаны с необходимостью использовать совместимое программное обеспечение и подходящее аппаратное обеспечение; различия в качестве и требованиях к памяти зависят от выбранного варианта квантования. Модель распространяется по лицензии creativeml-openrail-m, унаследованной от оригинальной модели, поэтому применяются установленные ею ограничения использования.

tommy424242/pornmasterPro_realismILV4 — модель генерации изображений по текстовому описанию, разработанная пользователем tommy424242 и опубликованная на Hugging Face. Она предназначена для создания реалистичных и фотореалистичных изображений по промптам. Модель основана на Stable Diffusion XL и рассчитана на использование через diffusers StableDiffusionXLPipeline. В метаданных указана задача text-to-image, а также поддержка форматов и технологий diffusers и safetensors. Специализация модели — реалистичный визуальный стиль; сведения о размере, длине контекста и поддерживаемых естественных языках не приведены. Модель распространяется по лицензии CreativeML OpenRAIL-M. При использовании необходимо учитывать условия этой лицензии и возможные ограничения, связанные с генерацией реалистичного контента.

Модель Ahmedh24/qwen2.5-7b-merchant — дообученная Ahmedh24 версия Qwen2.5-7B-Instruct, созданная с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров с контекстом до 32 768 токенов, предназначенная для диалогов и генерации текста; метаданные также указывают интерфейс вызова инструментов. Название модели указывает на ориентацию на задачи продавцов, однако карточка не описывает конкретные торговые сценарии или результаты обучения, поэтому специализацию нельзя подтвердить. Модель принимает текст и генерирует текст. Поддерживаемый карточкой язык — английский. Лицензия Apache-2.0.

Qwen-Image-2.1-PE-I2I-Heretic — созданная сообществом производная модели Qwen/Qwen-Image-2.1-PE-I2I на базе Qwen3.5-VL с 9 млрд параметров. Она принимает короткую инструкцию по редактированию и одно или несколько изображений, а затем формирует подробный промпт на английском языке для редактирования изображения. Для работы требуется системный промпт system_prompt.txt из репозитория; модель использует архитектуру Qwen3.5-VL и распространяется в формате safetensors. Модель сохраняет способность переписывать инструкции для редактирования изображений, а направленная абляция Heretic заметно ослабляет отказы на вредоносные запросы в чатовых сценариях. По данным автора, проверка отказов охватывала 100 примеров, а KL-дивергенция на обычных запросах составила 0,0368; выборка мала, и исходная модель также обрабатывала проверенные пограничные инструкции по редактированию. Модель предназначена для сценариев подготовки промптов в приложениях редактирования изображений. Лицензия Qwen Research License разрешает некоммерческое использование; для коммерческого применения нужна отдельная лицензия Qwen.

RealCore Pony 1.0 — модель генерации изображений на основе Pony Diffusion V6 XL и семейства Stable Diffusion XL. Её создатель объединил несколько реалистичных моделей и пользовательских LoRA; в метаданных перечислены компоненты слияния, включая CyberRealisticPony и модели John6666. Модель распространяется в формате safetensors и рассчитана на работу с Diffusers. Она создаёт реалистичные, похожие на фотографии изображения по текстовым запросам, в том числе контент NSFW. Карточка отмечает совместимость с ускорением LCM и оптимизацию для ComfyUI. Указанный в метаданных язык — английский; контекст изображения задаётся текстовым промптом. Модель распространяется по лицензии OpenRAIL++ и предназначена для генерации изображений. Качество и соответствие промпту зависят от формулировки запроса и настроек генерации; карточка не приводит количественных оценок качества.

stable-diffusion-3.5-large-GGUF — квантизированная версия модели Stable Diffusion 3.5 Large, разработанной Stability AI и подготовленной в формате GGUF компанией Second State Inc. Модель предназначена для генерации изображений по текстовому описанию и ориентирована на сценарии text-to-image. В README указана поддержка английского языка. Доступны варианты с разной точностью квантизации: Q4, Q5 и Q8 для основного файла модели, а также FP16-версии. Размер основного файла составляет от 5,11 ГБ для Q4_0 до 16,5 ГБ для FP16. В комплект также входят текстовые энкодеры CLIP и T5-XXL в форматах GGUF и safetensors. Точная архитектура, размер контекстного окна, производительность, требования к оборудованию и качество генерации в предоставленных данных не указаны. Ключевое преимущество модели — наличие нескольких вариантов квантизации, позволяющих выбирать между экономией памяти и сохранением качества. Ограничения включают отсутствие подробных сведений о поддерживаемых языках помимо английского, характеристиках генерации и готовности серверного запуска: для sd-api-server версия обозначена как находящаяся в разработке. Модель распространяется по лицензии Stability AI Community License; дополнительные условия следует уточнять в файле LICENSE.md.

city96/stable-diffusion-3.5-medium-gguf — это прямое преобразование модели Stable Diffusion 3.5 Medium от Stability AI в формат GGUF, выполненное city96. Модель предназначена для генерации изображений по текстовым описаниям и относится к задачам text-to-image и image generation. Указан английский язык; исходная модель не дообучалась, поэтому преобразование сохраняет её исходные характеристики и ограничения. Ключевая особенность модели — квантованный формат GGUF, который может использоваться с пользовательским узлом ComfyUI-GGUF. В README не указаны точный размер модели, архитектурные параметры, поддерживаемые модальности, длина контекста или конкретные варианты квантования, поэтому эти характеристики нельзя достоверно описать. Для работы файлы модели следует разместить в каталоге ComfyUI/models/unet. Модель распространяется по лицензии Stability AI Community License. Поскольку это квантованная версия без дообучения, к ней применяются те же ограничения и условия, что и к исходной модели Stability AI.

Это конверсия Stable Diffusion v1.4 от CompVis в формат Keras 3, подготовленная zeromodels. Архитектура включает условный UNet-денойзер, автоэнкодер VAE и текстовый энкодер CLIP ViT-L/14; модель содержит 1,07 млрд параметров и поставляется в весах float32. Репозиторий объединяет компоненты в один контейнер с конфигурацией и токенизатором и поддерживает запуск через TensorFlow, PyTorch или JAX. Модель предназначена для генерации изображений 512×512 по текстовым запросам. Текстовый энкодер обрабатывает до 77 токенов; базовая модель рассчитана преимущественно на английские запросы. Лицензия — CreativeML OpenRAIL-M. Это конверсия исходного чекпойнта: архитектура и значения параметров сохранены, изменены раскладка весов и формат файлов.

Stable Diffusion v1.5 — модель генерации изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с текстовым энкодером CLIP ViT-L/14; она создаёт и редактирует изображения по запросам. Чекпойнт основан на весах Stable Diffusion v1.2 и дополнительно обучен на 595 тысячах шагов с разрешением 512×512 на данных LAION Aesthetics v2 5+. Модель подходит для создания иллюстраций и концептов, художественных и дизайнерских процессов, а также для экспериментов с генеративными моделями и творческих инструментов. Она принимает текстовые запросы и выдаёт изображения. Основной язык обучения и наиболее эффективных запросов — английский. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Модель не гарантирует фотореализм, плохо отображает читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Результаты по неанглоязычным запросам слабее; обучающие данные могут приводить к смещениям и запоминанию изображений. В карточке также отмечено, что обучающий набор содержит материалы для взрослых, поэтому для практического развёртывания рекомендуется использовать механизм проверки безопасности.

Stable Diffusion v1.5 — диффузионная модель генерации и изменения изображений по текстовому запросу, разработанная Робином Ромбахом и Патриком Эссером. Репозиторий является зеркалом устаревшей модели; авторы карточки отмечают, что зеркало и его организация не связаны с RunwayML. Модель построена на латентной диффузии и использует предварительно обученный текстовый энкодер CLIP ViT-L/14. Доступны веса в формате Diffusers, PyTorch и safetensors; модель можно запускать, например, через Diffusers и совместимые интерфейсы генерации изображений. Модель подходит для создания иллюстраций, художественных изображений и визуальных материалов по англоязычным промптам, а также для изучения возможностей и ограничений генеративных моделей. Она хуже работает с промптами на других языках, сложной композицией, реалистичными лицами и читаемым текстом внутри изображения; фотореализм не гарантирован, а автоэнкодер вносит потери. Обучающие данные содержали материалы для взрослых, а также дубликаты, поэтому возможны нежелательные результаты и запоминание отдельных изображений; для применения предусмотрен Safety Checker в Diffusers. Лицензия — CreativeML OpenRAIL-M с ограничениями на использование.

Карточка модели Jinstudio/stable-diffusion-xl-refiner-1.0 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-refiner-1.0, поэтому описание составлено по ней. SDXL Refiner 1.0 — модель диффузии от Stability AI, предназначенная для финальных этапов удаления шума и уточнения изображений, созданных базовой моделью SDXL. Её можно применять в двухэтапном конвейере генерации: базовая модель создаёт латенты, а Refiner дорабатывает их; также доступен сценарий image-to-image на основе SDEdit с тем же текстовым запросом. Модель использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Она помогает улучшить итоговое качество изображения, но второй этап увеличивает время генерации. Лицензия — CreativeML Open RAIL++-M; условия использования включают ограничения на отдельные сценарии. Модель не гарантирует фотореализм, плохо отображает читаемый текст и сложные пространственные композиции; лица и люди могут получаться некорректно. Она не предназначена для создания достоверных изображений людей или событий и может воспроизводить социальные предубеждения из данных.

TalmendoXL v1.1 Beta — копия модели генерации изображений на основе Stable Diffusion XL 1.0. Она принимает текстовые запросы и создаёт изображения; в карточке указано использование через библиотеку diffusers и StableDiffusionXLPipeline. Репозиторий содержит форматы Diffusers, Flax, ONNX, OpenVINO и Safetensors. Модель предназначена для генерации изображений по текстовому описанию. Для неё указана лицензия CreativeML OpenRAIL-M. Карточка не приводит дополнительных сведений о специализации, поддерживаемых языках или ограничениях качества.

Avito-relevance-ruroberta-v3-20260824 — русскоязычный бинарный классификатор релевантности сообщений для сценариев Avito. Модель разработана на основе энкодера ai-forever/ruRoBERTa-large и дообучена с классификационной головой AvitoRelevanceClassifier из слоёв GELU и классификации. Она присваивает сообщению метку 0 (нерелевантно) или 1 (релевантно); максимальная длина входа — 384 токена. Модель предназначена для отбора релевантных сообщений в потоке Avito. В карточке указаны test macro F1 0,945 и ROC-AUC 0,972; рекомендованный порог релевантности — 0,17. Для загрузки кастомной PyTorch-головы требуется создать архитектуру по config.json и прочитать веса model.safetensors через safetensors. Модель обучена на размеченных данных Avito, поэтому на новом домене или после существенного изменения потока сообщений качество следует проверить и при необходимости заново откалибровать порог. Лицензия в предоставленных данных не указана.

BEiT-base — модель сегментации изображений на основе Vision Transformer, разработанная Microsoft и дообученная для семантической сегментации на ADE20k. Она присваивает пиксельным областям изображения метки из 150 классов сцен и объектов, что подходит для анализа содержимого фотографий и сцен. Модель содержит 119,5 млн параметров. BEiT предварительно обучалась самоконтролируемым способом на ImageNet-21k и использует патчи 16×16 и относительные позиционные эмбеддинги; для сегментации применена голова UperHead. При обучении изображения приводились к разрешению 640×640 с обрезкой, дополнением и нормализацией каналов RGB. Модель принимает изображения и выдаёт карту сегментации. Лицензия — Apache-2.0. Модель предназначена для семантической сегментации сцен, в частности в рамках набора классов ADE20k. Результаты зависят от сходства входных данных с обучающим набором; качество на иных предметных областях может быть ниже. Для воспроизведения обучения и оценки нужны соответствующая предобработка и подходящая вычислительная среда.

philipobiorah/bert-imdb-model — модель BERT, дообученная для бинарной классификации тональности отзывов о фильмах IMDb. Она присваивает тексту метку «положительный» или «отрицательный» и может возвращать оценки уверенности. Модель основана на google-bert/bert-base-uncased, имеет архитектуру BertForSequenceClassification и содержит 136,7 млн параметров; максимальная длина входа — 512 токенов. Для работы используется библиотека Transformers, веса доступны в форматах PyTorch и Safetensors. Основной сценарий — анализ англоязычных отзывов о фильмах. В README приведены заявленные точности 0,96 на IMDb и 0,89 на SST-2, Yelp и Amazon, но условия и методика этих оценок не описаны. Модель обучена на датасете IMDb и может хуже работать на других темах, языках и текстах, отличающихся от отзывов. Лицензия — MIT.

duyntnet/Chroma-GGUF-All-Versions — набор GGUF-квантизаций модели Chroma, разработанной lodestones. Модель предназначена для генерации изображений по текстовому описанию и ориентирована на сценарии text-to-image. В карточке указана поддержка английского языка и наличие тегов image-generation и GGUF. Доступны варианты квантования Q4_0, Q4_1, Q4_K_M, Q4_K_S, Q5_0, Q5_1, Q5_K_M, Q5_K_S, Q6_K и Q8_0; версии v41 и обновлённая v42 содержат соответствующие переразмещённые веса. Архитектура, число параметров, модальности помимо текста и изображений, а также размер контекста не указаны. Автор отмечает, что варианты Q3 и ниже не выпускались из-за существенного ухудшения качества. Для примера качества приведены тесты v41 с sampler Euler, beta scheduler и 30 шагами. Лицензия — Apache-2.0. Карточка также содержит пометку not-for-all-audiences, поэтому при использовании следует учитывать возможные ограничения по характеру генерируемого контента. Данные о требованиях к аппаратному обеспечению, производительности и точных различиях между версиями отсутствуют.

correctional-GPTaM — русскоязычная модель генерации текста и диалогов на основе LiquidAI/LFM2.5-2.6B-Base. Разработчик удалил шесть Mamba-слоёв и провёл LoRA-адаптацию; в репозитории указаны 2,1 млрд параметров и контекст до 128 000 токенов. Модель предназначена для переписывания сообщений с грубой или резкой лексикой в вежливой и культурной форме с сохранением исходного смысла. Для этого сценария README предписывает системный промпт и вывод только переписанного текста. Модель также заявлена для генерации текста и диалогов. На тесте WikiText-2 после адаптации указана перплексия 16,05 и скорость генерации около 33,67 токена в секунду; README сообщает, что прунинг ускорил генерацию, но ухудшил перплексию относительно исходной модели. Лицензия в метаданных обозначена как other, без конкретизации условий.

digiplay/epi_2.5Dphotogodess_diffusers — модель Stable Diffusion в формате Diffusers для генерации изображений по текстовому описанию. В карточке указана версия 3 и приведено изображение из демонстрации автора; сведения о разработчике и происхождении модели не раскрыты. Модель предназначена для создания изображений по промптам. Метаданные указывают форматы Diffusers, PyTorch и safetensors, а также лицензию «other»; конкретные условия лицензии в карточке не описаны.

ESRGAN — модель сверхразрешения изображений, разработанная Qualcomm для устройств на базе Qualcomm. Она основана на реализации ESRGAN от xinntao и предназначена для увеличения разрешения изображений с минимальной потерей качества. Модель относится к задаче image-to-image и ориентирована на локальное развертывание с использованием Qualcomm AI Hub Models и аппаратного ускорителя NPU. Модель использует контрольную точку ESRGAN_x4, принимает изображения с разрешением 128×128 и увеличивает их в четыре раза. Размер модели в формате float составляет 63,9 МБ, количество параметров — 16,7 млн. Доступны предварительно экспортированные варианты ONNX, QNN_DLC и TFLITE в форматах float и w8a16, а также возможность экспорта с пользовательскими весами, формами входных данных и настройками целевого устройства. Сильной стороной модели является оптимизация для широкого спектра устройств Qualcomm и наличие готовых артефактов для различных runtime и вариантов точности. Производительность зависит от чипсета и формата: заявленное время инференса варьируется от примерно 17 до более 1100 мс. Ограничения включают фиксированную конфигурацию входного разрешения для представленных артефактов и зависимость производительности и потребления памяти от конкретного устройства и runtime. Модель распространяется по лицензии Apache-2.0.

lllyasviel/FLUX.1-dev-gguf — это квантованная версия модели FLUX.1-dev в формате GGUF, предназначенная для генерации изображений по текстовому описанию. Базовую модель разработала Black Forest Labs, а квантование выполнил city96; данный репозиторий представляет собой GGUF-зеркало модели. Модель ориентирована на сценарии text-to-image и image generation. В предоставленных данных не указаны точная архитектура, размер модели, поддерживаемые языки, контекст, наборы модальностей и конкретные характеристики качества или производительности. Квантованный формат может быть удобен для запуска в совместимых инструментах и уменьшения требований к ресурсам, однако возможны компромиссы по качеству и совместимости. Модель распространяется по лицензии flux-1-dev-non-commercial-license; для коммерческого использования она не предназначена.

Runpod/FLUX.2-klein-4B-mflux-4bit — это 4-битная квантизированная версия FLUX.2 [klein] 4B от Black Forest Labs, подготовленная Runpod / OpenClaw2Go для запуска через mflux на компьютерах Apple Silicon. В основе — плотный rectified flow transformer с 4 млрд параметров; веса занимают около 4,3 ГБ и сохранены в формате safetensors. Модель предназначена для генерации изображений по текстовому запросу и редактирования изображений с несколькими референсами. Репозиторий рассчитан на mflux версии 0.16.0 и новее и использует MLX; указанное в README время генерации изображения 512×512 на M3 Pro — около 11 секунд при четырёх шагах. Это практичная компактная сборка для локальной генерации на Apple Silicon, однако README сообщает, что она работает только с mflux, а результат квантизации может отличаться от полноточной версии. Лицензия — Apache 2.0, допускающая коммерческое использование.

CSATv2 11M Food/Not-Food Classifier v2 — бинарный классификатор изображений от автора mrdbourke для конвейера Nutrify. Модель на 10,7 млн параметров относит изображение к одному из классов: «еда или напиток» и «не еда и не напиток»; в метаданных указаны библиотека timm и формат весов safetensors. Модель предназначена для быстрой фильтрации изображений еды и напитков, в том числе на устройстве и при обработке меню, панелей и рецептов в большом масштабе. Версия v2 обучена на данных DataComp и FoodVision: для FoodVision использовалась человеческая разметка, а для DataComp — дистилляция по мягким меткам SigLIP2-so400m. README сообщает точность 97,99% и F1 0,9869 на тесте FoodVision, а для варианта по умолчанию — точность 89,98% на валидации DataComp. В репозитории представлены три варианта весов для сбалансированного результата, теста FoodVision или валидации DataComp. Лицензия — Apache-2.0. Указанные метрики получены на наборах FoodVision и DataComp; качество на иных распределениях изображений может отличаться.

Sa1i/gakki-mix-768 — модель преобразования текста в изображения для Stable Diffusion, распространяемая в форматах Diffusers, PyTorch и Safetensors. Карточка рекомендует использовать её с VAE. Модель подходит для создания изображений по текстовым запросам. В README указано, что коммерческое использование и применение в незаконных целях запрещены. Модель распространяется по лицензии CreativeML OpenRAIL-M.

ganeshkharad/gk-hinglish-sentiment — модель классификации тональности на основе BERT, дообученная автором на небольшом наборе отзывов на хинглиш, то есть на смеси хинди и английского. Она присваивает тексту одну из трёх меток: отрицательная, нейтральная или положительная. Модель предназначена для анализа отзывов и других коротких сообщений на хинглише, особенно в индийском контексте. Модель принимает текст и выдаёт метку тональности. В метаданных указаны 205,1 млн параметров и контекст до 512 токенов. Лицензия — Apache-2.0. Автор отмечает, что обучающих данных было мало; поэтому качество на других языках, письменностях и жанрах не установлено, а результаты на хинглише могут быть нестабильны.