IV.1Ритейл, электронная коммерция и fashion-tech

Fluently XL V1 — дообученная модель генерации изображений по текстовым запросам, созданная на базе Stable Diffusion XL Base 1.0. Репозиторий содержит веса в форматах Diffusers и Safetensors; для работы используется библиотека Diffusers. Модель предназначена для создания изображений в художественном и реалистичном стилях, в том числе портретов, природных сцен и изображений с выразительным контрастом. В карточке автор отмечает внимание к анатомии и лицам и приводит настройки для Automatic1111 и ComfyUI: 20–35 шагов, Euler или Euler a, CFG Scale 4–6,5. Модель создана с использованием изображений из наборов Midjourney Images, DALL·E 3 Images и Fav Images. Указана лицензия «other»; конкретные условия использования в карточке не раскрыты.

FLUX.1 [dev] Abliterated-v2 — модифицированная текстово-графическая модель генерации изображений на основе FLUX.1 [dev], представленная автором репозитория aoxo. В README указаны архитектура Rectified Flow Transformer и размер 12 млрд параметров. Модель предназначена для создания изображений по текстовым запросам; она построена на базе FLUX.1 [dev] и использует формат Diffusers с весами Safetensors. Автор описывает модификацию как abliteration через unlearning: изменение механизма отказа, чтобы модель отвечала на более широкий круг запросов. При этом сохраняются основные возможности исходной модели. В карточке также заявлено обучение на разнообразном визуальном и текстовом содержимом, без подробностей о составе данных. Модель рассчитана на генерацию изображений из текстовых промптов на английском языке. README показывает использование через Diffusers, но не приводит лицензию. Указанное снятие механизма отказа может приводить к генерации неподходящего или вредоносного контента; конкретные ограничения качества и безопасности в карточке не описаны.

Strangerzonehf/Flux-Ultimate-LoRA-Collection — коллекция адаптеров LoRA для генерации изображений на основе black-forest-labs/FLUX.1-dev. Автор или организация-разработчик коллекции в README явно не указаны. Модель предназначена для задач text-to-image и image-to-image, включая создание реалистичных, художественных, аниме-, 3D-, мультяшных и стилизованных изображений. В состав входят многочисленные файлы в формате .safetensors, каждый размером преимущественно около 613 МБ, а один из указанных адаптеров — 306 МБ. Коллекция охватывает стили и тематики, связанные с персонажами, одеждой, автомобилями, портретами, концепт-артом, логотипами, обложками, освещением, цветовой палитрой, HDR, изометрической 3D-графикой и другими визуальными направлениями. Архитектура, количество параметров, поддерживаемые языки и размер контекста отдельно не указаны; базовой моделью является FLUX.1-dev. Сильная сторона коллекции — широкий выбор специализированных адаптеров для изменения визуального стиля и содержания изображений без замены базовой модели. Ограничения заключаются в отсутствии подробных инструкций по применению, параметров инференса, оценки качества и описания совместимости отдельных адаптеров. Использование регулируется лицензией flux-1-dev-non-commercial-license; в README также указана лицензия other и приведена ссылка на условия FLUX.1-dev.

Это модель семантической сегментации изображений с архитектурой FPN из библиотеки segmentation-models-pytorch. Карточка показывает, что модель можно загрузить через API библиотеки smp.from_pretrained; веса опубликованы в формате safetensors. Разработчик модели и сведения о базовой модели не указаны. Модель предназначена для разметки областей на изображениях. В карточке нет названия обучающего набора данных и метрик качества, поэтому оценить её точность и пригодность для конкретного сценария нельзя. Лицензия — MIT.

InterDiffusion-3.5 — модель генерации изображений по текстовому описанию, опубликованная пользователем cutycat2000x и рассчитанная на запуск через библиотеку Diffusers. В README указано, что модель основана на InterDiffusion-3, занимает около 6,5 ГБ и частично использует текстовую составляющую. Рекомендуются запросы в форме предложений длиной до 200 слов, разрешение 1920×1088 и 70 шагов генерации. Модель предназначена для создания изображений по развернутым текстовым промптам. Репозиторий содержит веса в формате Safetensors для Diffusers; лицензия — MIT. Количество параметров и поддерживаемые языки в предоставленных данных не указаны.

JevOne — дообученная после базового обучения модель Juspay на основе Qwen/Qwen3.6-35B-A3B для типизированных задач принятия решений. Это причинная языковая модель с архитектурой Mixture of Experts и 35 млрд параметров; файлы модели представлены в формате safetensors. Она предназначена для классификации по заданным вариантам, бинарных решений и порядкового оценивания по состоянию и набору типизированных вопросов. Ответы включают вероятности или распределения вероятностей, а воспроизводимая конфигурация использует детерминированное считывание токенов-кандидатов, проверку прямого и обратного порядка вариантов, калибровку вероятностей и преобразование схемы. Модель обслуживается через совместимый с TypeSafe API `/v1/systemone`; README сообщает о локальной оценке на публичных уровнях JEVBench. Для запуска проверенной конфигурации README указывает SGLang, две видеокарты и примерно 66 ГБ файлов модели; требования к памяти KV-кэша существенны. Указана лицензия Apache-2.0. Карточка не приводит языки задач или отдельные ограничения точности, поэтому их нельзя уточнить по имеющимся данным.

Aminfri/juggernaut-z-fast-diffusers — собранная модель в формате Diffusers для генерации изображений по текстовым запросам и подготовки к экспорту в OpenVINO. Репозиторий объединяет файлы pipeline, конфигурации, текстового энкодера, токенизатора и VAE из RunDiffusion/Juggernaut-Z-Image с ускоренными FP16-весами трансформера из RunDiffusion/Juggernaut-Z-Image-Fast. Модель основана на Tongyi-MAI/Z-Image и предназначена для text-to-image генерации. В README не приведены сведения о размере модели, длине контекста и поддерживаемых языках, кроме английского языка в метаданных. Лицензия — CC BY-NC 4.0; перед коммерческим использованием необходимо проверить условия лицензирования исходной Fast-модели.

ChrisColeTech/krea2-turbo-uncensored-v1.1-FP8 — это модифицированная и предварительно объединённая версия Krea 2 Turbo, разработанная ChrisColeTech на основе Krea-2-Turbo и conradlocke/krea2-identity-edit. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображений и сохранения идентичности персонажей. Веса включают пять объединённых адаптеров LoRA: для детализации лица и чувствительных областей, усиленного редактирования и сохранения идентичности, ускорения генерации в четыре шага, детализации кожи и снижения ограничений на NSFW-контент. При этом заявлены ограничения для незаконного контента, а сама модель ориентирована преимущественно на взрослые сценарии. Модель использует новую Transformer-архитектуру и рассчитана на работу в ComfyUI через папку diffusion_models. В составе указаны Transformer в формате GGUF размером около 7,22 ГБ, текстовый энкодер Qwen3-VL 4B в FP8 размером около 5,24 ГБ и VAE Qwen Image размером около 254 МБ. Рекомендуемое разрешение — 1024×1024, минимальное — 512×512; обычно используется CFG 1.0 и 8 шагов, при этом поддерживаются режимы от 4 до 16 шагов. FP8 позиционируется как быстрый вариант, включая работу на видеокартах с небольшим объёмом памяти. Сильными сторонами являются высокая скорость, поддержка текстовой генерации и image-to-image, детализированная кожа, усиленное редактирование и сохранение идентичности. Ограничения включают возможные изменения лиц между генерациями и несовершенство редактирования; для стабильности требуются подробные и прямые промпты. Лицензия в карточке указана как unknown, поэтому условия коммерческого и иного использования необходимо уточнять отдельно.

LazyMix-Uncensored — модель генерации изображений по текстовым запросам, опубликованная в пространстве nesaorg на Hugging Face. Репозиторий предоставляет веса в форматах Diffusers и Safetensors, включая варианты fp16 и fp32, и использует StableDiffusionPipeline. Карточка показывает пример генерации изображения по текстовому описанию. Модель предназначена для создания изображений по текстовым промптам. В карточке не приведены сведения о базовой модели, обучении, поддерживаемых языках, длине контекста или лицензии; поэтому эти характеристики нельзя надёжно указать.

Yntec/lnkdn — конвертированная в формат Safetensors модель для генерации изображений по текстовому описанию, опубликованная под именем LinkedIn Diffusion. В карточке приведены примеры запросов для создания портретов, городских сцен, фантастических сюжетов и рынков; модель использует библиотеку Diffusers и формат весов Safetensors. Модель предназначена для генерации изображений по текстовым запросам. Указана лицензия CreativeML OpenRAIL-M. Подробности об архитектуре, числе параметров и контексте в предоставленных данных отсутствуют.

Mystic-XXX-ZIT-V7 — модель-адаптер LoRA для генерации изображений по текстовому описанию. Она разработана пользователем или организацией SaveliiAge и предназначена для использования с базовой моделью Tongyi-MAI/Z-Image-Turbo в экосистеме Diffusers. В карточке указано, что модель относится к семейству diffusion LoRA и работает в сценариях text-to-image. README не содержит сведений о размере адаптера, архитектурных деталях, поддерживаемых языках, длине контекста, специализации визуального стиля, результатах тестирования или известных ограничениях качества. Лицензия и условия коммерческого использования также не указаны, поэтому их необходимо уточнить отдельно перед применением модели.

OptiMind-SFT — специализированная модель Microsoft Research, разработанная группой Machine Learning and Optimization для преобразования описаний задач исследования операций на естественном языке в математические постановки и исполняемый код на Python с GurobiPy. Она предназначена для формулирования задач смешанно-целочисленного линейного программирования (MILP), включая планирование цепочек поставок, составление расписаний и распределение ресурсов, а также для прототипирования и обучения методам оптимизационного моделирования. Модель основана на архитектуре Transformer семейства gpt-oss с механизмом Mixture of Experts. В README указано 20 млрд параметров, из которых активны 3,6 млрд; метаданные каталога указывают 1,6 млрд параметров. Контекст составляет около 128 тысяч токенов. На вход подаётся текстовое описание задачи, на выходе — текстовая математическая формулировка и код GurobiPy. Модель дообучена на очищенных версиях OR-Instruct и OptMATH; карточка указывает английский язык и лицензию MIT. Модель специализирована на задачах исследования операций и не предназначена для общего диалога. Она может выдавать неверные формулировки, ошибочный код или некорректные выводы о допустимости и оптимальности; результаты и код требуют проверки специалистом, а код — безопасной проверки перед запуском. Для значимых решений необходим человеческий контроль.

Paragon V1.0 — модель генерации изображений по текстовому описанию в формате Diffusers, опубликованная SG161222. В карточке указаны рекомендации по генерации: sampler Euler A, CFG Scale 5–12 и Clip Skip 2; необходимый VAE уже встроен в модель. Модель находится на этапе тестирования. Для повышения качества автор рекомендует использовать отрицательный промпт, отсекающий анатомические искажения и нежелательные стили, а для увеличения изображения — Hires.Fix с умеренным denoising strength. Репозиторий распространяется в формате safetensors по лицензии CreativeML OpenRAIL-M.

ovi054/QIE-2511-Draw2Photo-LoRA — это LoRA-адаптер для базовой модели Qwen/Qwen-Image-Edit-2511, предназначенный для работы в сценариях image-to-image. По названию модели и указанному триггеру «make it real» адаптер ориентирован на преобразование рисунков или схематичных изображений в более реалистичные изображения, однако подробное описание целевого эффекта в README отсутствует. Модель использует библиотеку diffusers и относится к классу LoRA; базовая архитектура, количество параметров, поддерживаемые языки и максимальный контекст не указаны. README также не содержит сведений о точных требованиях к входным изображениям, настройках инференса, качестве на разных типах данных и ограничениях применения. Разработчик указан как ovi054. Лицензия и условия использования в предоставленных материалах не указаны, поэтому их необходимо уточнить на странице модели. Для активации адаптера рекомендуется использовать триггерную фразу «make it real».

digiplay/revAnimated_v11 — модель генерации изображений по текстовому описанию, опубликованная пользователем digiplay на Hugging Face. Репозиторий содержит модель в форматах Diffusers и safetensors; метаданные связывают её со StableDiffusionPipeline. Модель предназначена для создания изображений по текстовым запросам. Лицензия указана как «other», поэтому условия использования следует проверять отдельно на странице модели. Карточка README не содержит дополнительных сведений о характеристиках или ограничениях.

Модель edumunozsala/roberta_bne_sentiment_analysis_es — испаноязычная модель классификации тональности, созданная Эдуардо Муньосом Салой и дообученная на базе RoBERTa-base-bne. Базовая модель RoBERTa была разработана Национальной библиотекой Испании и предварительно обучена на крупном испаноязычном корпусе. Модель содержит 151,8 млн параметров, использует архитектуру RoBERTa и принимает текст с контекстом до 514 токенов. Она предназначена прежде всего для определения тональности испанских отзывов о фильмах; автор также указывает на применимость к другим видам отзывов. В описании приведены результаты на тестировании: accuracy 0,911 и F1 0,909. Модель можно применять для анализа мнений в испаноязычных отзывах и классификации пользовательских оценок. Модель распространяется под лицензией Apache-2.0. Её качество подтверждено на наборе отзывов о фильмах, поэтому результаты на других типах текстов могут отличаться; контекст ограничен 514 токенами.

RUAC for SAM 2.1 Hiera Base Plus — контрольная точка модели для сегментации изображений, разработанная для метода Segment Anything with Robust Uncertainty-Accuracy Correlation. Она дообучает SAM 2.1 Hiera Base Plus на обучающей части MOSE и добавляет байесовский декодер масок Weibull и ветвь обучения для оценки неопределённости. Модель принимает изображение и визуальные подсказки, например точку, и выдаёт маску сегментации вместе с картой неопределённости на уровне пикселей. Модель рассчитана на сегментацию объектов с подсказками и оценку уверенности предсказаний, в том числе при переносе на данные из других доменов. В опубликованной конфигурации неопределённость оценивается по энтропии Бернулли на основе 20 выборок Монте-Карло. Авторы сообщают о нулевом переносе на 23 набора данных вне обучающего домена. Веса распространяются в формате safetensors; для загрузки используется собственный загрузчик RUAC, модель не зарегистрирована в Transformers AutoModel. Лицензия — Apache-2.0. RUAC сохраняет интерфейс SAM2 с сегментацией по подсказкам: она не классифицирует объекты по семантическим классам. Качество оценки неопределённости может меняться в зависимости от домена, выбранной подсказки и числа выборок Монте-Карло. Перед применением в критически важных сценариях модель следует оценить на целевых данных.

SenseNova-SI-1.1-Qwen3-VL-8B — мультимодальная модель для пространственного понимания, разработанная командой SenseNova на основе Qwen3-VL-8B-Instruct. Она дообучена на наборе SenseNova-SI-8M, содержащем восемь миллионов разнообразных примеров, отобранных по таксономии пространственных способностей. Модель принимает текст и изображения и предназначена для диалогового анализа визуальных сцен, пространственных отношений и задач визуального рассуждения. Модель относится к семейству Qwen3-VL и использует плотную архитектуру Qwen3VLForConditionalGeneration. В README семейство SenseNova-SI описано как сохраняющее сильные возможности общего мультимодального понимания и показывающее результаты на тестах пространственного интеллекта; конкретные показатели в карточке относятся к семейству в целом и не выделены для этой версии. Модель распространяется по лицензии Apache-2.0. Данных о размере контекста и поддерживаемых языках для данной версии в предоставленных источниках нет.

SPO-SDXL_4k-p_10ep — модель генерации изображений по тексту от авторов метода Step-by-step Preference Optimization (SPO). Она дообучена на базе Stable Diffusion XL Base 1.0 для улучшения эстетического качества изображений и соответствия текстовым запросам. Чекпойнт объединяет веса LoRA с базовой моделью; обучение проводилось на 4 000 запросах в течение 10 эпох. Модель подходит для создания визуально привлекательных изображений по текстовым описаниям, в том числе для творческих задач и генерации иллюстраций. Она использует архитектуру Stable Diffusion XL и формат Diffusers с весами Safetensors. Лицензия — Apache-2.0. В README заявлено улучшение эстетики без ухудшения соответствия изображения запросу; независимые показатели качества в карточке не приведены.

Stable Diffusion 2.1 UnCLIP — модель генерации и преобразования изображений, разработанная Робином Ромбахом и Патриком Эссером; этот репозиторий является зеркалом устаревшей модели Stability AI и не связан с компанией. Модель дообучена на Stable Diffusion 2.1 и принимает текстовый запрос вместе с зашумлённым CLIP-эмбеддингом изображения. Уровень шума позволяет управлять тем, насколько результат будет отличаться от исходного изображения; модель также подходит для создания вариаций изображений и работы в связке с текстово-изобразительным CLIP-prior. Это латентная диффузионная модель с фиксированным текстовым энкодером OpenCLIP-ViT/H. Использовать её можно через Diffusers; репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. Основной язык запросов — английский, на других языках качество ниже. Модель не гарантирует фотореализм, плохо справляется с точным расположением объектов и читаемым текстом, а лица и люди могут получаться некорректно. Лицензия — CreativeML Open RAIL++-M. Карточка рекомендует модель для исследований, творчества и дизайна и описывает ограничения на вредоносное использование. Данные обучения происходят из LAION-5B и её подмножеств; несмотря на фильтрацию, возможны смещения и нежелательное содержимое.

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.

TAT-LLM-7B-FFT — специализированная языковая модель на архитектуре LLaMA 2, разработанная для вопросов и ответов по табличным и текстовым данным. Согласно карточке, модель создана полным дообучением LLaMA 2 на автоматически подготовленных данных из финансовых обучающих наборов FinQA, TAT-QA и TAT-DQA; размер по метаданным — 6,6 млрд параметров, контекст — 4096 токенов. Модель использует пошаговый подход: извлечение данных, рассуждение и выполнение вычислений; для повышения точности авторы также описывают внешний исполнитель промежуточных вычислений. Модель предназначена прежде всего для финансового анализа таблиц и текстовых документов, включая ответы на вопросы по финансовым отчётам и выполнение необходимых для ответа вычислений. README сообщает о результатах на FinQA, TAT-QA и TAT-DQA, но приведённая таблица относится к варианту LORA и не подтверждает показатели именно этой FFT-модели. Лицензия — Llama 2; применимость лицензии следует оценивать с учётом её условий.

V-JEPA 2.1 ViT-g/16 384 — конвертированная упаковка видеомодели Meta AI в формате Hugging Face для библиотеки Transformers. Репозиторий содержит энкодер и предиктор с исходными весами Meta; в энкодере объединённые проекции QKV разделены на отдельные матрицы query, key и value без изменения весов. В README указан размер 1,07 млрд параметров, а метаданные каталога — 1,3 млрд. Модель обучена с иерархической самодистилляцией представлений последних четырёх уровней, поддерживает обработку видео с разрешением 384×384 и извлечение многоуровневых признаков. Модель предназначена для извлечения признаков из видеоклипов и как основа для обучения проб классификации видео. Также доступны промежуточные представления энкодера и предиктор для masked prediction. Пространственно-временные токены формируются с сеткой 24×24 и временным измерением в половину числа кадров; интерполяция RoPE позволяет использовать другие разрешения и неквадратные кадры. Число токенов быстро растёт с длиной клипа, поэтому длинные видео требуют значительных вычислительных ресурсов. Классификационная голова и attentive pooler инициализируются заново и требуют обучения. Лицензия — MIT.

Репозиторий содержит конвертированные в Core ML модели Ultralytics YOLOv8 Pose вариантов n, s и m для оценки позы человека на устройствах Apple. Модели предназначены для приложений и игр, которым нужно находить людей и оценивать 17 ключевых точек тела по схеме COCO. Вариант n рассчитан на минимальные задержку и потребление ресурсов, s предлагает баланс скорости и точности, а m ориентирован на более высокую точность. Модели принимают RGB-изображение размером 640 × 640 с предварительным letterbox-преобразованием и возвращают сырые предсказания в виде массива FP32 размером 1 × 56 × 8400: рамки объектов, оценки людей и координаты с видимостью для 17 ключевых точек. Пакеты `.mlpackage` используют точность FP16 и предназначены для запуска на CPU, GPU и Apple Neural Engine. NMS не встроен, поэтому после инференса необходимо применить фильтрацию по уверенности и NMS, а также декодировать ключевые точки и восстановить координаты. Это конверсия ресурсов Ultralytics v8.2.0 в формат Core ML для macOS и Apple Silicon. Лицензия репозитория — AGPL-3.0.

CalypsoCrunchies99/zhmixfantasyv30_vaefix — модель генерации изображений по текстовому описанию, опубликованная пользователем CalypsoCrunchies99 на Hugging Face. В метаданных она обозначена как text-to-image и связана с библиотекой Diffusers и StableDiffusionPipeline. Модель предназначена для создания изображений по текстовым промптам в сценариях text-to-image. Достоверные сведения о числе параметров, поддерживаемых языках, длине контекста, лицензии, точной специализации, архитектурных деталях и ограничениях в доступных источниках отсутствуют.

add-detail-xl — модель типа LoRA, разработанная LyliaEngine для настройки детализации изображений при генерации на базе LyliaEngine/Pony_Diffusion_V6_XL, совместимой с экосистемой Stable Diffusion и Diffusers. Она предназначена для сценариев text-to-image и позволяет управлять уровнем детализации изображения с помощью веса адаптера: положительные значения усиливают детализацию, а отрицательные уменьшают её. Модель может применяться для фотореалистичных сцен, портретов и других изображений, где требуется корректировать выразительность мелких деталей. Рекомендуемый диапазон веса составляет от -3 до 3, а начальное значение — около 1,5 с последующей настройкой в зависимости от промпта и количества шагов сэмплирования. Для активации отдельное ключевое слово не требуется: в README указано использовать None. Веса доступны в формате Safetensors. Лицензия модели — CDLA-Permissive-2.0. Ограничения включают зависимость результата от базовой модели, промпта, веса LoRA и параметров сэмплирования; сведения о размере, точной архитектуре, поддерживаемых языках и модальностях помимо генерации изображений не указаны.

Anima-2.9B-GGUF — это квантизированная версия модели Anima-2.9B для генерации изображений по текстовому описанию. Исходная модель разработана Gazingstars123 на базе circlestone-labs/Anima, а преобразование весов в формат GGUF выполнено vanes430. Модель предназначена прежде всего для эффективного запуска в ComfyUI с использованием ComfyUI-GGUF. Модель относится к text-to-image и поддерживает английский язык. Варианты Q8_0, Q5_0 и Q4_0 имеют размер примерно 3,15, 2,10 и 1,75 ГБ соответственно; рекомендуемые требования к видеопамяти составляют от 6 ГБ для Q8_0 и от 4 ГБ для Q5_0 и Q4_0. Квантизация позволяет снизить требования к ресурсам, при этом Q8_0 обеспечивает качество, близкое к исходному, Q5_0 предлагает баланс качества и производительности, а Q4_0 ориентирован на более быстрый запуск при ограниченной видеопамяти. В предоставленных данных не указаны подробности архитектуры, максимальное разрешение, длина контекста, поддерживаемые дополнительные модальности и результаты оценивания. Основные ограничения связаны с поддержкой только английского языка, зависимостью от совместимого рабочего процесса ComfyUI и возможными потерями качества при более агрессивной квантизации. Модель распространяется по CircleStone Labs Non-Commercial License, то есть её использование ограничено некоммерческими сценариями.

Chinese-Emotion — модель классификации китайских текстов по эмоциональному тону, разработанная автором репозитория Johnson8187 и дообученная на базе joeddav/xlm-roberta-large-xnli. Она предназначена для анализа эмоциональной окраски сообщений и различает восемь меток: нейтральный, обеспокоенный, радостный, сердитый, грустный, вопросительный, удивлённый и отвращённый тон. Модель построена на архитектуре XLM-RoBERTa для классификации последовательностей, содержит 658,7 млн параметров и принимает текст длиной до 514 токенов. В карточке указано, что для дообучения использованы 4 000 размеченных примеров на традиционном китайском языке из набора Chinese_Multi-Emotion_Dialogue_Dataset. Модель подходит для мониторинга эмоционального тона в обращениях клиентов, анализа публикаций в социальных сетях и классификации отзывов. Лицензия — MIT. Автор описывает модель как вариант с более быстрым выводом и близкими результатами по сравнению с более крупным вариантом, однако конкретные показатели качества не приведены. Описанная разметка ориентирована на китайский язык, поэтому применимость к другим языкам и формам текста не подтверждена.

Cosmos-Reason2-8B-W4A16-FlashHead — оптимизированная Embedl версия мультимодальной модели NVIDIA Cosmos-Reason2-8B. Она предназначена для низколатентного инференса на GPU NVIDIA и принимает текст и изображения или видео, выдавая текст. Для ускорения применены квантизация W4A16 и FlashHead — эффективная замена языковой головы; для запуска требуется плагин flash-head для vLLM. Основа модели рассчитана на визуальное рассуждение, видеоаналитику и планирование действий в робототехнике и физическом ИИ. В метаданных формат файлов обозначен как safetensors, а лицензия — other. README не приводит подробных результатов бенчмарков: они вынесены в отдельный репозиторий Edge-Inference-Benchmarks.

DonutHoleMix_Beta — модель генерации изображений по текстовому описанию в формате Diffusers. Карточка не содержит сведений о разработчике или архитектуре; метаданные указывают на использование StableDiffusionPipeline. Модель предназначена для создания изображений по текстовым запросам. Данных о специализации, языках запросов и особенностях генерации в карточке нет. Репозиторий опубликован 29 июня 2024 года и распространяется по лицензии с обозначением «other»; конкретные условия лицензии в предоставленных данных не раскрыты.