IV.1Ритейл, электронная коммерция и fashion-tech

matttrent/sd-image-variations-diffusers — версия Stable Diffusion для создания вариаций по входному изображению, подготовленная в формате Diffusers на основе CompVis/stable-diffusion-v1-3-original. Модель дообучена принимать эмбеддинг изображения CLIP вместо текстового эмбеддинга: изображение кодируется энкодером ViT-L/14 с проекцией в общее пространство CLIP, после чего модель генерирует новые изображения, сохраняющие связь с исходным. Репозиторий содержит веса в форматах Diffusers и PyTorch; для использования с Diffusers в карточке упомянут Lambda Diffusers. Модель подходит для художественных вариаций изображений, творческих инструментов и изучения генеративных моделей. В README её назначение ограничено исследовательскими целями. Лицензия указана как other, поэтому конкретные условия следует проверять отдельно. Модель может плохо передавать сложные композиции, лица и читаемый текст; реалистичность не гарантирована. Данные обучения преимущественно англоязычные, содержали материалы для взрослых и не были дедуплицированы, поэтому возможны смещения, снижение качества на неанглийских запросах и запоминание изображений. Авторы рекомендуют использовать Diffusers Safety Checker.

vladocar/3dfood — модель генерации изображений на основе Stable Diffusion 1.5, дообученная разработчиком на концепции 3dfood методом DreamBooth с использованием fast-DreamBooth. Она предназначена для создания изображений еды в 3D-стилистике по текстовым запросам; для вызова концепции в запросе используется фраза «3dfood». Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M.

AppGen Qwen3 Continue-SFT Norm1000 Navigation Thinking — дообученная Luca0621 модель семейства Qwen3-VL для навигации по графическому интерфейсу мобильных приложений. Она принимает изображение экрана и текстовую инструкцию, а затем формирует нормализованные вызовы инструмента mobile_use; перед вызовом использует пустой блок Qwen3 think. Модель обучена продолжительным полным дообучением на навигационных данных, производных от AMEX, при замороженной визуальной части. В оценке на реальных GUI-бенчмарках README сообщает среднюю точность 82,33% и взвешенную точность 79,26%. Это специализированный чекпойнт для управления мобильным интерфейсом, а не универсальный визуальный ассистент. Лицензия — Apache-2.0.

DA3Mono-LARGE-MLX-fp16 — версия Depth Anything 3 Mono от ByteDance, преобразованная для запуска с библиотекой MLX на Apple silicon. Модель принимает одно RGB-изображение размером 504×504 и оценивает монокулярную глубину сцены; архитектура включает backbone DINOv2 ViT-L/14, голову DPT и дополнительную ветвь оценки неба. Веса представлены в fp16. Модель выдаёт карту глубины и карту оценок неба для входного изображения. Фиксированное разрешение связано с заранее интерполированными позиционными эмбеддингами. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

LiheYoung/depth_anything_vitb14 — базовая модель Depth Anything, представленная в работе «Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data». Она предназначена для оценки глубины по изображению и относится к семейству Depth Anything; веса опубликованы в формате PyTorch. Модель принимает изображение и предсказывает карту глубины, что подходит для анализа сцены и получения приблизительной пространственной структуры объектов. Карточка ссылается на демонстрацию и страницу проекта, но не приводит подробностей об архитектуре, размере, языках или условиях лицензии. Карточка не описывает известные ограничения точности и условий применения. Перед использованием следует проверить лицензию репозитория и учитывать, что оценка глубины по одному изображению является предсказанием модели.

Это модель DistilBERT для классификации токенов, созданная дообучением distilbert-base-uncased на наборе ingredients_yes_no. Она предназначена для разметки токенов в задачах, связанных с ингредиентами. В README приведены результаты на оценочном наборе: F1 0,9915, точность 0,9978, precision 0,9899 и recall 0,9932. Модель построена на архитектуре DistilBERT, принимает текст и выдаёт метки токенов. Максимальная длина контекста — 512 токенов. Опубликована в формате PyTorch по лицензии Apache-2.0. Языковые сведения сверх английского, указанного в названии базовой модели, в источниках не подтверждены.

Карточка модели lc700x/Distill-Any-Depth-Base-hf на Hugging Face совпадает с карточкой xingyang1/Distill-Any-Depth-Large-hf, поэтому описание составлено по ней. Distill-Any-Depth-Large-hf — модель для оценки глубины по одному изображению, опубликованная пользователем xingyang1. Это совместимый с библиотекой Transformers чекпойнт семейства Depth Anything, обученный с применением предложенных авторами алгоритмов дистилляции знаний и предназначенный для моноскопической оценки глубины, в том числе без дополнительной настройки под конкретный набор данных. Модель принимает изображение и выдаёт карту глубины. Её можно использовать для анализа сцены по фотографии в компьютерном зрении и приложениях, которым нужна оценка относительной геометрии изображения. В карточке не приведены сведения о размере модели и её языковых возможностях; текстовый ввод и вывод не заявлены. Репозиторий распространяется по лицензии MIT.

DucHaiten Retro 2 — производная модель семейства Stable Diffusion от Yntec, предназначенная для генерации изображений по текстовым запросам. Модель распространяется в формате Diffusers и Safetensors; в неё встроен VAE 840K, который, по описанию автора, улучшает цвета и детализацию. Модель ориентирована на изображения с ретроэстетикой: визуальный стиль 1990-х, VHS- и кинематографические кадры, аналоговую фотографию и плёночное зерно. В карточке приведены примеры запросов для портретов, уличной моды и постановочных сцен. Лицензия — CreativeML OpenRAIL-M. Результаты зависят от текстового запроса; заявленное улучшение цветов и детализации приведено автором, а независимые оценки качества в карточке отсутствуют.

FastWan-QAD-1.3B-SA2 — модель генерации видео по текстовому описанию от FastVideo, созданная на базе Wan-AI/Wan2.1-T2V-1.3B-Diffusers с применением дистилляции с учётом квантования. Она рассчитана на трёхшаговый вывод и использует линейные слои NVFP4 и SageAttention2++ для ускорения генерации; заявленное время создания видео длительностью 5 секунд в разрешении 480p составляет около 2 секунд на RTX 5090. Для декодирования применяется автоэнкодер TAEHV. Модель обучена генерировать видео в разрешении 832×480, до 81 кадра при 16 кадрах в секунду. Для запуска требуется видеокарта RTX 5090 или другая с поддержкой Blackwell и NVFP4; для RTX 4090 авторы рекомендуют отдельный вариант FastWan-QAD-FP8-1.3B. Репозиторий распространяется в формате Diffusers с весами Safetensors по лицензии Apache-2.0.

Коллекция пользовательских моделей luxdelux7 для обнаружения и сегментации лиц на реалистичных, аниме и стилизованных изображениях. Модели предназначены для работы с пользовательскими узлами Forbidden Vision в ComfyUI; в репозитории указаны форматы ONNX и safetensors. Метаданные связывают модели с Ultralytics YOLO11 и EfficientNetV2-S, однако не раскрывают устройство отдельных моделей, их размеры и параметры обучения. Репозиторий распространяется по лицензии Apache-2.0. Основной сценарий — находить лица на изображениях; заявлена также сегментация лиц. Поддержка разных визуальных стилей делает коллекцию подходящей для соответствующих рабочих процессов ComfyUI. Конкретные показатели качества, поддерживаемые разрешения и ограничения не описаны.

hungdang1610/gender — дообученная модель классификации изображений на базе rizvandwiki/gender-classification, построенная на архитектуре ViTForImageClassification и содержащая 113,2 млн параметров. Она предназначена для классификации изображения по гендерным категориям «мужчина» и «женщина». Модель дообучали на 1827 изображениях ShotX; в описании указаны оптимизатор AdamW, 20 эпох и функция потерь CrossEntropy. На тестовом наборе из 240 изображений ShotX автор сообщает точность 97,08% и значение потерь 0,102212. Это результат на описанном автором наборе и не гарантирует такую же точность на других данных. Модель принимает изображения и выдаёт метку класса. Опубликована в формате safetensors под лицензией Apache-2.0.

kon172verma/intent-classifier — это набор небольших дообученных языковых моделей для маршрутизации пользовательских запросов к инструментам. Модели классифицируют запрос и выдают компактную метку маршрута вместо ответа на естественном языке. В README рекомендуется выпуск v2.1 на базе Qwen2.5-0.5B: он показал 99,9% точности на тесте и медианную задержку 253 мс. Также доступны варианты на базе Qwen3-0.6B, SmolLM2-360M и Llama 3.2 1B. Модели предназначены для выбора инструмента или возврата специальной метки, когда инструмент не нужен. В выпусках v2.x результатом служит позиционный ID, который приложение сопоставляет со списком инструментов; v1.0 выдаёт имя инструмента. README описывает generative routing и требует подавать промпт в заданном текстовом формате без шаблона чата базовой модели. Репозиторий содержит Transformers safetensors, GGUF и ONNX варианты. Метаданные указывают задачу text-classification, библиотеку Transformers и смешанную лицензию. Лицензионные условия зависят от базовой модели: для вариантов Qwen и SmolLM2 указана Apache-2.0, для Llama — Llama 3.2 Community License с требованиями Meta. Результат следует интерпретировать по контракту конкретного выпуска; опубликованные показатели относятся к оценочным наборам README и сами по себе не гарантируют такую же точность на иных инструментах и запросах.

WarmBloodAban/Krea-Edit-lora — специализированная LoRA-модель, разработанная для дообучения базовой модели KREA-2 и расширения её возможностей в редактировании изображений и создании многовидовых листов персонажей. Модель предназначена для сценариев Text-to-Image и Image-to-Image, включая генерацию разворотов персонажа по текстовому описанию или исходному изображению. Основная модель в README указана как KREA-2 Turbo, при этом также упоминается krea/Krea-2 и krea/krea-v2. LoRA поддерживает генерацию листа с четырьмя ракурсами: вид спереди, сбоку, сзади и крупный план лица. Заявлена совместимость с дополнительными style LoRA, что позволяет использовать пользовательские художественные стили. Рекомендуемые параметры: вес LoRA 1.0, 8 шагов сэмплирования и CFG Scale 1.0. Архитектура, количество параметров, точный набор языков и размер контекста не указаны. Сильные стороны модели — сохранение эстетики KREA-2, поддержка как генерации, так и редактирования изображений, а также удобное создание character turnaround для дизайна персонажей. Ограничения связаны с узкой специализацией на многовидовых изображениях персонажей и отсутствием подробных сведений о качестве, обучающих данных и совместимости с другими базовыми моделями. В репозитории приведён ComfyUI workflow и пример использования через diffusers. Лицензия — Apache-2.0.

Это модель семантической сегментации изображений Linknet с энкодером tu-resnet18, опубликованная в репозитории smp-test-models/linknet-tu-resnet18. Она предназначена для разметки пикселей изображения по классам с использованием библиотеки segmentation-models-pytorch и может загружаться через интерфейс smp.from_pretrained. В README не приведены сведения о датасете, классах сегментации и метриках качества, поэтому применимость и точность модели для конкретных данных по карточке оценить нельзя. Репозиторий распространяется по лицензии MIT.

LTX-2 — разработанная Lightricks диффузионная модель семейства DiT для совместной генерации видео и синхронизированного с ним аудио. Репозиторий предоставляет веса в формате safetensors для использования через Diffusers; карточка описывает обучаемую версию модели и варианты с квантованием FP8 и NVFP4. В README также упоминается поддержка генерации видео по текстовому описанию и изображению, однако основная задача модели в метаданных — image-to-video. Модель предназначена для локальной генерации аудиовизуальных клипов и доступна через Diffusers и узлы ComfyUI. В карточке указаны английский язык и теги языков en, de, es, fr, ja, ko, zh, it, pt. Для генерации заданы ограничения размеров: ширина и высота должны делиться на 32, а число кадров иметь вид 8n+1. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории.

MaskFormer — модель компьютерного зрения от команды MaskFormer, представленная в статье «Per-Pixel Classification is Not All You Need for Semantic Segmentation». Этот крупный вариант использует backbone Swin и обучен на ADE20K для семантической сегментации изображений. Модель предсказывает набор масок и соответствующие им метки классов. Такой подход MaskFormer также применяет к задачам сегментации экземпляров объектов и паноптической сегментации, однако данный чекпойнт предназначен для семантической сегментации сцен. Его можно использовать для разметки областей на изображениях с классами ADE20K. Репозиторий содержит веса PyTorch; лицензия указана как other.

PornMaster_Klein-9b — NSFW-файнтюн базовой модели FLUX.2-klein-9B Base, опубликованный пользователем rectangleworm; исходный автор и оригинальная публикация указаны в README отдельно. Модель предназначена для генерации и редактирования изображений и фотографий, включая обычный и эротический контент. Она распространяется как набор компонентов для Diffusers: UNet в вариантах Base и Turbo, текстовый энкодер Qwen3-VL-8B, VAE и совместимые LoRA. Модель рассчитана на работу с подробными описаниями на естественном языке, профессиональной фототерминологией и структурированными JSON-промптами. Указаны поддерживаемые языки English и Chinese; размер базовой модели — 9B. Turbo-версия может работать за 4 шага инференса, а для Base рекомендуется Turbo LoRA. Сильными сторонами являются генерация реалистичных изображений, поддержка редактирования и NSFW-сценариев, а также разнообразие форматов квантизации GGUF и Safetensors. Ограничением является слабое изменение поз и мимики при редактировании; README также отмечает компромисс между скоростью и качеством при разных значениях CFG и числе шагов. Лицензия указана как flux-non-commercial-license, поэтому коммерческое использование, вероятно, ограничено условиями этой лицензии; перед применением необходимо ознакомиться с её полным текстом. Контекстное окно, точные размеры входных и выходных изображений, системные требования и подробные результаты оценки в README не указаны.

Portrait+ — модель генерации изображений от автора wavymulder, созданная методом DreamBooth на базе Stable Diffusion 1.5 и обученная на разнообразных портретах людей от крупного до среднего плана. Для генерации рекомендуется добавлять в начало запроса фразу «portrait+ style». Модель стремится сохранять портретную композицию и единообразный вид глаз, поддерживает разные стили и лучше всего работает с квадратным форматом изображения; также возможны высокие вертикальные форматы. Для фотореалистичной генерации известных людей и фантастических образов может потребоваться более точное описание запроса. Модель предназначена для генерации изображений по тексту и ориентирована на англоязычные запросы. Лицензия — CreativeML OpenRAIL-M.

qfin — дообученная alfotech языковая модель на архитектуре Qwen2 для финансовых и количественных рассуждений. Она предназначена для ответов на финансовые вопросы и решения задач, требующих количественного анализа. Модель содержит 1,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и ориентирована на английский язык. Модель основана на unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценивания качества; как компактную модель, её ответы по финансовым расчётам и выводам следует проверять.

SOLID-Qwen3-4B-Instruct-2507 — дообученный чекпойнт на базе Qwen/Qwen3-4B-Instruct-2507, созданный для моделирования задач исследования операций и генерации ответов с проверкой решателем. Модель разработал автор репозитория JamesX421; обучение включало GRPO и пошаговую KL-супервизию с учетом результатов решателя. Это плотная авторегрессионная языковая модель семейства Qwen3 с 3,7 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 262 144 токенов. Модель предназначена для формулирования математических задач оптимизации и получения решений в шаблоне StepORLM, совместимом со стилем Gurobi. В карточке приведены результаты оценки на OptMATH, MAMO-Complex и InOR; показатели различаются по наборам данных и метрикам, поэтому качество следует проверять на целевых задачах. Модель принимает текст и генерирует текст; поддерживаемые естественные языки в карточке не уточнены. Лицензия — Apache-2.0.

SVGDreamer — модель генерации векторной графики по текстовому описанию, представленная пользователем jree423. Она использует Stable Diffusion 2.1 для управления оптимизацией SVG с помощью DiffVG и метода multi-particle VPSD: несколько вариантов изображения создаются параллельно, чтобы исследовать разные интерпретации запроса. Модель предназначена для создания иконок, логотипов, персонажей, объектов, природных сцен и абстрактной графики; доступны стили iconography, pixel art, sketch и painting. Репозиторий содержит веса PyTorch, а для работы используются PyTorch, Diffusers и DiffVG. Можно задавать число вариантов, число итераций, силу следования промпту, размеры холста, стиль и seed. Результат включает SVG-код и его Base64-представление. Лицензия — MIT. Модель подходит для быстрого прототипирования векторных иллюстраций и получения нескольких эскизных вариантов по одному промпту. Качество зависит от числа итераций и заданных параметров; генерация с большим числом итераций занимает больше времени. README не описывает поддержку текстовых языков помимо промптов на естественном языке.

Это модель классификации видео на основе TimeSformer Base, дообученная на неизвестном наборе данных. Она предназначена для отнесения видео к классам действий; точный набор классов и целевые сценарии в карточке не раскрыты. Модель содержит 113,2 млн параметров, использует архитектуру Timesformer и библиотеку Transformers. В качестве базовой модели указана facebook/timesformer-base-finetuned-k400, которая классифицирует видео по 400 категориям Kinetics-400. На оценочном наборе указаны loss 0,2059 и accuracy 0,8154; состав и размер этого набора не описаны, поэтому метрики нельзя напрямую переносить на другие данные. Репозиторий распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и ограничивающей коммерческое применение.

URPM-v2.3Final — созданный автором saftle чекпойнт Stable Diffusion 1.5, собранный слиянием моделей и предназначенный для генерации фотореалистичных изображений по текстовым запросам. Модель распространяется в форматах Diffusers и safetensors и подходит для создания взрослых изображений и других реалистичных сцен. В сравнении с версией 2.2 автор отмечает улучшенную анатомию и детализацию лиц, но возможное ухудшение изображения пальцев. README рекомендует осторожно составлять негативный запрос: без него возможны нежелательные сочетания NSFW-контента с изображением людей разных возрастов. Для модели доступна лицензия, указанная в карточке Hugging Face; в предоставленных данных её условия не приведены.

bykhan/wan-1.3b-gguf — квантованная в формате GGUF версия моделей Wan2.1-T2V-1.3B и Wan2.1-VACE-1.3B, разработанных Wan-AI и адаптированных для запуска через gguf-node, gguf-connector и ComfyUI. Модель предназначена прежде всего для генерации видео по текстовому описанию, а вариант VACE также рекомендован для сценариев image-to-video и video-to-video без отдельного vision CLIP. Доступны варианты квантования Q4_0 и Q8_0 для моделей T2V и VACE. В состав рабочего набора входят модель Wan, текстовый энкодер UMT5 и VAE; для запуска требуется совместимое окружение ComfyUI и соответствующие узлы. В карточке указана поддержка английского языка. Архитектурные детали, точная длина контекста, разрешение и длительность генерируемого видео не приведены. Ключевое преимущество — возможность запуска уменьшенных GGUF-версий и совместимость с несколькими инструментами, что может снизить требования к ресурсам по сравнению с исходными моделями. Ограничения включают зависимость от специализированных узлов и компонентов, необходимость обновления узла для поддержки GGUF-энкодера UMT5, а также возможную нехватку памяти при первоначальной сборке токенизатора. Модель распространяется по лицензии Apache-2.0.

Analog-Diffusion — модель генерации изображений по текстовому описанию, созданная wavymulder. Это DreamBooth-дообучение Stable Diffusion 1.5 с VAE на наборе разнообразных аналоговых фотографий; для выраженного стиля автор рекомендует добавлять в запрос токен «analog style». Модель предназначена для создания изображений с эстетикой аналоговой фотографии. Автор отмечает, что отрицательные подсказки «blur» и «haze» могут повысить резкость, но ослабить плёночный эффект. Также он предупреждает о склонности модели к откровенным изображениям и предлагает использовать «naked» в отрицательной подсказке; обучающий набор, по словам автора, не содержал материалов NSFW. Модель распространяется по лицензии CreativeML OpenRAIL-M.

iSshobhit разработал чат-модель на базе Qwen3-4B для первичной сортировки споров клиентов BNPL-сервисов. Она принимает жалобу вместе с записью о транзакции и формирует структурированный JSON с типом спора, серьёзностью, применимой политикой, рекомендацией и операционными флагами. Модель рассчитана на обработку случаев, связанных с двойными списаниями, неполученными товарами, задержкой возвратов, неверными суммами и несанкционированными операциями, в том числе в контексте рынков стран GCC. Модель дообучена в три этапа: адаптация к предметной области, инструкционное обучение и оптимизация предпочтений; применялись QLoRA и 4-битная квантизация. Обучение велось на английском языке, с ChatML-шаблоном и максимальной длиной последовательности 1024 токена. Лицензия — Apache-2.0. Это инструмент поддержки решений: он рекомендует маршрут обработки, но не выполняет финансовые действия. По README, данные политики синтетические, а оценочный набор мал; поэтому выводы требуют проверки оператором, особенно для мошенничества и случаев, требующих расследования.

KBlueLeaf/DanTagGen-delta — модель генерации тегов для изображений, разработанная KBlueLeaf. Она предназначена для автоматического дополнения описаний изображений в формате тегов Danbooru и может использоваться в рабочих процессах генерации изображений, включая подготовку промптов для моделей Stable Diffusion. Модель принимает структурированные поля качества, рейтинга, художника, персонажей, авторских прав, соотношения сторон, целевой длины и общих тегов, после чего генерирует дополнительные теги. Модель обучена с нуля на архитектуре LLaMA примерно на 400 млн параметров, которую автор называет NanoLLaMA. Версия delta предварительно обучалась на 7,2 млн записей в течение 10 эпох; в ходе обучения модель увидела приблизительно 10–15 млрд токенов. По сравнению с предыдущими версиями она отличается большим объёмом данных и лучшим разнообразием генерируемых тегов, хотя может быть слегка недообученной. Указан английский язык, библиотека Transformers и сценарий text-generation. Для запуска рекомендуется llama.cpp или llama-cpp-python; также доступны модели в форматах FP16 GGUF и квантованных вариантах 8-bit и 6-bit. Модель ориентирована на изображения и содержит тег not-for-all-audiences, поэтому результаты могут включать чувствительный или взрослый контент. К ограничениям относятся зависимость от специализированного формата входных данных и возможная неполнота или неточность тегов. Модель распространяется по лицензии CC BY-NC-SA 4.0, допускающей использование с указанием авторства, на некоммерческих условиях и с сохранением аналогичной лицензии для производных материалов.

DPT-Large (также MiDaS 3.0) — модель Intel для оценки глубины по одному изображению. Она основана на Vision Transformer (ViT) с дополнительными neck- и head-слоями для плотного предсказания глубины. Модель содержит около 402,7 млн параметров и обучалась на 1,4 млн изображений. Модель предназначена для оценки глубины без дообучения и переноса на новые наборы данных. Её можно применять, например, для получения карты относительной глубины сцены на основе фотографии. Для специализированных задач карточка рекомендует искать дообученные версии модели. Модель принимает изображения и выдаёт карту глубины. Карточка сообщает о результатах сравнений с другими моделями на нескольких тестовых наборах, но предупреждает о возможных рисках и ограничениях, связанных с данными и применением. Лицензия — Apache-2.0.

FabricDiffusion - Print Model — модель на базе Stable Diffusion InstructPix2Pix, опубликованная Yuanhao-Harry-Wang. Карточка README содержит только название проекта, поэтому назначение и характеристики модели можно определить лишь ограниченно: метаданные классифицируют её как модель преобразования текста в изображение и указывают библиотеку Diffusers и форматы safetensors и Diffusers. Модель может подойти для генерации изображений по текстовому запросу, однако данных о её специализации на печатных изображениях, архитектурных деталях, размере, контексте, поддерживаемых языках и условиях лицензии нет.

FLUX.2 Small Decoder — декодер VAE от Black Forest Labs, дистиллированная компактная замена стандартному декодеру FLUX.2. Он предназначен для декодирования латентных представлений в изображения в совместимых моделях FLUX.2: Klein 4B, Klein 9B, Klein 9B-KV и Dev; кодировщик при этом остаётся без изменений. Декодер содержит около 28 млн параметров против примерно 50 млн у полной версии и использует более узкие каналы. По данным карточки, он декодирует примерно в 1,4 раза быстрее и требует примерно в 1,4 раза меньше видеопамяти, сохраняя почти такое же качество изображений. Указана лицензия Apache 2.0. Модель предназначена для использования как компонент совместимого пайплайна генерации или редактирования изображений, а не для самостоятельного диалога или выдачи фактических ответов. Карточка отмечает возможные искажения текста на изображениях, несоответствие результата запросу и влияние стиля промпта.