IV.1Ритейл, электронная коммерция и fashion-tech

logo-wizard/logo-diffusion-checkpoint — модель генерации изображений, созданная на основе stabilityai/stable-diffusion-2-1 и logo-wizard/logo-diffusion и дообученная на наборе логотипов logo-wizard/modern-logo-dataset. Она предназначена для создания логотипов по текстовому описанию: например, можно задать отрасль компании, объекты и цвета, чтобы получить минималистичный логотип в стиле векторной графики. Модель использует Stable Diffusion и формат Diffusers/PyTorch. В README рекомендуются квадратные изображения размером 768 × 768, 30 шагов генерации и guidance scale 7,5. Карточка предлагает исключать из промпта результата текст, надписи и водяные знаки. Модель распространяется по лицензии CreativeML OpenRAIL-M; условия лицензии следует учитывать при использовании и распространении сгенерированных изображений и модели.

Beidouqixing/minimax-h3-4step-lora-flashgen — это дистиллированный LoRA-адаптер для базовой модели MiniMaxAI/MiniMax-H3, разработанный сообществом Beidouqixing. Адаптер предназначен для ускоренного выполнения задач text-to-video с аудио (T2VA), а также указан как компонент сценариев image-to-video. Для использования требуется базовая модель MiniMax-H3; перед развертыванием адаптер необходимо объединить с ней. Модель обучена методом distribution matching distillation (VSD, без GAN) на Ascend NPU. Она рассчитана на четыре шага инференса и генерирует результат с разрешением 1344×768 и длительностью 5,2 секунды. LoRA имеет ранг 64 и изменяет слои qkv_proj, out_proj, fc1, fc2 и adaln_proj.linear. В репозитории указан файл весов в формате bf16, а также скрипт для объединения адаптера с базовой моделью и добавления base_schedule. Основное преимущество адаптера — существенное сокращение числа шагов генерации по сравнению с обычным режимом, что может повысить скорость инференса и упростить развертывание. Ограничения включают зависимость от MiniMax-H3, необходимость предварительного объединения весов и ориентированность на инфраструктуру Ascend NPU с развертыванием через MindIE-SD или vllm-omni. Поддерживаемые языки в карточке модели указаны как английский и китайский. Лицензия — Apache-2.0.

MolmoAct 7B-D Captioner — модель для подробного описания изображений, разработанная Allen Institute for AI. Она предназначена для воспроизведения этапа предварительного обучения MolmoAct с нуля; этот чекпойнт не предназначен для вывода роботизированных действий или бенчмаркинга. Модель использует языковую основу Qwen2.5-7B и визуальный энкодер SigLIP2, а также обучалась на PixMo-Cap. В метаданных указана архитектура MolmoActForActionReasoning и формат safetensors. Обучение MolmoAct опирается на часть набора OXE и набор MolmoAct Dataset с 10 тысячами траекторий манипуляций однорукого робота Franka для 93 задач в домашних условиях и на столе. Карточка сообщает о высоких результатах семейства MolmoAct на нескольких бенчмарках vision-language-action, но эти заявления не относятся к назначению данного Captioner. Модель принимает изображения и текстовые инструкции, выдаёт текстовые описания; в метаданных указан английский язык. Лицензия — Apache-2.0. Это предварительная версия семейства.

PosterCopilot-7B — мультимодальная модель для автоматического построения макетов постеров, разработанная на основе Qwen/Qwen2.5-VL-7B-Instruct и дообученная для задач графического дизайна. Она принимает от 2 до 25 изображений слоёв, размер холста и необязательное текстовое описание требований, а возвращает JSON с координатами рамок и порядком наложения каждого слоя. Модель использует визуально-языковую архитектуру Qwen2.5-VL с 7,1 млрд параметров и контекстом до 128 000 токенов. Для работы с изображениями требуется специальная предобработка: слои размещаются на контрастном фоне, масштабируются до размеров, кратных 28 пикселям, и дополняются серыми полями; авторы рекомендуют использовать эталонную реализацию. Модель требует около 20 ГБ свободной видеопамяти при работе в bfloat16. Из-за поразрядной генерации координат одна ошибка в цифре может повлиять на оставшуюся раскладку, поэтому результаты следует оценивать на наборе примеров. Лицензия — Apache 2.0.

SOLID-StepORLM-Qwen3-8B — дообученная модель JamesX421 для построения моделей операций исследования и генерации ответов с опорой на решатель. Это плотная авторегрессионная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 7,6 млрд параметров; она обучена методом GRPO с поэлементной KL-супервизией, основанной на решателе, и использует шаблон ответов COPT-style StepORLM. Контекст составляет 40 960 токенов. Модель предназначена для формулирования задач математической оптимизации и получения решений, проверяемых оптимизационным решателем. В README приведены результаты на OptMATH, MAMO-Complex и InOR, полученные при выборке 64 ответов на задачу; качество заметно различается между наборами данных, а приведённые оценки не гарантируют корректность каждого отдельного ответа. Репозиторий содержит веса Safetensors для использования через Transformers. Лицензия в предоставленных данных не указана.

SoulX-FlashTalk-14B — модель SoulX-AILab размером 14 млрд параметров для потоковой анимации портретов по аудио в реальном времени. Она строит цифрового аватара, управляя движением лица и губ по входной речи, и предназначена для интерактивных цифровых людей и потоковой генерации аватаров. В README описан подход с двунаправленной дистилляцией с самокоррекцией; модель относится к семейству image-to-video и распространяется в формате Safetensors для библиотеки Diffusers. Для работы проекта также указан компонент chinese-wav2vec2-base. В метаданных среди языков карточки указан английский, а README упоминает китайскую модель распознавания речи; это не подтверждает полный перечень поддерживаемых языков FlashTalk. Модель опубликована под лицензией Apache-2.0. README сообщает о выпуске весов и кода вывода, но отмечает, что онлайн-демо ещё не готово.

SpatialAxiom-9B — мультимодальная модель пространственного рассуждения, разработанная командой SpatialAxiom на основе Qwen3.5-9B. Это плотная модель на 9 млрд параметров с архитектурой Qwen3.5 VLM: языковая модель с энкодером изображений. Она дообучена методом полного supervised fine-tuning на пространственных данных для анализа сцен в помещении, восприятия от первого лица и многокамерных сценариев. Модель предназначена для вывода пространственных отношений в 3D, понимания перспективы, сопоставления объектов между ракурсами и анализа видео с точки зрения действий и перемещений. Она принимает изображения и видео вместе с текстовыми запросами и отвечает текстом; поддерживает прямые ответы без режима chain-of-thought. Контекст составляет 262 144 токена и, согласно README, может расширяться до 1 010 000 токенов. Для работы требуются актуальные версии Transformers или vLLM с поддержкой Qwen3.5. В README заявлены высокие результаты на нескольких бенчмарках пространственного понимания, однако они приведены авторами модели. Модель не поддерживает режим thinking и переключатели /think и /nothink; включать thinking при инференсе не следует. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

stable-diffusion-logo-fine-tuned — модель Stable Diffusion, дообученная пользователем nicky007 на 1000 изображениях логотипов в формате PNG и JPG размером 128×128 пикселей с применением аугментаций. Она предназначена для генерации логотипов по текстовому описанию, включая эмблемы с заданными объектами и темами. Модель использует Diffusers и PyTorch и принимает текстовые запросы, выдавая изображения. Лицензия — CreativeML OpenRAIL-M. Модель подходит для создания концептов логотипов по кратким или составным запросам. Обучающий набор невелик и ограничен изображениями логотипов низкого разрешения; карточка не приводит результатов оценки качества или списка поддерживаемых языков.

calcuis/wan-1.3b-gguf — GGUF-квантизированная версия моделей Wan2.1-T2V-1.3B и Wan2.1-VACE-1.3B, разработанных Wan-AI и подготовленных для использования в экосистеме GGUF. Модель предназначена прежде всего для генерации видео по текстовому описанию, а вариант VACE также поддерживает сценарии image-to-video и video-to-video без отдельного vision CLIP. Доступны варианты квантования Q4_0 и Q8_0, включая файлы для T2V и VACE. Модель рассчитана на работу через gguf-connector, gguf-node и ComfyUI; для запуска также используются текстовый энкодер UMT5 и VAE. В карточке указана языковая поддержка английского языка. Размер контекста и другие параметры архитектуры не приведены. К сильным сторонам относятся уменьшенный формат GGUF, совместимость с ComfyUI и возможность запуска VACE без vision CLIP, что, согласно README, может ускорять работу в сценариях image-to-video и video-to-video. Ограничения включают необходимость дополнительного текстового энкодера и VAE, зависимость от совместимых узлов и возможные проблемы с памятью при первоначальной сборке токенизатора UMT5. Модель распространяется по лицензии Apache-2.0.

DA3-LARGE — модель компьютерного зрения серии Depth Anything 3, разработанная командой ByteDance Seed для оценки глубины по изображениям с одной или нескольких точек обзора и оценки поз камеры. Она использует Vision Transformer с унифицированным представлением depth-ray; размер модели составляет 0,35 млрд параметров. Модель поддерживает относительную глубину, оценку позы и условие по позе. Модель предназначена для визуальной геометрии сцен, включая восстановление глубины и взаимного положения камер. Авторы сообщают о превосходстве над Depth Anything 2 в оценке глубины по одному изображению и над VGGT в многовидовой оценке глубины и позы. Обучение проводилось на общедоступных академических датасетах. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Точность может снижаться на специализированных изображениях и зависит от качества изображения, освещения и сложности сцены.

DA3Mono-LARGE-MLX — конверсия модели Depth Anything 3 Mono от ByteDance в формат MLX для запуска на Apple silicon. Она оценивает относительную глубину по одному RGB-изображению и дополнительно выдаёт карту вероятности неба. Архитектура включает backbone DINOv2 ViT-L/14 и голову DPT с дополнительной ветвью оценки неба; входной размер фиксирован: 504 × 504 пикселя. Веса представлены в fp32 формате safetensors. Модель подходит для оценки глубины сцены на фотографиях и выделения областей неба в приложениях компьютерного зрения на устройствах Apple с MLX. Для использования требуется предварительно масштабировать изображение до 504 × 504 и нормализовать его по статистикам ImageNet. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Explicit Freedom NSFW WAI — модель для генерации изображений по текстовому описанию, опубликованная stablediffusionapi. Карточка демонстрирует вызов через API ModelsLab и указывает идентификатор модели explicit-freedom-nsfw-wai. В метаданных указан конвейер StableDiffusionXLPipeline и форматы Diffusers и PyTorch. Модель предназначена для создания фотореалистичных изображений по промптам. Пример в карточке показывает портрет в киберпанк-стилистике и настройки генерации, включая негативный промпт, разрешение, число шагов и guidance scale. Метаданные помечают модель как предназначенную не для любой аудитории, а README приводит параметр отключения safety checker. Модель опубликована по лицензии CreativeML Open RAIL-M. Карточка не сообщает размер модели, длину контекста, обучающие данные или перечень языков. Пример API использует английский промпт; поддержка других языков не подтверждена.

Карточка модели biali/FLUX.2-small-decoder на Hugging Face совпадает с карточкой black-forest-labs/FLUX.2-small-decoder, поэтому описание составлено по ней. 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.

kawaiinimal icons — модель генерации изображений по текстовому описанию на основе Stable Diffusion, опубликованная пользователем proxima. Она предназначена для создания минималистичных и кавайных иконок; автор рекомендует добавлять к запросу фразу «kawaiinimal icon» и подбирать уточняющие стилистические слова, например «flat colors» или «isometric». Примеры изображений дополнительно обрабатывались в Photoshop для получения прозрачного фона. Модель распространяется в форматах Diffusers и PyTorch. Карточка описывает её как работу в процессе улучшения и предупреждает, что для хорошего результата могут понадобиться дополнительные уточнения промпта. Лицензия — CreativeML OpenRAIL-M.

Quiho/Krea2_NSFW_Uncensored_Complete — производная модель генерации изображений по тексту, опубликованная пользователем Quiho на Hugging Face на основе дообучения Krea/Krea-2-Turbo. Разработчик базовой модели — Krea.ai; базовая Krea 2 Turbo — диффузионный трансформер с 12 млрд параметров. Репозиторий модели использует библиотеку Diffusers и содержит веса Safetensors. Модель предназначена для создания изображений по текстовым описаниям; в карточке указаны английский и китайский языки. Название и метки репозитория указывают на uncensored/NSFW-направленность. Модель распространяется под лицензией Apache-2.0. Подробные сведения о дополнительном обучении, размере именно этой производной модели и её ограничениях в доступных данных отсутствуют.

LiveAvatar-GGUF — это пакет модели для audio.cpp, подготовленный проектом audio-cpp на базе Wan-AI/Wan2.2-S2V-14B с объединённым официальным LoRA-адаптером Quark-Vision/Live-Avatar. Модель предназначена для генерации видео аватара по референсному изображению, речевому аудио и текстовому описанию сцены или действий. Пакет включает GGUF-компоненты: текстовый энкодер UMT5, аудиоэнкодер Wav2Vec2, токенизатор, видео-VAE и денойзирующую модель Wan2.2 S2V с адаптером LiveAvatar. Указан размер базовой модели 14B; поддерживаются аудио-, текстовые и визуальные условия с генерацией видео. В README не указаны поддерживаемые языки и максимальная длина текстового или аудиоконтекста. Сильной стороной является возможность создавать синхронизированные с речью аватарные видео, включая генерацию в разрешении 720p на видеокарте с примерно 16 ГБ VRAM благодаря потоковой загрузке весов и поочерёдной обработке слоёв. Ограничения — высокая вычислительная стоимость, значительное время генерации, потребность в трёх обязательных GGUF-файлах и дополнительной оперативной памяти при использовании временного кэша. Потоковая загрузка весов снижает требования к VRAM, но замедляет работу. Для пакета указана лицензия Apache-2.0.

Merserk/MiniMax-H3-INT4-ConvRot — сообщественное преобразование весов MiniMax H3 в формат INT4 ConvRot для локального запуска в ComfyUI. В репозитории представлены варианты FL2VA для генерации видео по тексту и по первому и последнему кадрам, а также Ref2VA для генерации по референсным изображениям, видео и аудио. Указаны урезанные контрольные точки размером 11,3 ГБ и полная FL2VA-контрольная точка размером 17,9 ГБ. Квантизация предназначена для запуска при ограниченной видеопамяти: для видеокарты с 12 ГБ рекомендуется урезанная версия, при этом ComfyUI использует выгрузку моделей; также рекомендуются 32 ГБ или больше оперативной памяти и быстрый NVMe SSD. Качество INT4 может отличаться от исходной версии BF16. На конверсию распространяется исходная лицензия MiniMax H3 Community License.

MoGe-3 (VITG) — порт модели для MLX, подготовленный mlx-community и преобразованный из официального чекпойнта model.pt в формат MLX с весами fp32. Модель оценивает монокулярную геометрию сцены по одному изображению, используя архитектуру MoGe-3 семейства VITG и уточнение разреженного объёмного представления с самонаведением. Модель выдаёт метрические карты точек и глубины, карты нормалей, маску валидных пикселей и параметры внутренних характеристик камеры. Её можно применять для восстановления структуры сцены и геометрии камеры по фотографии. Репозиторий распространяется по лицензии MIT.

Это квантованная в формате GGUF F16 версия модели nvidia/Cosmos-Reason2-8B, опубликованная пользователем DevQuasar. Базовая модель разработана NVIDIA и предназначена для визуального рассуждения, анализа видео и планирования действий в робототехнике и физическом ИИ. Модель поддерживает диалоговый режим и работу с изображениями, принимая визуальные данные и текстовые запросы и формируя текстовые ответы. Репозиторий указывает задачу image-text-to-text и связь с базовой моделью как дообучение. Сведений о лицензии в доступных данных нет.

ResNet-50 — сверточная модель классификации изображений, дообученная Arize AI на наборе fashion_mnist_quality_drift. Она предназначена для отнесения изображений одежды из этого набора к классам; на оценочной выборке указаны accuracy 0,73 и F1 0,7289. Модель основана на microsoft/resnet-50 и опубликована в формате PyTorch. Лицензия — Apache-2.0. Карточка не описывает дополнительные сценарии использования или ограничения качества; приведённые метрики характеризуют только оценочную выборку этого набора данных.

SuperPoint — свёрточная модель компьютерного зрения, описанная Дэниелом ДеТоном, Томашем Малишевичем и Эндрю Рабиновичем. Она совместно обнаруживает ключевые точки на изображении и вычисляет дескриптор для каждой точки за один проход. Модель обучалась с самоконтролем и использует полностью свёрточную архитектуру. SuperPoint предназначена для извлечения устойчивых особенностей, полезных при сопоставлении изображений и решении задач многовидовой геометрии. Её можно применять для оценки гомографии, поиска соответствий между изображениями и как экстрактор признаков для других задач компьютерного зрения. В статье описан подход Homographic Adaptation для повышения повторяемости точек при гомографических преобразованиях и адаптации между доменами. Модель принимает изображения и выдаёт координаты ключевых точек с дескрипторами. В карточке указана лицензия other; конкретные условия использования в доступных данных не раскрыты.

SuperPoint — полностью свёрточная модель компьютерного зрения для обнаружения характерных точек на изображениях и вычисления дескриптора для каждой точки. Модель основана на работе Дэниела ДеТоуна, Томаша Малишевича и Эндрю Рабиновича «SuperPoint: Self-Supervised Interest Point Detection and Description»; карточка описывает обучение с самоконтролем. Модель обрабатывает изображение за один проход и предназначена для извлечения признаков, пригодных для сопоставления изображений и оценки гомографии. Она выявляет точки, повторяемые при гомографических преобразованиях. Репозиторий использует PyTorch и формат safetensors; лицензия в предоставленных данных не указана.

VisionReward-Video — модель Z.ai на базе архитектуры CogVLM2 Video с 8,3 млрд параметров. Она предназначена для оценки предпочтений людей по сгенерированным видео: анализирует динамические характеристики ролика и формирует интерпретируемую оценку по нескольким измерениям качества и предпочтений. Модель также описана как часть подхода VisionReward для согласования моделей генерации изображений и видео с человеческими предпочтениями. В исследовании авторов VisionReward-Video превзошла VideoScore на 17,2% в предсказании предпочтений видео. Репозиторий содержит веса Safetensors; заявлены чат-возможности и контекст длиной 2048 токенов. В метаданных указан английский язык. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Модель предназначена для оценки видео и не является генератором видео; результаты отражают предсказание предпочтений и не заменяют человеческую оценку.

WorldCrafter-Base — пакет базовых весов трансформера для системы WorldCrafter, включающий соответствующий адаптер камеры и LoRA. Он предназначен для генерации видео из изображения с помощью кода инференса WorldCrafter; README указывает запуск с типом модели base и сохранение результата в MP4. Пакет использует общие с WorldCrafter-Fast компоненты: repencoder, text encoder, tokenizer, VAE и scheduler, а собственные папки transformer и adapter должны храниться вместе. Метаданные Hugging Face указывают задачу image-to-video, библиотеку Diffusers и форматы Diffusers и safetensors. README ссылается на статью «WorldCrafter: Consistent Video World Model with Implicit 3D-aware Memory», но не приводит сведения о размере модели, контексте, языках или лицензии.

AVTR-1 — открытая модель для создания говорящего аватара в реальном времени; разработчик — Avaturn. На вход подаются портретное изображение и два аудиопотока: речь и дорожка слушающего. Модель синхронизирует движения губ с речью и генерирует активную реакцию слушающего. Выходное видео формируется с частотой 25 кадров в секунду, блоками по пять кадров; README приводит результаты работы на одном GPU, включая NVIDIA A100 и RTX 4060 Ti. Модель предназначена для интерактивных аватаров, потоковой анимации портрета и видеодиалогов. В репозитории Hugging Face находятся веса и вспомогательные материалы в формате ONNX; код инференса и стриминга размещён отдельно. Языки и длина контекста не заявлены. Качество может снижаться для непортретных ракурсов, перекрытий лица, шумного аудио и длительной речи, а синхронизация губ может быть менее точной для недостаточно представленных в обучении языков и групп. Использование регулируется лицензией AVTR-1 Community License и ограничениями из приложения к ней: в частности, запрещены несогласованные дипфейки и выдача себя за другого человека. Для коммерческого применения необходимо учитывать лицензионные условия и зависимости: используемые модели InsightFace ограничены некоммерческим исследовательским использованием, пока их не заменить или не получить коммерческую лицензию. Отдельный Avaturn Streamer лицензируется отдельно и в репозиторий модели не входит.

ColorfulSSD-1B_v04 — модель генерации изображений по текстовому описанию, дообученная recoilme на наборе портретов recoilme/portraits_xs от модели recoilme/ColorfulSSD-1B_v03. Модель предназначена для создания портретных изображений по текстовым запросам и распространяется в формате Diffusers с весами safetensors. Для обучения использовался VAE madebyollin/sdxl-vae-fp16-fix; метаданные указывают на совместимость с Stable Diffusion XL. Модель опубликована по лицензии CreativeML Open RAIL-M. Карточка приводит мало сведений о настройках генерации и качестве результатов, поэтому возможности за пределами портретной генерации не подтверждены.

DA3-GIANT — флагманская модель семейства Depth Anything 3 от команды ByteDance Seed для оценки визуальной геометрии по изображениям. Это Vision Transformer с единым представлением depth-ray и 1,15 млрд параметров; модель поддерживает оценку относительной глубины, оценку позы камеры, обусловливание по позе и оценку 3D Gaussian. В карточке Hugging Face указаны библиотека Depth Anything 3, формат safetensors и задача depth-estimation. Модель предназначена для оценки глубины по одному или нескольким изображениям, восстановления позы камеры и получения 3D-представления сцен. README сообщает, что она превосходит Depth Anything 2 в монокулярной оценке глубины и VGGT в многовидовой оценке глубины и позы; подробные результаты отсылаются к статье. Обучение проводилось на открытых академических датасетах. Качество может снижаться на специализированных изображениях и зависеть от качества снимков, освещения и сложности сцены. Лицензия CC BY-NC 4.0 разрешает только некоммерческое использование.

Intel/dpt-swinv2-tiny-256 — модель DPT (Dense Prediction Transformer) от Intel для оценки относительной глубины по одному изображению. Она использует SwinV2 в качестве визуального backbone и обучена на 1,4 млн изображений; модель предназначена для оценки глубины без дообучения и может служить основой для дальнейшей адаптации под конкретные задачи. Модель подходит для восстановления карты глубины в сценах внутри и вне помещений, в том числе как этап генеративных систем, 3D-реконструкции и приложений для автономного вождения. В README отмечается, что более крупные варианты MiDaS могут обеспечивать более высокое качество, а результат этой модели не следует считать точным измерением фактической глубины. Репозиторий распространяется в формате safetensors по лицензии MIT.

Flux-Dev2Pro — дообученная трансформерная модель для генерации изображений из текста, созданная разработчиком ashen0209 на основе Flux-Dev. Автор обучал её, чтобы приблизить поведение Flux-Dev к Flux-pro и улучшить результаты обучения LoRA: в карточке указаны два эпоха обучения на 3 млн высококачественных изображений. Модель предназначена прежде всего для подготовки LoRA, которые затем применяются к Flux-Dev; сама опубликована в формате safetensors для использования с Diffusers. Модель принимает текстовые запросы и относится к задаче text-to-image. Она не является самостоятельной LoRA, а представляет собой дообученный трансформер Flux-Dev. Данных о поддерживаемых языках запросов и ограничениях качества в карточке нет. Репозиторий не указывает лицензию, поэтому условия использования по доступным сведениям определить нельзя.

Jib Mix Flux v8 AccentuEight NSFW — модель генерации изображений по текстовому описанию, опубликованная пользователем John6666 на Hugging Face. Репозиторий использует Diffusers и помечен как Flux dev; в карточке указаны реалистичный и фотореалистичный стили, а также английский язык. Пример загрузки показывает использование точности bfloat16. Модель предназначена для создания изображений по текстовым запросам, включая контент для взрослой аудитории. Карточка не сообщает размер архитектуры, длину контекста или подробные результаты оценки. Указана лицензия flux-1-dev-non-commercial-license, поэтому коммерческое использование ограничено её условиями.