IV.1Ритейл, электронная коммерция и fashion-tech

rLLM-FinQA-4B — языковая модель-агент для финансовых вопросов, разработанная rLLM и дообученная с подкреплением на основе Qwen3-4B-Instruct-2507. Она предназначена для ответов по финансовой отчётности компаний из форм 10-K SEC: модель может искать данные в таблицах, выполнять SQL-запросы и расчёты, а затем сопоставлять сведения из одной или нескольких таблиц. Модель основана на плотной архитектуре Qwen3 с 3,7 млрд параметров, принимает текст и выдаёт текст; заявленный контекст — до 262 144 токенов. Для обучения использовались 5 110 пар вопрос-ответ по отчётности 207 компаний и 6 923 финансовым таблицам. README сообщает точность 59,70% на Snorkel Finance Benchmark и 26,6% на Snorkel Finance Reasoning. Модель ориентирована на финансовые документы на английском языке и доступна под лицензией Apache-2.0. Для работы с таблицами и инструментами требуется соответствующая агентная среда; приведённые показатели относятся к указанным бенчмаркам.

SCAIL-2 GGUF — это набор GGUF-квантизаций модели SCAIL-2, разработанной zai-org и адаптированной для распространения RealRebelAI. Модель предназначена для сквозной анимации персонажей и переноса движений в формате image-to-video, а также для работы с видео в ComfyUI на базе Wan 2.1 с backbone Wan 2.1 14B. Доступны варианты квантизации от Q2_K примерно на 6 ГБ до Q8_0 примерно на 17 ГБ. Меньшие варианты требуют меньше видеопамяти, но могут заметно уступать в качестве и согласованности; Q4_K_M обозначен как рекомендуемый повседневный вариант, а Q8_0 обеспечивает наиболее близкое к fp16 качество. Для работы требуются внешние компоненты: текстовый энкодер umT5-XXL, CLIP Vision, VAE Wan 2.1, SAM 3.1 Multiplex и LoRA LightX2V; DPO LoRA SCAIL-2 доступна как необязательная, но непроверенная. Модель ориентирована на запуск через GGUF Unet Loader из ComfyUI-GGUF и поддерживает использование меньшего объёма VRAM по сравнению с полноточными весами. README не указывает языки, предельную длину контекста или точные требования к VRAM. К ограничениям относятся возможная потеря качества при низкой квантизации, необходимость установки нескольких отдельных файлов и совместимость некоторых узлов только с актуальными или nightly-сборками ComfyUI. Указана лицензия MIT.

TheDenk/wan2.1-t2v-14b-controlnet-canny-v1 — модуль Dilated ControlNet для модели Wan2.1, предназначенный для управляемой генерации видео по условиям Canny. В карточке указано, что для версии Wan14B используется 6 блоков ControlNet и параметр stride со значением 4; формат весов — safetensors. Модуль рассчитан на применение в видеопайплайне video-to-video с диффузионными инструментами. Лицензия репозитория — Apache-2.0. Карточка не описывает процедуру подготовки входных данных и ограничения качества, поэтому их нельзя уточнить по имеющимся сведениям.

FantassifiedIcons v2 — модель генерации изображений по текстовому описанию, представленная Yntec. В карточке показаны примеры стилизованных 3D-мультяшных объектов и игровых ассетов: тематические блюда, фрукты и персонажи в стиле чиби. Модель предназначена для создания иллюстраций и концептов по коротким текстовым запросам. Репозиторий содержит веса в формате Safetensors для библиотеки Diffusers; карточка не сообщает архитектуру, размер модели или длину контекста. Лицензия обозначена как other, поэтому условия использования следует уточнять по исходной лицензии.

Hassan Remix — слитая модель генерации изображений от Yntec на базе Stable Diffusion 1.5. Она принимает текстовые описания и создаёт изображения в художественном стиле; в карточке приведён пример запроса для иллюстрации с персонажем и сказочным пейзажем. Модель распространяется в формате Diffusers с весами SafeTensors и встроенным VAE MoistMixV2; лицензия — CreativeML OpenRAIL-M. Модель склонна создавать наготу даже без соответствующего запроса. Автор отмечает, что для снижения этого эффекта нужно добавлять «nude, naked» в негативный промпт, однако полностью устранить проблему не удалось. Поэтому она не подходит для сценариев, где требуется надёжно исключать такой контент.

MiniMax-H3 Turbo LoRA — это адаптер LoRA для генерации видео на базе MiniMaxAI/MiniMax-H3. Данный репозиторий представляет исправленную копию адаптера, созданного на основе работы Abiray и первоначально обученного larryvrh. Адаптер предназначен для совместного использования с pruned или curve-form чекпойнтами MiniMax-H3, включая совместимые pruned FP8-модели. Модель ориентирована на text-to-video-сценарии и интеграцию с ComfyUI. Это 4-шаговый turbo LoRA, рассчитанный на ускоренную генерацию; в рекомендованных настройках указаны 8–12 шагов, sampler res_multistep и strength 0.8–1.8. Адаптер содержит 416 тензоров, затрагивающих qkv_proj, out_proj, fc1 и fc2 в 50 блоках, а также token_refiner; targets adaln отсутствуют. Адаптер не является самостоятельной моделью и требует совместимого базового чекпойнта MiniMax-H3 и загрузчика LoRA. Исправленная версия удаляет 64 лишних байта из исходных файлов safetensors, благодаря чему устраняется ошибка строгой загрузки; это основное практическое преимущество данного репозитория. Языки, размер базовой модели, поддерживаемые модальности помимо видео и дополнительные характеристики качества в README не указаны. Использование регулируется MiniMax-H3 Community License Agreement; в метаданных лицензия обозначена как other.

NoPo4D — система прямого 4D-реконструирования динамических сцен из видео с нескольких ракурсов, разработанная авторами работы Feed-Forward Dynamic 4D Gaussian Splatting from Unposed Multi-View Videos. Она восстанавливает сцену за один проход, не требуя заранее известных поз камер. Для представления использует динамические 3D Gaussian Splatting и разложенное представление скорости: смещения в плоскости изображения и изменения глубины. Двунаправленный кодировщик движения объединяет признаки между ракурсами, а зависимая от ракурса прозрачность помогает справляться с несовпадением гауссиан между кадрами. Модель предназначена для реконструкции меняющихся во времени сцен по многокамерным видео, включая случаи с неизвестными параметрами камер. По README, система превосходит предыдущие прямые методы на нескольких наборах данных; дополнительная оптимизация для отдельной сцены может повысить качество ценой дополнительного этапа. Для запуска требуются компоненты из репозитория проекта, включая backbone Depth Anything 3 и, опционально, torch-scatter. Лицензия — MIT. Метаданные помечают задачу как image-to-3d, хотя README описывает реконструкцию 4D-сцен из видео.

HZeroxium дообучил Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 для сопоставления резюме и вакансий. Модель кодирует предложения и абзацы в плотные векторы размерности 384; архитектура состоит из BERT и среднего пуллинга токенов, а сходство векторов оценивается косинусной мерой. Максимальная длина последовательности в README — 128 токенов, контекстный лимит в метаданных — 512 токенов. Модель подходит для семантического поиска вакансий по резюме и резюме по описанию вакансии, оценки соответствия пар текстов, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Она обучалась на бинарных, триплетных и similarity-данных, а также наборах перефразировок резюме и вакансий. Базовая модель многоязычная; приведённые примеры обучающих данных включают вьетнамский язык. Лицензия в предоставленных данных не указана.

Это англоязычная модель Sentence Transformers, дообученная anass1209 на базе sentence-transformers/all-MiniLM-L6-v2 для сопоставления резюме и вакансий. Она использует энкодер BERT с 25,9 млн параметров, mean pooling и нормализацией, преобразуя предложения и абзацы в плотные векторы размерности 384; сходство оценивается косинусной мерой. Метаданные указывают библиотеку sentence-transformers и контекст до 512 токенов, а карточка модели сообщает максимальную длину последовательности 256 токенов. Модель подходит для семантического поиска и сравнения текстов, отбора релевантных вакансий для резюме, поиска похожих резюме, кластеризации и извлечения признаков для классификации. В README приведена оценка Spearman cosine 0,6213 на задачах семантического сходства. Она предназначена для работы с текстом и не является генеративной моделью. Поддерживаемые языки и лицензия в предоставленных данных не указаны.

Nashhz/SBERT_KFOLD_User_Portfolio_to_Job_Descriptions — дообученный разработчиком модели энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2. Модель сопоставляет предложения и абзацы плотным векторным представлениям размерности 384; архитектура включает BERT, mean pooling и нормализацию, а сходство оценивается косинусной мерой. В метаданных указан размер 25,9 млн параметров и контекст до 512 токенов; в README для конфигурации модели указана максимальная длина последовательности 256 токенов. Модель предназначена для оценки семантического сходства между портфолио пользователя и описаниями вакансий, а также для семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Обучение проводилось на 16 682 парах текстов с оценками сходства. Базовая модель англоязычная; отдельная поддержка других языков не подтверждена. В README не указана лицензия, поэтому условия использования по карточке установить нельзя.

ShutterMuse — мультимодальная модель для подсказок фотографу в момент съёмки, основанная на Qwen3-VL-8B-Instruct. Она предназначена для анализа сцены и диалога с фотографом, чтобы давать рекомендации по созданию кадра непосредственно во время съёмки. Модель использует архитектуру Qwen3VLForConditionalGeneration и процессор Qwen3VLProcessor; опубликована в формате safetensors с точностью bfloat16. Модель принимает изображения и текстовые запросы и формирует текстовые рекомендации. Карточка связывает её с исследованием ShutterMuse о помощи при съёмке, однако не приводит результатов оценки качества или подробностей о поддерживаемых языках сверх английского языка, указанного в метаданных. Лицензия в предоставленных данных не указана.

alvperez разработал дообученную модель Sentence-Transformers на базе sentence-transformers/all-mpnet-base-v2 для сравнения коротких фраз с профессиональными навыками. Она кодирует текст в 768-мерные векторы, пригодные для оценки семантического сходства, кластеризации и поиска ближайших соседей. Модель предназначена для подбора кандидатов к вакансиям, сопоставления навыков и анализа пробелов в компетенциях. В README приведены результаты бенчмарка: корреляция Спирмена 0,845 и ROC AUC 0,988; максимальная длина контекста — 514 токенов, размер — 136,7 млн параметров. Веса доступны в формате safetensors. Обучение использовало таксономию ESCO и специально подобранные сложные отрицательные примеры; словарь преимущественно англоязычный. Узкопрофильный жаргон может кодироваться хуже, а авторы не вводили специальных ограничений для обеспечения справедливости результатов, поэтому HR-системы на основе модели требуют отдельного аудита. Лицензия — Apache-2.0.

Карточка модели XiaomiRobotics/Xiaomi-Robotics-U0 на Hugging Face совпадает с карточкой XiaomiRobotics/Xiaomi-Robotics-U0-FlashAR, поэтому описание составлено по ней. Xiaomi-Robotics-U0-FlashAR — авторегрессионная мультимодальная модель Xiaomi Robotics для генерации изображений и синтеза сцен с роботизированными наблюдениями. Она использует архитектуру UNIS с плотной моделью на 30,4 млрд параметров и инициализирована на основе EMU3.5. Общий дискретный визуальный токенизатор и единая цель предсказания следующего токена позволяют обрабатывать текстовые и визуальные последовательности в общей токеновой системе. Модель принимает текстовые запросы и изображения с инструкциями, а также условия и наблюдения сцены; генерирует изображения, многовидовые RGB-сцены и, согласно описанию семейства, видео с роботизированным сценарием. Публичные веса FlashAR поддерживают генерацию сцен, перенос сцены, генерацию изображений по тексту и редактирование изображения по инструкции. FlashAR группирует визуальные токены при декодировании и поддерживает пакетный вывод через vLLM; заявлены контекст 32 768 токенов и ускорение генерации изображений высокого разрешения. Видео-чекпойнт в README обозначен как ожидающий выпуска, поэтому генерацию видео этими весами считать доступной нельзя. Модель предназначена для генерации и преобразования изображений и для создания роботизированных многовидовых сцен. Репозиторий предоставляет код вывода и демо. Лицензия — Apache-2.0. В README приведено заявленное авторами время вывода для конкретной конфигурации H20; фактическая скорость и требования к оборудованию зависят от используемого движка и конфигурации.

Agent-G2 WebShop 7B — исследовательский агент на базе Qwen2.5-7B-Instruct, дообученный методом Agent-G2 с подкреплением для взаимодействия с текстовым симулятором WebShop. Модель разработана для выбора действий при поиске и покупке товаров в симуляторе: на каждом шаге ей передают цель покупателя, наблюдение среды, историю и допустимые действия, а она генерирует рассуждение и одно действие на английском языке. Архитектура — плотная причинная языковая модель Qwen2ForCausalLM с 7,1 млрд параметров; формат — BF16 Safetensors, библиотека — Transformers, заявленный контекст — 32 768 токенов. Модель подходит для воспроизведения экспериментов Agent-G2, изучения длинных последовательностей действий и адаптивного использования экспертных траекторий при обучении. В карточке сообщаются результаты WebShop: оценка вознаграждения 92,3 и успех финальной покупки 84,4%; они не проверялись независимо, а разброс результатов не приведён. Модель может выдавать некорректные или недопустимые действия, зависит от шаблона запроса и настроек среды и может плохо переноситься на реальные сайты. Для выполнения действий нужна проверка со стороны среды. Лицензия в предоставленных данных не указана.

XuanTruong03 выпустил ai-recruitment-embedder-v2 — дообученную модель Sentence Transformers на базе keepitreal/vietnamese-sbert. Она использует RoBERTa и преобразует текстовые предложения и абзацы в плотные векторы размерности 768; для оценки близости подходит косинусное сходство. Максимальная длина последовательности — 258 токенов по метаданным модели. Модель предназначена для семантического поиска и сопоставления описаний в задачах подбора персонала: например, для сравнения навыков кандидатов с требованиями вакансий. В README приведена оценка Spearman 0,7256 на неназванном наборе данных из 5202 обучающих примеров; данные содержат профессиональные и отраслевые контексты. Это специализированная модель для вьетнамского языка. Условия использования следует сверить с лицензией репозитория Hugging Face.

michamcs/bert-japanese-food-classification — дообученная модель BERT, разработанная на базе cl-tohoku/bert-base-japanese-v3 для классификации текстов о японской еде. Она предназначена для отнесения входного текста к классам, связанным с японской кухней. Модель содержит 138,4 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. В карточке приведён результат оценки: accuracy 0,9261 и loss 0,3337; состав классов и данные оценки не описаны. Модель опубликована в формате safetensors под лицензией Apache-2.0. README не раскрывает подробностей о разметке, обучающих данных и ограничениях применения.

DeepHermes Financial Fundamentals Prediction Specialist — экспериментальная языковая модель Nous Research, дообученная с помощью обучения с подкреплением в стеке Atropos. Модель основана на Meta-Llama-3.1-8B, имеет около 7,5 млрд параметров и предназначена для прогнозирования направления финансовых показателей с использованием пошагового аналитического рассуждения. Она работает с текстом, поддерживает английский язык и имеет контекстное окно до 131 072 токенов. Модель ориентирована на задачи финансового анализа, а не на общее использование. В описании сообщается о росте точности определения направления показателя примерно с 20% до 50% на обучающей выборке; это не подтверждает аналогичное качество на новых данных. Артефакт обозначен как экспериментальный, а лицензия — Llama 3.

KevinHuang/DreamCube — модель для преобразования изображения в 3D, представленная как DreamCube Pipeline и использующая библиотеку Diffusers. В метаданных указано, что она дообучена на базе stabilityai/stable-diffusion-2 и распространяется в форматах Diffusers и safetensors. Текущие веса предназначены только для проверки работоспособности; автор сообщает, что официальные веса будут выпущены позднее. Поэтому модель пока не подходит для надёжного практического применения. Лицензия — Apache-2.0.

Kairos-Alig-30k — экспериментальная мультимодальная модель Aquiles-ai для ответов на вопросы об изображениях. Это чекпойнт KairosForConditionalGeneration, созданный совместным обучением визуального проектора и текстовой модели LiquidAI LFM2.5-2.6B; визуальный энкодер MoonViT-3D заморожен, а LoRA-адаптер обучен и слит с базовыми весами. Модель принимает изображения и текстовые запросы, выдаёт текст; видео не поддерживает. Обучение проводилось на 30 тысячах мультимодальных примеров с рассуждениями. Модель может распознавать и описывать элементы изображения, если запрос указывает, что именно нужно найти. При общих запросах она часто игнорирует изображение, опирается на текстовый шаблон и может утверждать, что изображение пустое. Качество визуального заземления и обобщения слабое, особенно на обычных фотографиях вне обучающего распределения; возможны ошибки и галлюцинации. README прямо характеризует чекпойнт как непригодный для производства и автоматизированных решений. Для запуска указаны Transformers версии 5 или новее и trust_remote_code=True. Лицензия в метаданных обозначена как other, без дополнительных условий в доступных данных.

Kimchi-V2 — это компактная модель компьютерного зрения для распознавания ингредиентов на фотографии. Её разработал автор проекта LongGrainRice на основе HuggingFaceTB/SmolVLM2-500M-Video-Instruct: модель дообучена с помощью LoRA и затем объединена с базовой моделью в самостоятельный чекпойнт. Она принимает изображение и формирует JSON-список распознанных продуктов примерно из 353 классов. Модель предназначена для определения ингредиентов, разложенных на поверхности, например для последующей передачи списка в приложение с рецептами. Обучающие данные включают синтетические композиции из изображений отдельных продуктов и небольшое количество реальных фотографий. Чекпойнт использует архитектуру SmolVLM и формат safetensors; базовая модель рассчитана на работу с изображениями и текстовыми запросами. Словарь классов фиксирован: продукты вне него распознаны не будут. Новые классы представлены ограниченным числом изображений, поэтому визуально похожие ингредиенты могут путаться или появляться в ответе одновременно. Соль, масло, сахар, мука и другие плохо различимые или не входящие в словарь pantry-продукты модель обычно не определяет; JSON-результат рекомендуется дедуплицировать. Лицензия — Apache-2.0.

Это неофициальная community-квантизация гибридной модели MiniMax H3, разработанной на основе чекпойнта smhfacct/Minimax-H3-fl2va-ref2va-hybrid-models. Вариант b25-49 объединяет FL2VA и REF2VA: FL2VA используется как базовая модель, а веса REF2VA adaln_proj применяются в трансформерных блоках 25–49. Автор данного репозитория — hoidhxd; исходную гибридную модель создал smhfacct, а оригинальную архитектуру MiniMax H3 разработала MiniMax. Модель предназначена для генерации видео в ComfyUI и других GGUF-совместимых средах, включая сценарии text-to-video, image-to-video, audio-to-video и reference-to-video, заявленные в метаданных исходного проекта. Архитектура обозначена как minimax_h3; модель содержит 532 тензора и около 20,1 млрд элементов. Доступны варианты GGUF Q4_0 размером 10,6 ГБ и Q5_0 размером 12,9 ГБ. Веса крупных матриц квантизированы, а часть чувствительных тензоров сохранена в F16/F32; дополнительное обучение при конвертации не выполнялось. Q4_0 успешно проверен в ComfyUI для FL2VA- и REF2VA-сценариев, включая генерацию видео на GPU NVIDIA RTX 5060 Ti с 16 ГБ VRAM. Версия Q5_0 не тестировалась и из-за большего размера может требовать больше 16 ГБ VRAM; фактические требования зависят от разрешения, числа кадров, входных данных и настроек offloading. Лицензия в README не указана. Модель не является официальным релизом MiniMax.

kowshiktg/recruiter-engine-minilm — англоязычная модель Sentence Transformer на основе sentence-transformers/all-MiniLM-L6-v2, дообученная на примерах из домена найма, связанных с данными кандидатов. Разработчик указан как kowshiktg; в README также упоминаются Redrob AI и конкурс Redrob как источник данных и авторского зачёта. Модель кодирует предложения и абзацы в плотные векторы размерностью 384 для семантического поиска, сравнения сходства, поиска перефразировок, классификации и кластеризации. Архитектура включает энкодер BERT, усредняющий pooling и нормализацию; в метаданных указано 25,9 млн параметров. Для использования описаны библиотека Sentence Transformers и текстовый ввод. README указывает максимальную длину последовательности 256 токенов, а метаданные — контекст 512 токенов. Обучающие данные содержат 8 500 примеров пар предложений с оценками сходства. Это делает модель подходящей для сопоставления текстов кандидатов и требований к вакансиям, однако карточка не приводит метрик качества или подробностей о составе и лицензии обучающих данных. Лицензия самой модели в предоставленных сведениях не указана.

zoraizbinsamee/resume-job-matching-sbert — дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2, предназначенный для сопоставления резюме и вакансий по смыслу. Разработчик дообучил модель на 4 457 парах текстов с оценками сходства; архитектура использует энкодер BERT, mean pooling и нормализацию векторов. Модель кодирует предложения и абзацы в плотные векторы размерности 384 для сравнения косинусной близости. Модель подходит для ранжирования вакансий по резюме, семантического поиска и сравнения текстов, а также для кластеризации и классификации текстов на основе эмбеддингов. README указывает максимальную длину последовательности 256 токенов, тогда как метаданные каталога сообщают нативный контекст 512 токенов; для сопоставления резюме и вакансий следует учитывать ограничение из карточки модели. По языку обучающих данных и базовой модели это англоязычная модель. Использование предполагает библиотеку Sentence Transformers. Лицензия в предоставленных данных не указана.

Stream-DiffVSR — модель на основе диффузии для потокового увеличения разрешения видео; карточка связывает её с исследовательским проектом Stream-DiffVSR. Она обрабатывает кадры причинно, используя только предыдущие кадры, поэтому подходит для онлайн-обработки с низкой задержкой. Четырёхшаговый дистиллированный денойзер ускоряет вывод, а авторегрессионное временное управление и лёгкий временной декодер помогают сохранять согласованность движения и детали между кадрами. В README заявлена обработка кадров 720p за 0,328 секунды на RTX 4090. При этом опубликованный чекпойнт описан как демонстрационный прототип, обученный на ограниченном объёме данных: возможны артефакты и непостоянное качество, а разнообразие реальных видео покрыто не полностью. В карточке Hugging Face указан pipeline image-to-image и библиотека Diffusers; отдельные сведения о лицензии не приведены.

Tanpo Hiring — компактная языковая модель для задач найма, созданная d4rkninja как часть семейства Tanpo. Она дообучена методом LoRA на базе LiquidAI/LFM2.5-1.2B-Instruct, после чего адаптер объединён с базовыми весами; репозиторий содержит веса Transformers в формате Safetensors. Модель рассчитана на локальное и недорогое развёртывание и поддерживает контекст до 128 000 токенов по метаданным. Модель помогает готовить описания вакансий, карты оценки кандидатов, скрипты первичного отбора, планы интервью, материалы для разбора собеседований, предложения о найме и письма с отказом. Внутренняя автоматизированная оценка на примерно 20 заданиях по найму показала улучшение относительно базовой модели, но авторы отмечают небольшой размер выборки и направленный характер результата. Модель специализирована на рабочих процессах найма; вне этой области качество может снижаться. Её масштаб ограничивает объём знаний и сложность рассуждений, а требования конкретной юрисдикции могут быть учтены неверно. Результаты скрининга, оценки и предложения требуют человеческой проверки. Лицензия указана как other; конкретные условия следует сверить на странице модели.

Wan-AI разработала Wan-Dancer-14B — модель генерации танцевальных видео по музыке. Она создаёт длинные, ритмически согласованные ролики с сохранением общей структуры и временной непрерывности. В работе используются музыкальная дорожка, исходное изображение и текстовый промпт, задающий стиль танца; поддерживаются, например, китайский классический танец, K-pop, уличный, латинский и чечёточный танец. Генерация состоит из двух этапов: сначала модель планирует глобальную последовательность ключевых кадров, затем уточняет видео локально для получения финального ролика высокого разрешения. Репозиторий предоставляет веса и код инференса, а также интеграцию с ComfyUI. Модель распространяется под лицензией Apache-2.0. Для работы требуется подготовить исходное изображение, музыкальный файл и промпты для соответствующих этапов; финальное уточнение использует видео, созданное на первом этапе. Заявленное назначение — генерация танцевальных роликов, поэтому карточка не подтверждает универсальность для других типов видео. В метаданных указаны архитектурное семейство i2v и форматы PyTorch и Safetensors; размер 14B следует из названия модели.

XuanTruong03/ai-recruitment-embedder — модель Sentence Transformer, дообученная разработчиком на базе bkai-foundation-models/vietnamese-bi-encoder. Она использует архитектуру RoBERTa с усредняющим pooling и преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска и сравнения текстов по косинусному сходству. Размер модели — 162,4 млн параметров, максимальная длина последовательности — 258 токенов по метаданным. Модель предназначена для поиска и сопоставления текстов в сфере подбора персонала: например, для поиска подходящих вакансий или кандидатов по описаниям. README демонстрирует вьетнамские тексты и набор из 1 031 пар предложений; базовая модель также ориентирована на вьетнамский язык. При применении следует учитывать ограничение длины входа и проверять качество на собственных данных. Сведения о лицензии в доступных материалах отсутствуют.

Cosmos-Predict2-14B-Video2World — диффузионная модель NVIDIA для генерации видео из текстового описания и изображения, задающего первый кадр. Она предназначена для создания коротких видеосцен и визуального моделирования будущих состояний мира в разработке Physical AI. Архитектура — diffusion transformer: чередующиеся слои self-attention, cross-attention и feedforward выполняют денойзинг в латентном пространстве, а текст задаёт условия генерации. Модель семейства Cosmos-Predict2 также поддерживает видеоконтекст; доступны варианты с разрешением 720p или 480p и частотой 16 или 10 кадров в секунду, в том числе варианты с NATTEN. Для генерации из изображения входной размер составляет 1280×704 или 832×480 соответственно; описание должно быть короче 300 слов, а стандартная длительность результата — около пяти секунд. Модель подходит для прототипирования и генерации сцен для физических симуляций, но видео могут содержать временную непоследовательность, нестабильное движение камеры и объектов, неточные взаимодействия и нарушения физической правдоподобности. Доступна для коммерческого использования на условиях NVIDIA Open Model License.

oumaimansir/cv-matcher-finetuned — модель Sentence Transformers, дообученная разработчиком на базе sentence-transformers/all-MiniLM-L6-v2. Энкодер на архитектуре BERT преобразует предложения и абзацы в плотные векторы размерностью 384; для сравнения используется косинусное сходство. По метаданным модель содержит 25,9 млн параметров, использует библиотеку sentence-transformers и принимает текст. README указывает максимальную длину последовательности 256 токенов, а метаданные — нативный контекст до 512 токенов. Модель предназначена для извлечения признаков и семантического поиска, в частности для сопоставления резюме и вакансий. Она обучалась на 500 примерах с CosineSimilarityLoss. Данных о языках и лицензии в предоставленных источниках нет; базовая модель описана как англоязычная, поэтому применимость к другим языкам не подтверждена.

Eastern European Female Anatomy NSFW LoRA v1 — экспериментальный адаптер LoRA от perpetual3x для модели Qwen/Qwen-Image-2512 и генерации изображений по текстовому описанию. Он обучен на 10 649 фотографиях взрослых женщин восточноевропейского типа и предназначен для повышения разнообразия телосложения, поз, ракурсов, пропорций тела, естественной передачи кожи и анатомических деталей в фотореалистичных сценах. Модель рассчитана на портретные, поясные и полнофигурные изображения, включая интерьерные, уличные, студийные и природные композиции. Архитектурно это LoRA с rank 64, обученная в течение 10 000 шагов при размере батча 8. Основная модель поддерживает текстовое описание на английском языке; рекомендуемый триггер — zl_nubiles_v1, а дополнительный токен anusdetail предназначен для отдельных композиций с акцентом на соответствующую анатомическую деталь. Для работы требуется Qwen/Qwen-Image-2512; совместимость с Qwen-Image-Edit и другими архитектурами не гарантируется. Сильные стороны адаптера — вариативность взрослых женских образов, улучшенная работа с позами, углами съёмки и фотореалистичной анатомией. При этом результат зависит от промпта, seed, разрешения, веса LoRA, кадрирования и базовой модели. Возможны ошибки рук, пальцев, ступней, суставов и пропорций, слияние или дублирование частей тела, артефакты фона, сглаженная кожа и неточная анатомия при сложных ракурсах или перекрытиях; корректность изображений не гарантируется. Модель содержит материалы для взрослых и предназначена только для совершеннолетних. Указана специальная лицензия eastern-european-female-anatomy-nsfw-lora-v1-non-commercial, то есть коммерческое использование не разрешено.