IV.1Ритейл, электронная коммерция и fashion-tech

timm/tf_efficientnet_el.in1k — сверточная модель семейства EfficientNet-EdgeTPU для классификации изображений и извлечения визуальных признаков. Её обучили авторы работ на ImageNet-1k в TensorFlow, а Ross Wightman перенёс веса в PyTorch; модель распространяется через timm. Модель содержит около 10,6 млн параметров и рассчитана на изображения размером 300 × 300 пикселей. Помимо классификации, её можно использовать как основу для извлечения карт признаков и визуальных эмбеддингов. Она предназначена для распознавания объектов из категорий ImageNet-1k и может служить визуальным backbone в системах компьютерного зрения. Лицензия — Apache-2.0. Классификация ограничена набором классов ImageNet-1k; качество на иных предметных областях и изображениях может отличаться и требует отдельной проверки.

ThinkDiffusionXL (TDXL) — модель ThinkDiffusion для генерации изображений по текстовому описанию. Она предназначена для фотореалистичных изображений и работы с разными стилями и сюжетами без сложных промптов. По карточке модели, обучение проводилось на более чем 10 000 изображений, включая фотографии, цифровое искусство и аниме, с ручными подписями и 1,8 млн шагов обучения. Репозиторий использует Diffusers и формат safetensors; модель относится к семейству Stable Diffusion XL. Она может служить основой для дальнейших дообучений и использования LoRA. Карточка заявляет о способности генерировать откровенный контент. Результат зависит от промпта, а заявленные преимущества в качестве и снижении смещения являются оценкой разработчика. Лицензия в предоставленных данных не указана.

NX-AI/TiRex-2-gifteval-zs — специализированная версия официальной предварительно обученной модели TiRex-2, представленная разработчиком NX-AI. Она предназначена для прогнозирования временных рядов и обучена на наборах данных, которые не пересекаются с Gift-Eval и Gift-Eval-Pretrain, поэтому подходит для оценки на этих бенчмарках без такого пересечения данных. Репозиторий использует библиотеку tirex-2 и содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0. В карточке не приведены сведения о размере, длине контекста, поддерживаемых языках и дополнительных ограничениях качества.

Карточка модели BtForest/TRELLIS.2-4B на Hugging Face совпадает с карточкой microsoft/TRELLIS.2-4B, поэтому описание составлено по ней. TRELLIS.2-4B — модель генерации 3D-объектов по изображению, разработанная Jianfeng Xiang и соавторами. Она использует трансформер flow matching с 4 млрд параметров и разреженный 3D-VAE для представления геометрии и внешнего вида в структуре O-Voxel. На вход подаётся одно изображение, на выходе создаётся 3D-модель с PBR-материалами; заявлено разрешение воксельной сетки от 512³ до 1536³. Модель также поддерживает генерацию текстур для заданной 3D-сетки и референсного изображения. TRELLIS.2 рассчитана на создание детализированных 3D-ассетов со сложной топологией, включая открытые поверхности и полупрозрачные материалы. Карточка указывает, что модель проверялась на Linux с видеокартами NVIDIA A100 и H100 и требует не менее 24 ГБ видеопамяти. Генерируемые сетки могут содержать небольшие отверстия и топологические дефекты, поэтому для задач вроде 3D-печати может потребоваться постобработка. Модель не настраивалась под человеческие предпочтения или конкретные эстетические стандарты. Лицензия — MIT.

Карточка модели biali/trellis2-gguf на Hugging Face совпадает с карточкой ilintar/trellis2-gguf, поэтому описание составлено по ней. ilintar/trellis2-gguf — набор весов TRELLIS.2, преобразованный в формат GGUF для запуска через trellis.cpp, автономную среду C++/GGML с поддержкой CUDA и Vulkan, а также через Lemonade как медиа-бэкенд GGML. Модель предназначена для преобразования изображения в 3D-объект. Репозиторий содержит компоненты полного конвейера: DINOv3, блоки потока и декодирования разреженной структуры, формы и текстур для разрешений 512 и 1024, а также опциональный BiRefNet для удаления фона. GGUF — формат поставки весов; README указывает исходную модель TRELLIS.2, но не сообщает её идентификатор или точную лицензию, отсылая к лицензии исходной модели.

Карточка модели biali/TRELLIS-image-large на Hugging Face совпадает с карточкой microsoft/TRELLIS-image-large, поэтому описание составлено по ней. TRELLIS Image Large — модель генерации 3D-объектов по изображению, основанная на проекте TRELLIS. Она принимает изображение как условие и предназначена для создания трёхмерного представления объекта. Модель представлена в исследовательской работе «Structured 3D Latents for Scalable and Versatile 3D Generation». В метаданных указаны библиотека TRELLIS, формат весов Safetensors и лицензия MIT. Карточка описывает вариант TRELLIS с большим размером, но не приводит число параметров, детали архитектуры, сведения о поддерживаемых языках или ограничения качества.

UniPercept — мультимодальная модель для оценки и анализа изображений, созданная исследователями Университета науки и технологий Китая, Shanghai AI Laboratory и Пекинского университета. Она дообучена на базе OpenGVLab/InternVL3-8B с помощью доменно-адаптивного предварительного обучения и обучения с подкреплением, согласованного с задачами восприятия. Модель оценивает эстетику изображения, его качество, структуру и текстуру: выдаёт численные оценки и отвечает на вопросы с визуальным обоснованием. Её можно применять для анализа изображений и как метрику или модель вознаграждения при обучении систем генерации изображений. В карточке указаны библиотека Transformers, формат Safetensors и лицензия Apache-2.0. README описывает оценивание и ответы на вопросы по изображению; размер модели и длина контекста не приведены.

Это модель ROPE-ViT для классификации изображений, разработанная авторами исследования «Rotary Position Embedding for Vision Transformer» и обученная на ImageNet-1k. Она также может использоваться как основа для извлечения признаковых карт и получения эмбеддингов изображений. Модель построена на архитектуре Vision Transformer с rotary position embedding. Она содержит 86,4 млн параметров и рассчитана на изображения 224 × 224 пикселя. Авторы сообщают о способности сохранять качество при обработке изображений с разрешением выше обучающего, в частности 320 × 320. Модель предназначена для задач компьютерного зрения общего назначения, включая классификацию и извлечение признаков. Репозиторий распространяется по лицензии Apache-2.0.

Это модель Vision Transformer (ViT) для классификации изображений и использования в качестве визуальной основы для извлечения признаков. Её обучили авторы исследования «How to train your ViT?» на ImageNet-1k с дополнительной аугментацией и регуляризацией, первоначально на JAX; Ross Wightman перенёс веса в PyTorch. Модель доступна через библиотеку timm и распространяется по лицензии Apache-2.0. Модель содержит 22,1 млн параметров, обрабатывает изображения размером 224 × 224 пикселя и выполняет около 4,3 GMACs. Её можно применять для классификации изображений ImageNet-1k и как основу для извлечения визуальных признаков. Карточка не приводит результатов метрик качества и не описывает ограничения за пределами целевого набора данных.

YOLO26-L-pose — вариант модели YOLO26 от Ultralytics для оценки позы человека и обнаружения ключевых точек на изображениях. Модель принимает изображения размером 640 пикселей и формирует координаты ключевых точек; заявленные показатели составляют 70,4 mAP Pose при IoU 0,50–0,95 и 90,5 mAP Pose при IoU 0,50 в режиме end-to-end. Архитектура выполняет предсказания напрямую без отдельного этапа NMS, что упрощает развертывание и снижает задержку. Для локализации ключевых точек используются RLE и оптимизированное декодирование; в README также заявлено ускорение CPU-инференса до 43% и ориентация семейства на периферийные и маломощные устройства. Модель распространяется в формате PyTorch по лицензии AGPL-3.0.

Ziya-BLIP2-14B-Visual-v1 — мультимодальная модель команды Fengshenbang для диалога и ответов на вопросы об изображениях. Она объединяет визуальный энкодер ViT и Q-Former из BLIP-2 с языковой моделью Ziya-LLaMA-13B-v1; в обучении обновляли визуальный проекционный слой, а параметры этих компонентов оставляли замороженными. В README указано 14 млрд параметров и поддержка китайского и английского языков. Модель предназначена для визуальных вопросов и ответов, описания содержимого одной или нескольких картинок и диалога с опорой на изображения. Команда сообщает об обучении примерно на 20 млн примеров и приводит результаты тестирования на китайских и английских наборах GQA. В репозитории находятся только параметры визуальной части, поэтому для работы также требуются веса Ziya-LLaMA-13B-v1. Лицензия — GPL-3.0.

AI-infinity-V1-fp16 — модель генерации изображений по текстовому описанию в формате Diffusers. Карточка содержит демонстрационные изображения, но не сообщает сведения об авторе, архитектуре, размере или поддерживаемых языках. Модель предназначена для создания изображений по текстовым запросам. Репозиторий содержит веса в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в материалах репозитория.

AuraFlow v0.1 — открытая модель генерации изображений по текстовому описанию, разработанная fal. В карточке она названа крупнейшей на момент выпуска моделью генерации изображений на основе flow-подхода; авторы сообщают о результатах уровня state of the art на GenEval. Модель предназначена для создания изображений по текстовым запросам. Она распространяется в формате Diffusers с весами Safetensors и лицензией Apache-2.0. Версия v0.1 обозначена как бета: разработчики продолжают работу над моделью и собирают отзывы сообщества.

Модель ahs95/banglabert-sentiment-analysis разработана на основе csebuetnlp/banglabert и дообучена на наборе SentiGOLD для пятиуровневого анализа тональности текстов на бенгальском языке. Она относит текст к одному из классов: очень негативный, негативный, нейтральный, позитивный или очень позитивный. Модель построена на архитектуре ELECTRA, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для анализа публикаций в социальных сетях, отзывов о товарах и клиентских комментариев. В README указана поддержка формального и неформального бенгальского текста; перед подачей рекомендуется нормализация с помощью Bangla Normalizer. В тестировании на SentiGOLD заявлены macro F1 0,666 и точность 0,667. Качество может снижаться на текстах со смешением бенгальского и английского языков, а также при сарказме и сильно контекстных выражениях. Для критически важных решений требуется проверка человеком. Лицензия модели — Apache-2.0.

BEiT large patch16-512 — модель классификации изображений на основе Vision Transformer, разработанная Microsoft. Она предварительно обучена self-supervised методом на ImageNet-21k, затем дообучена на ImageNet-1k для распознавания 1000 классов. Модель принимает изображения, разделяет их на патчи 16×16 и использует трансформерный энкодер с относительными позиционными эмбеддингами и mean pooling для классификации. Размер модели — около 411 млн параметров; доступны реализации PyTorch и Flax. Модель подходит для определения объектов и сцен на изображениях в рамках классов ImageNet, а также для извлечения признаков как основы для обучения классификатора на собственной размеченной выборке. Для работы изображения следует привести к требуемому размеру и нормализовать RGB-каналы; карточка приводит разные разрешения для этапов обучения, включая 512×512 при дообучении. Лицензия — Apache-2.0. Модель ограничена классификацией по фиксированному набору классов ImageNet и сама по себе не выполняет детекцию объектов или распознавание произвольных категорий.

CHATS — модель генерации изображений по текстовому описанию, разработанная авторами исследовательской работы CHATS для ICML 2025. Она дообучена на базе Stable Diffusion XL Base 1.0 и объединяет оптимизацию по человеческим предпочтениям с classifier-free guidance: при генерации использует сигналы от предпочтительных и нежелательных вариантов через стратегию выборки с proxy-prompt. Модель предназначена для создания изображений с более точным соответствием запросу, высокой визуальной достоверностью и согласованной эстетикой. Авторы сообщают о результатах на бенчмарках при дообучении на небольшом наборе данных и заявляют совместимость подхода с различными диффузионными основами и методами guidance. Репозиторий содержит веса в форматах Diffusers и Safetensors. Лицензия — Apache-2.0.

ConvNeXt Small — сверточная модель классификации изображений из библиотеки timm, подготовленная Россом Уайтменом. Модель предварительно обучена на ImageNet-12k, подмножестве ImageNet-22k с 11 821 классом, а затем дообучена на ImageNet-1k. Веса доступны в форматах PyTorch и safetensors; лицензия — Apache-2.0. Модель содержит около 50,2 млн параметров и рассчитана на классификацию изображений. В README указаны размеры изображений 224×224 для обучения и 288×288 для тестирования. Её также можно использовать как основу для извлечения карт признаков и эмбеддингов изображений. Модель предназначена для задач компьютерного зрения общего назначения, включая классификацию объектов на изображениях и получение признаковых представлений для последующей обработки. Она обучена на ImageNet, поэтому её классы и качество могут не соответствовать специализированным предметным областям или данным, заметно отличающимся от обучающих.

timm/convnext_tiny.fb_in1k — свёрточная модель ConvNeXt Tiny для классификации изображений и извлечения признаков. Она обучена авторами архитектуры на ImageNet-1k и распространяется через библиотеку timm в форматах PyTorch и safetensors по лицензии Apache-2.0. Модель содержит около 28,6 млн параметров и требует примерно 4,5 GMACs на изображение. В карточке указаны размер изображения 224 × 224 для обучения и 288 × 288 для тестирования. Модель можно использовать для предсказания классов ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. Она предназначена для задач компьютерного зрения общего назначения, включая классификацию и работу с изображениями как с признаками для последующих систем. Область распознавания ограничена классами и распределением данных ImageNet-1k; карточка не описывает специализированную адаптацию к другим областям.

Это конвертированная в Core ML версия SAM 2.1 Small — модели семейства Segment Anything от FAIR для сегментации изображений и видео по подсказкам. Репозиторий подготовлен Apple и предназначен для использования, в частности, с демонстрационным приложением SAM2 Studio. Модель принимает визуальные данные и подсказки для сегментации и формирует маски объектов. Веса сохранены в формате Core ML с точностью float16. В карточке не приведены сведения о поддерживаемых языках, числе параметров и длине контекста. Лицензия — Apache-2.0.

EfficientViT B1 — модель классификации изображений из семейства EfficientViT, созданная авторами статьи и обученная на ImageNet-1k. Она также может использоваться как backbone для извлечения карт признаков и как модель для получения эмбеддингов изображений. Модель содержит около 9,1 млн параметров и рассчитана на входные изображения размером 288 × 288 пикселей. Она предназначена для классификации изображений по категориям ImageNet-1k и для извлечения визуальных признаков в последующих задачах компьютерного зрения. Репозиторий содержит веса PyTorch и safetensors; библиотека для работы с моделью — timm. Лицензия — Apache-2.0. Модель обучена на ImageNet-1k, поэтому её категории и качество ограничены этим набором данных; для других классов и предметных областей может потребоваться адаптация.

FasterNet S — модель классификации изображений и извлечения признаков семейства FasterNet, опубликованная авторами исследования и обученная на ImageNet-1k. Вариант содержит 31,2 млн параметров и рассчитан на изображения размером 224 × 224; вычислительная стоимость составляет 4,6 GMACs. Модель подходит для классификации изображений по классам ImageNet-1k, получения карт признаков и векторных представлений изображений. Архитектура ориентирована на высокую вычислительную пропускную способность. Репозиторий предоставляет веса PyTorch и Safetensors, библиотека для работы — timm. Лицензия Apache-2.0.

StableDiffusionVN/Flux — модель для генерации и обработки изображений по текстовому и визуальному вводу. В карточке указано, что она поддерживает сценарии text-to-image, image-to-image и inpainting, а также работу с LoRA, Union ControlNet, увеличением разрешения и вариантами Flux Schnell. Модель ориентирована на создание изображений, редактирование и дообучение адаптеров LoRA; приведены готовые рабочие процессы для ComfyUI и материалы для запуска в Google Colab. Разработчик или автор явно не назван, однако репозиторий размещён организацией StableDiffusionVN. Из технических характеристик подтверждены только принадлежность к семейству Flux и язык en; сведения об архитектуре, размере, точном наборе поддерживаемых модальностей и длине контекста не указаны. Сильной стороной являются разнообразные сценарии применения и наличие готовых интеграций с ComfyUI, включая поддержку NF4 и GGUF. Ограничения и требования к аппаратным ресурсам в README не описаны. Лицензия — Apache-2.0.

FLUX.1 Krea [dev] — модель генерации изображений по текстовому описанию, совместно разработанная Black Forest Labs и Krea. Это дообученная версия FLUX.1 [dev] на архитектуре rectified flow transformer с 12 млрд параметров; обучение с guidance distillation сделало её эффективнее. Модель ориентирована на высокое качество, особенно эстетической фотографии, и хорошо следует текстовым запросам. Она принимает текст и создаёт изображения; карточка указывает английский язык. Модель подходит для творческих рабочих процессов, подготовки концептов и визуальных материалов, а также научных исследований. Она предназначена для работы в системах, совместимых с FLUX.1 [dev], включая Diffusers и ComfyUI. Модель не предназначена для предоставления фактической информации: результат может не соответствовать запросу, а следование промпту зависит от его формулировки. Генерация может отражать общественные предубеждения. Веса доступны по лицензии FLUX.1 [dev] Non-Commercial License. README описывает допустимое применение результатов, включая личное и коммерческое, но использование самой модели регулируется условиями этой лицензии. Запрещены, в частности, незаконное использование, эксплуатация несовершеннолетних, создание несанкционированной интимной и иной запрещённой информации; при развёртывании требуются фильтры или ручная проверка.

Omnico/Flux2Klein_4B_diff_loras — модель-адаптер LoRA для генерации изображений по текстовому описанию, совместимый с экосистемой Diffusers. По названию идентификатора она связана с Flux2Klein 4B, однако точная базовая модель и детали архитектуры в README не указаны. Разработчиком, судя по идентификатору, является Omnico. Модель предназначена для text-to-image сценариев: создания фотореалистичных, кинематографичных и художественных изображений по промптам. Примеры демонстрируют работу с людьми, портретами, одеждой, интерьерами, пейзажами, освещением и композицией, включая чувствительный и эротический контент. Поддерживаемые языки, размер контекстного окна, требования к памяти и точные параметры интеграции не указаны. Сильной стороной является заявленная специализация на генерации изображений и возможность использования в Diffusers как LoRA-адаптера, что обычно позволяет подключать дополнительные визуальные характеристики к базовой модели. Ограничения включают отсутствие в README сведений о качестве на тестах, совместимых версиях, рекомендуемых весах, лицензии и допустимых сценариях использования. Условия лицензирования не указаны.

unsloth/FLUX.2-klein-4B-GGUF — квантизированная в формате GGUF версия модели FLUX.2-klein-4B, разработанной Black Forest Labs и подготовленной Unsloth с использованием методологии Unsloth Dynamic 2.0. Это компактная диффузионная модель на основе rectified flow transformer с 4 миллиардами параметров, предназначенная для генерации изображений по текстовому описанию и редактирования изображений с использованием нескольких референсов. Модель поддерживает сценарии text-to-image и image-to-image, включая интерактивные приложения, локальную разработку, edge-развёртывание и производственные системы с низкой задержкой. Заявлена генерация за менее чем секунду и работа на потребительских GPU примерно с 13 ГБ видеопамяти, включая NVIDIA RTX 3090 и RTX 4070. В README указан английский язык, однако отдельные языковые возможности генерации изображений подробно не описаны. К сильным сторонам относятся единая архитектура для генерации и редактирования, компактный размер, высокая скорость и доступность на потребительском оборудовании. К ограничениям относятся возможные ошибки следования промпту, искажения текста на изображениях и способность модели воспроизводить или усиливать предвзятости обучающих данных; модель не предназначена для предоставления фактической информации. GGUF-версия использует повышение точности для важных слоёв и инструменты ComfyUI-GGUF. Модель и её производные распространяются по лицензии Apache 2.0 с открытыми весами и разрешением коммерческого использования, при этом README устанавливает ограничения для незаконного, вредоносного, обманного и ряда высокорисковых сценариев.

Flux.2-Klein-9B-SmartCharacterSwap — адаптер LoRA для модели FLUX.2 Klein 9B, опубликованный пользователем nhathoangfoto. Модель предназначена для замены персонажа или лица в фотореалистичных изображениях и интеграции в сценарии image-to-image, включая коммерческую обработку фотографий, портретную ретушь и node-based рабочие процессы в ComfyUI. Для активации используется триггерное слово jhuangswap. Адаптер ориентирован на сохранение реалистичной текстуры кожи, анатомии и индивидуальных черт исходного персонажа. Его ключевая особенность — обработка перекрытий: модель должна корректно размещать заменённую идентичность за пальцами, волосами, вуалью и другими объектами переднего плана. Также заявлена адаптация к освещению и цветокоррекции целевой сцены, включая чёрно-белые изображения. Поддерживается английский язык промптов; заявленная библиотека интеграции — Diffusers. Для стандартной базовой модели рекомендуются 20–30 шагов генерации, CFG 2,0–4,0 и сила LoRA 0,75–1,0. Для дистиллированных или lightning-моделей указаны 4 шага, CFG 1,0 и сила LoRA 0,85–1,0. Адаптер требует базовую модель black-forest-labs/FLUX.2-klein-base-9B и предназначен прежде всего для фотореалистичных изображений; заявленная лицензия — Apache-2.0. README не содержит точных сведений о размере файла, объёме контекста, параметрах обучения и системных требованиях.

unsloth/FLUX.2-klein-base-9B-GGUF — GGUF-квантизированная версия FLUX.2-klein-base-9B, разработанная Black Forest Labs и подготовленная Unsloth с использованием методологии Dynamic 2.0. Это модель генерации и редактирования изображений на основе rectified flow transformer с 9 млрд параметров. Она принимает текстовые описания и поддерживает редактирование с несколькими референсными изображениями; заявленный язык — английский. Модель предназначена для творческой генерации, интерактивного редактирования, исследований, обучения LoRA, дообучения и создания собственных конвейеров обработки изображений. Это полноразмерная foundation-модель без дистилляции, поэтому она сохраняет большую гибкость, разнообразие результатов и возможности контроля, но рассчитана прежде всего на сценарии, где важнее управляемость, чем максимальная скорость. GGUF-версия оптимизирована для запуска через совместимые инструменты, включая ComfyUI-GGUF; базовая модель доступна также через Diffusers и ComfyUI. Модель может генерировать изображения с разрешением, указанным в примере 1024×1024, а для запуска требуется около 29 ГБ видеопамяти; заявлена совместимость с NVIDIA RTX 4090 и более производительными GPU. Ограничения включают возможное несоответствие результата запросу, зависимость качества следования инструкциям от формулировки промпта и искажения текста на изображениях. Модель не предназначена для предоставления фактической информации и может воспроизводить или усиливать предвзятость обучающих данных. Распространение осуществляется по FLUX Non-Commercial License с Acceptable Use Policy; запрещены, в частности, незаконное или вредоносное использование, эксплуатация несовершеннолетних, создание несогласованных интимных изображений, травля и полностью автоматизированные решения с высоким риском для юридических прав людей.

Hiera Small 224 MAE IN1K FT IN1K — модель компьютерного зрения из библиотеки timm, построенная на иерархическом Vision Transformer Hiera. Её предварительно обучили на ImageNet-1k методом Self-Supervised Masked Autoencoder, а затем дообучили на ImageNet-1k для классификации изображений. Модель содержит около 35 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель предназначена для классификации изображений по классам ImageNet-1k и может использоваться как визуальный бэкбон для извлечения карт признаков и эмбеддингов. В README приведены примеры этих сценариев, однако точные показатели качества именно этой версии не указаны. Репозиторий распространяет веса в форматах PyTorch и safetensors. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения.

Huihui-Qwen3-VL-8B-Instruct-abliterated — мультимодальная модель huihui-ai, созданная abliteration текстовой части Qwen/Qwen3-VL-8B-Instruct. Она принимает текст и изображения и отвечает в диалоговом формате, поддерживая анализ изображений и визуальные вопросы. Вариант предназначен для сценариев, где требуется меньше отказов при описании или анализе изображений; изменения затронули текстовую часть, а не визуальную. Модель построена на плотной архитектуре Qwen3-VL с 8 млрд параметров и доступна в формате safetensors для Transformers. В README также приведён запуск через Ollama. Репозиторий распространяется по лицензии Apache-2.0. Из-за существенно ослабленных защитных фильтров модель может выдавать чувствительные, спорные или неподходящие ответы; результаты следует проверять. README предупреждает, что изменения касаются текстовой части, поэтому не следует считать, что снижены ограничения самой визуальной части.

Карточка модели apakutya111/Hunyuan3D-2.1 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2.1, поэтому описание составлено по ней. Hunyuan3D-2.1 — модель Tencent для создания 3D-объектов по входному изображению. Она предназначена для преобразования изображения в трёхмерный объект, например для подготовки ассетов в графике и 3D-производстве. Модель доступна в форматах PyTorch и Safetensors и связана с библиотекой hunyuan3d-2. В карточке Hugging Face указаны поддержка английского и китайского языков и лицензия other. Сведения о конкретных архитектуре, размере модели, контекстном окне и ограничениях качества не приведены.