IV.1Ритейл, электронная коммерция и fashion-tech

Realistic Vision v5.1 — модель генерации изображений по текстовому описанию, размещённая аккаунтом stablediffusionapi и доступная через API ModelsLab. Она предназначена для создания фотореалистичных изображений; в примере карточки показаны портретная сцена, кинематографическое освещение и управление результатом с помощью позитивного и негативного промптов. Для примера указаны размер 512 × 512 пикселей, 30 шагов генерации и guidance scale 7,5. Модель распространяется по лицензии CreativeML OpenRAIL-M. Карточка показывает способ вызова через API, но не раскрывает сведения об архитектуре, размере модели или поддерживаемых языках промптов.

Карточка модели adzca11/Realistic_Vision_V5.1_noVAE на Hugging Face совпадает с карточкой SG161222/Realistic_Vision_V5.1_noVAE, поэтому описание составлено по ней. Realistic Vision V5.1 noVAE — модель генерации изображений по текстовому описанию, опубликованная пользователем Hugging Face SG161222. Она предназначена для создания реалистичных изображений; автор рекомендует для версии 5.1 подключать VAE, чтобы повысить качество и уменьшить артефакты. В карточке указаны формат Diffusers и веса Safetensors, а лицензия — CreativeML OpenRAIL-M. README предлагает параметры генерации Euler A или DPM++ 2M Karras и CFG Scale 3,5–7, а также рекомендует Hires.fix с апскейлером 4x-UltraSharp. В качестве ограничений отмечены возможные артефакты, анатомические ошибки и нежелательные детали, которые автор предлагает снижать с помощью отрицательного промпта. Карточка не указывает базовую модель или размер чекпойнта.

RealVisXL V1.02 Turbo — модель генерации изображений по текстовому описанию от SG161222, построенная на архитектуре Stable Diffusion XL и распространяемая в форматах Diffusers и SafeTensors. Она ориентирована на фотореалистичные изображения и подходит для создания как безопасного для работы, так и откровенного контента. Автор указывает, что модель находится в процессе обучения и в некоторых случаях может создавать артефакты или выдавать неудовлетворительный результат. Для генерации рекомендованы от 4 шагов, метод DPM++ SDE Karras и CFG 1,5–3. Лицензия — OpenRAIL++; перед использованием следует учитывать её условия.

RealVisXL V3.0 — модель генерации изображений по текстовому описанию, опубликованная SG161222 и построенная на Stable Diffusion XL. Она ориентирована на создание фотореалистичных изображений; автор отмечает, что модель всё ещё находится в процессе обучения и в некоторых случаях может давать артефакты или слабые результаты. По карточке, она способна создавать изображения как безопасного, так и откровенного содержания. Репозиторий содержит веса в формате Diffusers и SafeTensors. Модель подходит для генерации реалистичных изображений по текстовым запросам и настройки результата параметрами семплирования и увеличения разрешения. В README рекомендованы 15–30 шагов и метод DPM++ SDE Karras. Лицензия — OpenRAIL++; применяйте модель с учётом её условий. Автор предупреждает, что это не финальная версия.

RealVisXL V3.0 Turbo — модель генерации изображений от SG161222, предназначенная для создания фотореалистичных изображений по текстовым запросам. Репозиторий содержит модель для Stable Diffusion XL в форматах Diffusers и Safetensors. Автор описывает её как модель, способную создавать изображения приемлемого качества, и приводит рекомендуемые параметры генерации: от 4 шагов, метод DPM++ SDE Karras и CFG 1,5–3. Модель рассчитана на создание изображений как безопасного, так и откровенного содержания. В README сказано, что на момент публикации модель ещё обучалась, не являлась финальной версией и могла давать артефакты или низкое качество в отдельных случаях. Лицензия репозитория — OpenRAIL++.

RegNetZ E8 — модель классификации изображений, обученная Россом Уайтманом в библиотеке timm на ImageNet-1k. Архитектура реализована как конфигурация BYOBNet: она использует блоки с линейными выходами без активации и расширением типа inverted bottleneck. Вариант E8 имеет групповую ширину 8 и трёхслойный ступенчатый stem без pooling. Модель предназначена для присвоения изображениям классов ImageNet-1k и может также использоваться как визуальный backbone для извлечения признаков, карт признаков и эмбеддингов. Веса содержат около 57,7 млн параметров; вычислительная сложность составляет около 9,9 GMACs. Размер изображения при обучении — 256×256, при тестировании — 320×320. Репозиторий предоставляет веса PyTorch и Safetensors для работы с timm. Лицензия — Apache-2.0. Классификатор обучен на ImageNet-1k, поэтому его классы и качество ориентированы на этот набор данных; README не подтверждает специализацию для других предметных областей. Это модель для изображений и она не обрабатывает текстовые запросы как мультимодальная модель.

Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовым запросам, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель: она использует фиксированный текстовый кодировщик CLIP ViT-L/14 и создаёт изображения в разрешении 512×512. Чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов на данных LAION-Aesthetics v2 5+ с отключением текстового условия в части примеров для улучшения classifier-free guidance. Модель подходит для создания иллюстраций, художественных изображений и материалов для творческих инструментов. Лучше всего она работает с англоязычными запросами. Доступны веса в формате Diffusers и safetensors; для использования указан лицензией CreativeML OpenRAIL-M, условия которой следует соблюдать. Модель может ошибаться в деталях и композиции, плохо рисует читаемый текст, лица и людей, а фотореализм не всегда точен. Обучающие данные содержали материалы для взрослых и могли закрепить социальные предубеждения; карточка рекомендует использовать Safety Checker из Diffusers и не применять модель для выдачи вымышленных изображений за достоверные изображения людей или событий.

Photoreal v2.8 — дообученная версия Stable Diffusion 1.5 от автора репозитория circulus. Модель предназначена для генерации изображений по текстовым запросам с фотореалистичной стилистикой. Модель распространяется в форматах Diffusers и PyTorch и использует библиотеку Diffusers. В карточке указан английский язык; лицензия — GPL-3.0. Сведений о размере модели, контексте и дополнительных модальностях нет.

SDXL Flash — модель генерации изображений по текстовым запросам, созданная sd-community в сотрудничестве с Project Fluently на основе Stable Diffusion XL Base 1.0. Она предназначена для быстрого создания изображений и нацелена на более высокое качество, чем у некоторых ускоренных вариантов SDXL, при меньшей скорости, чем LCM, Turbo, Lightning и Hyper. Модель совместима с библиотекой Diffusers и распространяется в форматах Diffusers и safetensors. В README рекомендуются 6–9 шагов генерации, CFG Scale 2,5–3,5 и сэмплер DPM++ SDE. Лицензия — CreativeML OpenRAIL-M.

Shap-E — генеративная модель OpenAI для создания 3D-объектов по текстовому запросу. Она использует условную диффузию и генерирует параметры неявной функции, которую можно визуализировать как текстурированную сетку или neural radiance field (NeRF). Модель выпущена в рамках исследования «Shap-E: Generating Conditional 3D Implicit Functions»; эта карточка размещена на Hugging Face отдельно от карточки авторов. Модель предназначена для быстрого создания разнообразных 3D-ассетов по описанию, например объектов для прототипирования и визуализации. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. По сравнению с Point-E авторы сообщают о более быстрой сходимости и сопоставимом или лучшем качестве примеров, хотя это утверждение относится к исследованию. Лицензия — MIT. Карточка отсылает к оригинальной модельной карточке за сведениями об известных ограничениях и смещениях, поэтому конкретные ограничения здесь не описаны.

Карточка модели LanguageMachines/stable-diffusion-2-1-base на Hugging Face совпадает с карточкой Manojb/stable-diffusion-2-1-base, поэтому описание составлено по ней. Manojb/stable-diffusion-2-1-base — модель генерации изображений по тексту, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель, использующая предварительно обученный текстовый энкодер OpenCLIP-ViT/H. Версия 2.1 дообучена на Stable Diffusion 2-base ещё на 220 тысячах шагов; модель распространяется в форматах Diffusers, PyTorch и Safetensors и работает с библиотекой Diffusers. Модель предназначена для создания и изменения изображений по текстовым запросам, в том числе для художественных и дизайнерских задач и творческих инструментов. В первую очередь она рассчитана на английские запросы; качество генерации по запросам на других языках ниже. Лицензия — CreativeML Open RAIL++-M. Модель не гарантирует фотореализм, плохо передаёт читаемый текст и сложные пространственные композиции, а лица и люди могут получаться некорректно. Обучающие данные содержали изображения для взрослых, насилие и сексуальный контент, частично отфильтрованные NSFW-детектором; возможны социальные предубеждения, включая смещение в сторону западных культур. Модель не предназначена для достоверного изображения реальных людей или событий.

Stable Fast 3D (SF3D) — модель Stability AI, которая по одному изображению объекта создаёт текстурированную UV-развёрнутую 3D-сетку. Это трансформерная модель реконструкции изображений в 3D, обученная на рендерах из Objaverse; входное изображение должно иметь размер 512×512 пикселей. Модель предназначена для создания 3D-ассетов в художественных и дизайнерских проектах, творческих и образовательных инструментах, а также для исследований реконструкции. Она формирует сетку с относительно небольшим числом полигонов, выполняет удаление освещения для удобства дальнейшей работы в игровых движках и программах рендеринга, а также предсказывает параметры материала, включая шероховатость и металличность. В карточке заявлено создание модели менее чем за секунду. Модель не предназначена для получения достоверных изображений людей или событий. Для коммерческого использования SF3D и производных моделей организациям или частным лицам с годовой выручкой от 1 млн долларов США требуется коммерческая лицензия Stability AI; также необходимо соблюдать Community License и Acceptable Use Policy. В метаданных указан тип лицензии other.

Tanpo Marketing — компактная языковая модель для маркетинга и задач GTM, созданная d4rkninja. Она дообучена методом LoRA на базе LiquidAI/LFM2.5-1.2B-Instruct; в репозитории размещены объединённые веса для Transformers. Модель рассчитана на локальное и недорогое развёртывание, в том числе на устройствах с ограниченными ресурсами. Архитектура LFM2, около 1,5 млрд параметров по метаданным, контекст — до 128 000 токенов. Модель помогает создавать рекламные заголовки и хуки, холодные письма, тексты для посадочных страниц, сообщения для целевой аудитории, брифы кампаний, анонсы запусков и ответы на возражения. Английский указан среди языков модели. Авторские автоматические оценки показывают улучшение на небольших наборах маркетинговых заданий, но не являются отраслевыми бенчмарками и не гарантируют качества в реальных кампаниях. Модель специализирована на маркетинге и GTM: за пределами этих задач качество может снижаться, а её небольшой размер ограничивает объём знаний и способность к длительным рассуждениям. Она не предназначена для проверки юридических утверждений, товарных знаков или соответствия регулируемой рекламе. Лицензия указана как other; конкретные условия следует проверять на странице модели.

Это конверсия модели microsoft/TRELLIS.2-4B в конвейер diffusers-3d, опубликованная suvadityamuk. Она создаёт 3D-модели по входному изображению и поддерживает варианты генерации с разрешением 512, 1024 и 1536, включая каскадные пресеты. В репозитории сохранены компоненты TRELLIS.2, кроме кодировщика изображений DINOv3: его веса нужно получить отдельно, приняв лицензию Meta на странице facebook/dinov3-vitl16-pretrain-lvd1689m, и передать при загрузке модели. Конвейер может возвращать сетку с цветом вершин; для генерации PBR-текстурированной сетки требуется CuMesh, а для рендеринга Gaussian splats — дополнительный бэкенд gsplat. Веса модели не изменены, а формат репозитория адаптирован для diffusers-3d. Для модели указана лицензия MIT; при использовании CuMesh действуют отдельные условия, включая некоммерческую лицензию NVIDIA для cubvh.

EarthnDusk/Virtual_Realism — модель генерации изображений по текстовому описанию, опубликованная Earth & Dusk. Она предназначена для создания реалистичных изображений по текстовым запросам и работает через StableDiffusionPipeline библиотеки Diffusers. Репозиторий содержит веса в формате Safetensors. Карточка предлагает сохранять метаданные модели и указывает лицензию CreativeML OpenRAIL-M. Автор просит не перезагружать модель. Сведений о размере, контексте и конкретных ограничениях качества карточка не содержит.

vit_base_patch16_224.sam_in1k — модель компьютерного зрения семейства Vision Transformer (ViT), представленная в библиотеке timm. Она предназначена для классификации изображений и может использоваться как базовая сеть для извлечения признаков и эмбеддингов. Модель обучена на ImageNet-1k с применением Sharpness Aware Minimization (SAM). Архитектура использует патчи размером 16 × 16 и рассчитана на изображения 224 × 224 пикселя. В модели около 86,6 млн параметров; вычислительная сложность составляет 16,9 GMACs. Она поддерживает классификацию по ImageNet-1k и получение признаковых представлений изображений. Весы опубликованы в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные ограничения, кроме специализации на изображениях указанного размера и классификации ImageNet-1k.

vit_base_patch32_224.sam_in1k — модель Vision Transformer (ViT) для классификации изображений, доступная в библиотеке timm. Её обучили на ImageNet-1k с использованием Sharpness-Aware Minimization (SAM). Модель содержит 88,2 млн параметров и рассчитана на изображения размером 224 × 224 пикселя; также её можно использовать как backbone для извлечения признаковых представлений изображений. Модель подходит для классификации изображений по категориям ImageNet-1k и получения эмбеддингов изображений в приложениях компьютерного зрения. В README приведены ссылки на исследования о Vision Transformer и обучении с SAM. Репозиторий содержит веса PyTorch и safetensors; лицензия — Apache-2.0. Ограничение: модель обучена на ImageNet-1k, поэтому её классификация ориентирована на соответствующие классы и распределение изображений.

digiplay/XRYCJ_RealisticModel — модель Stable Diffusion для генерации реалистичных изображений по текстовому описанию. Репозиторий использует формат Diffusers и веса Safetensors. Модель предназначена для создания изображений по текстовым запросам. Карточка не содержит дополнительных сведений о разработчике, архитектурных параметрах, рекомендуемых сценариях, языках запросов или настройках генерации. Лицензия указана как other, поэтому конкретные условия использования следует проверять в файлах репозитория.

Yolo-X — модель компьютерного зрения для обнаружения объектов на изображениях, разработанная Qualcomm на основе реализации YOLOX от Megvii-BaseDetection. Модель предсказывает ограничивающие рамки и классы объектов и ориентирована на сценарии реального времени, включая развёртывание на Android-устройствах и других системах на базе Qualcomm. Она предназначена для инференса на Qualcomm NPU и поставляется в форматах ONNX, QNN_DLC и TFLITE. Используется конфигурация YoloX Small с входным разрешением 640×640 и примерно 8,98 млн параметров. Размер float-версии составляет 34,3 МБ, вариантов w8a16 и w8a8 — 9,53 и 8,96 МБ соответственно. Доступны плавающая точность и квантованные варианты w8a16, w8a8 и w8a8_mixed_int16. Предэкспортированные модели совместимы с QAIRT 2.45 и ONNX Runtime 1.27.1; также поддерживается экспорт с пользовательскими весами, формами входа, целевым устройством и runtime-конфигурацией. К сильным сторонам относятся компактный размер, варианты квантования и оптимизация для широкого набора чипсетов Qualcomm, включая Snapdragon и Dragonwing, с использованием NPU. В README не указаны поддерживаемые языки, конкретный набор классов объектов, обучающий датасет, точность обнаружения и ограничения по условиям съёмки, поэтому эти характеристики нельзя оценить по представленным данным. Модель распространяется по лицензии Apache-2.0.

AlbedoBase XL — модель генерации изображений по текстовому описанию, опубликованная Stable Diffusion API и предназначенная для использования через сервис ModelsLab. Карточка демонстрирует создание фотореалистичных портретов и сцен с настройками размера изображения, числа шагов генерации, seed и guidance scale. Модель доступна в формате Diffusers и использует StableDiffusionXLPipeline; веса представлены в PyTorch и Safetensors. Пример API указывает на генерацию изображений размером 512 × 512 и поддерживает negative prompt, усиление запроса и дополнительные параметры генерации. Репозиторий распространяется по лицензии CreativeML OpenRAIL-M.

Карточка модели rmaser/aloe-dinov3-small-in1k-lp на Hugging Face совпадает с карточкой rmaser/aloe-siglip2-base, поэтому описание составлено по ней. rmaser/aloe-siglip2-base — визуальный энкодер семейства ALOE, разработанный для преобразования представлений SigLIP2 ViT-B/16 в объяснимую B-cos-модель. На этапе выравнивания модель обучалась сопоставлять глобальные и промежуточные токенные признаки замороженного учителя на изображениях без разметки. Она предназначена для использования как визуальный backbone в классификации изображений, извлечении признаков и задачах переноса, включая zero-shot классификацию с текстовым энкодером SigLIP2. Модель содержит 113,2 млн параметров и публикуется в формате safetensors для Transformers; для загрузки требуется пользовательский код репозитория. ALOE стремится сохранить геометрию признаков и качество исходного энкодера, одновременно предоставляя встроенные B-cos-объяснения. В README отмечено, что публичные чекпойнты следует считать исследовательскими артефактами. Лицензия — CC BY-NC-SA 4.0, допускающая использование с указанием авторства и на условиях распространения производных материалов, но не коммерческое использование.

Карточка модели rmaser/aloe-siglip2-so400m-in1k-lp на Hugging Face совпадает с карточкой rmaser/aloe-siglip2-base, поэтому описание составлено по ней. rmaser/aloe-siglip2-base — визуальный энкодер семейства ALOE, разработанный для преобразования представлений SigLIP2 ViT-B/16 в объяснимую B-cos-модель. На этапе выравнивания модель обучалась сопоставлять глобальные и промежуточные токенные признаки замороженного учителя на изображениях без разметки. Она предназначена для использования как визуальный backbone в классификации изображений, извлечении признаков и задачах переноса, включая zero-shot классификацию с текстовым энкодером SigLIP2. Модель содержит 113,2 млн параметров и публикуется в формате safetensors для Transformers; для загрузки требуется пользовательский код репозитория. ALOE стремится сохранить геометрию признаков и качество исходного энкодера, одновременно предоставляя встроенные B-cos-объяснения. В README отмечено, что публичные чекпойнты следует считать исследовательскими артефактами. Лицензия — CC BY-NC-SA 4.0, допускающая использование с указанием авторства и на условиях распространения производных материалов, но не коммерческое использование.

CAI-20B-v2-i1-GGUF — это набор квантизированных файлов в формате GGUF для текстовой генерации. Он создан пользователем mradermacher на основе модели tigres2526/CAI-20B-v2; квантизация выполнена с использованием imatrix. В метаданных указаны английский язык и библиотека Transformers, однако подробности исходной архитектуры и обучения базовой модели в README не приведены. Модель предназначена для локального запуска задач генерации текста, включая сценарии, связанные с маркетингом, электронной коммерцией, Meta Ads, scaling laws и reinforcement learning, что отражено в тегах проекта. Доступны варианты квантизации от крайне компактных IQ1 и IQ2 до более качественных IQ3, IQ4, IQ5 и IQ6; размер файлов составляет примерно от 12,1 до 22,3 ГБ. В README рекомендуются варианты i1-Q4_K_M как быстрые и i1-Q4_K_S как оптимальные по соотношению размера, скорости и качества. Более низкие уровни квантизации экономят память, но могут заметно снижать качество. Модель поддерживает только текстовый ввод и вывод; сведения о контекстном окне, точном числе параметров, архитектуре, производительности и дополнительных языках не указаны. Это вариант для локального использования, требующий совместимого ПО для GGUF. Лицензия — MIT.

Canopus-LoRA-Flux-FaceRealism — адаптер LoRA, разработанный prithivMLmods для генерации фотореалистичных изображений лиц и портретов. Модель предназначена для text-to-image сценариев на базе FLUX.1-schnell и ориентирована на создание реалистичной кожи, черт лица, освещения и фотографической детализации в портретной и fashion-съёмке. Это LoRA для диффузионной архитектуры с параметрами Network Dim 64 и Network Alpha 32. Для обучения использовано более 200 изображений высокого разрешения; разметка выполнена с помощью Florence2 на английском языке и естественном языке. В README не указаны точный объём адаптера, максимальный контекст, поддерживаемые языки интерфейса или отдельные модальности, однако модель является изображенческой и не предназначена для обработки текста как самостоятельная модель. Сильная сторона адаптера — специализация на реалистичных лицах, портретах и естественном освещении. Ограничение заключается в том, что модель всё ещё находится на стадии обучения и может создавать артефакты или работать нестабильно в отдельных случаях. Для активации рекомендуется использовать instance prompt «face, realism, face realism». Указана лицензия creativeml-openrail-m; условия совместного использования с базовой моделью FLUX.1-schnell следует дополнительно проверять по её лицензии.

Compassmix XL — модель генерации изображений по текстовому описанию в формате Diffusers. Её создал lodestone-rock для frosting.ai; для генерации рекомендуется использовать 8 шагов. Модель предназначена для создания изображений по текстовым запросам. В карточке не указаны размер модели, базовая модель, языки, лицензия и специальные ограничения на применение, поэтому эти характеристики здесь не уточняются.

convnext_nano.r384_in12k — модель компьютерного зрения для классификации изображений и извлечения признаков, обученная Ross Wightman с использованием библиотеки timm на ImageNet-12k, подмножестве ImageNet-22k с 11 821 классом. Она основана на архитектуре ConvNeXt и содержит 22,5 млн параметров. Модель рассчитана на изображения размером 384 × 384 пикселя. Её можно применять для присвоения изображениям меток из обучающего набора, извлечения карт признаков и получения эмбеддингов изображений. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0. Классификация ограничена классами ImageNet-12k и может не покрывать категории конкретной прикладной задачи; для таких случаев потребуется адаптация модели. В README приведены показатели сравнения, измеренные на RTX 3090 с PyTorch 1.13 и AMP, поэтому их нельзя напрямую переносить на другие аппаратные платформы и настройки.

ConvNeXt V2 Pico — сверточная модель компьютерного зрения, разработанная авторами статьи ConvNeXt V2 и опубликованная в репозитории Hugging Face. Модель предварительно обучена с помощью FCMAE и дообучена на ImageNet-1K для классификации изображений размером 224×224 по 1000 классам ImageNet. Архитектура ConvNeXt V2 использует полностью сверточную сеть и слой Global Response Normalization (GRN). Модель подходит для классификации изображений общего назначения и может служить основой для дальнейшей адаптации под другие задачи компьютерного зрения. Репозиторий содержит веса в форматах PyTorch, safetensors и TensorFlow. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки и подробных ограничений; назначение описано для классификации изображений ImageNet-1K.

Это конверсия модели SAM 2.1 Tiny, разработанной FAIR для сегментации изображений и видео по подсказкам. Данная версия подготовлена в формате Core ML для использования с демонстрационным приложением SAM2 Studio и преобразована в точность float16. Модель предназначена для интерактивной визуальной сегментации: по визуальной подсказке она выделяет объекты на изображениях и видео. Репозиторий содержит формат Core ML и распространяется по лицензии Apache 2.0.

CyberRealistic XL v70 — дообученная модель генерации изображений, созданная Cyberdelia на базе cyberdelia/CyberRealisticXL. Она предназначена для создания фотореалистичных изображений по текстовым описаниям, включая портреты и сцены с детализированными чертами, естественными тонами и выразительным освещением. Модель использует Stable Diffusion XL и доступна в формате Diffusers с весами safetensors. Модель подходит для генерации реалистичных изображений и портретов по запросу на английском языке. Лицензия — CC0 1.0. Карточка модели не описывает специфические ограничения качества или безопасного использования.

Deliberate v2 — модель генерации изображений по текстовому описанию, представленная через ModelsLab и опубликованная на Hugging Face аккаунтом stablediffusionapi. Пример API показывает передачу основного и отрицательного промптов, настройку размера изображения, числа шагов и guidance scale; модель позиционируется для создания фотореалистичных изображений и портретов. В сценарии использования пользователь описывает сцену и при необходимости задаёт отрицательный промпт, чтобы исключить нежелательные детали. README демонстрирует генерацию квадратного изображения 512×512 за 30 шагов, а также параметры улучшения промпта, апскейлинга, панорамы, LoRA и эмбеддингов. Модель работает через API ModelsLab; формат и архитектурный класс указаны в метаданных как Diffusers StableDiffusionPipeline с весами Safetensors. Лицензия — CreativeML OpenRAIL-M. В карточке не приведены точный размер модели, длина контекста и перечень поддерживаемых языков. Качество результата зависит от формулировки промпта; готовые веса и локальный способ запуска в README не описаны.