IV.5Образование и развитие навыков

Javalion-GPTJ — слитая модель генерации текста на архитектуре GPT-J, созданная объединением четырёх моделей: Janeway, Shinen, Skein и Pygmalion6b. Janeway и Shinen объединены в JANIN-GPTJ, а Skein и Pygmalion — в SKEGMA-GPTJ; исходные модели относятся к KoboldAI, кроме Pygmalion6b от PygmalionAI. Модель предназначена для генерации текста, в том числе художественных и ролевых сценариев. Модель принимает текст и генерирует текст; родной размер контекста — 2048 токенов. Репозиторий содержит веса PyTorch. Лицензия — CreativeML Open RAIL-M. Автор предупреждает, что модель не предназначена для несовершеннолетних и может создавать контент категории NC-17 и выше.

LFM2.5-1.2B-Base — базовая предварительно обученная текстовая модель семейства LFM2.5, разработанного Liquid AI для локального запуска на устройствах и дальнейшей адаптации. Это исходный чекпойнт, на котором основаны варианты LFM2.5-1.2B; в карточке указана плотная архитектура LFM2 с 16 слоями: 10 блоков свёрток LIV с двойным гейтингом и 6 блоков GQA. README приводит 1,17 млрд параметров, метаданные — 1,5 млрд. Модель предназначена прежде всего для дообучения под конкретный язык, предметную область или собственные данные, а также для экспериментов с методами постобучения. Она обрабатывает только текст, поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский и испанский. README указывает контекст 32 768 токенов, тогда как метаданные каталога — 128 000; эти значения расходятся. Обучение охватывает 28 трлн токенов, срез знаний — середина 2024 года. В карточке описана исходная версия весов в формате safetensors для Transformers и vLLM; семейство ориентировано на развёртывание на устройствах. Лицензия обозначена как other, поэтому перед использованием следует проверить её условия на странице модели. Как базовый чекпойнт, модель не является готовым универсальным помощником и для прикладного качества может потребовать существенного дообучения.

NobodySpecial/Llama-3.1-70B-Instruct-Lorablated-Creative-Writer — дообученная модель на базе mlabonne/Llama-3.1-70B-Instruct-lorablated, созданная для творческого письма и следования инструкциям. Она обучалась на длинных рассказах, заданиях на творческое письмо и ролевых диалогах, а также на соблюдении системных промптов. Модель использует плотную архитектуру LlamaForCausalLM примерно на 69,5 млрд параметров и шаблон чата Llama 3; доступна в формате safetensors. Заявлена длина контекста 131 072 токена. Модель рассчитана на генерацию историй в разных стилях и жанрах, ролевые сценарии и выполнение творческих инструкций. Автор называет её нецензурированной и стремился уменьшить типичные для GPT стилистические обороты. Специальные системные промпты или ключевые слова не требуются. Карточка не сообщает лицензию, поэтому условия использования по ней определить нельзя.

New-Dawn-Llama-3.1-70B-v1.1 — слитая модель на архитектуре Llama, созданная sophosympatheia объединением New-Dawn-Llama-3-70B-32K-v1.0 и Meta-Llama-3.1-70B-Instruct. Она содержит 69,5 млрд параметров, работает с текстом и имеет контекст до 131 072 токенов. Автор указывает, что при слиянии стремился сохранить возможности длинного контекста базовой Llama 3.1. Модель предназначена прежде всего для ролевых диалогов, сторителлинга и творческого письма; также поддерживает обычную генерацию текста и чат. Автор характеризует её как uncensored, поэтому она может выдавать взрослый или иной нежелательный контент. Качество на задачах за пределами ролевого общения и творческого письма автором не проверялось. Репозиторий содержит веса Safetensors, библиотека — Transformers; лицензия — llama3.1.

Nitro-1-SD — модель генерации изображений по текстовым описаниям, разработанная AMD. Это модель на основе UNet с архитектурой Stable Diffusion 2.1, дообученная методом дистилляции на 1 млн запросов из DiffusionDB с использованием AMD Instinct GPU. Она создаёт изображение за один шаг, что заметно сокращает вычисления и время генерации по сравнению с базовой Stable Diffusion 2.1; в приведённом сравнении CLIP score ниже на 2,5%, а FID выше на 2,2%. Модель совместима с конвейером Diffusers. Распространяется по лицензии Apache-2.0.

nbeerbower/phi3.5-gutenberg-4B — дообученная модель семейства Phi-3, созданная на основе microsoft/Phi-3.5-mini-instruct. Она предназначена для генерации текста и диалоговых сценариев; при дообучении использовался датасет jondurbin/gutenberg-dpo-v0.1, обучение проводилось в течение трёх эпох на двух RTX 4060 Ti. Модель имеет плотную архитектуру Phi3ForCausalLM и содержит 3,7 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст до 4096 токенов. Репозиторий использует формат safetensors, библиотека — Transformers. Лицензия — MIT. Карточка не уточняет отдельные показатели качества или языковой охват этой версии. Базовая модель Microsoft описана как многоязычная и предназначенная для диалогов, рассуждений, кода и генерации текста; эти свойства не подтверждены отдельно для данного дообучения.

Pixie Zehir Nano — разговорная языковая модель, разработанная Maani, BLNKBLK и Liquid AI. Это плотная модель семейства LFM2 с 2,4 млрд параметров, дообученная на высококачественных данных Pixie Zehir на основе LiquidAI/LFM2-2.6B. Репозиторий содержит веса в формате safetensors; для работы указана библиотека Transformers. Модель предназначена прежде всего для творческого письма и генерации диалоговых ответов, например стихов и хайку. Она поддерживает английский, французский, испанский, немецкий, итальянский, португальский и русский языки, а длина контекста составляет 128 000 токенов. В карточке приведены примеры генерации хайку. Модель заявлена для исследовательских целей; лицензия — LFM 1.0, условия использования определяются этой лицензией.

Модель SciHigh-2026 Subtask 1 — полноценно дообученная версия BART-large-CNN, созданная для задачи SciHigh-2026. Она предназначена для составления кратких пересказов научных статей по их заголовкам и аннотациям; заголовок статьи добавлялся к входному тексту при обучении. Архитектура — BART с 252,8 млн параметров, максимальная длина контекста — 1024 токена. Модель использует конвейер подготовки данных, включавший восстановление обрезанных аннотаций и получение заголовков статей. Доступна в формате safetensors по лицензии Apache-2.0. Карточка описывает обучение на корпусе научных статей для соревнования SciHigh-2026; качество за пределами этого сценария не характеризуется.

Skywork-Reward-Gemma-2-27B-v0.2 — модель вознаграждения Skywork на основе Gemma 2, дообученная как классификатор последовательностей для оценки предпочтительности ответов. Она принимает диалоги или пары ответов и выдаёт оценки, позволяющие сравнивать варианты и выбирать более предпочтительный. Модель предназначена для ранжирования ответов и поддержки обучения и оценки языковых моделей с подкреплением на основе предпочтений. Модель содержит 27,6 млрд параметров, использует плотную архитектуру Gemma 2 и работает с контекстом до 8192 токенов. Она обучена на 80 тыс. публичных пар предпочтений из разных источников; README отмечает результаты в областях диалога, сложных запросов, безопасности, математики и программирования, а также лидерство на RewardBench по состоянию на октябрь 2024 года. Доступны веса в формате safetensors для Transformers. Для оценки на RewardBench авторы рекомендуют использовать версию v0.2, обученную на очищенном от выявленных пересечений датасете. Для корректной работы 27B версии в README рекомендована реализация attention flash_attention_2 или eager: реализация по умолчанию sdpa может заметно ухудшить результаты. Лицензия в предоставленных данных не указана; авторы просят не использовать модель для незаконной деятельности и не запускать её в интернет-сервисах без соответствующих проверок безопасности.

Skywork/Skywork-Reward-V2-Qwen3-0.6B — компактная модель вознаграждения, разработанная командой Skywork и дообученная на базе Qwen/Qwen3-0.6B. Это плотная модель с архитектурой Qwen3ForSequenceClassification, содержащая 507,9 млн параметров и принимающая текст для оценки качества ответов и предпочтений. Модель относится к семейству Skywork-Reward-V2, обученному на смеси из 26 млн пар предпочтений по Bradley–Terry. Модель предназначена для ранжирования ответов в диалогах и оценки предпочтений, в том числе при сравнении вариантов ответа и в конвейерах оценки языковых моделей. Разработчики сообщают о результатах на нескольких бенчмарках reward-моделей; приведённые общие заявления серии не гарантируют аналогичные результаты на конкретных пользовательских данных. Контекстное окно составляет 40 960 токенов. В метаданных указана лицензия Apache-2.0. README не уточняет языковой охват, поэтому не следует считать модель русскоязычной или многоязычной без отдельной проверки.

Tanuki-7B-v0.1 — дообученная NeuralNovel модель на архитектуре Mistral для генерации текстов по инструкциям. Она предназначена прежде всего для ролевых сценариев, коротких историй и творческих ответов на сложные повествовательные запросы. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель прошла полное дообучение Mistral-7B-Instruct-v0.2 на наборах Neural-Story-v1 и Creative-Logic-v1. Она ориентирована на подробное и творческое повествование; в задачах, не связанных с генерацией текстов по инструкциям и повествованием, качество может быть ниже. В ответах возможны смещения, связанные с обучающими данными, включая жанровые и стилистические предпочтения. Лицензия Apache-2.0 допускает коммерческое и некоммерческое использование.

Theia-21B-v2 — текстовая чат-модель от BeaverAI, созданная совместно со Steelskull как дообучение NeMoria 21B. Это плотная авторегрессионная модель семейства Mistral с 20,7 млрд параметров; в версии v2 добавлены токены ChatML. Модель предназначена для ролевых диалогов, продолжения текста, написания историй и инструктивного повествования. В карточке указано окно контекста до 1 024 000 токенов. Авторы сообщают об усилении творческой составляющей, улучшении ролевых возможностей, повествования и выразительности прозы. В обучении использовались completion-, RP- и instruct-данные; README описывает шаблоны Text Completion, ChatML, Alpaca и Mistral. Модель распространяется в формате safetensors под лицензией other; конкретные условия лицензии следует проверять в репозитории.

Карточка модели TheSanctumbellsMediaInc/TheShootCompanion-FLUX2-klein-4B на Hugging Face совпадает с карточкой black-forest-labs/FLUX.2-klein-4B, поэтому описание составлено по ней. FLUX.2 [klein] 4B — модель Black Forest Labs с 4 млрд параметров на архитектуре rectified flow transformer. Она объединяет генерацию изображений по тексту и редактирование изображений с несколькими референсами в одной компактной модели; поддерживаются сценарии text-to-image и image-to-image. Модель рассчитана на интерактивные и производственные приложения, где важны скорость и локальный запуск, и, по данным разработчика, требует около 13 ГБ видеопамяти. Разработчик заявляет о дистиллированной версии с генерацией менее чем за секунду и качеством, сопоставимым с более крупными моделями. Для запуска доступны Diffusers и ComfyUI. Карточка указывает поддержку английского языка; текст внутри изображений может искажаться, а соответствие результатом запросу зависит от формулировки промпта. Модель не предназначена для предоставления фактической информации и может отражать смещения обучающих данных. Веса доступны по лицензии Apache 2.0 для коммерческого использования; карточка также перечисляет ограничения на отдельные вредоносные сценарии.

TongGu-7B-Instruct — языковая модель для понимания и обработки китайских классических текстов, разработанная лабораторией глубокого обучения и вычислений изображений Южно-Китайского технологического университета (SCUT-DLVCLab). Она основана на Baichuan2-7B-Base: модель прошла дополнительное предобучение на 2,41 млрд токенов корпуса классических текстов и многоэтапную инструкционную донастройку на 4 млн диалоговых примеров. Архитектура — плотная Baichuan с 7 млрд параметров; длина контекста — 4096 токенов. Модель предназначена для расстановки пунктуации и смыслового членения в классическом китайском тексте, его перевода на современный китайский, объяснения идиом, анализа и создания стихов, а также ответов на вопросы о классических произведениях. Авторы сообщают о сильных результатах в задачах понимания и обработки древних текстов. Модель может ошибаться в фактах или выдавать предвзятые и вредоносные ответы, поэтому результаты требуют проверки. README не указывает лицензию модели; ограничения на некоммерческое исследовательское использование отдельно приведены для набора данных ACCN-INS и не должны автоматически трактоваться как лицензия модели.

TritonModelStock-V2.1-24B — объединённая модель на архитектуре Mistral, созданная автором карточки методом model_stock с помощью Mergekit. В объединение вошли специализированные модели для ролевого общения, персонажей и творческого письма; итоговый размер — 23,4 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях, а также для творческого письма и общения от лица персонажей. Модель принимает текст и генерирует текст, поддерживает английский язык и использует шаблон Mistral V7-Tekken. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README описывает многоэтапное слияние, однако конфигурации шагов 2–4 опущены; отдельные заявления о качестве и результатах не приводятся.

Twisted-Cyclone-31B — мультимодальная диалоговая модель на архитектуре Gemma 4, созданная Cyclone Labs слиянием нескольких моделей на базе google/gemma-4-31B-it. В состав слияния вошли Gemma-4-Novelist-Eclipse-31B, Glimmering-Citrus-31B, Pantheon-Reasoning-31B-1.1 и Versipellis-31B; веса сохранены в формате safetensors, итоговая точность — bfloat16. Модель предназначена для ролевых диалогов, взаимодействия с персонажами, творческого письма, создания историй, развития сюжета и мозгового штурма. Поддерживает диалог и анализ изображений с генерацией текста. В README не приведены сведения о поддерживаемых естественных языках и длине контекста. Модель распространяется по лицензии Apache-2.0.

ViTPose+ Base — модель компьютерного зрения для оценки позы человека по изображению. Архитектура использует обычный Vision Transformer для извлечения признаков и лёгкий декодер для предсказания ключевых точек тела. Разработана Yufei Xu, Jing Zhang, Qiming Zhang и Dacheng Tao; версия на Hugging Face перенесена Sangbum Choi и Niels Rogge. Модель представлена в формате Safetensors и доступна через Transformers. Модель предназначена для определения координат суставов и других ключевых точек человека, например для анализа позы на фотографиях и кадрах видео. Карточка сообщает о результатах семейства ViTPose на наборах MS COCO, включая до 81,1 AP, но не приводит отдельной оценки именно этой версии Base. Для работы с видео кадры нужно обрабатывать отдельно; распознавание действий описано как последующая задача на основе поз, а не как непосредственный выход модели. Модель обучалась и оценивалась на нескольких наборах данных позы человека, включая MS COCO, AI Challenger, MPII и CrowdPose; OCHuman использовался для оценки окклюзий. Ограничения включают зависимость качества от данных и условий съёмки, а также возможность дальнейшего улучшения архитектуры декодера. Лицензия модели — Apache-2.0.

usyd-community/vitpose-plus-small — модель ViTPose++ для оценки позы человека, разработанная командой ViTAE-Transformer; карточка указывает авторов Yufei Xu, Jing Zhang, Qiming Zhang и Dacheng Tao, а перенос в Transformers выполнили Sangbum Choi и Niels Rogge. Модель использует обычный vision transformer без иерархических уровней в качестве визуального энкодера и лёгкий декодер для предсказания ключевых точек тела. Вариант предназначен для определения позы человека по изображению; задача в метаданных — keypoint-detection. Модель подходит для приложений фитнеса, анализа движений, анимации и мониторинга поведения, где требуется локализовать суставы человека. В README приведён результат семейства ViTPose до 81,1 AP на тестовом наборе MS COCO Keypoint, но это не отдельная оценка именно данного малого варианта. Карточка описывает обучение и оценку на MS COCO, AI Challenger, MPII и CrowdPose, а также оценку на OCHuman, включая случаи окклюзии. Лицензия — Apache-2.0. Карточка не приводит точное число параметров, размер входа или длину контекста для этого варианта. Модель ориентирована на позы людей; применение к позам животных и распознаванию ключевых точек лица обозначено как возможное направление дальнейшей работы. Для оценки позы на видео нужна обработка кадров внешним конвейером.

Модель разработана Peter Rupnik, Nikola Ljubešić, Ivan Porupski и Darinka Verdonik при финансировании проекта MEZZANINE. Это Wav2Vec2BertForAudioFrameClassification — дообученная версия facebook/w2v-bert-2.0 с 402,7 млн параметров, которая определяет заполненные паузы вроде «эээ» и «э-эм» в аудиозаписи. Модель выдаёт метку 0 или 1 для каждого 20-миллисекундного кадра; последовательные положительные кадры объединяются в интервалы. Модель обучена на размеченной словенской речи из корпуса ROG-Artur и оценивалась на словенском, хорватском, сербском, польском и чешском материале. На тестовой части ROG-Artur F1 составила 0,943; для чешского, хорватского и польского в ParlaSpeech указаны F1 0,874, 0,913 и 0,924 соответственно с постобработкой. Качество зависит от языка, сегментации аудио и постобработки: короткие предсказания и события на границах аудиофрагмента могут давать ложные срабатывания. Лицензия — Apache-2.0.

WestLake-10.7B-v2 — языковая модель для ролевого диалога и генерации текста, созданная froggeric методом слияния слоёв модели senseable/WestLake-7B-v2 с помощью mergekit. В метаданных указаны архитектура Mistral, 10,6 млрд параметров и формат safetensors; автор рекомендует ограничивать контекст 8192 токенами, поскольку базовая WestLake обучалась на таком размере, несмотря на больший контекст Mistral. Модель рассчитана на отыгрыш персонажей, диалоги и творческое письмо: она может помогать создавать рассказы, стихи, эссе и другие тексты, а также генерировать реплики для игровых персонажей. Автор сообщает о более выразительном стиле и подробных ответах по сравнению с WestLake-7B-v2, но отмечает небольшое ухудшение следования инструкциям. Для диалога рекомендуются форматы Alpaca или ChatML; также могут подойти Mistral Instruct и Zephyr. Лицензия — Apache-2.0.

Whisper large-v3-ar-eg-timestamps — модель распознавания речи на базе Whisper large-v3 от OpenAI, дообученная Мохамедом Котбом под патронатом профессора Али Гомаа. Она предназначена для транскрибации чтения Корана и хадисов, а также египетской арабской речи в формальном регистре. Модель сохраняет предсказание временных меток Whisper: при запросе пословных меток каждому слову сопоставляется временной интервал с разрешением 20 мс. Размер модели — 905,2 млн параметров; она принимает аудио и выдаёт текст с временными метками. Обучение включало датасеты с Кораном, хадисами и египетской речью, а также данные с временной разметкой. Модель показывает низкие WER и CER на указанных в карточке тестовых наборах Корана, хадисов и египетской речи; результаты получены на конкретных наборах и не гарантируют такую же точность на других записях. Текст выдаётся в имляйской орфографии без огласовок, числа записываются арабскими словами. Пословные метки подходят для навигации по записи, тогда как границы сегментов могут быть грубыми, а иногда временная метка отдельного слова отсутствует. Модель не предназначена для общего египетского диалекта и не является источником канонического религиозного текста — результат следует сверять с авторитетными письменными источниками. Лицензия — Apache-2.0.

ARKA Advanced SLM — Behavior-First SFT v2 — языковая модель семейства ARKA, разработанная Абхаем Кумаром Рудрапалом. Это вариант GPT-2, дообученный методом supervised fine-tuning на базе Abhayn01/arka-advanced-slm-scitech-stream-500m-v1 для диалогового поведения в роли Academic Research Knowledge Assistant. Модель предназначена для генерации ответов в формате диалога User/Assistant и академических сценариев общения. В README указаны изменения рецепта дообучения: больший вес диалоговых данных, явное закрепление идентичности ARKA, ограничение доли вопросов с недостаточным контекстом и обучение на токенах ответа. Модель работает с текстом, поддерживает контекст до 1024 токенов и распространяется по лицензии Apache-2.0.

Altworld Astrea-R8-Chat-9B — диалоговая модель на 9 млрд параметров, разработанная Altworld для творческого письма и общения. Она дообучена методом supervised fine-tuning с LoRA на базе Qwen/Qwen3.5-9B; опубликованные веса объединены и сохранены в формате BF16. Модель рассчитана на продолжение сцен и историй, поддержание последовательности событий и персонажей, соблюдение заданного тона и длины текста. По данным Altworldbench, в слепых сравнениях она показала высокое качество творческого письма среди открытых моделей для этой задачи. Модель принимает текст и выдаёт текст; архитектура Qwen3.5 также поддерживает изображения, но визуальные возможности Astrea в рамках выпуска не оценивались. Основной язык обучения и оценки — английский; другие языки могут работать менее надёжно. Для запуска предусмотрен чат-шаблон без обязательного системного промпта, а режим рассуждения можно включить параметром enable_thinking=True. Лицензия весов — Apache-2.0.

BK-SDM-v2-Tiny — компактная версия модели Stable Diffusion для генерации изображений по текстовому описанию. Её разработчики сократили U-Net модели Stable Diffusion 2.1-base, удалив часть остаточных и attention-блоков, и применили дистилляционное дообучение. Версия Tiny входит в линейку BK-SDM-v2, созданную для более эффективной генерации изображений. Модель принимает текстовый запрос и создаёт изображение; репозиторий подготовлен для библиотеки Diffusers. Обучение линейки BK-SDM-v2 проводилось на 212 776 парах изображений и текстов из LAION-Aesthetics V2 6.5+ с 50 тысячами итераций дообучения. В README приведены результаты для Base и Small, но отдельные показатели качества для Tiny не сообщаются. Для точной работы с Tiny стоит учитывать, что модель меньше исходной SD 2.1-base и может уступать ей в качестве генерации. Лицензия — CreativeML OpenRAIL-M; при использовании следует соблюдать её условия и рекомендации Stable Diffusion.

CommonCanvas-XL-C — версия 0.1 семейства латентных диффузионных моделей CommonCanvas, разработанного для генерации изображений по текстовым запросам. Модель основана на архитектуре Stable Diffusion XL и использует конвейер StableDiffusionXLPipeline. Она обучена на подмножестве CommonCatalog — датасета изображений с лицензиями Creative Commons и синтетическими англоязычными подписями, созданными BLIP-2. Репозиторий предоставляет форматы Diffusers, Flax, ONNX, OpenVINO и safetensors. Модель подходит для создания иллюстраций и визуальных материалов для дизайна, творческих инструментов и исследований генеративных моделей. Она ориентирована прежде всего на английские запросы. По карточке модели используется лицензия CC-BY-SA-4.0. Модель уступает в генерации лиц, обычной фотографии и живописи, а также испытывает трудности со сложной композицией и читаемым текстом внутри изображений. Обучающие данные основаны на старых материалах Flickr и недостаточно представляют некоторые регионы; модель может хуже работать с современными понятиями, именами и конкретными людьми. Она также может генерировать нежелательный контент.

DuplexJev-B-MOSS-Transcribe-Falcon-H1-3B — модель adventists-ai для ответов на короткие вопросы по аудио и классификации акустических признаков. Она объединяет замороженный аудиоэнкодер MOSS-Transcribe-Diarize на архитектуре Whisper с 24 слоями и 307 млн параметров и замороженную языковую модель Falcon-H1-3B-Instruct; обучаемый коннектор SwiGLU содержит 38,8 млн параметров. Архитектура Ultravox принимает аудио и оценивает варианты ответа распределением вероятностей по токенам, без генерации последовательности. Модель предназначена для коротких решений по произнесённой речи, вопросов о содержании аудиофрагмента и подсказок о говорящем, включая паралингвистические признаки. README приводит результаты для spoken QA и задач определения пола и эмоций, но предупреждает, что тестировались небольшие наборы и прочитанная или сыгранная речь. Для работы нужны указанные энкодер и LLM; Falcon-H1 медленно работает на CPU без Mamba-ядер, а вопросы об общих знаниях модель обрабатывает слабо. Лицензия — Apache-2.0.

EVA-Qwen2.5-72B-v0.0 — плотная языковая модель на 71,5 млрд параметров, созданная Kearm и Auri полным дообучением Qwen/Qwen2.5-72B. Она предназначена для ролевых диалогов и написания историй, а также подходит для творческой генерации и структурированного письма. В обучении использованы синтетические и естественные данные, включая наборы для инструкций, письма и ролевых персонажей. Модель принимает текст и генерирует текст, поддерживает ChatML и контекст до 131 072 токенов. Карточка рекомендует обычный KV-кэш f16: квантованный KV-кэш может ухудшать качество вывода. При слишком высоких значениях штрафов иногда появляются повторяющиеся последовательности символов «â€”»; автор предлагает блокировать токен 158. Лицензия указана как other, конкретные условия в карточке не приведены.

Карточка модели CalamitousFelicitousness/EVA-Qwen2.5-72B-v0.1-Padded на Hugging Face совпадает с карточкой EVA-UNIT-01/EVA-Qwen2.5-72B-v0.1, поэтому описание составлено по ней. EVA Qwen2.5-72B v0.1 — плотная языковая модель на 71,5 млрд параметров, созданная Kearm, Auri и Cahvay как полнопараметрическое дообучение Qwen/Qwen2.5-72B. Она предназначена прежде всего для ролевого общения и написания историй, а также для следования инструкциям и работы с длинным контекстом. Модель обучена на смеси синтетических и естественных данных, включая наборы для прозы, структурированного письма и ролевых персонажей; формат запросов — ChatML. Модель использует архитектуру Qwen2 и библиотеку Transformers, хранится в формате safetensors и поддерживает контекст до 131 072 токенов. В карточке указана лицензия other; конкретные условия лицензии следует проверять в репозитории модели. Модель ориентирована на генерацию текста, а качество и связность ответов могут зависеть от промпта и настроек сэмплирования.

FLUX.1 [schnell] — модель генерации изображений по текстовому описанию, разработанная Black Forest Labs. Это трансформер rectified flow на 12 млрд параметров, распространяемый в формате Diffusers и safetensors. Благодаря дистилляции latent adversarial diffusion модель создаёт изображения за 1–4 шага, сочетая высокое качество с быстрым выводом и следованием запросу. Модель подходит для быстрого создания иллюстраций и других изображений по текстовым промптам, в том числе в локальных сценариях через ComfyUI или библиотеку Diffusers. Она не предназначена для предоставления фактической информации; результат может не соответствовать промпту, а качество следования ему зависит от стиля формулировки. Модель может усиливать социальные предубеждения. Лицензия Apache-2.0 разрешает личное, научное и коммерческое использование; карточка также перечисляет запрещённые сценарии, включая причинение вреда людям и создание незаконного контента.

Карточка модели jinnailli/FLUX.2-klein-4B на Hugging Face совпадает с карточкой black-forest-labs/FLUX.2-klein-4B, поэтому описание составлено по ней. FLUX.2 [klein] 4B — модель Black Forest Labs с 4 млрд параметров на архитектуре rectified flow transformer. Она объединяет генерацию изображений по тексту и редактирование изображений с несколькими референсами в одной компактной модели; поддерживаются сценарии text-to-image и image-to-image. Модель рассчитана на интерактивные и производственные приложения, где важны скорость и локальный запуск, и, по данным разработчика, требует около 13 ГБ видеопамяти. Разработчик заявляет о дистиллированной версии с генерацией менее чем за секунду и качеством, сопоставимым с более крупными моделями. Для запуска доступны Diffusers и ComfyUI. Карточка указывает поддержку английского языка; текст внутри изображений может искажаться, а соответствие результатом запросу зависит от формулировки промпта. Модель не предназначена для предоставления фактической информации и может отражать смещения обучающих данных. Веса доступны по лицензии Apache 2.0 для коммерческого использования; карточка также перечисляет ограничения на отдельные вредоносные сценарии.