IV.5Образование и развитие навыков

AudioJev — модель для принятия решений по аудио, созданная разработчиком shlv на базе Qwen/Qwen2.5-Omni-3B. Она принимает аудиозапись, вопрос на естественном языке и список вариантов ответа, а затем возвращает нормированное распределение вероятностей по этим вариантам, используя метки их позиций. Модель предназначена для классификации и ответов на вопросы по аудио с заранее заданным набором кандидатов. Это дообученная плотная мультимодальная модель семейства Qwen2.5-Omni; обучались аудиоэнкодер и путь принятия решений языковой модели, без LoRA-адаптера. В репозитории находятся веса полного Thinker-чекпойнта и файлы процессора и токенизатора; визуальная ветвь не обучалась, генерация аудио отключена. README приводит результаты на MMAU, MMAR и подмножестве MMSU, но отмечает пересечение части скрытых вопросов MMAU с данными разработки. AudioJev работает только с закрытым набором вариантов: ответ ограничен кандидатами, переданными пользователем, поэтому для ситуации «ни один вариант не подходит» нужно явно добавить вариант отказа. Перестановочная устойчивость была целью обучения, но порядок кандидатов всё ещё может менять предсказание, а вероятности не следует считать калиброванными оценками фактической точности. Открытая генерация, распознавание зрения, генерация речи и работа в режиме живого диалога этой версией не подтверждены. Лицензия указана как other; конкретные условия следует сверять с файлами лицензии репозитория.

Aurora-Nights-70B-v1.0 — слитая автором sophosympatheia языковая модель на архитектуре Llama с 68,7 млрд параметров. Она объединяет allenai/tulu-2-dpo-70b, Xwin-LM/Xwin-LM-70B-V0.1 и dreamgen/opus-v0.5-70b, после чего в смесь была добавлена nRuaif/fiction.live-Kimiko-V2-70B; для слияния использовался mergekit. Модель предназначена прежде всего для ролевых диалогов, творческого повествования и следования инструкциям. Карточка рекомендует формат Vicuna или Tulu и контекст около 6144 токенов, предупреждая о снижении связности при увеличении длины; метаданные указывают штатный контекст 4096 токенов. Модель описана как мало ограничивающая генерацию, в том числе при создании взрослого контента. Поддерживаемый язык по карточке — английский. Модель распространяется в формате safetensors по лицензии Llama 2. Автор не проверял её возможности в других задачах, поэтому результаты вне ролевого общения, повествования и следования инструкциям не подтверждены.

BAAR4-IMG-335M-Realistic4 — компактная модель генерации изображений по текстовому описанию, представленная автором репозитория aixk. В README заявлено около 335 млн параметров и нативное понимание запросов на 20 языках без отдельного перевода. Модель предназначена для запуска в браузере и на мобильных или периферийных устройствах, включая сценарии с WebGPU, WebAssembly и INT8-квантизацией. Модель ориентирована на создание фотореалистичных изображений. Для генерации автор рекомендует разрешение 512×512 и 15–25 шагов с планировщиками Euler A или DPM++ 2M Karras. Репозиторий содержит файлы Diffusers и safetensors; эти сведения не подтверждают, что опубликованные веса уже квантованы. Лицензия обозначена как некоммерческая; для коммерческого использования требуется связаться с автором. В README нет независимых оценок качества или подробностей об архитектуре, поэтому заявления о качестве и поддержке устройств следует считать авторскими.

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_ppl_b2000_s0 — дообученная плотная языковая модель семейства Qwen3, созданная на базе Qwen/Qwen3-4B-Base. В ней около 3,7 млрд параметров, архитектура Qwen3ForCausalLM, контекст — до 32 768 токенов; модель распространяется в формате safetensors и рассчитана на работу через Transformers. Модель дообучена на смеси научных веб-текстов и Stack Exchange с упоминанием science_ppl_b2000_s0. Она предназначена для генерации текста и может применяться для продолжения научных и технических текстов, а также для экспериментов с адаптацией языковых моделей к научным данным. Карточка не приводит результатов оценки, описания поведения или заявлений о специализации; наличие обучающих данных само по себе не подтверждает качество в научных задачах. Лицензия в метаданных указана как other, без уточнения условий в предоставленной карточке. Возможности использования, включая коммерческое применение, следует сверить с лицензиями базовой модели и датасета.

Chroma1-Flash — модель генерации изображений по текстовому описанию от Lodestone Rock, опубликованная в репозитории lodestones на Hugging Face. Она рассчитана на быстрое создание изображений по текстовым промптам и распространяется в формате Diffusers; карточка показывает размер 9 млрд параметров и пример запуска через DiffusionPipeline. Модель предназначена для сценариев генерации изображений локально или в приложениях на базе Diffusers. Для неё указана лицензия Apache-2.0. Подробности об архитектуре, поддерживаемых языках и ограничениях качества в доступных источниках не раскрыты.

Contrl-Stheno-8B-v1 — экспериментальная объединённая языковая модель Darkknight535 на архитектуре Llama, примерно с 7,5 млрд параметров. По карточке, в объединении сочетаются Control-Nanuq-8B, ориентированная на творчество и выразительность, и Stheno-v3.2, рассчитанная на ролевые диалоги и логику. Модель предназначена для генерации текста, прежде всего для ролевого общения и написания историй; в метаданных также указана поддержка чата. Заявленная длина контекста — 131 072 токена, основной язык — английский. Автор описывает результат как личный эксперимент. Модель опубликована в формате safetensors и доступна через Transformers. В README не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

Cool Japan Diffusion 2.1.1 Beta — модель генерации изображений по текстовому описанию, созданная Alfred Increment путём дообучения Stable Diffusion. Она предназначена для создания изображений в духе аниме, манги и игр, а также для творческих, образовательных и исследовательских проектов. Архитектура основана на Latent Diffusion Model с OpenCLIP-ViT/H; модель принимает текстовые запросы на японском и может генерировать изображения. Карточка указывает лицензию CreativeML Open RAIL++-M-NC License: коммерческое использование запрещено, кроме оговорённых исключений; производные версии должны сохранять условия лицензии. Автор предупреждает о смещениях, унаследованных от Stable Diffusion, и рекомендует соблюдать законы и этические нормы при публикации результатов. Модель не предназначена для передачи фактов как изображений, коммерческих сервисов и ряда сценариев, которые могут навредить творческой индустрии.

Crystal Clear XLv1 — модель генерации изображений по текстовому описанию, доступная через API ModelsLab и опубликованная в репозитории stablediffusionapi. Метаданные указывают на StableDiffusionXLPipeline и форматы Diffusers и PyTorch; карточка позиционирует модель для создания ультрареалистичных изображений. В API можно задавать основной и негативный промпты, размер изображения, число шагов генерации и guidance scale, а также включать улучшение промпта и дополнительные опции обработки. Модель подходит для генерации реалистичных портретов и других изображений по текстовым запросам с управлением нежелательными деталями через негативный промпт. Примеры в карточке используют англоязычные промпты, но подтверждения поддержки других языков нет. Репозиторий распространяется по лицензии CreativeML Open RAIL-M; для практического использования также описан доступ через API ModelsLab.

DreamShaper v6 — модель генерации изображений по текстовому описанию, опубликованная под аккаунтом stablediffusionapi и доступная через ModelsLab. Для генерации задают prompt и negative prompt, а также параметры изображения и процесса, включая ширину и высоту, число шагов и guidance scale. В примере используется размер 512×512 и 30 шагов; API также предлагает параметры улучшения запроса и upscale. Карточка указывает интерфейс StableDiffusionPipeline и форматы Diffusers и PyTorch. Модель предназначена для создания изображений по текстовым запросам; в примере показан фотореалистичный киберпанк-портрет, но также приведён отрицательный запрос с исключением нежелательных деталей. Пример API отключает safety checker, поэтому перед использованием следует учитывать требования к контролю генерируемого контента. Лицензия — CreativeML OpenRAIL-M.

bdsqlsz/flux1-dev2pro-single — модель генерации изображений по текстовому описанию, опубликованная пользователем bdsqlsz на Hugging Face. Модель предназначена для создания изображений на основе текстовых промптов и рассчитана на использование с библиотекой Diffusers. Модель относится к семейству Flux и распространяется как пакет для задачи text-to-image. В карточке указана лицензия Apache-2.0, допускающая использование, изменение и распространение при соблюдении её условий. README содержит минимальную информацию: сведения об архитектуре, размере, поддерживаемых языках, длине контекста, качестве генерации и рекомендуемых параметрах отсутствуют. Поэтому перед применением необходимо самостоятельно проверить совместимость с используемым пайплайном Diffusers и оценить результаты на целевых промптах.

unsloth/FLUX.1-dev-GGUF — GGUF-представление модели FLUX.1 [dev], разработанной Black Forest Labs. Это модель генерации изображений по текстовому описанию, предназначенная для создания визуального контента по промптам и интеграции в локальные и прикладные рабочие процессы, включая Diffusers и ComfyUI. Модель построена на архитектуре rectified flow transformer и содержит около 12 миллиардов параметров. Она работает с текстовыми запросами на английском языке и генерирует изображения; в приведённом примере используется разрешение 1024×1024, 50 шагов инференса и максимальная длина последовательности 512. Благодаря guidance distillation модель оптимизирована для более эффективной генерации. К сильным сторонам относятся высокое качество изображений и конкурентное следование промптам, однако результат зависит от стиля формулировки запроса, модель может не точно выполнять инструкции и не предназначена для предоставления достоверной фактической информации. Модель и её производные распространяются по лицензии FLUX.1 [dev] Non-Commercial License. README указывает ограничения на незаконное использование, эксплуатацию несовершеннолетних, вредоносную дезинформацию, злоупотребления, создание персональных данных для причинения вреда и полностью автоматизированные решения, затрагивающие юридические права. Также отмечается риск усиления общественных предубеждений.

G3 Glitter 12B — модель для творческого письма и диалоговых сценариев, созданная на основе Gemma 3 12B IT. Разработчик объединил её с равными весами из двух дообученных моделей: одной для ролевого общения и другой для длинных художественных текстов. Модель использует архитектуру Gemma 3 с 12 млрд параметров и поддерживает понимание изображений; для диалога применяет формат инструкций Gemma 2/3 с необязательным системным сообщением. Модель подходит для написания художественных текстов, продолжения историй и ролевых диалогов, а также может принимать изображения вместе с текстовыми инструкциями. В README описано обучение на примерах ролевого общения и длинной прозы, включая человеческие и синтетические данные. Сведения о лицензии в предоставленных материалах отсутствуют.

Gemmasutra Pro 27B v1 — чат-модель для ролевых диалогов, представленная командой BeaverAI. Это объединённая модель на архитектуре Gemma 2 с 27,6 млрд параметров, рассчитанная на генерацию текста и поддерживающая контекст до 8192 токенов. В карточке отмечены гибкость в ролевых сценариях, творческие ответы и умение использовать текстовые ремарки в звёздочках. Модель предназначена для интерактивного ролевого общения и генерации художественных диалогов. README предупреждает, что модель не полностью лишена ограничений на контент. Репозиторий лицензирован по CC BY-NC 4.0, которая запрещает коммерческое использование.

Gemma-The-Writer-J.GutenBerg-10B-GGUF — квантованная модель для генерации текста, разработанная DavidAU на основе Gemma-The-Writer-9B с применением модифицированного Brainstorm 5x adapter. Модель ориентирована прежде всего на художественную литературу: создание рассказов, сюжетов и подсюжетов, продолжение сцен, ролевые сценарии и тексты в разных жанрах, включая научную фантастику, романтику и хоррор. Также заявлена пригодность для общего текстового использования. Модель построена на архитектуре Gemma 2 и содержит около 10 млрд параметров, 46 слоёв и 508 тензоров. Она работает с текстом на английском языке, использует шаблон Gemma Instruct и имеет контекстное окно 8 тыс. токенов, которое можно расширять с помощью RoPE до 32 тыс. токенов и более. Модификация Brainstorm направлена на изменение стиля прозы, структуры предложений и увеличение средней длины ответов, а вариант Gutenberg дополнительно усиливает описательность, детализацию и генерацию метафор, одновременно сокращая характерные для LLM клише. Сильные стороны модели — высокая стабильность, выразительная художественная проза, развитая детализация и возможность применять её для письма, сторителлинга и ролевых диалогов. Качество и поведение заметно зависят от температуры, repetition penalty и выбранного уровня квантования; при агрессивных настройках генерация может становиться чрезмерно длинной или нестабильной, а низкие кванты могут ухудшать качество. Для работы требуется корректный Gemma Instruct template и настройка параметров генерации. Модель распространяется по лицензии Apache 2.0.

Gemma-The-Writer-Mighty-Sword-9B-GGUF — текстовая генеративная модель, разработанная DavidAU на основе Gemma2 и объединения нескольких моделей, ориентированных на storytelling и художественное письмо. Она предназначена прежде всего для создания и продолжения рассказов, разработки сюжетов и подсюжетов, написания сцен, ролевого взаимодействия и работы с художественной прозой разных жанров, включая научную фантастику, романтику и хоррор. Благодаря стабильности её также можно использовать в более общих сценариях генерации текста. Модель имеет размер 9B параметров, работает в формате GGUF и рассчитана на англоязычные запросы и генерацию. Указано стандартное контекстное окно 8K токенов с возможностью расширения до 32K и более с помощью RoPE. Доступны различные варианты квантования, включая специализированные варианты MAX и MAX-CPU, направленные на повышение качества генерации и адаптацию к разному объёму видеопамяти и оперативной памяти. Для работы требуется шаблон Gemma Instruct. Сильными сторонами заявлены высокая детализация, выразительность, нюансированность, глубина текста и улучшенное следование инструкциям, особенно в задачах художественного письма. Качество и стиль заметно зависят от выбранного уровня квантования, температуры, repetition penalty и длины промпта; сильно сжатые варианты могут требовать дополнительной настройки и давать менее стабильные результаты. Модель распространяется по лицензии Apache 2.0.

GenBook-Deepseek-R1.Llama-8B — дообученная модель семейства Llama, созданная для интерактивного повествования. Она генерирует связные истории по запросам пользователя, подстраивает сюжет под его предпочтения и поддерживает последовательность персонажей, событий и мира на протяжении длинных повествований. Модель описана как эффективная при ограниченных аппаратных ресурсах; при обучении применялись LoRA и 4-битная квантизация. По метаданным, размер модели составляет 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, контекст — до 131 072 токенов. Поддерживаются английский и испанский языки; основное назначение — генерация текста. Модель основана на unsloth/deepseek-r1-distill-llama-8b-unsloth-bnb-4bit и дообучена на данных для построения повествований, развития персонажей и описаний. Лицензия — Apache 2.0. Карточка не приводит результатов оценки качества, поэтому заявленные связность длинных историй и эффективность на ограниченном оборудовании не подтверждены метриками.

Goetia-24B-v1.3 — объединённая языковая модель Naphula на архитектуре Mistral, созданная с помощью mergekit и метода DELLA. Версия Della Edition предназначена для эксперимента по объединению моделей поколений 2501 и 2503. Модель содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель ориентирована на генерацию текста, включая художественное письмо, создание сюжетов и сцен, ролевые диалоги и разговорные ответы. Карточка указывает поддержку английского языка; метаданные отмечают чат-возможности. Модель распространяется в формате safetensors по лицензии Apache-2.0. Поскольку это слияние нескольких моделей, поведение может зависеть от промпта и выбранных параметров генерации.

Neurlang Whipstr Medium — модель распознавания речи, разработанная Neurlang на основе архитектуры Whipstr, трансформерной модели последовательность-в-последовательность. Она преобразует аудио в текстовую транскрипцию в Международном фонетическом алфавите (IPA) и обучена на данных Common Voice 21. Модель содержит около 51,7 млн параметров и занимает 642 МБ; поддерживает частоты дискретизации 8, 16, 24, 32 и 48 кГц, а при 11,025, 22,05 и 44,1 кГц качество снижается. Модель предназначена для транскрибирования речи на более чем 74 языках, причём качество выше для языков с большим объёмом обучающих данных. В README приведены средние показатели CER 33,88% и WER 73% по поддерживаемым языкам, поэтому результаты могут требовать проверки и исправления, особенно для языков с малым объёмом данных. Распространяется по лицензии GPL-2.0.

byteshape/Krea-2-Turbo-GGUF — квантованная версия модели генерации изображений Krea-2-Turbo, подготовленная ByteShape с использованием ShapeLearn. Это diffusion transformer для преобразования текстовых описаний в изображения, предназначенный для локального запуска в ComfyUI через расширение ComfyUI-GGUF. Модель поддерживает генерацию изображений высокого качества и рассчитана на ускоренный inference в режиме step distillation: достаточно 8 шагов без classifier-free guidance. Доступны пять GGUF-вариантов размером от 6,26 до 14,31 ГБ и с плотностью от 3,91 до 8,93 бит на вес. Квантование использует смешанную точность и в первую очередь снижает требования к VRAM, но само по себе почти не ускоряет генерацию. Для работы дополнительно требуются текстовый энкодер и VAE. Рекомендуемое разрешение — 2048×2048, при 1024×1024 изображения также генерируются, но могут быть менее детализированными. На RTX 5090 генерация изображения 1024×1024 занимает около 5,9 секунды в 8 шагов при размещении модели на GPU. Сильные стороны модели — высокое качество при малом числе шагов, несколько вариантов квантования для подбора под доступную видеопамять и совместимость с широким спектром платформ благодаря формату GGUF. Ограничения включают необходимость использовать специальные параметры: 8 шагов, sampler euler, scheduler simple, отключённое guidance и flow-matching настройки; стандартные параметры SDXL или Qwen-Image приводят к плохим результатам. Лицензия указана как krea-2-community-license; подробные условия доступны по ссылке разработчика.

L3.2-Rogue-Creative-Instruct-Uncensored-7B-GGUF — текстовая генеративная модель, разработанная DavidAU на основе Llama 3.2 3B Instruct uncensored. Автор применил метод Brainstorm 40x, изменивший характер генерации прозы и расширивший модель до 67 слоёв и примерно 7,54 млрд параметров. Модель распространяется в формате GGUF и предназначена для запуска в совместимых локальных приложениях. Основные сценарии использования — художественное письмо, создание рассказов, сцен, сюжетов и подсюжетов, продолжение текста, ролевые игры, мозговой штурм и генерация прозы различных жанров, включая научную фантастику, романтику и хоррор. Модель работает с текстом, ориентирована прежде всего на английский язык и поддерживает контекст до 131 072 токенов. Для работы рекомендуется шаблон Llama 3 или Command-R. Сильные стороны модели — высокая детализация описаний сцен, окружения, предметов и персонажей, развитая образность прозы, более длинные и насыщенные ответы, а также возможность управлять стилем и уровнем допустимого содержания через промпт. Она допускает широкий диапазон температур, но чувствительна к настройкам генерации. Среди ограничений указаны возможные опечатки, отсутствие заглавных букв, повторение абзацев, чрезмерно длинные ответы и отклонения от инструкций при неподходящих значениях temperature или repetition penalty. Часть ограничений исходной модели Llama 3.2 всё ещё сохраняется. Модель лицензирована по Apache 2.0. README не указывает точные характеристики отдельных GGUF-квантов; при этом отмечается, что более высокие квантизации обычно обеспечивают больше деталей и нюансов, а низкие могут заметно ухудшать качество и требовать дополнительной настройки параметров.

L3-Dark-Planet-8B-NEO-Imatrix-GGUF — текстовая генеративная модель разработчика DavidAU, основанная на Llama 3 и собранная с использованием компонентов моделей Sao10K/L3-8B-Stheno-v3.2, NeverSleep/Llama-3-Lumimaid-8B-v0.1-OAS и Hastagaras/Jamet-8B-L3-MK.V-Blackroot. Распространяется в формате GGUF с Imatrix-квантизациями и содержит около 8 млрд параметров. Модель предназначена для генерации текста на английском языке, прежде всего для художественного письма, создания сюжетов и сцен, прозы, диалогов, ролевых игр и работы с жанрами, включая научную фантастику, романтику и хоррор. Заявлен максимальный контекст 8192 токена, который может быть расширен примерно до 32K с помощью настроек RoPE. Для работы рекомендуется шаблон Llama 3; также поддерживается или может поддерживаться шаблон Command-R, при этом результаты могут заметно различаться. Автор отмечает высокую стабильность, низкую perplexity и устойчивую работу в широком диапазоне температур, а также улучшенные по сравнению с Llama 3 Instruct детализацию и литературную выразительность. Ограничения модели включают склонность к коротким ответам, если явно не указать требуемый объём, негативный уклон в содержании и возможное ухудшение следования инструкциям при чрезмерно высокой температуре. При расширении контекста через RoPE могут потребоваться более высокая температура и подробные инструкции. Разные варианты квантизации способны немного менять качество и стиль вывода; автор рекомендует прежде всего IQ3, IQ4 и Q4, тогда как IQ1 не предоставляется из-за нестабильности. Модель распространяется по лицензии Apache-2.0.

L3-Nymeria-8B — англоязычная плотная языковая модель для генерации текста, созданная автором tannedbum с помощью слияния моделей Sao10K/L3-8B-Stheno-v3.2 и princeton-nlp/Llama-3-Instruct-8B-SimPO методом SLERP через mergekit. Модель содержит 7,5 млрд параметров, основана на архитектуре Llama и работает с контекстом до 8192 токенов. Она предназначена для ролевых диалогов, написания историй и повествования, а также для диалоговых и инструкционных задач. В описании автор отмечает сочетание реалистичности SimPO с возможностями Stheno, связность многоходового диалога, следование инструкциям и сбалансированную генерацию контента SFW и NSFW. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Она рассчитана прежде всего на английский язык; качество на других языках не заявлено. В обучающих данных есть примеры NSFW, поэтому модель может генерировать контент для взрослой аудитории.

ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.2 — разговорная модель ArliAI на архитектуре Llama 3.1 с 7,5 млрд параметров. Это версия Meta-Llama-3.1-8B, повторно обученная на тщательно отобранных наборах данных для творческого письма и ролевых диалогов; в версии v1.2 обновлены данные, усилена дедупликация и отфильтрованы нерелевантные описания. Модель рассчитана на ролевое взаимодействие с разными персонажами и ситуациями, а также на творческую генерацию менее повторяющихся ответов. Она поддерживает контекст до 131 072 токенов и формат диалогов Llama 3 Instruct. Репозиторий содержит веса Safetensors; в README также упомянуты варианты FP16 и GGUF. Лицензия — Llama 3.1; применимость регулируется её условиями.

Llama-3.1-8B-UltraMedical — медицинская языковая модель, разработанная лабораторией Tsinghua C3I Lab. Она основана на Meta Llama 3.1 8B Instruct и дообучена на наборе UltraMedical: 410 тысяч синтетических и отобранных вручную биомедицинских инструкций, а также более 100 тысяч примеров предпочтений с применением SFT и итеративного обучения предпочтениям, включая подходы DPO и KTO. Модель предназначена для диалоговых ответов на медицинские и биомедицинские вопросы, помощи в понимании научной литературы и работы с клиническими знаниями. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает английский язык и имеет контекст до 131 072 токенов. В приведённых оценках UltraMedical улучшает результат базовой модели на MultiMedQA и GPQA, но это не подтверждает клиническую надёжность ответов. Модель распространяется по лицензии Llama 3. Условия лицензии следует учитывать при использовании и распространении; ответы модели требуют проверки специалистом и не должны сами по себе служить основанием для медицинских решений.

Карточка модели swarnendu123/MERaLiON-SER-v1-s на Hugging Face совпадает с карточкой MERaLiON/MERaLiON-SER-v1, поэтому описание составлено по ней. MERaLiON-SER-v1 — мультиязычная модель распознавания эмоций и аффективных характеристик речи, разработанная командой MERaLiON. Она принимает аудио и предсказывает семь категорий эмоций: нейтральность, радость, грусть, гнев, удивление, страх и отвращение, а также непрерывные оценки валентности, возбуждения и доминирования в диапазоне от 0 до 1. Модель содержит 309 млн параметров и использует замороженный энкодер Whisper-Medium с LoRA-адаптацией, за которым следуют attention pooling и модифицированный ECAPA-TDNN; декодер Whisper не используется. Модель предназначена для анализа эмоциональной окраски речи в аудиозаписях и потоковом сценарии, включая оценку эмоциональных траекторий. Заявлена поддержка английского, китайского, малайского и тамильского языков; поддержка тайского, индонезийского и вьетнамского ограничена. В оценке на нескольких публичных наборах данных показаны конкурентные результаты, но качество зависит от языка, домена и представленности эмоций. Модель распространяется по MERaLiON Public License.

MN-12B-Estrella-v2.2 — объединённая языковая модель на архитектуре Mistral с 12,1 млрд параметров, созданная автором репозитория с помощью mergekit. В слияние вошли TheDrummer/Rocinante-12B-v1.1, MN-12B-Estrella-v1, elinas/Chronos-Gold-12B-1.0 и anthracite-org/magnum-v2.5-12b-kto; последняя использована как базовая. Для общения модель предлагает формат Mistral Instruct, также может подойти ChatML. Модель предназначена для генерации текста, в частности творческой прозы и ролевых сцен. В метаданных указан контекст до 1 024 000 токенов. Для работы с Mistral Nemo в README рекомендован низкий диапазон температуры 0,3–0,6. Репозиторий содержит веса Safetensors; лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Карточка модели amandabenson/music-flamingo-think-2601-hf-fork на Hugging Face совпадает с карточкой nvidia/music-flamingo-think-2601-hf, поэтому описание составлено по ней. Music Flamingo Think (MF-Think) — разработанная NVIDIA модель Audio-Language для понимания музыки и песен. Она принимает аудио и текстовые запросы, а в ответ формирует текст с описанием музыки, ответами на вопросы и пошаговыми рассуждениями о звучании. Модель построена на архитектуре Audio Flamingo 3: использует аудиоэнкодер AF-Whisper, MLP-адаптер и декодерную языковую модель на базе Qwen2.5-7B. Размер — 8 млрд параметров. В README заявлена обработка аудио длительностью до 20 минут и контекста текста до 24 000 токенов; метаданные указывают native context в 1 200 токенов. Модель ориентирована на музыкальные вопросы и ответы, подробные описания с учётом музыкальной теории и анализ структуры, тембра, гармонии, текстов песен и культурного контекста. Основной язык карточки — английский. MF-Think предназначена для исследовательских и разработческих сценариев, включая изучение музыки и создание интерактивных музыкальных помощников. Для работы предусмотрены PyTorch и Transformers; README указывает NVIDIA A100 и H100 и Linux. Лицензия обозначена как other, а README ограничивает использование некоммерческими исследованиями. Результаты модели требуют проверки на данных и задачах целевого применения.

Nemotron-3.5-30B-A3B-Antislop-FTPO — дообученная Thoughtworks версия языковой модели NVIDIA Nemotron 3.5 Lightning, предназначенная прежде всего для генерации художественного текста с менее шаблонной лексикой. Antislop выявляет характерные для базовой модели повторяющиеся обороты, а FTPO закрепляет предпочтение альтернативных вариантов в весах. По данным авторов, настройка подавила 66,4% выявленных повторяющихся паттернов в прозе; на проверенных тестах статистически значимого ухудшения качества письма, рассуждений и агентных возможностей не обнаружено. Модель использует гибридную архитектуру с чередованием слоёв Mamba-2 и Mixture-of-Experts, отдельными слоями внимания и Multi-Token Prediction. В ней 30 млрд параметров всего и около 3 млрд активных при генерации; метаданные каталога указывают 1,9 млрд параметров. Контекстное окно — до 262 144 токенов. Карточка перечисляет английский, испанский, французский, немецкий, итальянский и японский языки. Модель распространяется в BF16 и формате safetensors; лицензия обозначена как other, поэтому перед использованием следует проверить условия репозитория. Для запуска требуется trust_remote_code=True.

Penny‑1.7B — языковая модель на 1,7 млрд параметров, разработанная как дообучение SmolLM2‑1.7B-Instruct с помощью GRPO. Она предназначена для генерации текста в стиле ирландского журнала Irish Penny Journal 1840 года: модель воспроизводит викторианскую лексику, орфографию и манеру изложения, сохраняя часть общих возможностей базовой модели. Модель подходит для творческого письма, учебных материалов и стилистической стилизации под ирландский английский XIX века, а также для исследований обучения стилю с помощью обучения с подкреплением. Архитектура — плотная LlamaForCausalLM; модель принимает текст и генерирует текст. Контекст составляет 8192 токена. Использование распространяется по лицензии Apache-2.0. Архаичная манера речи и взгляды эпохи могут проявляться в ответах. Модель не рекомендуется для современных фактологических вопросов; результаты следует проверять перед использованием.

Pixel-1 — экспериментальная компактная модель генерации изображений по тексту, разработанная TopAI-1 и обученная с нуля. Она предназначена для создания изображений по подробным описаниям, особенно для сцен с контрастными цветами и явно заданными структурными деталями, например оконными решётками и тенями от ограды. Модель использует текстовый энкодер CLIP ViT-L/14 от OpenAI и собственный сверточный декодер с транспонированными свёртками, остаточными блоками и пропусками связей. Генератор преобразует текстовое представление в изображение размером 128×128 пикселей. Карточка описывает версию v1 как стилизованную, иногда живописную или пикселизированную; заявленная точность следования пространственным деталям основана на примерах автора. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0.