IV.5Образование и развитие навыков

MysticFusion-13B — текстовая модель на архитектуре Llama, созданная объединением KoboldAI/LLaMA2-13B-Tiefighter, NeverSleep/Noromaid-13b-v0.1.1 и lmsys/vicuna-13b-v1.5 методом linear с точностью float16. В репозитории представлены веса Safetensors; модель содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Модель предназначена прежде всего для написания историй, а также для выполнения базовых инструкций на английском языке. Её можно применять для генерации прозы, продолжения сюжетов и простых ответов в формате инструкций. README приводит результаты оценки на нескольких бенчмарках, но не описывает их методику подробно. Модель распространяется по лицензии Llama 2. Её объединённая природа и назначение для историй и базовых инструкций не дают оснований считать её специализированной для точных фактических ответов или сложных задач.

OPT-350M-Nerys-v2 — дообученная KoboldAI модель на базе Facebook OPT. Она предназначена для продолжения текста и генерации художественной прозы: при обучении использовались около 2500 электронных книг разных жанров, датасет интерактивных историй CYS и 50 азиатских лайт-новелл; часть примеров была помечена жанровыми префиксами. Модель имеет плотную авторегрессионную архитектуру OPTForCausalLM, содержит 454,1 млн параметров и рассчитана на контекст до 2048 токенов. Карточка демонстрирует генерацию на английском языке через Transformers. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в репозитории. Возможны гендерные, профессиональные, расовые и религиозные предубеждения, характерные для NLP-моделей.

Pantheon-Reasoning-31B-1.1 — англоязычная модель Gryphe для генерации ролевых диалогов и творческого письма с планированием ответа. Это дообученная плотная модель Gemma 4 31B StyleTune, опубликованная в формате safetensors и распространяемая по лицензии Apache-2.0. Модель обучена на корпусах ролевых диалогов, текстовых приключений и данных Pantheon с добавленными рассуждениями перед каждым ответом. Она рассчитана на проработку характера персонажа, тона и развития сцены; автор сообщает о более коротких, выразительных ответах и сокращении клише относительно базовой модели. Поддерживаются диалоговый и инструкционный режимы; используется родной шаблон чата Gemma 4. Это исследовательский выпуск, прошедший только базовые проверки: автор отмечает, что качество ролевой игры и польза рассуждений требуют дальнейшей оценки. В README также рекомендуется не использовать префиксы с именами персонажей, поскольку они могут конфликтовать с рассуждениями. Контекстная длина не приводится.

Paper Cut Craft — дообученная модель генерации изображений на основе Stable Diffusion 1.5, созданная OlafII методом DreamBooth на 20 изображениях в стиле бумажной аппликации, созданных Midjourney. Для генерации в этом стиле в запрос рекомендуют добавлять фразу «papercutcraft style». Модель предназначена для создания изображений по текстовому описанию; в карточке также показан запуск через интерфейс Gradio. Репозиторий содержит веса в форматах Diffusers и PyTorch. Для работы показан пример с 50 шагами генерации и настройками Automatic1111 по умолчанию. Размер весов, длина контекста и лицензия в предоставленных данных не указаны.

PhotoMaker — модель TencentARC для персонализированной генерации изображений. Она принимает одну или несколько фотографий лица и текстовый запрос, чтобы создать изображение или иллюстрацию с заданной внешностью; обучение пользователя не требуется. Модель можно применять с базовыми моделями на основе SDXL и сочетать с другими модулями LoRA. Состав модели включает дообученный OpenCLIP-ViT-H-14 с дополнительными слоями слияния для кодирования личности, а также веса LoRA ранга 64 для слоёв внимания UNet. Для работы используется библиотека diffusers. Модель ориентирована на англоязычные запросы; лицензия — Apache-2.0. Качество персонализации может снижаться для лиц азиатских мужчин, а генерация человеческих рук остаётся затруднённой. В README также отмечено, что генеративные модели могут усиливать социальные предубеждения.

PiVoT-0.1-Starling-LM-RP — языковая модель для генерации текста, созданная автором maywell на основе Starling-LM-alpha и дообученная для ролевых диалогов на наборе Synatra-RP. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 8192 токенов. Для общения используется шаблон OpenChat. Модель предназначена для ролевых диалогов и генерации ответов в заданной роли. В метаданных указан английский язык. Репозиторий содержит веса PyTorch, задача Hugging Face — text-generation. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Pocket-TTS.AXERA — это пакет для синтеза английской речи на устройстве AX650. Репозиторий включает квантованную модель, Python-демо и предварительно собранную программу на C++; вывод поддерживает потоковый и непотоковый режимы. Модель экспортирована из ONNX и преобразована с помощью Pulsar2 в формат axmodel. Во время инференса на AX650 используются axmodel и ONNX-компонент для динамического KV-кэша. Проект предназначен для локального синтеза речи из текста на оборудовании AXERA AX650. Лицензия — Apache-2.0.

Pop2Piano — модель Jongho Choi и Kyogu Lee для создания фортепианных аранжировок поп-музыки по аудиозаписи. Она принимает аудиоволну и генерирует последовательность токенов, которые декодируются в MIDI с указанием времени, громкости и нот. Модель использует архитектуру encoder-decoder Transformer на основе T5 и содержит 23,2 млн параметров. Она предназначена для преобразования поп-композиций в партии для фортепиано без отдельных модулей извлечения мелодии и аккордов. Основным материалом обучения был корейский поп; модель также показывает хорошие результаты на западной поп-музыке и хип-хопе. Для загрузки аудио рекомендуется частота дискретизации 44,1 кГц. Для работы нужны библиотека Transformers и дополнительные аудиоинструменты. В предоставленной карточке лицензия не указана. Качество результата зависит от входной записи и может различаться для жанров, отличающихся от поп-музыки.

Qwen2.5-VL-7B-Surg-CholecT50 — мультимодальная модель NVIDIA для распознавания хирургических действий на кадрах лапароскопической холецистэктомии. Это дообученная версия Qwen2.5-VL-7B с архитектурой Qwen2.5-VL и примерно 7,1 млрд параметров. Модель принимает RGB-изображение эндоскопического кадра и, опционально, текстовый запрос; заявленный контекст в метаданных — до 128 000 токенов. Модель предназначена для исследовательского анализа хирургического процесса: она описывает инструменты, действия и анатомические цели по отдельным кадрам. Обучение проводилось на CholecT50, содержащем кадры операций холецистэктомии. На отдельном наборе оценки указаны F1-значения 0,81 для инструментов, 0,64 для действий и 0,60 для анатомических целей. Ответ модели — текстовое описание; по умолчанию она не выдаёт рамки объектов или карты сегментации. Качество распознавания действий и анатомических целей ниже, чем инструментов, поэтому результаты требуют проверки и адаптации под конкретные данные. NVIDIA позиционирует модель для исследований и разработки, а не как автономную систему клинических решений. Лицензия указана как other; конкретные условия следует проверить в документах репозитория.

Это набор control-векторов для управления стилем генерации Qwen/Qwen3.5-27B, опубликованный gghfez. Векторы предназначены для творческого письма: они позволяют смещать тон и характер повествования, например от нигилизма к оптимизму, от социопатичности к эмпатии, а также выбирать простую или более витиеватую речь, диалог или повествование. В README также приведены примеры применения в llama.cpp и ikllama.cpp при запуске сервера. По метаданным, базовая модель относится к семейству Qwen3.5 и содержит 27 млрд параметров; файлы векторов представлены в формате GGUF. Для работы нужен совместимый движок и базовая модель. Репозиторий лицензирован по Apache-2.0. Карточка демонстрирует английский текст, но не заявляет поддержку конкретного набора языков для самих векторов.

ovedrive/Qwen-Image-Edit-2509-4bit — 4-битная NF4-квантизованная версия модели Qwen/Qwen-Image-Edit-2509, подготовленная abhishekdujari на базе разработки Qwen. Модель предназначена для редактирования изображений по текстовым инструкциям и работает через pipeline QwenImageEditPlusPipeline библиотеки Diffusers. Поддерживаются сценарии редактирования одного или нескольких изображений, включая изменение людей, товаров, сцен и текста на изображении. Оптимальное число входных изображений — от одного до трёх. Также заявлена нативная поддержка ControlNet, включая карты глубины, контуров и ключевых точек. Ключевая особенность версии — NF4-квантизация с сохранением отдельных слоёв трансформера в полной точности для снижения потери качества. Модель рассчитана на запуск примерно от 20 ГБ VRAM, при этом может работать и на конфигурациях с 16 ГБ с использованием выгрузки частей модели на CPU. По данным README, на RTX 4090 генерация занимает около 78 секунд при 20 шагах и около 40 секунд при 10 шагах; автор сообщает о корректной работе даже при 10 шагах. Указаны языки en и zh, однако размер контекста и подробная архитектура не приведены. Модель подходит для локального инференса при ограниченном объёме видеопамяти и сохраняет основные возможности исходной Qwen-Image-Edit-2509, но квантизация может влиять на качество по сравнению с полной версией. В README не приведены систематические результаты сравнения, поэтому заявленные характеристики производительности следует считать ориентировочными. Модель распространяется по лицензии Apache-2.0.

Это FP8-квантизированная версия Qwen/Qwen-Image-Edit-2511, подготовленная для работы с библиотекой Hugging Face Diffusers и конвейером QwenImageEditPlusPipeline. Квантизация FP8 формата torch.float8_e4m3fn применена к компоненту transformer; репозиторий содержит веса в формате safetensors. Модель предназначена для редактирования изображений по текстовым инструкциям на основе исходного изображения. Модель подходит для внесения заданных пользователем изменений в изображения и для сценариев редактирования сцен или персонажей с сохранением визуальной согласованности. Это производный вариант модели Qwen, а не отдельная обученная с нуля модель. Репозиторий распространяется по лицензии Apache 2.0. Сведения об архитектуре, обучении и оценках качества приведены в карточке базовой модели.

Frederic75/Qwen-Image-Edit-2511-GGUF — это квантизированная в формате GGUF версия модели Qwen-Image-Edit-2511, разработанной командой Qwen. Модель предназначена для редактирования изображений по входному изображению и текстовым инструкциям, включая изменение внешности и окружения персонажей, объединение нескольких людей в одну сцену, замену материалов и создание промышленных дизайнов. Заявлена поддержка интегрированных LoRA-возможностей, улучшенной согласованности персонажей и усиленного геометрического рассуждения. Модель ориентирована на сценарии image-to-image, творческое редактирование, промышленный дизайн, управление освещением, генерацию новых ракурсов и создание вспомогательных геометрических линий для проектирования или аннотирования. В README указаны английский и китайский языки, а также использование библиотеки Diffusers. Размер модели, конкретная архитектура, объём контекста и точные параметры квантизации не указаны. Ключевое преимущество — улучшенная защита от дрейфа изображения и сохранение идентичности объектов, в том числе в сценах с несколькими людьми; ограничением является отсутствие подробных технических характеристик и результатов сравнительного тестирования. Модель распространяется по лицензии Apache 2.0.

Robertita cased — модель RoBERTa-base, разработанная Filevich и обученная с нуля исключительно на материалах уругвайской прессы. Она предсказывает замаскированные слова в испанском тексте и подходит для заполнения пропусков и изучения контекстного употребления слов в уругвайском варианте испанского языка. Модель содержит 137,1 млн параметров, использует архитектуру RobertaForMaskedLM и принимает текстовые последовательности длиной до 130 токенов. Опубликована в форматах PyTorch и Safetensors под лицензией MIT. Обучение только на уругвайской прессе ограничивает её применимость за пределами этого языкового и тематического контекста.

Solar-Dawn-31B — мультимодальная диалоговая модель на архитектуре Gemma 4, созданная Cyclone Labs объединением нескольких моделей, включая google/gemma-4-31B-it, модели для ролевого общения и повествования, а также вариант с обработкой изображений. Объединение выполнено методом FCGS; веса представлены в формате safetensors и bfloat16, для работы указана библиотека Transformers. Размер модели — 31 млрд параметров. Модель предназначена прежде всего для ролевого общения, взаимодействия с персонажами, творческого письма, длинных историй и интерактивной прозы. Она принимает текст и изображения и генерирует текст; возможности vision и chat указаны в метаданных. В README не приведены поддерживаемые языки и длина контекста, поэтому они здесь не описываются. Модель распространяется по лицензии Apache-2.0. Результаты объединения зависят от выбранных компонентов и могут быть непоследовательными в длинных сюжетах; заявленные сценарии ориентированы на художественную генерацию и ролевое взаимодействие.

Stable Audio 3 Optimized — экспериментальные сборки моделей семейства Stable Audio 3 от Stability AI, подготовленные для ускорения на определённом оборудовании. Семейство использует латентную диффузию на основе трансформера и семантико-акустический автоэнкодер; текстовый кондиционер построен на предварительно обученной T5Gemma. Репозиторий содержит форматы ONNX и TFLite, а README также описывает оптимизированные CPU-сборки и runtime LoRA для TensorRT. Модель предназначена для генерации музыки и звуков по текстовому описанию, а семейство Stable Audio 3 также поддерживает аудиоредактирование, заполнение фрагментов и продолжение коротких записей. Поддерживаемый язык — английский. Семейство рассчитано на генерацию аудио переменной длительности; README отмечает возможность создавать несколько минут аудио и приводит показатели скорости на H200 и MacBook Pro M4, но эти значения не гарантируют производительность именно данной оптимизированной сборки. Это экспериментальные контрольные точки, оптимизированные для конкретных аппаратных платформ; для стандартных контрольных точек README рекомендует Stable Audio 3 Medium. Указана Stability AI Community License; коммерческое использование зависит от её условий, а T5Gemma распространяется на условиях Gemma Terms of Use.

Thespis-Llama-3.1-8B — языковая модель семейства Thespis от Locutusque для ролевых диалогов, творческого письма и интерактивных историй. Это плотная авторегрессионная модель Llama 3.1 с 7,5 млрд параметров, дообученная методом Group Relative Policy Optimization (GRPO) на наборе roleplay4fun/aesir-v1.1. Модель ориентирована на связные ответы, последовательность персонажа и сокращение повторов и шаблонных фраз; поддерживает диалоговый режим и контекст до 131 072 токенов. Модель подходит для отыгрыша персонажей, создания художественных сцен и интерактивного повествования. Карточка отмечает, что это ранний выпуск: возможны непоследовательность и непредсказуемые ответы, а обучение модели планируется продолжать. Лицензия — Llama 3.1.

Novaciano/Uncensored-1b-Creative_Writing_RP-GGUF — GGUF-версия модели для генерации текста и диалогового ролевого отыгрыша. В карточке указано, что модель создана на основе carsenk/llama3.2_1b_2025_uncensored_v2 и обучена на смеси наборов данных для письма, ролевых диалогов, кода, математики и других задач; в метаданных также отмечен набор для многошагового творческого письма. Архитектура относится к семейству Llama 3.2, размер — 1 млрд параметров. Модель предназначена для творческого письма, продолжения сцен и ролевого общения. README указывает длину последовательности 8K токенов; автор отмечает, что при дообучении на входных последовательностях от 16K следует использовать их вместо этого варианта. GGUF подходит для запуска совместимыми средствами, включая llama.cpp и KoboldCpp. Поддерживаемые языки по карточке — английский и испанский. Модель помечена как uncensored и может выдавать откровенный или проблемный вымышленный материал. Лицензия — Llama 3.2; применимость лицензии и законность использования контента зависят от условий лицензии и законодательства пользователя.

Карточка модели pancho101/Uncensored-1b-Creative_Writing_RP-GGUF на Hugging Face совпадает с карточкой Novaciano/Uncensored-1b-Creative_Writing_RP-GGUF, поэтому описание составлено по ней. Novaciano/Uncensored-1b-Creative_Writing_RP-GGUF — GGUF-версия модели для генерации текста и диалогового ролевого отыгрыша. В карточке указано, что модель создана на основе carsenk/llama3.2_1b_2025_uncensored_v2 и обучена на смеси наборов данных для письма, ролевых диалогов, кода, математики и других задач; в метаданных также отмечен набор для многошагового творческого письма. Архитектура относится к семейству Llama 3.2, размер — 1 млрд параметров. Модель предназначена для творческого письма, продолжения сцен и ролевого общения. README указывает длину последовательности 8K токенов; автор отмечает, что при дообучении на входных последовательностях от 16K следует использовать их вместо этого варианта. GGUF подходит для запуска совместимыми средствами, включая llama.cpp и KoboldCpp. Поддерживаемые языки по карточке — английский и испанский. Модель помечена как uncensored и может выдавать откровенный или проблемный вымышленный материал. Лицензия — Llama 3.2; применимость лицензии и законность использования контента зависят от условий лицензии и законодательства пользователя.

Wan2.2-Fun-A14B-InP — дообученная модель Alibaba PAI для генерации видео по изображению. Она основана на Wan-AI/Wan2.2-I2V-A14B и рассчитана на сценарии image-to-video; карточка проекта также указывает обучение с несколькими разрешениями и поддержку предсказания по начальному и конечному кадрам. Базовая модель Wan2.2-I2V-A14B предназначена для создания видео в разрешении 480p или 720p. Модель распространяется в формате safetensors и используется через библиотеку VideoX-Fun; веса занимают около 47 ГБ. Для работы требуются значительные ресурсы GPU и около 60 ГБ свободного места. README описывает режимы выгрузки модели на CPU и вариант с float8-квантизацией для экономии видеопамяти, при этом float8 может снизить качество. Указана лицензия Apache 2.0.

Abyssal-Seraph-12B — слитая модель семейства Mistral на 12,1 млрд параметров, созданная Vortex5 с помощью MergeKit. Она предназначена для творческого письма, выразительного повествования и ролевых диалогов с поэтичным, философским и эмоционально насыщенным стилем. Модель объединяет четыре исходные модели в несколько этапов: NearSwap и затем Karcher Mean; веса представлены в формате safetensors и используют контекст до 131 072 токенов. Модель подходит для создания художественной прозы, лирических диалогов и ролевых сценариев, где важны образность и цельный тон. Карточка не приводит результатов оценивания качества, поэтому фактические сильные стороны и стабильность ответов могут зависеть от сценария и настроек генерации. Лицензия в предоставленных сведениях не указана.

Aion-2.0 — вариант DeepSeek V3.2 от AionLabs, оптимизированный для ролевых игр и создания историй. Модель предназначена для интерактивных сценариев, где важно поддерживать погружение и развивать повествование.

Bible AI Assistant v3.2 — разговорная модель Ttimms для ответов на вопросы о Библии в составе RAG-системы. Она дообучена методом LoRA на базе Qwen/Qwen3.5-4B; архитектура — плотная причинно-языковая модель Qwen3.5 с гибридными слоями Gated-DeltaNet и attention. В метаданных указан размер 3,4 млрд параметров и контекст 262 144 токена; обучение этого чекпойнта проводилось на последовательностях длиной 1280 токенов. Модель предназначена для поиска стихов, изучения библейских персонажей, контекста, тем и перекрёстных ссылок. Для надёжных ответов ей нужны найденные ретривером фрагменты Библии; без них она опирается на параметрическую память. Разработчик сообщает о 80,3% точного воспроизведения стихов, 98,9% ответов с цитатами и 1,9% галлюцинаций на собственной оценке. Модель рассчитана только на английский язык и ориентируется на протестантский канон в англоязычных переводах, с уклоном источников в евангелическую и реформатскую традиции. Лицензия — Apache-2.0. Разработчик не рекомендует использовать модель без проверки цитат, для авторитетных богословских решений, пастырского консультирования или медицинских, юридических и финансовых советов, а также для неконтролируемого масштабного развёртывания.

Aurigene AI размещает зеркальную копию BioMistral-7B — плотной авторегрессионной модели семейства Mistral с 7,1 млрд параметров. Исходная модель BioMistral создана на основе Mistral-7B-Instruct-v0.1 и дополнительно предобучена на открытых статьях PubMed Central; карточка описывает её как чат-модель для биомедицинских задач и суммирования научных данных. Контекст в метаданных составляет 32 768 токенов. Модель предназначена для генерации текста, ответов на вопросы по биологии и медицине, а также краткого изложения научной литературы и данных о доказательствах. В карточке приведены результаты оценки на англоязычных медицинских QA-бенчмарках и их переводах на другие языки, но надёжность в реальной клинической практике не оценивалась. Модель не следует использовать для принятия профессиональных медицинских решений без специального выравнивания и тщательной проверки. Репозиторий использует формат PyTorch и лицензию Apache-2.0.

Bionic-Cetacean-20B — объединённая с помощью mergekit автором FallenMerick языковая модель семейства Llama, предназначенная для творческого письма, ролевых диалогов и текстовых приключений. Модель создана методом passthrough merge из нескольких предварительно обученных моделей; в конфигурации объединения использованы диапазоны слоёв трёх составных моделей. Репозиторий содержит веса в формате safetensors, а метаданные указывают размер 19,8 млрд параметров и контекст до 4096 токенов. При выборе модели автор ориентировался на сочетание творческой свободы и связности ответов, проверяя результаты вручную для сценариев ролевой игры. Она подходит для написания художественных сцен, отыгрыша персонажей и интерактивных историй на английском языке. Метаданные указывают лицензию CC BY 4.0. Карточка не приводит количественных оценок качества.

Cakrawala-Llama-3.1-8B — дообученная NarrativAI диалоговая языковая модель для ролевых бесед и взаимодействия персонажей. Она основана на meta-llama/Llama-3.1-8B-Instruct и использует плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров; контекст — до 131 072 токенов. Для обучения применялась QLoRA: 13 000 пар диалогов длиной не менее 12–13 ходов, два прохода по данным. Модель предназначена для генерации подробных реплик персонажей с описаниями действий, выражений лица, окружения и эмоций, поддерживая заданный голос и перспективу персонажа в продолжительных сценах. Карточка указывает английский язык, формат PyTorch и safetensors, а также лицензию MIT. Описание обучения и специализации дано автором модели; качество и устойчивость ролевого поведения на независимых оценках не приводятся.

Модель codingmonster1234/chess-tool-use-grpo-336 — дообученная версия Qwen3-4B-Instruct-2507, созданная с помощью TRL. Она предназначена для генерации текста в диалоговом формате и работы с шахматными запросами; название и датасет указывают на настройку для использования шахматных инструментов. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает контекст до 262 144 токенов. Модель распространяется в формате safetensors под лицензией MIT. README показывает запуск через Transformers pipeline для text-generation, но не описывает конкретный интерфейс вызова шахматных инструментов или результаты оценки качества.

Collage Diffusion — модель генерации изображений по тексту от wavymulder, созданная методом DreamBooth на базе Stable Diffusion 1.5 с VAE и обученная на изображениях в стиле коллажа. Для активации характерной стилистики автор рекомендует добавлять в начало запроса фразу «collage style». Модель рассчитана на создание художественных коллажей по простым текстовым описаниям; она допускает вольную интерпретацию запроса и может нестрого следовать его деталям. Распространяется в форматах Diffusers, PyTorch и safetensors по лицензии CreativeML OpenRAIL-M.

Cosmos-37b-BASE — базовая языковая модель athirdpath на архитектуре Mistral с 37,3 млрд параметров и контекстом до 131 072 токенов. Это дообученная версия athirdpath/LD-Zephyria-37b_HEALED, продолжительно предобученная на одном проходе по наборам bluuwhale/nsfwstory, bluuwhale/nsfwstory2 и закрытому набору Iambe. Модель предназначена прежде всего для творческого письма и генерации текста. Она не проходила последующее instruction tuning, поэтому для диалогов и выполнения инструкций автор рекомендует вариант -INSTRUCT; возможности чата в метаданных не отменяют это ограничение. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

CyberRealistic XL v6.0 — дообученная модель генерации изображений от Cyberdelia, основанная на CyberRealisticXL и работающая через StableDiffusionXLPipeline в библиотеке Diffusers. Она создаёт реалистичные и фотореалистичные изображения по текстовым описаниям, с акцентом на детализацию, естественные тона, световые эффекты и точную передачу цвета. Модель подходит для создания портретов, модных и других реалистичных изображений. Репозиторий содержит веса в форматах Diffusers и safetensors. Лицензия — CC0 1.0, разрешающая свободное использование.