IV.5Образование и развитие навыков

mindview-t2i — компактная модель генерации изображений по текстовому описанию, созданная для арт-инсталляции mindview. Она объединяет укороченный текстовый энкодер Ternary Bonsai 1.7B, обученную для этой связки линейную проекцию и диффузионный трансформер Bonsai Image 4B на основе FLUX.2 [klein] 4B. В модели около 4,48 млрд параметров, почти все веса тернарные; файл размером около 980 МБ запускается локально в браузере через WebGPU без сервера. Модель предназначена для создания изображений 512 × 512 по текстовым запросам. Она поддерживает режимы от одного до четырёх шагов: обычно рекомендуется два шага с LoRA SANA-Sprint или четыре без неё. Разработчики описывают сопоставление текстовых представлений с исходным энкодером и приводят измерение косинусного сходства на отложенных запросах, но отмечают, что небольшой набор примеров не является полноценным бенчмарком. Репозиторий распространяется по лицензии Apache-2.0.

ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.1 — дообученная языковая модель ArliAI на базе Mistral Nemo 12B Instruct 2407. Она предназначена для творческого письма и ролевых диалогов: модель стремится поддерживать разнообразные персонажи и ситуации, отвечать выразительно и избегать повторяющихся сюжетных ходов. Модель использует плотную архитектуру MistralForCausalLM с 12,1 млрд параметров и поддерживает контекст до 1 024 000 токенов. Для общения применяется формат Mistral Instruct; метаданные также отмечают интерфейс вызова инструментов. В репозитории указаны веса safetensors, лицензия Apache-2.0 и доступность вариантов в FP16, GPTQ Q4/Q8 и GGUF. README характеризует модель как менее цензурированную, но не приводит список поддерживаемых языков. Основные сценарии — ролевая игра и художественная генерация текста; качество и уместность ответов могут зависеть от промпта, а заявленная ориентация на менее ограниченные ответы предполагает необходимость контроля генерируемого контента.

Mistral-Nemo-Gutenberg-Encore-12B — дообученная nbeerbower модель на базе mistralai/Mistral-Nemo-Instruct-2407, ориентированная на генерацию художественной прозы и рассказов. Она создана методом ORPO с использованием QLoRA и наборов данных Gutenberg и синтетической художественной прозы. Модель имеет плотную архитектуру MistralForCausalLM на 12,1 млрд параметров, принимает текст и генерирует текст; нативная длина контекста — 131 072 токена. Модель подходит для написания художественных сцен и рассказов по заданным темам, развития сюжетов и стилистической доработки прозы в диалоговом формате. В README приведена оценка примеров генерации: отмечены связность и выразительные тематические решения, а также повторения, клише, местами торопливый темп и сдвиги времени повествования. Основана на многоязычной инструктивной модели, но отдельные языки для этой настройки явно не перечислены. Лицензия — Apache-2.0.

MN-Lyrebird-12B — слитая языковая модель на архитектуре Mistral Nemo, созданная allura-org для совместного написания и других задач художественного письма в длинном формате. Модель объединяет четыре компонента: MN-12B-Mag-Mell-R1, Tess-3-Mistral-Nemo-12B и два адаптера, обученных на текстах книг и ответах Kimi K2. Размер модели — 12,1 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия. Заявленное в метаданных контекстное окно — 1 024 000 токенов, однако адаптеры обучались на контекстах 8 000 и 32 000 токенов. Lyrebird подходит для совместного сочинения рассказов, продолжения прозы и создания диалогов. Она хорошо подхватывает стиль текста из истории беседы, но качество зависит от её стиля и настроек генерации. Автор отмечает проблемы с темпом при написании длинных историй с нуля и склонность выбирать британскую или сельскую английскую манеру речи, если стиль не задан. Модель не оптимизирована специально для ролевых игр; возможна имитация пользователя. В README указано, что данные адаптеров не включали эротику, но компоненты слияния могут сохранять такую способность. Файлы доступны в формате safetensors; лицензия в предоставленных данных не указана.

MLX Community подготовила 6-битную конверсию MOSS-Music-8B-Thinking для анализа музыки на компьютерах Apple Silicon. Это мультимодальная модель, принимающая аудио и текст и отвечающая текстом; исходная модель разработана командой OpenMOSS. Репозиторий содержит около 9,1 млрд параметров. Квантованы слои Qwen3, эмбеддинги токенов и выходной слой; аудиоэнкодер сохранён в bf16. По данным карточки, при сравнении с fp32 PyTorch модель сохраняет совпадение argmax следующего токена и близкие логиты. Модель предназначена для понимания музыки: анализа аудиозаписей, вокала и музыкальных структур, а также ответов на вопросы о музыке. Для загрузки требуется backend moss_music_mlx; напрямую через mlx_lm и mlx_vlm модель не загружается. Репозиторий распространяется по лицензии Apache-2.0.

Mythic-Fabulist-12B — диалоговая модель для ролевого взаимодействия, повествования и творческого письма, созданная объединением моделей Omega-Darker The Final Directive-12B, nemo-sunfall-v0.6.1, Lyra4-Gutenberg-12B и Rei-V3-KTO-12B. В карточке описано многоэтапное слияние: сначала применялся метод nearswap, затем Karcher; итоговые веса сохранены в формате bfloat16. Модель построена на плотной архитектуре Mistral и содержит 12,1 млрд параметров. Она генерирует текст и поддерживает диалог; заявленный размер контекста — 131 072 токена. Разработчик предназначает её для ролевых сцен, персонажного взаимодействия, длинных повествований и атмосферной художественной прозы. Модель распространяется по лицензии Apache-2.0. Карточка не описывает языковую поддержку или результаты оценки качества, поэтому их нельзя уточнить; также нет сведений о специальных механизмах защиты от нежелательного содержания.

Nanite-Labs разработала Earl — англоязычный голос для синтеза речи с диалектом Смоки-Маунтинс, характерным для региона Грейт-Смоки-Маунтинс в Северной Каролине и Теннесси в 1930-х годах. Модель создана дообучением CosyVoice2-0.5B на объединённых записях мужских голосов из публичного архива 1939 года; Earl — обобщённая персона, а не копия конкретного диктора. При генерации используется объединённое голосовое представление, без аудиозаписи отдельного человека. Модель преобразует текст в речь на английском языке. В README для мужского голоса указана доля ошибок распознавания Whisper 1,5% на 68 словах диалектных фраз. Репозиторий содержит форматы ONNX и safetensors; базовая модель CosyVoice2 поддерживает потоковую генерацию и клонирование голоса, однако для этой модели заявлен режим SFT с объединённым голосовым представлением. Лицензия — Apache-2.0. Результат оценки ограничен небольшим набором фраз и не гарантирует аналогичное качество на произвольном тексте. README сообщает, что режим генерации с референсной записью давал неразборчивую речь; поддерживаемым назван режим SFT.

nunchaku-flux.1-fill-dev — это квантизированная версия модели FLUX.1-Fill-dev, разработанная командой Nunchaku и предназначенная для эффективного выполнения задач image-to-image. Модель заполняет или восстанавливает области существующих изображений на основе текстового описания, что подходит для редактирования изображений и генеративного дорисовывания. Она интегрируется с Diffusers и ComfyUI. Модель использует 4-битное квантование SVDQuant и поставляется в вариантах INT4 для видеокарт до серии 50 и NVFP4 для видеокарт Blackwell 50-й серии. Квантование ориентировано на повышение эффективности инференса при минимальной потере качества по сравнению с исходной FLUX.1-Fill-dev. В метаданных указан английский язык; сведения о размере модели, архитектуре и длине контекста не приведены. Для запуска используются движок nunchaku и библиотека квантования deepcompressor. Лицензия — flux-1-dev-non-commercial-license, унаследованная от исходной модели Black Forest Labs; коммерческое использование не разрешено условиями этой лицензии.

Odette-26B-A4B-QAT-Voice — голосовой дельта-адаптер для Google Gemma 4 26B A4B Instruct с QAT-весами. Он объединяет три стилистических компонента: Dark Scarlett, MeroMero и Pantheon Reasoning. Модель предназначена для текстовых диалогов и творческого письма с заданной манерой общения; её накладывают на совместимую GGUF-модель, а не обучают заново. Адаптер рассчитан прежде всего на GGUF-сборки Gemma 4 26B A4B, созданные из контрольной точки QAT `google/gemma-4-26B-A4B-it-qat-q4_0-unquantized`. README указывает размер дельты около 1,5 ГБ и форму тензора [262144, 2816]. Метаданные задают основной язык карточки как английский и задачу text-generation. Для применения требуется совместимая базовая модель и инструмент voice; в описании также отмечена совместимость с некоторыми стандартными и модифицированными сборками, но точное соответствие обеспечивается для QAT-варианта. Указана лицензия Apache-2.0, однако README сообщает, что условия использования донорских компонентов Scarlett ограничивают личное применение и требуют совершеннолетия; также следует учитывать условия Gemma. Поэтому перед распространением адаптированной модели нужно проверить условия всех исходных компонентов. Адаптер не является самостоятельной моделью и предназначен для текстовой генерации, а не для синтеза звука.

Original Pooh Diffusion — дообученная модель Stable Diffusion на основе F222, созданная для генерации изображений в стиле иллюстраций Э. Х. Шепарда к книге «Винни-Пух» А. А. Милна. Для активации характерного стиля в текстовом запросе рекомендуется использовать токены «original pooh». Модель принимает текстовые промпты и создаёт изображения; её можно применять через Diffusers. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M.

Penchant-7B — языковая модель для сочинения стихов, разработанная afoland и дообученная на dolphin-2.1-mistral-7b с использованием набора penchant. Это плотная причинная модель семейства Mistral на 7,1 млрд параметров с контекстом до 32 768 токенов; она принимает инструкции в формате ChatML и предназначена для генерации текста, а не многоходового диалога. Набор обучения содержит более 3 000 преимущественно коротких стихотворений викторианских авторов из общественного достояния, поэтому модель особенно ориентирована на английскую поэзию. Модель подходит для создания стихотворений по заданной теме или названию, подражания литературным приёмам и экспериментирования с ритмом, рифмой и образностью. Для более оригинальных результатов карточка рекомендует давать развёрнутые инструкции: на короткие запросы модель нередко отвечает цитатами известных стихотворений. Она чувствительна к точному формату ChatML и иногда не соблюдает ожидаемые теги ответа. Для загрузки автор рекомендует Transformers с bitsandbytes в 8-битном режиме. Модель выпущена под лицензией Apache-2.0; автор отмечает, что базовая Dolphin не имеет фильтров выравнивания и предостерегает от предоставления модели как общедоступного сервиса.

Prism Roleplay 1.5 Small Fast — модель генерации текста для ролевых диалогов и художественных сцен, разработанная на основе рецепта Prism Roleplay 1.5 Small. Это дообученная версия Bonsai-8B, построенной на архитектуре Qwen3-8B. Весовая конфигурация смешанная: большинство слоёв и эмбеддинги сжаты до 1 бита, а слои, затронутые LoRA, сохранены в 6-битном формате. Модель содержит 7,6 млрд параметров и поддерживает контекст до 65 536 токенов. Модель предназначена для генерации ролевых ответов с диалогом и развёрнутой прозой. Она рассчитана на локальный запуск через MLX на устройствах Apple Silicon; для 1-битных слоёв требуется форк MLX от PrismML с соответствующими ядрами. В описанной разработчиком оценке модель была быстрее и экономнее по памяти, чем 4-битный вариант Prism Roleplay 1.5 Small, но качество прозы уступало ему в сравнении с оценкой LLM. Проверка охватывала только 16 сцен, поэтому результаты ограничены небольшой выборкой. Лицензия — Apache-2.0.

Это полноразмерная BF16-модель Qwen3.5-9B, которую Violetxi дообучила методом supervised fine-tuning для задач по эквациональной теории. Обучающая смесь содержит 70% заметок по теме и 30% траекторий, сформированных с опорой на заметки; обучение прошло за две эпохи. Модель загружается в формате Transformers как Qwen3_5ForConditionalGeneration, лицензия — Apache 2.0. Модель предназначена для диалоговой работы с материалами по эквациональной теории: она может отвечать на вопросы и продолжать текст в этой предметной области. Карточка сообщает, что оценка на отложенной выборке измеряет только языковую модельную потерю, а завершённых результатов проверки математической точности на момент публикации нет. Контекст и мультимодальные возможности унаследованы от Qwen3.5-9B, но README не описывает их отдельную проверку для этого дообученного чекпойнта.

Qwen3.5-9B-Holodeck-Lounge — мультимодальная модель на архитектуре Qwen3.5, опубликованная независимой лабораторией Nightmedia. Это слияние Microsoft Fara1.5-9B и нескольких моделей семейства Qwen3.5, включая варианты для агентных задач, программирования и художественного письма. Размер модели — 9 млрд параметров; в репозитории представлены веса Safetensors, а среди заявленных возможностей есть диалог и работа с изображениями. Модель предназначена прежде всего для творческого письма: генерации сюжетов, сцен и подсюжетов, продолжения историй, ролевых диалогов и письма в разных жанрах. В состав слияния также входят агентные и кодовые модели, однако карточка не описывает конкретные инструкции или проверенные сценарии для этих задач. Указаны английский и китайский языки; сведения о длине контекста не приведены. В README описан переключатель режимов рассуждения через шаблон чата, но сам синтаксис тегов в карточке повреждён или скрыт. Лицензия — Apache-2.0.

Это мультимодальная модель на основе Qwen3-VL-8B-Instruct, дообученная разработчиком samuellimabraz для задач квантовых вычислений с Qiskit 2.0. Модель использует архитектуру Qwen3-VL с 8 млрд параметров; адаптация выполнена методом rsLoRA с рангом 32 и обучением в течение двух эпох на наборе Quantum Assistant Dataset. Модель принимает текст и изображения: она генерирует код Qiskit по описанию или диаграмме, дополняет функции, интерпретирует схемы квантовых цепей, сферы Блоха и гистограммы измерений, а также объясняет концепции квантовых вычислений. Карточка сообщает об улучшении результатов на наборах задач по генерации и дополнению кода, особенно для примеров с изображениями. Модель ориентирована на Qiskit 2.0 и использует современные API, включая SamplerV2 и EstimatorV2. Она может ошибаться в редких случаях, слабее покрывает некоторые категории задач и специфические оптимизации оборудования IBM Quantum; сгенерированный код и алгоритмы требуют проверки перед исполнением. Лицензия — Apache-2.0.

RedSage-K-GRPO — разработанная RISys-Lab при Khalifa University модель на 7,6 млрд параметров для преобразования запросов на естественном языке в команды Kali Linux. Это плотная Qwen3ForCausalLM с 36 слоями, дообученная методом Group Relative Policy Optimization (GRPO) на проверяемых наградах из бенчмарка KaliBench; модель выпущена в виде объединённых LoRA-весов BF16 Safetensors и загружается через Transformers. Указанный размер контекста — 32 768 токенов. Модель предназначена для помощи в выборе инструментов Kali Linux и составлении команд по запросу, в том числе с ограниченным списком инструментов или документацией по целевому инструменту. KaliBench включает 1 642 подинструмента и 23 измерения возможностей. Средний суммарный балл на тестовом разделении составил 76,9%; качество заметно зависит от режима подсказки, а точное совпадение команды в режиме без подсказок составило 28,1%. Модель работает с текстовыми запросами и выдаёт текст, содержащий команду и запрошенное рассуждение. Карточка указывает английский язык; оценка не подтверждает многоязычные или универсальные диалоговые возможности. Лицензия в предоставленных данных не указана. Модель предназначена для исследований, обучения и помощи с командами в авторизованных средах; перед выполнением команды её следует проверить.

Samantha 1.1 — диалоговая модель на архитектуре LLaMA, опубликованная QuixiAI. Она дообучена на 6 000 вручную отобранных диалогов в формате ShareGPT/Vicuna и предназначена для общения в роли помощника и собеседника с уклоном в философию, психологию и личные отношения. Модель принимает текст и генерирует текст; карточка приводит формат диалога Vicuna 1.1. Размер модели — 32,3 млрд параметров, контекст — до 2 048 токенов, основной язык карточки — английский. Модель подходит для бесед на личные и философские темы и ответов в формате дружелюбного собеседника. В карточке указано, что Samantha не участвует в ролевых играх, романтических и сексуальных сценариях. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в репозитории модели.

Карточка модели ianua/SER-Odyssey-Baseline-WavLM-Multi-Attributes на Hugging Face совпадает с карточкой 3loi/SER-Odyssey-Baseline-WavLM-Multi-Attributes, поэтому описание составлено по ней. SER-Odyssey-Baseline-WavLM-Multi-Attributes — модель распознавания эмоций в речи, обученная на наборе MSP-Podcast для базового решения конкурса Odyssey 2024. Она анализирует аудио и предсказывает три непрерывных эмоциональных показателя: возбуждение (arousal), доминантность (dominance) и валентность (valence), примерно в диапазоне от 0 до 1. Модель построена на WavLM и содержит около 402,7 млн параметров. Она подходит для оценки эмоциональных характеристик речи в аудиозаписях и исследовательских экспериментах по распознаванию эмоций. В карточке приведены результаты на тестовом и развивающем наборах конкурса, но числовые значения недоступны в предоставленном тексте. Лицензия — MIT.

Prashant-karwasra/short_story_generation — дообученная модель GPT-2 для генерации текста, ориентированная на создание коротких рассказов. Она построена на архитектуре GPT2LMHeadModel и распространяется в формате safetensors. Контекст модели составляет 1024 токена. Модель можно использовать для генерации черновиков рассказов и продолжения заданного текста. Данные обучения и результаты оценки не описаны, поэтому соответствие стилю и качество рассказов могут быть непредсказуемыми. Лицензия — MIT.

SpoomplesMaxx-Mockingbird-36B — дообученная языковая модель для ролевого общения, созданная автором репозитория aimeri на основе ByteDance-Seed/Seed-OSS-36B-Base-woSyn. Автор описывает подход как обучение модели ролевому стилю преимущественно на данных задач, рассуждений, общения с ассистентом и общих знаний, дополняя их собственно ролевыми примерами. Модель предназначена для ведения ролевых диалогов и генерации творческого текста в заданной роли. Это плотная авторегрессионная архитектура Seed OSS с 31,7 млрд параметров; заявленное контекстное окно составляет 524 288 токенов. Метаданные указывают поддержку английского языка, текстовый ввод и генерацию текста. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает концепцию обучения, но не приводит количественных оценок качества или подробностей о поведении модели в разных сценариях. Практическая применимость длинного контекста и качество ролевой генерации могут зависеть от используемой конфигурации и оборудования.

FrankL/storytellerLM-v0 — компактная языковая модель семейства Llama, опубликованная FrankL и предназначенная для генерации текста на английском языке. Она обучена на датасете skeskinen/TinyStories-GPT4 и подходит для создания коротких историй и продолжения текстовых подсказок. Модель использует архитектуру LlamaForCausalLM, содержит 20,8 млн параметров и рассчитана на контекст до 2048 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Небольшой размер делает модель удобной для компактных экспериментов с генерацией историй. Карточка не сообщает оценок качества или иных ограничений помимо короткого контекста; результаты генерации могут требовать проверки.

TencentARC/t2iadapter_sketch_sd15v2 — адаптер T2I-Adapter для генерации изображений на основе Stable Diffusion 1.5. Разработан авторами проекта T2I-Adapter; адаптер добавляет к базовой модели управляющее условие в виде эскиза. Модель предназначена для преобразования эскиза в изображение с помощью текстового запроса и совместимой базовой модели Stable Diffusion 1.5. Она даёт возможность направлять генерацию по структуре наброска; для работы требуется базовый чекпойнт runwayml/stable-diffusion-v1-5 и программная среда Diffusers. Модель работает с изображениями и текстовыми запросами, выдаёт сгенерированные изображения. Карточка указывает английский язык и лицензию Apache 2.0. Качество результата зависит от базовой модели, эскиза и запроса; адаптер предназначен для конкретного типа условия и версии Stable Diffusion.

Kaousheik/tempo-rl-singletask-music — вариант TEMPO, дообученный GRPO только для создания музыкальных описаний. Модель основана на NVIDIA Audio Flamingo 3: аудиокодировщик Whisper-large соединён с языковой моделью Qwen2-7B через мультимодальный проектор. Вариант использует временной проектор и требует загрузки файла time_proj.pt. Модель предназначена для анализа музыки с временными отметками: распознавания аккордов и их длительности, определения темпа, инструментов и моментов их вступления или выхода. Обучение только на музыкальной задаче делает этот чекпойнт специализированным вариантом TEMPO; результаты README показывают высокую F1-оценку для определения инструментов, но низкую для аккордов, поэтому музыкальные описания и гармонический анализ следует считать приблизительными. Модель принимает аудио и выдаёт текст. Поддерживается английский язык; временные отметки ограничены 60 секундами, поэтому более длинные записи нужно разбивать на фрагменты. Лицензия указана как other, конкретные условия следует проверять на странице репозитория Hugging Face.

TooManyMixRolePlay-7B-Story_V2 — объединённая модель авторегрессионной генерации текста на архитектуре Mistral, созданная jdqwoi методом слияния Slerp через LazyMergekit. Она сочетает StoryFusion-7B и TooManyMixRolePlay-7B-Story_V1 и предназначена для продолжения подсказок, создания художественных рассказов и ролевых текстовых сценариев. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. Базовое описание указывает на генерацию англоязычных рассказов и художественных текстов. Лицензия в предоставленных данных не указана.

YankaGPT-8B-v0.1 — русскоязычная языковая модель для ролевого общения и творческого письма, созданная автором secretmoon дообучением YandexGPT-5-Lite-8B-pretrain. Это плотная autoregressive-модель семейства Llama с 7,5 млрд параметров; она поддерживает генерацию текста и чат, а заявленная длина контекста составляет 32 768 токенов. Модель рассчитана на ролевые диалоги, творческие эксперименты и создание оригинального контента на русском языке. Системные инструкции и карточки персонажей автор рекомендует задавать на английском. В карточке указано, что обучение проводилось на датасете объёмом около 210 МБ с переводами ролевых диалогов, а RLHF и DPO для этой версии не применялись. Автор характеризует модель как экспериментальную: качество может быть нестабильным, безопасность не изучалась. Лицензия обозначена как other; карточка напоминает пользователю об ответственности за действия модели.

YunaGPT-124M V1 Story — компактная языковая модель, разработанная в рамках проекта Yuna и дообученная для генерации коротких художественных историй по заданному промпту. Это декодерный Transformer с архитектурой LLaMA и Grouped-Query Attention (GQA), класс LlamaForCausalLM; в репозитории указано 124,4 млн параметров. Модель принимает текстовые инструкции в шаблоне проекта и генерирует продолжение текста. Контекст ограничен 2048 токенами; основной язык карточки — английский. Модель предназначена для черновиков коротких рассказов и сцен, экспериментов с творческими промптами, учебного изучения специализации небольших языковых моделей и дальнейшей тонкой настройки для письма или ролевых сценариев. Обучение включало supervised fine-tuning на 5 580 примерах коротких историй и писательских промптов. Модель может формировать узнаваемую повествовательную структуру и образные фрагменты, но качество непостоянно. Это экспериментальная модель небольшого размера: возможны повторы, бессвязность, ошибки словоупотребления, уход от темы и внезапное завершение, особенно при длинных историях. Фактические знания и следование инструкциям ненадёжны; предполагаемые сведения о франшизах могут быть выдуманы. Стандартизированные оценки качества не приведены. Лицензия в предоставленных данных не указана; README отмечает, что к источникам обучающих данных применяются их собственные лицензии и условия.

Модель — дообученная версия FacebookAI/xlm-roberta-large с архитектурой BertCRFForTokenClassification и примерно 658,7 млн параметров. Она предназначена для токенной классификации: по метрикам и названиям классов в оценке модель размечает термины и явления в лингвистических текстах, включая морфологические, синтаксические, фонологические и семантические понятия. Контекст составляет до 514 токенов; базовая XLM-RoBERTa поддерживает 100 языков, однако язык обучающих данных этой версии не указан. На оценочном наборе указаны F1 0,801 и точность 0,972, при этом качество заметно различается по классам: например, F1 для Graphemicphenomenon равен 0, а для Academicdiscipline — 0,381. Датасет и подробности назначения автором не описаны. Модель распространяется по лицензии MIT.

Agate Preview 001 — компактная модель генерации изображений по тексту, разработанная LogoLabs. Она предназначена для создания иконок, символов и композиций по англоязычным запросам, а также для прототипирования и небольших по вычислительным затратам развёртываний. Модель обучена с нуля и содержит около 260 млн параметров с декодером TAESD или 308,5 млн с SD-VAE; генератор использует архитектуру FCDM-T2 с планирующим трансформером и свёрточной U-Net, а текстовый энкодер Ettin-68M поддерживает контекст до 512 токенов. Выходное разрешение — 256 × 256 пикселей. Доступны веса в форматах Safetensors и ONNX; лицензия кода и весов — MIT. Agate показала 0,550 на GenEval по официальной методике. Она ориентирована на композиционные запросы и генерацию символов при небольшом размере модели. Ограничения включают ненадёжную отрисовку текста, ошибки в подсчёте объектов при количестве больше трёх и обработке отрицаний, низкое разрешение и отсутствие обучения на фотографиях. Модель не поставляется с классификатором безопасности; в описании отмечен риск непреднамеренного изображения обнажённости при запросах о людях.

imperialwool/ai-dungeon-large-en — англоязычная модель генерации текста на архитектуре GPT-2, представленная в форматах PyTorch и Safetensors. Карточка сообщает, что модель хорошо работает только на английском языке; она предназначена для генерации продолжений текста и может применяться для интерактивных текстовых приключений в стиле AI Dungeon. Модель принимает текст и генерирует текст. Её контекстное окно составляет 1024 токена. Модель опубликована под лицензией MIT. Сведений о числе параметров и конкретном способе обучения в карточке нет.

Audiobox Aesthetics — модель Meta для автоматической оценки качества речи, музыки и других звуков. Она принимает аудиофайлы и предсказывает оценки эстетических характеристик; можно также оценивать выбранный временной отрезок записи. Для запуска README предлагает пакет audiobox_aesthetics и интерфейс командной строки. Модель распространяется в формате safetensors и решает задачу классификации аудио. Лицензия — CC BY 4.0. В README не приведены сведения об архитектуре, числе параметров и поддерживаемых языках.