IV.5Образование и развитие навыков

Qwen-Image-Edit-2511-Object-Adder — адаптер LoRA, разработанный prithivMLmods для модели Qwen/Qwen-Image-Edit-2511 от Qwen. Он предназначен для редактирования изображений по принципу image-to-image, в частности для точного добавления заданных объектов в существующие сцены с сохранением фона, освещения, окружающих элементов и исходных визуальных деталей. Модель интегрируется с Diffusers и совместима с версиями 2509 и 2511. Она ориентирована на реалистичное и визуально согласованное добавление объектов, сохраняя текстуры, тени, структуру сцены и естественное восприятие изображения. В README также указана возможность использования совместно с lighting-моделью, настроенной на 4 шага, для получения качественных результатов с высоким разрешением. Поддерживаемая модальность — изображения; заявленный язык — английский, а для активации рекомендуется специальный англоязычный prompt. Модель подходит для бесшовного добавления предметов, элементов дизайна и аксессуаров в фотографии или другие изображения. Ограничения, точный размер, архитектура базовой модели, длина контекста и дополнительные языки в README не указаны. Распространяется по лицензии Apache-2.0.

Модель prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V4 — версия весов трансформера для Diffusers, подготовленная из Phr00t/Qwen-Image-Edit-Rapid-AIO-V4. Это дообученная модель редактирования изображений на основе семейства Qwen Image Edit; заявлен ускоренный вывод за 4 шага. Репозиторий содержит веса в формате safetensors и рассчитан на запуск через библиотеку Diffusers. Модель предназначена для преобразования изображений по текстовым инструкциям и быстрого экспериментирования с редактированием изображений. В карточке нет сведений о размере, длине контекста и поддерживаемых языках; метаданные отмечают английский язык. Лицензия — Apache-2.0.

RobBERT v2 Dutch Sentiment — модель классификации тональности на основе RobBERT, дообученная исследователями KU Leuven на нидерландских отзывах о книгах из набора DBRD. Она относит отзыв к положительной, нейтральной или отрицательной тональности и подходит для анализа книжных рецензий и отзывов на нидерландском языке. Модель основана на архитектуре RoBERTa и содержит 144 млн параметров по метаданным Hugging Face. Максимальная длина контекста — 514 токенов. В README указана точность 93,3% на тестовом наборе, однако авторы отмечают, что результат получен в другом запуске, чем в статье. Качество на текстах вне книжной тематики ограничено: авторы сообщают о слабых результатах в других областях. Обучающие отзывы преимущественно написаны женщинами, что может влиять на качество для текстов, написанных мужчинами. Модель распространяется по лицензии MIT.

RicardoEstep/RPBizkit-v8-12B — экспериментальная текстовая модель семейства Mistral Nemo, созданная RicardoEstep как слияние нескольких RP- и instruct-моделей с помощью Mergekit. Веса представлены в формате safetensors; размер — 12,1 млрд параметров. Автор сообщает о целевом контексте 128K токенов и рекомендует шаблон чата Alpaca с RAW-вводом; альтернативный шаблон Mistral V3 приводится как необязательный. Модель предназначена для генерации текста в ролевых сценариях и написания историй. В слияние вошли Mistral-Nemo-Instruct-2407-abliterated, UnslopNemo, RPMax, RP-Ink и Gutenberg; метаданные также связывают её с другими RP-моделями. Указание в тегах not-for-all-audiences отражает ориентацию на контент не для всех аудиторий. Лицензия в предоставленных данных не указана.

Saarthi — диалоговая модель-компаньон по «Бхагавад-гите», созданная GitaGyan.in на основе Qwen/Qwen3.5-4B. Модель дообучена с помощью LoRA ранга 64 на данных о стихах и персоне Saarthi; веса представлены в формате Safetensors, а лицензия — Apache 2.0. По метаданным, контекст составляет 262 144 токена. Модель отвечает на вопросы о стихах, помогает находить подходящие места в тексте и обсуждать жизненные ситуации через учение «Бхагавад-гиты». Она содержит переводы, санскрит, транслитерацию, пословные значения и объяснения всех 701 стихов в 18 главах; по карточке, цитаты приводятся как текст источника. Диалоговый стиль прямой и неформальный, санскрит сопровождается пояснениями. Указанный в карточке язык — английский. Saarthi позиционируется как духовный собеседник, а не священнослужитель или божество: модель не благословляет и не пророчествует и оставляет решения пользователю. Карточка сообщает о возможных выдуманных пояснениях и неверном описании глав на широкие вопросы, поэтому утверждения о писании стоит сверять с первоисточником. Медицинские, юридические и финансовые вопросы следует адресовать специалистам; при кризисе модель направляет за помощью к людям.

shadow-clown-BioMistral-7B-DARE — слитая методом DARE TIES языковая модель на архитектуре Mistral, созданная с помощью mergekit из BioMistral/BioMistral-7B-DARE и CorticalStack/shadow-clown-7B-dare. Модель содержит 7,1 млрд параметров, использует веса safetensors в формате float16 и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста; её биомедицинская направленность связана с BioMistral и включает ответы на биомедицинские вопросы и исследовательские сценарии. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или дополнительных сведений о поддерживаемых языках.

SkyReels-A1 — модель генерации видео по изображению, разработанная командой Skywork для анимации портретов. Она переносит мимику и движения из входного видеоклипа на заданный портрет: выражения лица извлекаются в виде ориентированных на мимику ключевых точек, которые подаются в условную модель генерации видео на основе DiT; для кодирования ключевых точек используется механизм управления позой в архитектуре VAE. Репозиторий содержит веса в формате Diffusers, также указаны ONNX и safetensors. Лицензия — Apache-2.0. Карточка описывает перенос выражений из видео на портретное изображение. В новостях также упоминается аудиоуправляемая анимация портретов, но приведённое описание не подтверждает, что эти веса принимают аудио. Размер модели, длина контекста и поддерживаемые языки в предоставленных данных не описаны.

Stable Audio 3 Medium Base — базовая предварительно обученная модель Stability AI для генерации аудио по текстовому описанию и дальнейшей тонкой настройки. Это латентная диффузионная модель на архитектуре Transformer: семантико-акустический автоэнкодер сжимает аудио в компактное латентное представление, в котором выполняется генерация. Семейство Stable Audio 3 также поддерживает генерацию аудио переменной длительности, продолжение коротких записей и локальное редактирование аудио; эта карточка описывает именно базовый чекпойнт, предназначенный для дообучения. Модель ориентирована на создание музыки и звуковых эффектов по англоязычным текстовым промптам. Для текстового условия используется предварительно обученная T5Gemma. Веса опубликованы в формате safetensors; для использования заявлены библиотеки stable-audio-3 и stable-audio-tools. Обучение проводилось на лицензированных и Creative Commons аудиозаписях. Для коммерческого использования применяются условия Stability AI Community License, а T5Gemma распространяется согласно Gemma Terms of Use. Базовая версия предназначена для тонкой настройки; для непосредственной генерации авторы рекомендуют Stable Audio 3 Medium.

StepFun-Prover-Preview-32B — языковая модель для доказательства теорем, разработанная командой StepFun. Она итеративно уточняет набросок доказательства, взаимодействуя с Lean4, и предназначена для автоматизации математических доказательств. В тесте MiniF2F-test модель показала точность 70,0% по Pass@1. Модель построена на плотной архитектуре Qwen2 и дообучена на DeepSeek-R1-Distill-Qwen-32B. Она содержит 32 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Карточка указывает английский язык. Репозиторий использует Transformers и формат safetensors, а лицензия — Apache-2.0. Показатель MiniF2F-test не гарантирует аналогичное качество на других задачах; работа с Lean4 предполагает наличие соответствующей среды.

Swallow-70b-RP — слитая модель генерации текста от nitky, предназначенная для ролевых сценариев и создания историй. Она основана на Llama 2 и объединяет несколько моделей для повествования с инструктивной Swallow-70b-instruct-hf. В README указаны методы слияния DARE TIES и SLERP. Модель содержит 68,8 млрд параметров, работает с текстом и имеет контекст 4096 токенов; в карточке отмечены английский и японский языки. Модель подходит для одноповоротного ролевого взаимодействия и написания художественных историй, но автор отмечает, что она не очень хорошо справляется с многоходовым чатом. В README рекомендован формат инструкций Alpaca и приведены настройки генерации с температурой 0,7, top_p 0,9, repetition_penalty 1,15 и top_k 20. Автор ограничивает использование личными и академическими целями. Модель объединяет дообученные версии Llama 2, среди которых могут быть компоненты с неясными условиями коммерческого использования; метаданные указывают лицензию llama2, поэтому перед применением следует учитывать как лицензию репозитория, так и оговорку автора.

TaoMate-H3 3-Step LoRA — это адаптер LoRA для базовой модели MiniMax H3 (FL2VA), разработанный Alibaba TaoLive AIGC Team и преобразованный в формат, совместимый с ComfyUI. Адаптер предназначен для генерации видео по тексту и изображению, а также синхронизированного аудио-видео контента средствами MiniMax H3. Он рассчитан на дистиллированную генерацию за 3 шага и не является самостоятельной моделью: для работы требуется базовая MiniMax H3 FL2VA. Модель поставляется в формате Safetensors с типом данных bfloat16, имеет ранг LoRA 128 и alpha 128, включает 208 патчей и занимает около 1,24 ГБ. Поддерживаются стандартные узлы LoraLoader и LoraLoaderModelOnly в ComfyUI, а также Pixaroma H3 nodes и ComfyUI-H3. Рекомендуются 3 шага генерации, CFG 1.0, сила LoRA 1.0, сэмплер Euler и планировщик simple или linear FlowMatch. Главные преимущества — экономия VRAM и дискового пространства по сравнению с исходными весами и специализированная быстрая генерация за три шага. Ограничения включают зависимость от совместимой базовой модели и ComfyUI-окружения; использование CFG выше 1.0 не рекомендуется. Языки и размер базовой модели в README не указаны. Распространение осуществляется по MiniMax H3 Community License Agreement.

haykgrigorian/TimeCapsuleLLM-London-1800-1875-v2-1.2B — авторская языковая модель, созданная обучением с нуля на корпусе объёмом 112 ГБ из лондонских текстов 1800–1875 годов. Она предназначена для генерации текста в историческом стиле и экспериментов с языком соответствующего периода. Модель использует декодерную архитектуру LlamaForCausalLM и содержит около 1,1 млрд параметров по метаданным; в README указано приблизительно 1,22 млрд. Контекст — 2048 токенов. Модель принимает текст и генерирует текст на английском языке. Обучение длилось 182 000 шагов, что составило около половины эпохи по данным карточки. Лицензия — MIT. Карточка не приводит результатов независимой оценки качества, поэтому точность исторической стилизации и фактическую достоверность следует проверять на целевых примерах.

Vintage-LLM-340m-v1-base — базовая языковая модель от croqaz, основанная на архитектуре Llama 3 и содержащая около 307,2 млн параметров. Модель обучена на очищенных от дубликатов англоязычных текстах, опубликованных до 1900 года; в репозитории есть несколько контрольных точек, включая варианты после обучения на коротких и длинных текстах. Модель предназначена для генерации текста в историческом стиле и изучения того, как тексты прошлых эпох влияют на языковую модель. Это базовая модель, а не готовый чат-ассистент: её способности к диалогу ограничены. Репозиторий содержит веса Safetensors; заявленная длина контекста — 65 536 токенов. Лицензия — MIT.

Это GGUF-конверсия модели Wan2.1-Fun-14B-Control, разработанной alibaba-pai и дополнительно подготовленной пользователем city96. Модель предназначена для генерации видео по текстовому описанию и работы с видеогенерационными сценариями. Указанные языки — английский и китайский. Модель имеет размер 14B параметров и распространяется в формате GGUF, что делает её ориентированной на запуск через совместимую инфраструктуру, включая ComfyUI с пользовательским узлом ComfyUI-GGUF. Для работы требуются базовая модельные компоненты, VAE и дополнительные файлы Wan2.1; в данном репозитории они не включены и должны загружаться отдельно. Конкретные архитектурные характеристики, поддерживаемые модальности, размер контекста и варианты квантования в README не указаны. Модель распространяется по лицензии Apache-2.0. Её сильными сторонами являются поддержка видеогенерации и наличие GGUF-конверсии для интеграции с ComfyUI, однако качество, требования к ресурсам и ограничения конкретных вариантов квантования README не описывает.

Wan2.2-Fun-A14B-Control-GGUF-fork — это квантованная версия модели Wan2.2-Fun-A14B-Control, разработанной Alibaba PAI и преобразованной в формат GGUF. Модель предназначена для генерации и управления созданием видео по текстовым описаниям и, вероятно, рассчитана на использование в связке с ComfyUI и узлом ComfyUI-GGUF. В карточке указаны поддерживаемые языки English и Chinese, библиотека GGUF и задача text-to-video. Основная модель имеет размерный класс A14B; для работы также требуются текстовый энкодер Umt5-xxl и VAE Wan2.1_VAE. Файлы компонентов размещаются в соответствующих каталогах ComfyUI. Квантование может снизить требования к ресурсам, однако конкретный тип квантования, контекст, поддерживаемые разрешения и показатели качества не указаны. Модель ориентирована на генерацию видео в экосистеме ComfyUI, но для запуска необходимы дополнительные компоненты и совместимый пользовательский узел. README не содержит подробностей об ограничениях качества, производительности и аппаратных требованиях. Указана лицензия Apache-2.0; при использовании квантованной версии сохраняются исходные условия лицензирования и ограничения базовой модели.

Mancer: Weaver (alpha) — модель, предназначенная для ролевых диалогов и повествовательных сценариев. Разработчики описывают её как попытку воспроизвести многословный стиль ответов Claude. Модель ориентирована на генерацию текста для ролевых игр и историй. Авторы предупреждают, что её связность и способность удерживать контекст слабее, чем у Claude. Сведений об архитектуре, размере, языках и лицензии в использованных источниках нет.

YuE2-3B — открытая модель генерации музыки от разработчика m-a-p. Она преобразует текстовое описание стиля и слова песни в композицию с вокалом и аккомпанементом, а также поддерживает создание кавер-версий по исходной записи и редактирование мелодии и гармонии через партитуру ABC. Для планирования музыкальной структуры и генерации звука используется плотная архитектура YuE2ForCausalLM: Mixture-of-Transformers сочетает авторегрессионные и неавторегрессионные этапы, после чего акустические латенты преобразуются VAE в стереозвук. Модель содержит 1,8 млрд параметров, поддерживает контекст до 24 576 токенов и рассчитана на английский и китайский языки. По данным карточки, для локального запуска нужны Linux, Python 3.10 или новее и NVIDIA GPU с 24 ГБ памяти и поддержкой BF16. YuE2-3B предназначена для создания песен, кавер-аранжировок и итеративной доработки композиции по текстовым инструкциям и редактируемой партитуре. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Качество генерации может варьироваться; для каверов требуется отдельно подготовить мелодическую партитуру ABC и текст песни, а редактирование партитуры требует проверки музыкальной корректности.

Mubin дообучил модель Sentence Transformers на базе sentence-transformers/all-MiniLM-L6-v2 на примерах запросов и описаний вакансий. Она кодирует предложения и абзацы в плотные векторы размерностью 384 и сравнивает их по косинусному сходству. Модель предназначена прежде всего для семантического сопоставления запросов с вакансиями, а также для семантического поиска и ранжирования текстов по близости смысла. Архитектура основана на BERT: токеновые представления объединяются усреднением, затем векторы нормализуются. Метаданные указывают контекст до 512 токенов; карточка модели указывает максимальную длину последовательности 256 токенов. Обучение проводилось на наборе из 812 примеров с запросами и положительными и отрицательными описаниями вакансий. В README приведены результаты cosine accuracy 0,9703 на валидации и 0,9804 на тестовой выборке, однако они относятся к указанному набору данных и сами по себе не гарантируют качество на других текстах. Модель работает с текстом и возвращает эмбеддинги; в первую очередь она ориентирована на англоязычные запросы и описания вакансий, как и базовая модель. Доступный формат весов — safetensors. Лицензия в предоставленных данных не указана.

mm00/anything-v3.0-light — версия Anything V3, подготовленная разработчиком репозитория для удобного использования при обучении DreamBooth. Это латентная диффузионная модель на базе Stable Diffusion, распространяемая в формате Diffusers; из репозитория удалены файлы .ckpt, которые не используются в Diffusers. Модель предназначена для генерации детализированных изображений в аниме-стиле по текстовым запросам, в том числе с использованием тегов Danbooru. Для запуска можно применять StableDiffusionPipeline из библиотеки Diffusers. Указана лицензия CreativeML OpenRAIL-M.

ArcANE-8B-DPO — англоязычная модель для ролевых ответов персонажей, разработанная Holi Lab на основе Qwen3-8B. Она предназначена для исследований, где нужно воспроизводить поведение персонажа на определённом этапе сюжета, опираясь на описание его Character Arc, ограниченное главой запроса. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает текстовый контекст; максимальная длина контекста — 40 960 токенов. Обучение включало supervised fine-tuning, а затем Direct Preference Optimization: модель училась предпочитать ответы, соответствующие заданной фазе развития персонажа, ответам из соседних фаз. В описанной оценке с контекстом Character Arc она превзошла SFT-вариант и Qwen3-8B по общей метрике соответствия фазе. Модель подходит для экспериментов с ролевым диалогом и анализом изменений характера по мере развития сюжета. Для корректного сценария следует передавать только сведения о сюжетных фазах до главы запроса; будущие фазы могут исказить ответ. Данные оценки относятся к ограниченному набору романов и проб. Распространяется по лицензии Apache-2.0.

AssistiveRecGraniteSmall — англоязычная модель Sentence Transformers, разработанная на основе IBM Granite и дообученная для рекомендаций вспомогательных технологий. Она сопоставляет описания целей и трудностей пользователя с естественно-языковыми описаниями товаров: кодирует текст в нормализованные плотные векторы размерностью 768 и подходит для семантического поиска и сравнения по косинусному сходству. Модель основана на RoBERTa с pooling по CLS-токену; максимальная длина входа — 512 токенов. Запросы рекомендуется формировать как «Goals: …, Challenges: …», а описания товаров передавать обычным текстом. Кроме поиска похожих описаний, эмбеддинги можно применять для поиска перефразировок, кластеризации и классификации текста. Модель дообучена на парах текстов из датского набора Assistive Technology Data Denmark, предоставленного Национальным советом социальных служб Дании. Она ориентирована на английский язык и вспомогательные технологии; качество на других языках и за пределами этой области не заявлено. Лицензия — Apache 2.0.

Карточка модели SLM-Archive/BananaMind-2-Pro на Hugging Face совпадает с карточкой BananaMind/BananaMind-2-Pro, поэтому описание составлено по ней. BananaMind-2-Pro — базовая языковая модель, разработанная BananaMind и обученная с нуля. Это 138,9-миллионная decoder-only Transformer-модель с 24 слоями, группированным многозапросным вниманием, QK-нормализацией, RoPE, SwiGLU и RMSNorm. Предобучение охватило около 100 млрд токенов; модель использует собственный байтовый BPE-токенизатор на 32 768 токенов с обработкой чисел и контекстное окно на 3 072 токена. Модель предназначена для продолжения текста, изучения небольших языковых моделей и токенизаторов, оценки арифметических способностей и обучения специализированных моделей на её основе. Это базовая модель, а не чат-модель: она не предназначена для надёжного следования инструкциям. В карточке указаны англоязычные обучающие данные и наборы FineWeb-Edu, DCLM, SmolLM Corpus и FineMath; основные языковые возможности за пределами английского не охарактеризованы. Результаты тестов приведены разработчиком и могут зависеть от конфигурации оценки. Для загрузки требуется Transformers с кодом репозитория и параметром trust_remote_code=True. Лицензия обозначена как other, поэтому перед использованием следует проверить условия в репозитории. Модель не следует использовать для медицинских, юридических, финансовых и других критически важных решений.

Calliope — устаревшая языковая модель NovelAI для генерации текста. Она основана на GPT-Neo 2.7B от EleutherAI и стала первым опытом NovelAI по дообучению крупной языковой модели. В репозитории указаны архитектура GPT-Neo, 3,1 млрд параметров и контекст до 2048 токенов; опубликованы веса в формате PyTorch. Модель предназначалась для генерации продолжений текста и художественного письма. NovelAI сняла её с поддержки: сначала её сменила более сильная Sigurd на базе GPT-J 6B, а позднее Calliope утратила преимущество в скорости. В README релиз представлен как исторический и архивный. Лицензия — GPL-2.0.

lllyasviel/control_v11p_sd15s2_lineart_anime — модель ControlNet v1.1, разработанная Lvmin Zhang и Maneesh Agrawala. Это контрольная нейросеть для диффузионных моделей, предназначенная для управления генерацией изображений Stable Diffusion с помощью дополнительных условий. Данная версия принимает изображения lineart_anime, то есть аниме-контурные изображения, и помогает сохранять их композицию и структуру при создании нового изображения по текстовому описанию. Модель преобразована из оригинального checkpoint в формат diffusers и обучена для совместной работы со Stable Diffusion v1.5, в частности с runwayml/stable-diffusion-v1-5. Она относится к диффузионному тексто-изображенческому стеку, использует текстовые запросы на английском языке и работает с визуальными входными данными в виде line art. Модель подходит для image-to-image генерации, стилизации и управляемого создания аниме-иллюстраций, где требуется следовать исходным линиям и позам. Для подготовки управляющего изображения может потребоваться внешний LineartAnimeDetector и дополнительные библиотеки diffusers и controlnet_aux. Сильная сторона модели — более точный контроль композиции и контуров по сравнению с генерацией только из текста, при сохранении возможностей базовой Stable Diffusion. Ограничения связаны с зависимостью от совместимой базовой модели и качества входного line art; checkpoint обучен прежде всего для Stable Diffusion v1.5, поэтому применение с другими диффузионными моделями может работать нестабильно. Лицензия — CreativeML OpenRAIL M, также обозначенная как Open RAIL M.

Darkidol-Ballad-27B — текстовая диалоговая модель для ролевого общения и творческого письма, созданная на базе Qwen3.5-27B и дообученная для различных ролевых сценариев, включая мрачное фэнтези и готическую тематику. Карточка также указывает на адаптацию для мобильных телефонов и быстрые ответы. Модель принимает текст и генерирует текст на английском языке. Её можно использовать для ролевых диалогов, написания песен, творческих промптов и развёрнутых художественных текстов. Архитектура — плотная причинная языковая модель Qwen3.5; в метаданных указаны 22,3 млрд параметров и контекст до 262 144 токенов. Репозиторий использует формат Safetensors, библиотека — Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов сравнительных оценок качества; специализация на ролевом письме не гарантирует точность фактических ответов. README описывает только текстовый режим и рекомендует использовать английский.

Dr. Samantha — языковая модель, созданная слиянием моделей BeingWell и Llama-2-7B-Samantha с помощью mergekit. Она предназначена для генерации ответов на медицинские вопросы и поддерживающих бесед о психологическом и общем благополучии. Модель объединяет медицинские знания, включая данные для подготовки к USMLE и диалоги врача с пациентом, с навыками философского, психологического и межличностного общения. Модель построена на архитектуре Llama 2, содержит 6,6 млрд параметров и принимает текст, генерируя текст. Родная длина контекста — 2048 токенов. В метаданных указаны английский и китайский языки. Репозиторий распространяет веса в формате safetensors по лицензии Llama 2. В карточке отмечены эмпатичные и понятные ответы, объяснения возможных причин симптомов и рекомендации обратиться к специалисту. Ограничения включают недостаточный акцент на срочности при возможных неотложных состояниях, неполный разбор редких причин и ограниченный сбор уточняющих сведений о симптомах и истории болезни. Модель не заменяет профессиональную медицинскую диагностику и лечение.

Faqih-Q14b-1.0V — полноразмерная языковая модель для исламских знаний, разработанная на базе Qwen2.5-14B-Instruct и дообученная на наборе hozifa1/faqih_sft_dataset. Она предназначена для диалога и генерации ответов по сравнительному фикху и современным правовым вопросам (навазиль). Модель имеет архитектуру Qwen2, 14,7 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. В репозитории представлены веса safetensors; в README заявлена точность 16 бит и размер весов около 29,4 ГБ. Лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных ограничений применения, поэтому ответы по религиозным и правовым вопросам требуют проверки специалистом.

Nubinu/Gemma4-E2B-MicroFantasy-V1 — дообученная в формате 4-битной LoRA модель на базе MuXodious/gemma-4-E2B-it-ARA-heresy. Она предназначена для ролевых игр и совместного повествования: модель отыгрывает персонажа, соблюдает заданные характер и предысторию, ведёт сцену от третьего лица и сочетает диалог с действиями. Карточка рекомендует использовать структурированное описание персонажа в Markdown и подходящие настройки сэмплирования для темпа повествования и снижения повторов. Модель относится к семейству Gemma 4, использует архитектуру Gemma4ForConditionalGeneration и формат safetensors; для общения доступна возможность chat. README описывает текстовый ролевой сценарий, хотя архитектура указывает на поддержку генерации по изображению и тексту. Модель распространяется по лицензии Apache-2.0. Размер, длина контекста и дополнительные языки карточкой не подтверждены.

Nubinu/Gemma4-E4B-MiniFantasy-V1 — дообученная с помощью LoRA модель семейства Gemma 4 E4B, созданная для ролевых диалогов и совместного повествования. В карточке указаны обучение на базе MuXodious/gemma-4-E4B-it-SOMPOA-heresy с Unsloth и PEFT/LoRA; в метаданных архитектура обозначена как плотная Gemma4ForConditionalGeneration, а формат весов — safetensors. Модель предназначена для отыгрыша персонажей, поддержания их голоса и поведения, а также продолжения сюжетных сцен. README рекомендует задавать карточки персонажей в структурированном формате и использовать настройки сэмплирования для ролевой прозы. Максимальная длина последовательности при дообучении составляла 4096 токенов; это не подтверждает предельный контекст модели при использовании. Модель генерирует текст, поддерживает диалоговый режим и ориентирована на английский язык. Базовая модель описана в каталоге как мультимодальная, однако карточка этой версии не подтверждает сохранение обработки изображений. Модель распространяется по лицензии Apache-2.0. Качество повествования зависит от промпта и настроек сэмплирования; обучение проведено за одну эпоху.

Gemma4-Gutenberg-31B — мультимодальная модель семейства Gemma 4 от автора nbeerbower, дообученная на базе google/gemma-4-31B-it для генерации художественной прозы. ORPO-настройка на предпочтениях литературного текста усиливает внимание к внутреннему миру персонажей и темпу повествования, предпочитая их статичным описаниям и шаблонным оборотам. Обучение затронуло текстовый декодер; визуальная и аудиокомпоненты базовой модели сохранены. Модель предназначена прежде всего для написания и продолжения художественных текстов в литературной манере. Также она сохраняет мультимодальные возможности базовой модели для диалогов и анализа изображений. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Литературный уклон является предпочтением стиля, а не гарантией качества или соответствия конкретному жанру. Дообучение ориентировано на англоязычные тексты; качество работы на других языках не описано.