IV.5Образование и развитие навыков

GPT2-poem-gen — модель генерации текста, размещённая пользователем huynoob1312 на Hugging Face. По названию репозитория она предназначена для создания стихотворных текстов, однако README не содержит подробностей о разработчике, данных обучения или методике дообучения. Модель основана на архитектуре GPT-2 и предназначена для работы через библиотеку Transformers. Она поддерживает задачу text-generation и имеет контекст длиной до 1024 токенов. Модель может использоваться для генерации стихотворных заготовок, продолжения поэтических фрагментов и творческих экспериментов с текстом. В README отсутствуют сведения о языке генерации, размере модели, лицензии, результатах оценки и конкретных ограничениях использования. Поэтому качество, фактическая специализация на поэзии и пригодность для коммерческих или иных прикладных сценариев требуют самостоятельной проверки.

GrεBerta — монолингвальная модель семейства RoBERTa, разработанная для задач классической филологии. Это энкодер размером, сопоставимым с RoBERTa-base, с архитектурой RoBERTaForMaskedLM и примерно 153,2 млн параметров. Модель обучена для заполнения пропусков в тексте на древнегреческом языке; её можно дообучать для лингвистических задач. В карточке приведены результаты оценки после дообучения на данных Universal Dependencies 2.10 для древнегреческого набора Perseus, включая показатели морфосинтаксической разметки и синтаксического анализа. Репозиторий содержит веса в форматах PyTorch, SafeTensors и TensorFlow. Модель распространяется по лицензии Apache-2.0.

HiVG-3B-Base — базовая мультимодальная модель на 3,1 млрд параметров, разработанная Xingxm и дообученная на основе Qwen/Qwen2.5-VL-3B. Она предназначена для авторегрессионной генерации SVG по изображению или текстовому описанию. Модель использует иерархическую токенизацию SVG: геометрические атомарные и сегментные токены сокращают длину последовательностей и помогают сохранять структуру и детали в редактируемой векторной графике. Модель поддерживает сценарии преобразования растрового изображения в SVG и создания SVG по текстовому запросу. В README заявлены высокая точность векторизации и результаты выше семи проприетарных моделей на оценке image-to-SVG; это заявления авторов карточки. Контекст модели составляет 128 000 токенов. Карточка помечает английский язык; модель не предназначена для генерации произвольного кода за пределами SVG. Это базовая модель без настройки для следования инструкциям и RLHF-выравнивания, поэтому её пригодность для непосредственного производственного использования ограничена. Не рекомендуется применять её в критически важных сценариях без дополнительных мер предосторожности. Лицензия — MIT.

InternLM2.5-Step-Prover — языковая модель на 7,4 млрд параметров от команды InternLM-Math для пошагового доказательства теорем в Lean 4. Она получает имя теоремы, текущий фрагмент доказательства и состояние цели, а затем предлагает следующий тактический шаг. Модель предназначена для формальной математики и показывает результаты на бенчмарках MiniF2F, ProofNet и Putnam. Модель построена на архитектуре InternLM2 с плотной причинной языковой моделью и поддерживает контекст до 8192 токенов. Репозиторий содержит веса PyTorch; в метаданных указан английский язык. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией в репозитории. Результаты бенчмарков не гарантируют корректность предложенного шага для конкретной цели: тактики необходимо проверять в Lean 4.

greedjoo/jhr_classic_lora — LoRA-адаптер для генерации изображений по текстовому описанию, разработанный пользователем или организацией greedjoo. Модель предназначена для использования с базовой моделью black-forest-labs/FLUX.1-dev в сценариях text-to-image и интеграции с экосистемой Diffusers. README не содержит подробностей о визуальном стиле, целевых предметных областях или рекомендуемых параметрах применения. Адаптер распространяется в формате Safetensors. Технические характеристики LoRA, включая размер, архитектуру адаптера, поддерживаемые языки, длину контекста и требования к вычислительным ресурсам, не указаны. Лицензия обозначена как other; её название неизвестно, а условия следует уточнять в файле LICENSE репозитория перед использованием.

JoyAI-Image-Edit — мультимодальная модель компании JD Open Source для редактирования изображений по текстовым инструкциям. Она использует пространственное понимание сцены, включая разбор объектов и их взаимного расположения, чтобы выполнять точные управляемые изменения. Модель предназначена для переноса объектов в заданную область, изменения их ориентации и управления ракурсом камеры с настройкой поворота, наклона и приближения. Для работы описан конвейер JoyImageEditPipeline на базе Diffusers; в примерах требуются Python 3.10 или новее и GPU с поддержкой CUDA. В репозитории указаны форматы Diffusers и safetensors, лицензия Apache-2.0. Инструкции позволяют задавать целевой объект и параметры изменения, а также сохранять окружающую сцену или геометрию при смене ракурса. Доступные материалы не сообщают размер модели, длину контекста и конкретный перечень поддерживаемых языков; метаданные карточки содержат языковые метки en и zh.

Anjoe/kant-gpt2-large — дообученная модель на архитектуре GPT-2 Large, созданная на основе benjamin/gerpt2-large. Её обучили на собрании сочинений Иммануила Канта Akademie Ausgabe; модель генерирует текст в стиле и тематике обучающего корпуса. Модель предназначена для экспериментов с представлением и извлечением знаний из больших языковых моделей, а также для генерации продолжений текста по философской тематике. Контекст составляет 1024 токена. В оценке на тестовом наборе указана функция потерь 3,4257. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT.

Kiwi-Edit — архитектура для редактирования видео по текстовой инструкции с использованием опорного изображения. Карточка описывает управление преобразованием через семантические признаки и латентные визуальные представления; заявлены многоэтапное обучение и улучшенное следование инструкциям с сохранением соответствия референсу. Репозиторий подготовлен для работы с библиотекой diffusers и содержит веса в формате safetensors. Модель предназначена для изменения содержимого видео по запросу, например удаления объекта, с опорой на предоставленное изображение. В README приведён пример удаления обезьяны из видео. Карточка не сообщает размер модели, поддерживаемые языки, длину контекста или лицензию, поэтому эти характеристики не приводятся.

Koto-Small-7B-PT — базовая языковая модель для продолжения текста, созданная allura-org на основе XiaomiMiMo/MiMo-7B-Base и дообученная примерно на миллиарде токенов творческого письма. Она предназначена для свободного текстового дополнения и совместного написания прозы; в карточке также перечислены анархистские тексты, книги из Project Gutenberg и рассказы, включая эротические, среди обучающих данных. Модель имеет плотную архитектуру Qwen2 с 7 млрд параметров, работает через Transformers и принимает контекст до 32 768 токенов. Она рассчитана на англоязычное письмо и поддерживает генерацию текста. По README, инструкции и многошаговая ролевая игра в этой версии не работают: для RP и instruct-сценариев автор рекомендует отдельную Koto-Small-7B-IT. Веса доступны в формате safetensors по лицензии MIT.

Nagi-ovo/Llama-3-8B-RM — оценочная модель на архитектуре Llama, дообученная на базе Llama 3 8B с этапами SFT и DPO. Она предсказывает предпочтение человека между двумя ответами на один запрос и выдаёт скалярную оценку вознаграждения. Модель предназначена для включения в конвейер обучения с подкреплением на основе обратной связи от людей (RLHF). Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно до 8192 токенов. В карточке указан обучающий набор PKU-SafeRLHF-30K; метаданные также связывают её с Nagi-ovo/Llama-3-8B-DPO. Для работы с оценками предпочтений она выдаёт числовую оценку, а не готовый ответ пользователю. Распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Llama 3 Fantasy Writer 8B — авторская доработка модели Llama 3 8B Instruct, обученная на книжных данных для продолжения и написания художественных историй. Она принимает текстовые подсказки в формате глав, команду продолжения или описание истории и генерирует текст прозы. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Разработчик рекомендует использовать температуру 0,5–0,7 и отмечает, что форматирование пользовательских ходов включает режимы Chapter, Continue и Story. В карточке не уточняются языки обучающих книг или качество на конкретных жанрах. Модель распространяется под лицензией CC BY-NC 4.0, которая запрещает коммерческое использование.

Logion base model — модель на архитектуре BERT, разработанная Princeton Logion и предварительно обученная на корпусе древнегреческих текстов. Она предназначена для восстановления скрытых слов в тексте и других сценариев с задачей fill-mask. Модель содержит 151,6 млн параметров, использует WordPiece-токенизатор со словарём из 50 000 единиц и поддерживает контекст до 512 токенов. Корпус для обучения включает более 70 млн слов и свыше 95 млн токенов древнегреческого языка. Токенизатор игнорирует регистр и диакритические знаки. Модель распространяется в формате PyTorch по лицензии MIT.

Lyra-Creative-Writer — модель для длинных художественных текстов, связного повествования и управления стилем. README описывает её как творческого писателя и приводит результаты тестов на рассуждение и генерацию, однако в метаданных указана архитектура BERT и задача извлечения признаков, что не подтверждает заявленные сценарии генерации текста. Модель размещена пользователем yding03. В репозитории указаны формат PyTorch и лицензия CC BY-SA 4.0. README рекомендует температуру 0,6 для взаимодействия через чат-интерфейс или API, но не содержит сведений о размере модели, контекстном окне, поддерживаемых языках или процедуре локального запуска.

MediPhi-MedWiki — языковая модель Microsoft Healthcare & Life Sciences для медицинских и клинических текстов на английском языке. Она основана на Phi-3.5-mini-instruct и создана слиянием медицинского эксперта, дообученного на Medical Wikipedia, с базовой моделью методом SLERP с долей 25%. Это плотная архитектура Phi-3 с 3,7 млрд параметров, поддержкой диалогов и контекстом до 4096 токенов. Модель предназначена для исследовательских задач клинической обработки естественного языка, включая сценарии с ограничениями по памяти, вычислительным ресурсам и задержке. Её можно использовать для генерации медицинских объяснений и ответов на вопросы по медицинским материалам, но результаты требуют проверки специалистом. Модель может выдавать неточные или устаревшие сведения; README также предупреждает о снижении качества и возможных пробелах безопасности для языков помимо английского и о непоследовательности в длинных диалогах. Лицензия — MIT.

Minbyul/meditron-7b-dpo-full-sft-wo-kqa_silver_wogold — дообученная модель для генерации текста, созданная на базе Minbyul/meditron-7b-wo-kqa_silver_wogold-sft с помощью датасета HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная модель семейства Llama с 6,6 млрд параметров и контекстом 2048 токенов. Базовая Meditron-7B предназначена в том числе для ответов на медицинские вопросы на английском языке, однако README этой версии не описывает её назначение и результаты приведены только для оценочного набора без пояснения методики. Модель опубликована в формате Safetensors под лицензией Llama 2; применимость лицензии следует оценивать с учётом её условий.

Карточка модели nguyenthilaitrieulong/MiniMax-Music3 на Hugging Face совпадает с карточкой MiniMaxAI/MiniMax-Music3, поэтому описание составлено по ней. MiniMax Music 3 — модель генерации песен от MiniMaxAI. Она принимает текст песни и описание музыки, чтобы создавать цельные композиции продолжительностью до пяти минут с вокалом, развивающейся аранжировкой и структурой из куплетов, припевов, переходов и других секций. Текстовые метки секций и подробное описание стиля позволяют задавать жанр, темп, тональность, вокальную подачу, инструменты и развитие звучания. Архитектура сочетает 8B Global LLM для долгосрочной структуры, 0.6B Local LLM для акустических деталей и модуль синтеза на основе Flow Matching и Flow-VAE. Global LLM инициализирована из Qwen3-8B. Модель выдаёт стереозвук WAV с частотой 32 кГц и разрядностью 16 бит. Модель подходит для создания песенных демо, музыкальных эскизов и композиций по заданным словам и стилю. Описание и секционные метки дают генеративный контроль, но не гарантируют точного соблюдения текста, темпа, тональности, инструментов или структуры. Генерация требует CUDA, поддерживается только в не потоковом режиме; длина текстового запроса ограничена 5 000 токенами, а генерация — 9 000 акустическими кадрами. Лицензия в предоставленных данных не указана.

Moistral 11B v2.1b SOGGY — дообученная автором модель для генерации художественной прозы и ролевых сценариев с выразительной, чувственной лексикой. Она рассчитана на чат и инструкции в формате Alpaca; в обучающий набор включены романтика, фэнтези, научная фантастика и другие жанры. Автор сообщает об улучшениях связности, генерации длинных ответов и разнообразии перспектив; в README приведены примеры прозы со взрослыми и сексуализированными ситуациями. Модель построена на архитектуре Llama, содержит 10,6 млрд параметров и поддерживает контекст до 8192 токенов. Она принимает текст и генерирует текст; README не уточняет языки обучения или применения. Репозиторий распространяется в формате PyTorch по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

MusicGen Large — модель Meta AI (команда FAIR) для генерации музыки по текстовому описанию или аудиоподсказке. Это авторегрессионный Transformer с 3,3 млрд параметров, работающий с аудиотокенизатором EnCodec на частоте 32 кГц. Модель предсказывает четыре кодовые последовательности за один проход и предназначена для создания музыкальных фрагментов с заданными характеристиками. Модель подходит для экспериментов с управляемой генерацией музыки и прототипирования музыкальных идей по текстовым запросам или аудиопримеру. Она обучалась на англоязычных описаниях и данных объёмом 20 тысяч часов; качество может снижаться для других языков, отдельных музыкальных стилей и культур. Модель не умеет реалистично генерировать вокал и иногда завершает фрагмент тишиной; для хорошего результата может потребоваться подбор формулировок запроса. Веса распространяются по лицензии CC-BY-NC 4.0, которая ограничивает коммерческое использование.

novaAnimeXL_ilV180 — модель преобразования текста в изображение, опубликованная пользователем frankjoshua на Hugging Face. Репозиторий содержит пайплайн Diffusers семейства Stable Diffusion XL с компонентами text encoder, UNet и VAE; на карточке указано около 3 млрд параметров. Модель предназначена для генерации изображений по текстовому запросу, а название и внешняя карточка версии указывают на аниме-стиль и связь с Illustrious XL. Модель доступна в форматах Diffusers и Safetensors. Карточка Hugging Face не содержит описания лицензии или подробных данных о языках и ограничениях генерации, поэтому их нельзя надёжно определить по имеющимся сведениям.

Nyx-RP-Mini-2.6B-Instruct-2608-v0.1 — экспериментальная инструктивная текстовая модель для ролевых диалогов и творческого письма, созданная Indexnusrefather на основе LiquidAI/LFM2.5-2.6B. Это дообученная плотная модель семейства LFM2 с 2,6 млрд параметров; в репозитории доступны веса Safetensors. Автор сообщает, что удалил этап рассуждений и доработал стиль, связность повествования и работу в длинных ролевых сессиях. Модель предназначена для генерации ответов персонажей и поддержания ролевого диалога, в том числе в SillyTavern. Заявленный размер контекста — 131 072 токена. Карточка указывает английский язык; она не приводит отдельной оценки качества или подробностей обучающего набора. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в репозитории модели. Автор называет версию ранней и планирует дальнейшее развитие датасета.

Pageshift-Entertainment разработала Pageshift-Entertainment/pagestorm-research-preview-14b-full-book — языковую модель для генерации полного романа по одному запросу. Модель основана на Mistral3 14B и дообучена на 150 млрд токенов набора Pageshift-Entertainment/LongPage с длиной последовательности 256 тыс. токенов. Это плотная причинная модель семейства Ministral3 с 13,4 млрд параметров; она принимает текст и генерирует текст на английском языке. Модель предназначена для создания длинных художественных текстов по начальному промпту. Она работает только в один ход: после первого запроса нельзя отправить дополнительные сообщения. Модель обучалась без встроенных правил безопасности и не умеет самостоятельно отказывать на небезопасные запросы, поэтому для развёртывания требуется отдельный классификатор безопасности. Лицензия — Apache-2.0.

Playground v2 256px Base — диффузионная модель генерации изображений по текстовому описанию, разработанная исследовательской командой Playground и обученная с нуля. Это базовый промежуточный чекпойнт для генерации изображений размером 256×256 пикселей, предназначенный прежде всего для исследований фундаментальных моделей генерации изображений. Модель использует латентную диффузию и два фиксированных предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Архитектура следует Stable Diffusion XL. Модель принимает текстовые запросы и выдаёт изображения; использовать её можно через Hugging Face Diffusers. Авторы сообщают о результатах пользовательского исследования и оценках на наборах промптов, однако этот чекпойнт не ориентирован на получение высокоэстетичных изображений и предназначен главным образом для исследовательской работы. По карточке указана лицензия Playground v2 Community License; в метаданных лицензия обозначена как other.

Elfrino/PsyMedNethena-20B — текстовая авторегрессионная модель семейства Llama, созданная слиянием двух предварительно обученных моделей: NeverSleep/Nethena-20B и Undi95/PsyMedRP-v1-20B. Для объединения использован метод SLERP; модель содержит 19,8 млрд параметров и распространяется в формате Safetensors для Transformers. Модель предназначена для генерации текста и может применяться в диалоговых и ролевых сценариях, связанных с психологией и медициной, на что указывают название и одна из объединённых моделей. Контекст модели — до 4096 токенов. README не сообщает результаты оценки качества или конкретные клинические возможности.

Pythia-1b-Unfiltered_NSFW-GGUF es una versión cuantizada en formato GGUF y ajustada por Novaciano a partir de EleutherAI/pythia-1b. Es un modelo causal de generación de texto con 1.000 millones de parámetros, orientado a roleplay, juegos narrativos y escritura creativa, incluso en equipos modestos; la tarjeta recomienda al menos 3 ГБ оперативной памяти для запуска. La tarjeta также описывает генерацию черновиков и перевод, но не приводит подтверждений качества для академических или переводческих задач. Модель предназначена для свободного ролевого общения и может выдавать контент для взрослых. В метаданных указаны английский и испанский языки, библиотека adapter-transformers и лицензия Apache-2.0. В карточке не заявлена длина контекста; размер контекста задаётся пользователем при запуске.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, полученная дообучением Qwen/Qwen3-4B-Instruct-2507. Чекпойнт создан в эксперименте RaR-Medicine OnlineRubrics-Every, запуск phase1-online-rubrics-medicine-full-dense-20260919-seed11; README сообщает, что корневой каталог содержит модель BF16 для инференса, а original_checkpoint — файлы параметров исходного veRL-чекпойнта. Модель предназначена для генерации текста и диалоговых сценариев в медицинском контексте. Она принимает текст и выдаёт текст; доступный контекст — до 262 144 токенов. Лицензия Apache-2.0. README помечает применение как исследовательское; результатов оценки качества или подробных ограничений для медицинских сценариев в карточке нет.

DavidAU/Qwen3.5-9B-The-Deckard-Pro-Writer-Uncensored-Heretic — производная от Qwen3.5-9B мультимодальная модель на архитектуре Qwen3.5 с 9 млрд параметров, предназначенная прежде всего для творческого письма, художественной прозы, сюжетов и ролевых диалогов. Автор описывает её как эксперимент по уменьшению шаблонной прозы Qwen и ослаблению отказов; заявлено, что модель принимает изображения, а видеовозможности не проверялись. Модель использует гибридную архитектуру с Gated Delta Networks и механизмом внимания, включает визуальный энкодер и поддерживает контекст 262 144 токена с возможностью расширения. В карточке заявлены улучшения выразительности и снижение отказов, но результаты приведены автором и не гарантируют качество на других задачах. По умолчанию включён режим рассуждений; для откровенного или грубого стиля в некоторых случаях требуется явная инструкция. Указаны английский и китайский языки. Лицензия — Apache-2.0.

Qwen-Image-Edit-2511 — модель редактирования изображений от команды Qwen, улучшенная версия Qwen-Image-Edit-2509. Она принимает изображение и текстовые инструкции для изменения сцены, сохраняя при этом сходство персонажей и согласованность нескольких людей на групповом снимке. Модель также умеет менять освещение и материалы, создавать новые ракурсы, помогать с промышленным дизайном и строить вспомогательные геометрические линии. Модель распространяется в форматах Diffusers и Safetensors и рассчитана на использование через библиотеку Diffusers. По карточке, улучшения включают снижение дрейфа изображения, поддержку эффектов популярных LoRA непосредственно в базовой модели и усиленное геометрическое рассуждение. В метаданных указаны английский и китайский языки. Лицензия — Apache-2.0.

BRIA RMBG v1.4 — модель сегментации для удаления фона, разработанная BRIA AI. Она выделяет передний план на изображении и подходит для обработки фотографий объектов, людей, товаров, игровых и рекламных материалов, в том числе для создания контента в больших объёмах. Модель основана на IS-Net и обучена на более чем 12 000 высококачественных изображений с попиксельной разметкой. В обучающих данных представлены фотореалистичные и нефотореалистичные изображения, однотонные и сложные фоны, одиночные и множественные объекты. Конкретные размер модели и длина контекста не относятся к указанным характеристикам. По карточке модели, она доступна для некоммерческого использования по лицензии Creative Commons; коммерческое применение требует отдельного соглашения с BRIA. Модель предназначена для удаления фона и не является универсальным инструментом сегментации для произвольных классов.

sd3.5-large-gguf — это квантизированная в формате GGUF версия модели Stable Diffusion 3.5 Large, основанная на stable-diffusion-3.5-large от Stability AI. Модель предназначена для генерации изображений по текстовому описанию и интеграции с ComfyUI; в README приведены примеры создания детализированных сцен и персонажей в аниме-стилистике. В состав поставки входят GGUF-модель, текстовые энкодеры и VAE-декодер. Указана поддержка английского языка. Архитектурные детали, точный размер модели, параметры контекста и перечень поддерживаемых модальностей в README не раскрыты. Версии модели, энкодеров и декодера представлены в вариантах FP16 и FP32; по утверждению автора, обновлённые компоненты быстрее загружаются и могут обеспечивать более высокое качество. Для работы требуется разместить компоненты в соответствующих каталогах ComfyUI и использовать gguf-node. Модель подходит для локальной генерации изображений с использованием ComfyUI и может быть удобна на системах, где важны формат GGUF и совместимость с соответствующим узлом. Ограничения включают зависимость от ComfyUI и gguf-node, а также отсутствие в README подробных сведений о производительности, требованиях к оборудованию и качестве по сравнению с исходной моделью. Лицензия указана как Stability AI Community License; конкретные условия следует уточнять в файле LICENSE.

SikuGPT2-poem — языковая модель JeffreyLau для генерации китайской классической поэзии. Это плотная модель семейства GPT-2, представленная в формате PyTorch и предназначенная для генерации текста. Для обучения использован корпус китайской поэзии; модель дообучена на базе SikuGPT2, которая обучалась на полном тексте энциклопедии «Сыку цюаньшу». Она подходит для создания стихотворных текстов в китайской классической традиции. Контекст модели — 1024 токена. В README отмечено, что при использовании Hosted Inference API специальные токены, например [SEP] и [UNK], могут удаляться, из-за чего результат отображается некорректно. Лицензия в предоставленных сведениях не указана.