IV.5Образование и развитие навыков

QuantFactory/HuatuoGPT-o1-8B-GGUF — квантизированная версия HuatuoGPT-o1-8B, разработанная QuantFactory на основе модели FreedomIntelligence и созданная с использованием llama.cpp. Модель предназначена для медицинских задач, требующих сложного рассуждения: она формирует и уточняет цепочку рассуждений перед выдачей итогового ответа. Возможные сценарии включают генерацию ответов на медицинские вопросы и другие задачи текстовой генерации в медицинском домене. Модель построена на базе Llama-3.1-8B-Instruct и содержит около 8 млрд параметров. Поддерживаемый язык — английский, модальность — текстовая; тип задачи в каталоге — text-generation. Модель использует подход «сначала рассуждает, затем отвечает» и форматирует результат в секции Thinking и Final Response. Квантизация может снизить требования к вычислительным ресурсам, однако конкретный формат квантизации, уровни точности, размер контекста и требования к памяти в README не указаны. Модель распространяется по лицензии Apache-2.0. Она ориентирована на исследовательские и прикладные медицинские сценарии, но README не содержит сведений о клинической валидации, поэтому результаты не следует рассматривать как замену консультации квалифицированного медицинского специалиста.

Kitsune-Tales-E4B-EN — языковая модель для генерации оригинальной англоязычной фэнтези-прозы в духе японских аниме и ранобэ. Её создал автор whoashish115 на основе Google Gemma 4 E4B Instruct: модель прошла LoRA SFT и DPO-дообучение, после чего веса были объединены в формат bf16. В метаданных указан размер базовой модели: 7,52 млрд хранимых и 4,62 млрд эффективных параметров. Модель создаёт синопсисы, короткие рассказы и продолжения по жанровым тегам и заголовку; для продолжения к запросу добавляют фрагмент текста. Она предназначена для хобби-писательства и поиска творческих идей, а также может использоваться в исследованиях дообучения компактных моделей для художественного письма. Обучение проводилось на синтетических англоязычных историях; модель лучше придерживается заданного формата и длины, чем базовая модель, согласно приведённым в карточке автоматическим метрикам. Модель не предназначена для фактических, медицинских, юридических или финансовых ответов, а также для текстов вне фэнтези. Возможны повторы, отклонения от заданной длины и ошибки согласованности в длинных историях; стиль и клише унаследованы от моделей, создававших обучающие данные. Карточка указывает Apache-2.0; для работы рекомендуется отключить режим рассуждений через enable_thinking=False.

OhCherryFire/llama2-7b-game24-policy-hf — дообученная модель семейства Llama 2, подготовленная для задачи Game24 в работе «Alphazero-like tree-search can guide large language model decoding and training». Она предназначена для генерации ходов или решений в головоломке Game24 и для использования как политика при управлении декодированием языковой модели с помощью древовидного поиска. Модель имеет плотную архитектуру LlamaForCausalLM примерно на 6,6 млрд параметров, принимает и генерирует текст, а длина контекста составляет 4096 токенов. В метаданных указан английский язык и формат PyTorch. Карточка описывает supervised fine-tuning для Game24; лицензия в предоставленных данных не указана.

Это GGUF-квантизированная версия модели Llama-3.2-3B-Instruct-Medical-Finetuned-merged, разработанной Mohamed Ahmed Abo El-Enen, Sally S. Ismail и Taymoor Mohamed Nazmy, а квантизации выполнены пользователем tinyopsec. Модель основана на meta-llama/Llama-3.2-3B-Instruct и адаптирована к медицинской тематике методом QLoRA с последующим слиянием LoRA-весов с базовой моделью. Для инференса отдельный адаптер PEFT не требуется. Модель предназначена прежде всего для ответов на медицинские вопросы, включая открытые и тестовые задания, поиска клинической информации, вспомогательной поддержки принятия клинических решений и исследовательских экспериментов с небольшими Llama-моделями в сфере здравоохранения. Это текстовая авторегрессионная модель архитектуры LlamaForCausalLM с примерно 3,21 млрд параметров, английским языком, словарём из 128 256 токенов и заявленным нативным контекстом до 128K токенов. Доступны варианты GGUF с точностью от 3 до 16 бит и размером примерно от 1,54 до 6,43 ГБ, что позволяет выбирать между компактностью и качеством. Сильными сторонами являются специализация на медицинских вопросах, относительно небольшой размер, поддержка llama.cpp и совместимость с LM Studio и Ollama. При этом в README не заявлены формальные результаты бенчмарков, а ответы модели могут содержать ошибки. Модель не предназначена для автономных клинических решений, постановки окончательных диагнозов, назначения лечения или замены врача, экстренной помощи и лицензированной медицинской консультации. Указана лицензия Llama 3.2 Community License.

katielink/llava-med-7b-vqarad-delta — дельта-веса LLaVA-Med, модели зрения и языка для биомедицинских задач, опубликованные авторами LLaVA-Med. Модель основана на LLaVA и непрерывно обучалась поэтапно: сначала для связывания биомедицинских понятий с изображениями, затем для следования инструкциям; этот вариант настроен на VQA-Rad. Архитектура — LLaVA с языковой частью на основе LLaMA, размер — 6,6 млрд параметров. Модель предназначена для исследовательских экспериментов с визуальными вопросами и ответами о биомедицинских изображениях, включая рентгенограммы, микроскопию и гистологию, а также для воспроизведения результатов статьи. Она принимает изображения и текстовые вопросы, формирует текстовые ответы. Обучение проводилось на английских данных, поэтому модель ориентирована на английский язык. Репозиторий содержит дельта-веса, которые нельзя использовать самостоятельно: их нужно применить к исходным весам LLaMA, соблюдая условия лицензии базовой модели. Код, данные и веса предназначены только для некоммерческих исследований. Модель не предназначена для клинической помощи или принятия медицинских решений; ответы могут быть неточными, а наборы оценки ограничены. В данных могут присутствовать смещения, характерные для опубликованных биомедицинских исследований.

Экспериментальный чекпойнт R4 команды DAIR для LM Playschool Challenge 2026 — второй этап дообучения методом DPO базовой Qwen/Qwen3.5-2B. Модель с архитектурой Qwen3.5 dense и 1,7 млрд параметров предназначена для диалоговых игровых задач; в README описана настройка на компетентность в таких играх с использованием корректирующей обратной связи и предпочтений ответов. Метаданные указывают поддержку чата и контекст до 262 144 токенов. Для обучения использовали 201 пару предпочтений: 107 пар, основанных на разных результатах собственных запусков модели, и 94 пары с успешными ответами более сильной модели для случаев, где оба запуска завершились неудачей. На валидационном разбиении в зафиксированной среде чекпойнт получил clemscore 67,64; авторы отмечают, что преимущество над предыдущим этапом укладывается в вариативность между запусками. Это исследовательский экспериментальный чекпойнт, а не универсальная модель для диалога. Распространяется по лицензии Apache-2.0.

MirageML/lowpoly-environment — модель генерации изображений на основе Stable Diffusion, дообученная методом DreamBooth на концепции низкополигональных окружений. Для генерации используйте в запросе фразу «a photo of lowpoly_environment»; модель предназначена для создания изображений окружений в low-poly стиле по текстовому описанию. Модель распространяется в форматах Diffusers, PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или подробности о наборе обучающих данных; результаты зависят от формулировки запроса и могут не точно следовать ему.

Google Lyria 3 Pro Preview — модель генерации музыки из семейства Lyria 3, доступная через Gemini API. Она предназначена для создания музыкальных композиций, включая полноформатные песни. В README заявлено высокое качество аудио и частота дискретизации 48 кГц; стоимость полноформатной песни указана как 0,08 доллара США. В доступных данных не описаны принимаемые моделью входы, поддерживаемые языки и условия лицензии. Метаданные каталога относят модель к задаче image-text-to-text, однако README указывает на генерацию музыки; поэтому задача каталога не подтверждает основное назначение модели.

MeanGirl — языковая модель на архитектуре LLaMA-2, обученная генерировать тексты в жанре чёрного юмора. Её можно использовать в исследовательских проектах, приложениях и инструментах для создания комедийного контента. Модель имеет около 1 млрд параметров, принимает текст и генерирует текст, поддерживает английский язык и контекст до 2048 токенов. Веса доступны в форматах PyTorch и Safetensors. Лицензия — BSD 3-Clause. Модель может создавать оскорбительный, провокационный контент и материалы для взрослой аудитории, поэтому её выводы требуют оценки на соответствие аудитории и контексту использования.

Minbyul/meditron-7b-dpo-full-wo-healthsearch_qa-ep3 — дообученная методом DPO медицинская языковая модель на базе epfl-llm/meditron-7b. Она предназначена для генерации текста; медицинская специализация унаследована от базовой модели, описанной как англоязычная модель для экспериментов с ответами на медицинские вопросы. Модель построена на плотной архитектуре Llama, содержит 6,6 млрд параметров и поддерживает контекст длиной до 2048 токенов. Для дообучения использован набор предпочтений HuggingFaceH4/ultrafeedback_binarized. README приводит метрики оценки предпочтений, но не описывает конкретные сценарии применения или ограничения качества. Распространяется по лицензии Llama 2.

monadical-labs/minecraft-preview — модель Stable Diffusion, дообученная Monadical Labs на наборе Minecraft Character Dataset. Она создаёт изображения персонажей в стиле Minecraft по текстовым запросам и подходит для генерации игровых персонажей по краткому описанию. Модель обучали 15 000 шагов с помощью библиотеки Diffusers; репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Модель предназначена для генерации изображений по тексту в тематике Minecraft. В карточке указана лицензия OpenRAIL; перед использованием следует учитывать её условия и ограничения.

Карточка модели HiDolen/Mini-BS-RoFormer-V2-46.8M на Hugging Face совпадает с карточкой pejrich/Mini-BS-RoFormer-V2-46.8M, поэтому описание составлено по ней. Карточка модели pejrich/Mini-BS-RoFormer-V2-46.8M на Hugging Face совпадает с карточкой HiDolen/Mini-BS-RoFormer-V2-46.8M, поэтому описание составлено по ней. HiDolen разработал Mini-BS-RoFormer-V2-46.8M — модель разделения музыкального аудио на отдельные источники на основе архитектуры BS-RoFormer. Она принимает аудиозапись и выделяет четыре дорожки: бас, ударные, прочие инструменты и вокал; бас, ударные и прочие инструменты можно объединить в инструментальную дорожку. В карточке указано 46,8 млн параметров и точность весов BF16; метаданные каталога указывают 15,9 млн параметров и формат safetensors, поэтому сведения о размере модели расходятся. Модель обучалась на MUSDB18-HQ. На валидационной части датасета автор сообщает общий SDR 10,03, а для баса и ударных — 9,68 и 10,58. В версии V2 применены временное прореживание с шагом 4, мел-полосное разбиение на 80 диапазонов и предсказание маски с дополнительным gate; автор также отмечает снижение вычислительных затрат. Для инференса README приводит пример использования Transformers 4.55.4 и зависимостей soundfile, einops и librosa. Модель предназначена для разделения музыкальных записей, а не для общего анализа аудио. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое использование.

Jojocodex/minimax-h3-spatial-physics-lora — это LoRA-адаптер для модели MiniMax-H3 от Comfy-Org. Он обучен усиливать пространственное мышление и физическую логику в генерации видео, прежде всего для сцен с объектами: столкновений, падений, отскоков, скатывания, рассеивания,遮挡 и сохранения пространственных отношений. Адаптер также может применяться к сценам с боевыми взаимодействиями, где требуется более правдоподобная физика контактов. Модель предназначена для использования в ComfyUI через LoraLoader и совместима с MiniMax-H3 Turbo acceleration LoRA. Рекомендуемая сила подключения в README указана противоречиво: в описании предлагается 0,3–0,5, а в инструкции для ComfyUI — 0,8–1,0. Поддерживаются текстовые запросы на английском языке, ориентированные на столкновения, движение, гравитацию, траектории, глубину сцены и передачу импульса. В технических данных указаны Rank 16, разрешение 512 и обучение на 90 кадрах при 24 кадрах в секунду. Адаптер может улучшать реалистичность физических реакций, пространственную согласованность и траектории объектов, однако находится на стадии обучения и тестирования. Авторы отмечают нестабильность из-за особенностей обучающих материалов и разметки, поэтому результат может быть непредсказуемым. Лицензия — Apache-2.0.

Orkhon Tangri — компактная разговорная языковая модель семейства Orkhon, разработанная korkmazumut. По README, модель содержит около 100 млн параметров и дообучена методом SFT на коротких ответах учителя Grok-4.5; метаданные указывают архитектуру OrkhonForCausalLM и формат Safetensors. Модель предназначена для коротких ответов на вопросы на английском и турецком в узкой тематике Orkhon, простых арифметических задач и преобразования древнетюркских рунических символов в латиницу через детерминированный маршрутизатор. Модель рассчитана на работу как чат-ассистент с маршрутизатором, который также обеспечивает отказ от ответа за пределами её специализации. Она не позиционируется как универсальный чат-бот. README сообщает об обучении на Apple Silicon с MPS; это не устанавливает требования к запуску. Длина контекста и отдельное описание языковой поддержки коктюркского не приведены. Лицензия — Apache-2.0.

Positronic SciFi Omnicorpus 9B — адаптер LoRA для генерации научной фантастики на базе Qwen3.5-9B. Он преобразован в формат GGUF и предназначен для подключения во время запуска к совместимой модели Qwen3.5-9B в llama.cpp, LM Studio или KoboldCpp; адаптер можно включать и отключать без слияния с базовой моделью. Для удобства также доступна слитая версия GGUF. Модель подходит для создания художественных фрагментов и продолжения научно-фантастических сюжетов. Метаданные указывают на базу Qwen/Qwen3.5-9B и формат GGUF F16. Лицензия наследуется от Qwen3.5-9B; в метаданных она обозначена как other.

SeanWang0027/Qwen3-1.7B-BabyAI-TCOD-F2B — экспериментальная версия Qwen3-1.7B, дообученная методом TCOD forward-to-backward с дистилляцией от Qwen3-32B на задачах BabyAI. Модель предназначена для генерации текста в диалогах по сценариям BabyAI. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров и контекстом до 40 960 токенов. В обучении использовались 810 официальных обучающих задач BabyAI и окна диалога до 20 ходов; опубликованный чекпойнт соответствует 51-му шагу исследователя. Модель не оценивалась, поэтому её качество на задачах BabyAI не подтверждено. Основа — Qwen/Qwen3-1.7B; веса опубликованы в формате Safetensors. Лицензия в предоставленных данных не описана.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная HYU-NLP-EVAL на базе Qwen/Qwen3-4B-Instruct-2507. Чекпойнт RaR-Medicine OnlineRubrics-Every, шаг 17, предназначен для инференса; в репозитории также сохранены исходные файлы чекпойнта veRL. Модель принимает текст и генерирует текст. Карточка связывает её с медицинскими онлайн-рубриками, но не описывает конкретные сценарии, наборы данных или подтверждённые результаты. Базовая модель поддерживает контекст до 262 144 токенов; это значение указано для семейства в метаданных. Репозиторий распространяется по лицензии Apache-2.0. README помечает модель как предназначенную только для исследовательского использования; качество и ограничения на медицинских задачах в карточке не раскрыты.

Это плотная языковая модель семейства Qwen3 с 3,7 млрд параметров, полученная дообучением Qwen/Qwen3-4B-Instruct-2507. Чекпойнт RaR-Medicine OnlineRubrics-Every, шаг 41, выпущен HYU-NLP-EVAL и предназначен для генерации текста в медицинском сценарии OnlineRubrics. Модель поддерживает диалоговый режим и принимает контекст длиной до 262 144 токенов. Карточка указывает, что корневой каталог содержит BF16-версию для инференса, а original_checkpoint — файлы параметров исходного veRL-чекпойнта. Модель распространяется по лицензии Apache-2.0. README обозначает её как предназначенную для исследовательского использования; сведения о конкретных медицинских задачах и оценках качества не приведены.

Это исследовательский чекпойнт RaR-Medicine static R0, созданный на базе плотной языковой модели Qwen3-4B-Instruct-2507 с 3,7 млрд параметров. Модель дообучена для эксперимента, обозначенного как matched dense; README указывает шаг 14 и наличие весов BF16 для инференса. Чекпойнт предназначен для генерации текста в медицинском контексте. Его можно применять для экспериментальной оценки ответов на медицинские запросы и диалогов на эту тему. Поддерживаются чатовый режим и контекст до 262 144 токенов; из доступных данных нельзя установить поддерживаемые языки и конкретные медицинские задачи. Модель распространяется по лицензии Apache-2.0. README ограничивает назначение исследовательским использованием; небольшой номер шага указывает на промежуточный экспериментальный чекпойнт, поэтому его пригодность для клинического применения не подтверждена.

Это промежуточный чекпойнт Qwen3-4B-Instruct-2507, разработанный HYU-NLP-EVAL в рамках эксперимента с обучением GRPO на статической рубрике для медицинских запросов. Он предназначен для генерации ответов на текстовые запросы; опубликованный шаг отражает состояние после 3 из запланированных 48 обновлений оптимизатора и является исследовательским экспериментом, а не готовой медицинской моделью. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров. Она принимает и генерирует текст, поддерживает диалоговый режим; заявленная длина контекста составляет 262 144 токена. Обучение проводилось на 1 500 запросах RaR-Medicine с отключённым режимом рассуждений. В репозитории доступны веса BF16 в формате Transformers. Чекпойнт может быть полезен для изучения влияния GRPO со статической рубрикой на ответы на медицинские запросы и для воспроизведения или продолжения эксперимента при наличии полного состояния обучения. Автор не заявляет о медицинских возможностях или безопасности модели, поэтому её ответы не следует использовать как клинические рекомендации. Лицензия — Apache-2.0.

Это промежуточный исследовательский чекпойнт Qwen3-4B-Instruct-2507, опубликованный HYU-NLP-EVAL после 6 из запланированных 48 обновлений оптимизатора в эксперименте GRPO со статической рубрикой. Модель предназначена для генерации текста в диалоге и была обучена на 1 500 запросах из набора RaR-Medicine; использованы seed 11 и отключённый режим рассуждений. Это плотная причинная языковая модель на 3,7 млрд параметров с контекстом до 262 144 токенов. Корневые файлы — экспорт BF16 для Transformers, а каталог original_checkpoint содержит исходные параметры политики veRL/FSDP. Чекпойнт позволяет изучать ранний этап обучения модели на медицинских запросах и запускать её для генерации ответов. Автор прямо указывает, что это не клиническая модель и не заявляет о её медицинских возможностях или безопасности. Лицензия — Apache-2.0.

Это промежуточный исследовательский чекпойнт Qwen3-4B-Instruct-2507, дообученный командой HYU-NLP-EVAL методом GRPO на статической рубрике для эксперимента RaR-Medicine. Опубликован после 12 из запланированных 48 глобальных обновлений оптимизатора; обучение проведено на 1 500 медицинских запросах с отключённым режимом reasoning. Модель представляет собой плотную причинно-языковую архитектуру Qwen3ForCausalLM с 3,7 млрд параметров и контекстом до 262 144 токенов. Модель предназначена для генерации текста в диалоговом формате и исследовательского изучения обучения языковых моделей на медицинских запросах. Это незавершённый экспериментальный чекпойнт, и авторы не заявляют о подтверждённых медицинских способностях или безопасности; его не следует считать клинической моделью. Файлы для инференса предоставлены в формате Transformers BF16. Лицензия — Apache-2.0.

Это промежуточный исследовательский чекпойнт Qwen3-4B-Instruct-2507, дообученный командой HYU-NLP-EVAL методом GRPO на 1 500 запросах из набора RaR-Medicine. Опубликован после 15 из запланированных 48 глобальных обновлений оптимизатора; использовалась фиксированная рубрика, а режим рассуждений отключён. Модель предназначена для экспериментов с генерацией ответов на медицинские запросы и оценки обучения по фиксированной рубрике, а не для клинического применения. Это плотная причинная языковая модель Qwen3 с архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она принимает текст и генерирует текст, поддерживает диалоговый режим и имеет контекст до 262 144 токенов. Корневые файлы репозитория — экспорт Transformers в BF16; опубликован также исходный чекпойнт параметров политики veRL/FSDP. Модель не прошла полный запланированный цикл обучения. Авторы не заявляют о медицинских возможностях или безопасности, поэтому её ответы не следует использовать для диагностики или принятия лечебных решений. Лицензия — Apache-2.0.

Это промежуточный исследовательский чекпойнт языковой модели Qwen3-4B-Instruct-2507, дообученный командой HYU-NLP-EVAL методом GRPO на статической рубрике для эксперимента RaR-Medicine. Чекпойнт соответствует 24 обновлениям оптимизатора из запланированных 48; обучение проводилось на 1 500 медицинских запросах с seed 11, а режим рассуждений был отключён. Модель предназначена для исследования влияния статической рубрики и обучения с подкреплением на генерацию ответов в медицинском контексте. Это плотная авторегрессионная модель с 3,7 млрд параметров, принимает текст и выдаёт текст; базовая модель поддерживает контекст до 262 144 токенов. Репозиторий содержит веса BF16 в формате Transformers. Чекпойнт прямо обозначен как промежуточный исследовательский и не предназначен для клинического применения: авторы не заявляют о медицинских возможностях или безопасности модели. Для базовой модели указана лицензия Apache-2.0.

Промежуточный исследовательский чекпойнт языковой модели Qwen3-4B-Instruct-2507, дообученный командой HYU-NLP-EVAL методом GRPO с фиксированной рубрикой static_r0_matched на наборе RaR-Medicine из 1 500 медицинских запросов. Это плотная авторегрессионная модель с 3,7 млрд параметров; репозиторий содержит веса BF16 в формате Transformers для инференса, а также исходный чекпойнт veRL/FSDP. Контекст модели — до 262 144 токенов, режим Thinking отключён. Модель предназначена для исследовательского изучения обучения ответам на медицинские запросы с фиксированной рубрикой и сравнения промежуточных состояний обучения. Она генерирует текст и поддерживает диалоговый сценарий. Чекпойнт снят после 39 из запланированных 48 обновлений оптимизатора; состояние оптимизатора, тренера и загрузчика данных не опубликовано, поэтому полный запуск обучения с этого репозитория не возобновить. Автор не заявляет о медицинских возможностях или безопасности модели и прямо указывает, что она не предназначена для клинического применения. Лицензия — Apache-2.0.

Карточка модели Prototype3550/Qwen3.6-9B-Heretic-Uncensored-Thinking-Sweet-Madness на Hugging Face совпадает с карточкой DavidAU/Qwen3.6-9B-Heretic-Uncensored-Thinking-Sweet-Madness, поэтому описание составлено по ней. Qwen3.6-9B-Heretic-Uncensored-Thinking-Sweet-Madness — экспериментальная текстовая модель с поддержкой изображений, опубликованная DavidAU. По карточке, исходную Qwen3.6-27B-heretic-ara сократили до 9B с помощью модифицированного Mergekit, а затем дообучили на шести наборах данных в два этапа с Unsloth; автор также отмечает настройку под изменённую структуру слоёв. В метаданных указана архитектура Qwen3_5ForConditionalGeneration и формат safetensors. Модель предназначена прежде всего для творческого письма, продолжения сцен, создания сюжетов и диалогов, а также общих запросов и задач с изображениями. Карточка заявляет контекст 256k и поддержку изображений и видео, сохранённую от исходной модели; метаданные указывают английский и китайский языки. Автор описывает модель как «uncensored», но предупреждает, что ей нельзя доверять факты и что она пока не годится для продуктивного применения: примеры демонстрируют бессвязную генерацию и ошибки в рассуждениях и расчётах. Модель распространяется по лицензии Apache-2.0. Автор отмечает, что для конкретных задач может потребоваться дополнительное дообучение; заявленные характеристики скорости и контекста приведены в карточке и не являются независимой оценкой качества.

Модель chaeyeon22/sd-class-butterflies-32 создана как учебная работа для курса по диффузионным моделям. Это диффузионная модель на базе DDPMPipeline из библиотеки Diffusers, предназначенная для безусловной генерации изображений милых бабочек. Её можно использовать, чтобы создавать изображения бабочек без текстового запроса. Модель распространяется в форматах Diffusers и safetensors на условиях лицензии MIT. Сведения о размере модели, поддерживаемых языках и длине контекста не относятся к её сценарию генерации изображений. Карточка не сообщает о дополнительных возможностях или оценках качества.

Это диффузионная модель из учебного проекта Unit 1 of the Diffusion Models Class, опубликованная пользователем dinyy9911. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового запроса. Для запуска карточка предлагает библиотеку Diffusers и конвейер DDPMPipeline; веса представлены в формате safetensors. Модель распространяется по лицензии MIT. Модель подходит для генерации декоративных изображений бабочек и учебных экспериментов с диффузионной генерацией. Карточка не приводит сведений о размере модели, разрешении изображений или данных обучения.

Это модель Stable Diffusion, дообученная Lambda Labs для создания изображений персонажей покемонов по текстовому описанию. Её обучил Justin Pinkney на изображениях покемонов с подписями BLIP; обучение заняло около 15 000 шагов на двух GPU A6000. Модель распространяется в формате Diffusers и использует PyTorch. Модель принимает текстовый запрос и генерирует изображение персонажа в стиле покемонов. В README приведены примеры запросов с описаниями персонажей и упоминается, что для работы с моделью можно использовать библиотеку Diffusers. Карточка не сообщает лицензию и ограничения на использование, поэтому условия лицензии нельзя уточнить по имеющимся данным.

SDXL1.0_PixelArtDiffusionXL_SpriteShaper — модель генерации изображений по текстовому описанию, опубликованная nncyberpunk. Репозиторий содержит веса в форматах Diffusers и safetensors и использует конвейер StableDiffusionXLPipeline на базе Stable Diffusion XL. Название указывает на специализацию для пиксельной графики и спрайтов, однако карточка не содержит подробного описания обучения или гарантируемых стилей. Модель принимает текстовый запрос и генерирует изображение; карточка показывает пример запуска через Diffusers. В карточке нет сведений о поддерживаемых языках, длине контекста или лицензии, поэтому эти характеристики нельзя подтвердить.