IV.5Образование и развитие навыков

ZTC-Judge-9B — модель семейства Qwen3.5 от FINAL-Bench для проверки ответов, созданных другими языковыми моделями. Она принимает вопрос и текст ответа и за один проход без генерации токенов извлекает скрытое представление последнего слоя размерности 4096, после чего проба выдаёт числовую оценку: более высокое значение означает большую вероятность правильного ответа. Оценка предназначена для ранжирования, а не является калиброванной вероятностью; порог следует выбирать под доступный объём проверки. Модель рассчитана прежде всего на оценивание ответов в задачах профессиональных экзаменов, включая право, математику и биологию; также показан результат для биологии и медицины. В карточке приведены метрики на отдельных доменах и альтернативная проба для ответов от ранее не встречавшихся моделей. Указан формат весов safetensors и лицензия Apache-2.0. Качество зависит от предметной области и от того, какой моделью написан проверяемый ответ. Для аварийных и связанных с безопасностью материалов модель использовать не следует; для научных рассуждений результат уступил поверхностной базовой оценке. Вне пяти доменов оценки не измерены, а применение проб с другой ревизией базовой модели может давать незаметно неверные результаты.

BatchOnline-GRPO-7B — языковой проверяющий код модели, разработанный институтом INSAIT. По условию задачи по спортивному программированию и нескольким вариантам решения модель оценивает и ранжирует варианты, определяя корректный. Она предназначена для выбора решений, автоматической оценки кода и использования в качестве функции вознаграждения при оптимизации моделей генерации кода. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре Qwen2 и дообучена методом semi-online GRPO на наборе INSAIT-Institute/Aletheia-Train. Политика-генератор синхронизируется каждые четыре шага. Базовая модель — DeepSeek-R1-Distill-Qwen-7B; максимальная длина контекста составляет 131072 токена. Модель принимает текстовые условия задачи и кандидаты кода, а её основная функция — оценка и ранжирование текстовых ответов. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на тех же условиях, но некоммерческое применение. Модель специализирована на проверке решений задач по программированию; точный формат входного запроса описан в сопутствующем репозитории.

DrMedra4B — медицинский мультимодальный ассистент, разработанный drwlf и nicoboss на базе Google MedGemma. Модель дообучена для клинического анализа случаев, диагностических разборов, медицинского обучения, подготовки SOAP-документации и объяснения медицинской литературы. Архитектура — плотная Gemma 3; модель принимает текст и изображения и формирует текстовые ответы. В карточке заявлена поддержка английского и румынского языков. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0. Модель рассчитана на помощь медицинским специалистам и студентам в сценариях с проверкой человеком. Среди заявленных особенностей — структурированные диагностические ответы, клинический тон и поддержка мультимодального общения. Она не заменяет врача, не обращается к актуальным данным или медицинским картам и не предназначена для автономной диагностики или принятия решений.

ERNIE-Image-Turbo — модель генерации изображений по текстовому описанию, разработанная командой ERNIE-Image компании Baidu. Это дистиллированная версия ERNIE-Image на основе одно-поточной архитектуры Diffusion Transformer (DiT), распространяемая в формате Diffusers с весами Safetensors и лицензией Apache 2.0. Модель предназначена для быстрого создания изображений по сложным запросам: она генерирует результат за 8 шагов и рассчитана на сценарии, где важны точное следование инструкции и композиция. Среди заявленных сильных сторон — отрисовка длинного текста, постеры, инфографика, комиксы, раскадровки и многопанельные макеты; также поддерживаются фотореалистичные и стилизованные изображения. Авторы сообщают, что модель может запускаться на потребительских GPU с 24 ГБ видеопамяти. Модель принимает текстовые запросы и выдаёт изображения. В карточке показаны результаты тестов на английском и китайском языках, но другие поддерживаемые языки не перечислены. Качество зависит от запроса и сценария; результаты бенчмарков в README относятся к ERNIE-Image, а не отдельно к Turbo, поэтому их нельзя напрямую считать оценкой этой версии.

GaMS3-12B-Instruct-Lex — языковая модель с архитектурой Gemma 3, разработанная для работы со словенским языком. Её создали на основе GaMS3, модели семейства GaMS Люблянского университета, а затем адаптировали с помощью дополнительного предобучения на словенских лексических данных и дообучения на наборах инструкций и вопросов-ответов. Модель содержит 11,6 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена прежде всего для ответов на вопросы о словенской лексике, грамматике и морфологии, объяснения значений и употребления слов, а также для задач письма и следования инструкциям на словенском языке. Она обучалась на SloLexQA и других словенских наборах данных; английский поддерживается как дополнительный язык. Модель может быть полезна в языковом обучении, исследованиях и создании инструментов для словенского языка. Ответы могут содержать фактические ошибки, особенно за пределами лингвистических тем; результаты и тонкие стилистические нюансы следует проверять. Модель распространяется по лицензии Gemma и подчиняется её ограничениям на использование.

DT12the/Math-Mixtral-7B-Dare — слитая диалоговая языковая модель на архитектуре Mistral, созданная методом DARE TIES с помощью mergekit. В основу взята mistralai/Mistral-7B-Instruct-v0.2; в слияние также включена meta-math/MetaMath-Mistral-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов в диалоговом режиме, с математической моделью в составе слияния. Возможные сценарии — решение математических задач и ответы на инструкции; карточка подтверждает генерацию текста, но не приводит измерений качества или конкретных гарантий математической точности. Лицензия в предоставленных данных не указана.

Mergen-TR-Qwen3.5-9B — плотная языковая модель примерно на 9,5 млрд параметров, разработанная на базе Qwen/Qwen3.5-9B и дообученная командой проекта на корпусе преимущественно турецких данных. Она предназначена для диалога и генерации текста на турецком языке, математических задач и рассуждений; поддерживает режим пошагового мышления, который можно отключить для коротких ответов. По данным карточки, дообучение включало около 277 тысяч примеров с учителем и 15 тысяч пар предпочтений; корпус не опубликован. Модель ориентирована прежде всего на турецкий язык. README приводит результаты на турецких тестах, включая Turkish-MMLU, TurkishMMLU и GSM8K-TR, но оговаривает, что сравнения с другими системами получены разными методиками. Длинные рассуждения требуют увеличенного лимита генерации и могут повышать задержку; в других языках поведение в основном определяется базовой моделью. Лицензия — Apache-2.0.

OpenMath-Mistral-7B-v0.1-hf-imatrix-GGUF — это GGUF-квантизации модели OpenMath-Mistral-7B-v0.1-hf, опубликованные пользователем duyntnet. Исходная модель разработана NVIDIA и предназначена для решения математических задач с текстовым рассуждением и использованием блоков кода, выполняемых интерпретатором Python. Модель обучалась на наборе OpenMathInstruct-1, содержащем 1,8 млн пар «задача—решение», сгенерированных с помощью Mixtral-8x7B-v0.1. Модель относится к семейству Mistral и имеет размер 7B параметров; поддерживаемый язык — английский, основной сценарий применения — text generation для математических инструкций и задач, где полезна проверка или получение ответа через Python-код. Формат GGUF и imatrix-квантизация ориентированы на запуск в совместимых локальных средствах инференса, однако конкретный уровень квантизации, требования к ресурсам, размер контекста и доступные варианты точности в README не указаны. Лицензия обозначена как other, без дополнительных условий в предоставленных данных.

Jinchen/roberta-base-finetuned-cola — модель RoBERTa-base, дообученная на задаче CoLA из набора GLUE для классификации грамматической приемлемости английских предложений. Она содержит 151,8 млн параметров, принимает текстовые последовательности длиной до 514 токенов и выдаёт метку класса. На оценочной выборке указаны loss 0,4211 и Matthews Correlation 0,6279. Модель распространяется в формате PyTorch по лицензии MIT.

Sana 1600M 1024px — модель генерации и редактирования изображений по текстовому описанию, разработанная NVIDIA. Она использует архитектуру Linear Diffusion Transformer, текстовый энкодер Gemma2-2B-IT и сжатие латентных признаков DC-AE; размер модели — около 1,65 млрд параметров. Модель рассчитана на изображения базового разрешения 1024 пикселя с разными соотношениями сторон. Семейство Sana также поддерживает генерацию изображений высокого разрешения, вплоть до 4096 × 4096, и заявлено как достаточно быстрое для запуска на GPU ноутбука. Модель подходит для создания иллюстраций и концептов по промптам, творческих и образовательных инструментов, а также исследований генеративных моделей. Карточка указывает английский и китайский языки. Лицензия — Apache 2.0; также действуют условия использования Gemma 2 и политика запрещённого использования Google. Модель не предназначена для достоверного изображения реальных людей и событий. Фотореализм несовершенен, сложный читаемый текст и анатомические детали, например пальцы, могут генерироваться неправильно; латентное автокодирование приводит к потере информации.

Карточка модели Soul-AILab/SoulX-Podcast-1.7B-dialect на Hugging Face совпадает с карточкой Soul-AILab/SoulX-Podcast-1.7B, поэтому описание составлено по ней. SoulX-Podcast-1.7B — модель Soul-AILab для синтеза речи в формате подкастов: она создаёт длинные диалоги с несколькими участниками и также поддерживает синтез монологов. В основе лежит плотная языковая архитектура Qwen3ForCausalLM с 1,7 млрд параметров; модель принимает текст и выдаёт речь. Контекст составляет до 40 960 токенов. Модель рассчитана на естественную многорепликовую речь с паралингвистическими элементами, например смехом и вздохами. Поддерживаются английский и китайский, включая диалекты сычуаньский, хэнаньский и кантонский; также заявлено клонирование голоса без предварительного обучения на образце, в том числе между китайскими диалектами. Репозиторий содержит форматы ONNX и Safetensors и распространяется по лицензии Apache-2.0. Авторы описывают применение для синтеза подкастов, персонализированной речи, вспомогательных технологий и лингвистических исследований. Потоковый вывод пока обозначен как планируемая функция; в README также указано, что модель предназначена для академических, образовательных и иных легитимных применений.

Карточка модели bdsqlsz/stable-diffusion-v1-5 на Hugging Face совпадает с карточкой botp/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому запросу, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером CLIP ViT-L/14. Чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов при разрешении 512×512 на данных LAION-Aesthetics v2 5+; в 10% случаев текстовое условие отключалось для улучшения classifier-free guidance. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, концепт-арта и изображений для творческих и образовательных инструментов по англоязычным промптам. Она хуже работает с другими языками, может ошибаться в композиционно сложных сценах, не обеспечивает надёжный фотореализм и обычно не создаёт читаемый текст. Разработчики указывают, что обучающие данные содержат материалы для взрослых, а модель может воспроизводить предвзятости и запоминать дубли изображений; для использования рекомендуется применять Safety Checker. Лицензия — CreativeML OpenRAIL-M.

Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому запросу, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером CLIP ViT-L/14. Чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов при разрешении 512×512 на данных LAION-Aesthetics v2 5+; в 10% случаев текстовое условие отключалось для улучшения classifier-free guidance. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, концепт-арта и изображений для творческих и образовательных инструментов по англоязычным промптам. Она хуже работает с другими языками, может ошибаться в композиционно сложных сценах, не обеспечивает надёжный фотореализм и обычно не создаёт читаемый текст. Разработчики указывают, что обучающие данные содержат материалы для взрослых, а модель может воспроизводить предвзятости и запоминать дубли изображений; для использования рекомендуется применять Safety Checker. Лицензия — CreativeML OpenRAIL-M.

Карточка модели radames/stable-diffusion-v1-5-img2img на Hugging Face совпадает с карточкой botp/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому запросу, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером CLIP ViT-L/14. Чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов при разрешении 512×512 на данных LAION-Aesthetics v2 5+; в 10% случаев текстовое условие отключалось для улучшения classifier-free guidance. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, концепт-арта и изображений для творческих и образовательных инструментов по англоязычным промптам. Она хуже работает с другими языками, может ошибаться в композиционно сложных сценах, не обеспечивает надёжный фотореализм и обычно не создаёт читаемый текст. Разработчики указывают, что обучающие данные содержат материалы для взрослых, а модель может воспроизводить предвзятости и запоминать дубли изображений; для использования рекомендуется применять Safety Checker. Лицензия — CreativeML OpenRAIL-M.

Tashkeel-350M-v2 — языковая модель для расстановки диакритических знаков в арабском тексте, разработанная на основе IBM Granite. Это дообученная версия ibm-granite/granite-4.0-h-350m, обученная на наборе данных Misraj/Sadeed_Tashkeela; в метаданных указаны архитектура GraniteMoeHybridForCausalLM и 278,4 млн параметров. Модель принимает арабский текст без огласовок и возвращает его с диакритическими знаками, как в примере с приветствием «السلام عليكم». Она предназначена для автоматического огласовывания арабских текстов. Контекст составляет 32 768 токенов. Модель распространяется под лицензией Apache-2.0.

Tashkeel-v3 — модель для восстановления полной арабской диакритики, разработанная авторами карточки и основанная на дообученной MARBERTv2. Она предназначена для классического и современного литературного арабского языка, включая окончания слов. Модель принимает текст без диакритических знаков и предсказывает метку для каждого символа, сохраняя исходные буквы, цифры и пунктуацию. Архитектура сочетает энкодер MARBERTv2, символьные признаки, двунаправленную LSTM и линейно-цепную CRF с декодированием Витерби; отдельные выходы обрабатывают внутрисловные знаки и окончания слов. В метаданных указано около 190 млн параметров, а README описывает fp32-веса размером около 171 млн параметров. Модель поддерживает арабский язык и доступна в форматах PyTorch и safetensors; лицензия — Apache-2.0. В README приведены результаты на арабских бенчмарках и скорость пакетной обработки. Модель сохраняет входной текст, что делает её подходящей для автоматической огласовки текстов и больших корпусов. Основные ошибки связаны с редкими и иностранными словами, синтаксическим выбором падежных окончаний и отличиями в правилах огласовки; диалекты и поэзия не были целевыми задачами.

AAC Board Generator 770M (pt-BR) — компактная специализированная языковая модель для Papuguinho, разработанная для подготовки списков слов для коммуникационных досок с пиктограммами AAC и редактирования таких списков по инструкциям. Она генерирует слова по теме или ситуации, а также может добавлять и удалять пункты и подбирать указанное число новых слов. Для каждого пункта выдаёт слово, краткую грамматическую или семантическую метку и синонимы, которые помогают последующему поиску пиктограмм ARASAAC. Модель основана на Gemma 3 1B от Google и дообучена для AAC-задач на бразильском португальском. Это плотная авторегрессионная архитектура Gemma3ForCausalLM примерно с 781 млн параметров; словарь сокращён до 64 тысяч токенов. Контекст составляет 32 768 токенов, однако модель рассчитана на короткие детерминированные списки примерно из 12 пунктов. Она предназначена для запуска на CPU; карточка сообщает о генерации доски примерно за 4 секунды на четырёхъядерной машине при Q8. Модель подходит для чернового составления тематических досок и правок по запросу, но не для общего диалога, фактических ответов или работы на других языках. Возможны повторы и пункты не по теме; результат следует проверять человеку, особенно перед использованием с AAC-пользователями. Лицензия — Gemma.

Это классификатор из проекта EduBehaviors: Assertion-based schemas for auditable dialogue coding, предназначенный для определения, содержит ли высказывание учителя вопрос. Модель разработана для использования через пакет EduBehaviors-kit и дообучена на базе sentence-transformers/paraphrase-mpnet-base-v2 с помощью SetFit. Она принимает одно высказывание без дополнительного шаблона и выдаёт метку классификации. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и поддерживает контекст до 514 токенов. Обучение проводилось на подмножестве высказываний учителей из TalkMoves Dataset, размеченном с помощью LLM. На тестовой выборке положительный класс достиг F1 0,922; согласие между LLM-аннотаторами по Krippendorff’s alpha составляет 0,867. Модель предназначена для анализа учебного диалога и аудируемой разметки речевых ходов. Результаты на высказываниях учеников не проверялись, а качество зависит от LLM-разметки; сведения о лицензии в предоставленных данных отсутствуют.

A.X-3.1-Light SFT A1 (Paper-guided 4K) — корейская версия модели для генерации текста, созданная youngseok12 на основе skt/A.X-3.1-Light. Это плотная Llama-архитектура с 6,8 млрд параметров и контекстом 32 768 токенов; в репозитории опубликованы веса safetensors в BF16. Модель получена supervised fine-tuning с LoRA на 4 000 отобранных примерах из пяти источников AI Hub, после чего адаптер объединён с базовыми весами. Модель предназначена для генерации текста на корейском языке и ответов на вопросы в формате бенчмарков, включая задачи на понимание административных, финансовых, юридических, учебных и медицинских текстов, а также причинно-следственные рассуждения. Разработчик приводит локальные прокси-результаты на наборе KDS, но они не являются официальными оценками лидерборда. Возможны фактические ошибки и нарушения заданного формата; модель не подходит для самостоятельного принятия медицинских, юридических, финансовых и иных значимых решений. Базовая модель и производная модель указаны под лицензией Apache-2.0; для исходных данных AI Hub действуют отдельные условия использования.

DeepSeek-llama3.3-Bllossom-70B — языковая модель, созданная командами UNIVA и Bllossom на базе DeepSeek-R1-Distill-Llama-70B. Это плотная модель семейства Llama с 69,5 млрд параметров и контекстом до 131 072 токенов, предназначенная для генерации текста и диалогов с упором на рассуждения на корейском языке. Модель дообучали на корейских и английских данных рассуждений, чтобы улучшить многоязычную работу и уменьшить смешение языков: внутренние рассуждения могут выполняться на английском, а ответ формируется на языке запроса. Модель подходит для решения математических задач, ответов на сложные вопросы и диалоговых сценариев на корейском и английском языках. В README приведены примеры и результаты оценки на AIME24 и MATH500, в том числе на корейских переводах заданий. Модель распространяется по лицензии MIT. Представленные в карточке примеры и оценки не гарантируют точность ответов в других задачах; отдельные ограничения производительности не описаны.

SEOKDONG разработала эту модель как дообученную методом SFT версию Meta Llama 3.2 1B. Она предназначена для генерации текста и диалогов на корейском языке с учетом корейских социальных и культурных контекстов. Модель содержит 1,2 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст, выдавая текст; максимальная длина контекста по метаданным — 131 072 токена. В README описаны ответы на вопросы, суммаризация, анализ тональности и задачи классификации. Для обучения использовались собственные данные разработчика: 3,6 ГБ и более 2,3 млн примеров по 53 областям, включая историю, финансы, право, налоги и естественные науки. Модель может подойти для образовательных вопросов, диалоговых помощников и обработки корейских документов; README также упоминает перевод, но не приводит отдельной оценки этой возможности. Разработчик указывает, что точность может снижаться для других языков и культур, актуальных международных сведений и специализированных областей; способность к сложным рассуждениям ограничена, а ответы могут отражать смещения данных. Лицензия — Apache-2.0.

Maxine-7B-0401-stock — языковая модель на 7,1 млрд параметров, опубликованная louisbrulenaudet. Это плотная модель Mistral для генерации текста, созданная методом model_stock: при слиянии использованы OpenPipe/mistral-ft-optimized-1227, MTSAIR/multi_verse_model, rwitz/experiment26-truthy-iter-0 и MaziyarPanahi/Calme-7B-Instruct-v0.2; базовой моделью в конфигурации указана OpenPipe/mistral-ft-optimized-1227. Модель подходит для генерации ответов и диалогового текста на английском языке. В карточке также перечислены области химии, биологии и математики, но конкретные специализированные возможности и результаты оценки не приведены. Контекст — до 32 768 токенов. Веса доступны в формате safetensors; лицензия — Apache-2.0.

Merged-AGI-7B — языковая модель, созданная Q-bert с помощью объединения моделей Q-bert/MetaMath-Cybertron-Starling и fblgit/juanako-7b-UNA методом slerp merge. Это плотная причинная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; в карточке также указана поддержка формата диалога ChatML. Модель можно использовать для диалоговых ответов и генерации текста на английском языке, в том числе для математических вопросов: среди данных каталога указан датасет MetaMathQA. Заявленная длина контекста — 32 768 токенов. Результаты Open LLM Leaderboard в README помечены как ожидающие публикации, поэтому карточка не подтверждает качество модели на этих тестах. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

OLAResearch разработала OLAF2-14B — корейскую языковую модель на 14 млрд параметров, дообученную на Qwen/Qwen2.5-14B-Instruct. Модель предназначена для диалогов, генерации текста, сложных рассуждений и решения математических задач; README отдельно описывает режим рассуждений для STEM-задач и пошаговых ответов. Модель использует плотную архитектуру Qwen2 и принимает текст, выдавая текст. Контекст — до 32 тыс. токенов. Карточка заявляет поддержку корейского языка, а метаданные указывают интерфейс чата и вызова инструментов. Формат весов — safetensors; лицензия — Apache-2.0.

Oryx-1.5-7B — мультимодальная модель THUdyh на 7,1 млрд параметров, дообученная на данных Oryx-SFT-Data на основе Qwen2.5-7B-Instruct и визуального энкодера Oryx-ViT. Она принимает изображения и видео произвольного пространственного размера и временной длины и формирует текстовые ответы; контекст составляет 32 768 токенов. Модель рассчитана на анализ визуальных материалов и диалог по их содержимому, поддерживает английский и китайский языки. Модель опубликована в формате safetensors под лицензией Apache-2.0. В карточке также указаны интерфейсы чата и вызова инструментов. README описывает обучение на смеси 1,2 млн примеров изображений и видео.

Qwen2.5-Math-72B-Instruct — инструктивно дообученная языковая модель семейства Qwen, разработанная командой Qwen. Это плотная авторегрессионная модель на 71,5 млрд параметров с архитектурой Qwen2 и контекстом 4096 токенов, предназначенная для решения математических задач на английском и китайском языках. Она поддерживает пошаговые рассуждения Chain-of-Thought (CoT) и интегрированное использование инструментов для рассуждений (TIR), что помогает при вычислениях, символьных преобразованиях и алгоритмических задачах. Модель рассчитана на диалог по инструкциям; авторы не рекомендуют использовать её для задач за пределами математики. Репозиторий содержит веса Safetensors для Transformers. Метаданные указывают лицензию «other», поэтому конкретные условия следует сверить с лицензией репозитория перед использованием.

Stable Diffusion 2.1 — модель генерации и редактирования изображений по текстовым описаниям, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером OpenCLIP-ViT/H. Версия 2.1 дообучена на базе Stable Diffusion 2 дополнительными шагами обучения; карточка описывает вариант с разрешением 768 пикселей. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, художественных изображений и материалов для дизайна, а также для творческих и образовательных инструментов. Она принимает текстовые запросы, лучше всего понимает английский язык и выдаёт изображения. Лицензия — CreativeML Open RAIL++-M; карточка ограничивает применение исследовательскими целями и описывает недопустимые сценарии использования. Модель не гарантирует фотореализм, плохо отображает читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Качество генерации по неанглийским запросам ниже; обучающие данные могут отражать культурные и социальные предубеждения.

nlightcho/stable-diffusion-2-1 — модель генерации и редактирования изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным предварительно обученным текстовым энкодером OpenCLIP-ViT/H. Она дообучена на основе Stable Diffusion 2: сначала на 55 тысячах шагов, затем ещё на 155 тысячах шагов с другим параметром фильтрации небезопасного контента. Модель предназначена для создания иллюстраций, художественных изображений и визуальных материалов для дизайна и творческих приложений. Карточка указывает английский как основной язык; модель обучалась преимущественно на англоязычных подписях, поэтому на других языках качество ниже. Лицензия — CreativeML Open RAIL++-M. У модели есть ограничения с фотореализмом, разборчивым текстом внутри изображения, сложными пространственными отношениями и корректной генерацией лиц и людей. Обучающие данные основаны на подмножествах LAION-5B и фильтровались детектором NSFW; возможны смещения и нежелательные результаты.

Stable Diffusion 3.5 Large — модель генерации изображений по текстовому описанию, разработанная Stability AI. Она предназначена для создания иллюстраций и других художественных изображений, работы в дизайнерских процессах, творческих и образовательных инструментах, а также исследований генеративных моделей. Модель использует архитектуру Multimodal Diffusion Transformer (MMDiT), три предварительно обученных текстовых энкодера — OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL — и нормализацию QK. В README отмечены улучшения качества изображений, работы с типографикой, понимания сложных запросов и эффективности использования ресурсов. Модель ориентирована на английские запросы; для энкодеров указаны контексты 77 и 256 токенов на разных этапах обучения. Модель распространяется по Stability Community License; для коммерческого использования Stability AI предлагает уточнить условия лицензирования. Она не предназначена для достоверного изображения реальных людей или событий. Защитные меры не гарантируют устранения всего потенциально вредного контента, поэтому разработчикам следует проверять результаты и применять подходящие ограничения.

Карточка модели yuvraj108c/stable-diffusion-3.5-large на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-3.5-large, поэтому описание составлено по ней. Stable Diffusion 3.5 Large — модель генерации изображений по текстовому описанию, разработанная Stability AI. Она предназначена для создания иллюстраций и других художественных изображений, работы в дизайнерских процессах, творческих и образовательных инструментах, а также исследований генеративных моделей. Модель использует архитектуру Multimodal Diffusion Transformer (MMDiT), три предварительно обученных текстовых энкодера — OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL — и нормализацию QK. В README отмечены улучшения качества изображений, работы с типографикой, понимания сложных запросов и эффективности использования ресурсов. Модель ориентирована на английские запросы; для энкодеров указаны контексты 77 и 256 токенов на разных этапах обучения. Модель распространяется по Stability Community License; для коммерческого использования Stability AI предлагает уточнить условия лицензирования. Она не предназначена для достоверного изображения реальных людей или событий. Защитные меры не гарантируют устранения всего потенциально вредного контента, поэтому разработчикам следует проверять результаты и применять подходящие ограничения.