IV.5Образование и развитие навыков

Карточка модели alpacaml/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.

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_cap_b2000_s0 — дообученная модель семейства Qwen3, созданная на основе Qwen/Qwen3-4B-Base. Она предназначена для генерации текста; название обучающего набора указывает на данные SciWeb и StackExchange со смесью научных материалов. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 32 768 токенов; заявлены возможности чата. Модель может использоваться для генерации ответов и диалогового взаимодействия с опорой на знания, полученные при дообучении. README не приводит подробностей о целевом поведении, оценках качества или конкретных ограничениях, поэтому специализацию на отдельных научных дисциплинах нельзя подтвердить. Репозиторий содержит веса в формате safetensors; лицензия указана как other, без уточнения условий в доступных сведениях.

CC0_rebuild_attempt — модель генерации изображений по текстовому описанию от Pixel-Dust, основанная на архитектуре Stable Diffusion 1.5. Она создаёт художественные изображения по текстовым запросам; для обучения использовались изображения с лицензией CC0 и другими разрешительными условиями, а подписи к ним формировались разными методами с последующей ручной проверкой. Веса распространяются в форматах Diffusers, PyTorch и Safetensors. Модель подходит для творческих и дизайнерских проектов, учебных материалов и экспериментов с генеративной графикой. Обучающие изображения включали фотографии, иллюстрации и произведения из музейных коллекций; карточка указывает, что обучение ориентировалось на изображения с разрешённым распространением. Репозиторий обозначен лицензией CC0-1.0, однако README просит связаться с авторами перед коммерческим использованием. Среди ограничений — слабая генерация мелкого текста внутри изображений, трудности со сложной композицией и возможная предвзятость к темам и стилям, которые чаще представлены в доступных наборах данных. Качество реалистичных и детализированных изображений может быть нестабильным; модель не гарантирует отсутствие нежелательного контента.

Cicikus-v3-1.4B-Opus4.6-Powered — языковая модель PROMETECH Inc. на архитектуре Llama 3.2 с 1,4 млрд параметров, дообученная для генерации текста и следования инструкциям. В карточке описаны сценарии рассуждений, решения задач STEM и диалога; также заявлена настройка поведения под концепцию Behavioral Consciousness Engine (BCE). Утверждения о сознании и заявленных сравнительных показателях приведены автором, но методика их проверки в карточке не раскрыта. Модель принимает текст и выдаёт текст. Карточка указывает на поддержку турецкого и английского языков. Для общения автор рекомендует формат Alpaca. В метаданных указано контекстное окно 131072 токена, тогда как README приводит 32768 токенов и VRAM до 1,5 ГБ; эти характеристики расходятся, поэтому фактические требования следует сверить при запуске. В метаданных указана лицензия other; конкретные условия использования из доступной карточки установить нельзя.

Gemmuguinho — языковая модель Papuguinho для создания и редактирования досок альтернативной и дополнительной коммуникации (AAC/CAA) с пиктограммами на бразильском португальском языке. Она предназначена для приложений вспомогательных технологий и логопедической практики, в том числе для работы офлайн на CPU без GPU. Модель дообучена на базе Google Gemma 3 270M, суженной до португальского словаря на 64 тысячи токенов и преобразованной в архитектуру MoE с восемью экспертами и двумя активными по умолчанию. В README указано около 636 млн параметров всего и около 212 млн активных; метаданные каталога указывают 130,2 млн параметров. Контекст составляет 32 768 токенов. Модель генерирует тематические доски, обычно из 12 пиктограмм, и возвращает структурированный план изменений по командам на естественном языке. Модель специализирована на AAC-досках для детей и не предназначена для общего диалога или выдачи фактических и медицинских рекомендаций. Словарь пиктограмм отражает синтетический обучающий каталог, поэтому результаты следует проверять перед использованием. Лицензия — Gemma.

DGurgurov/im2latex — дообученная модель архитектуры VisionEncoderDecoder для преобразования изображений математических формул в код LaTeX. Её разработчик дообучил Swin Transformer в роли визуального энкодера и GPT-2 в роли декодера на наборе OleehyO/latex-formulas; модель использует PyTorch и сохранена в формате safetensors. Модель предназначена для распознавания формул на изображениях и последующего редактирования или использования их LaTeX-представления. В описанной оценке на тестовой выборке указаны BLEU 0,67 и потери 0,10. Лицензия — MIT.

Matthijs0/im2latex_base — модель Matthijs0 для преобразования изображений математических формул в код LaTeX. Это модель VisionEncoderDecoderModel: визуальный кодировщик Swin Transformer извлекает представление формулы, а декодер GPT-2 генерирует последовательность LaTeX. Модель обучена на наборе OleehyO/latex-formulas с разделением данных на обучающую, валидационную и тестовую части. Модель подходит для распознавания формул на изображениях и последующего редактирования или использования их LaTeX-представления. В README приведены значения test loss 0,09 и BLEU 0,69. Указанная версия является чекпойнтом до дообучения на рукописных формулах, поэтому её пригодность для рукописного ввода может быть ограничена. Распространяется по лицензии AGPL-3.0.

Latxa-Llama-3.1-70B-Instruct — диалоговая языковая модель, разработанная исследовательским центром HiTZ и группой IXA Университета Страны Басков UPV/EHU. Она основана на Meta Llama 3.1 70B Instruct и дополнительно обучена методами языковой адаптации на баскском корпусе Latxa Corpus v1.1, включающем 4,3 млн документов и 4,2 млрд токенов. Модель предназначена для следования инструкциям и работы в роли чат-ассистента, прежде всего на баскском языке. В карточке сообщается о результатах выше исходной Llama 3.1 Instruct на баскских стандартных тестах; оценка включала задания на понимание прочитанного, знание языка и вопросы-викторины. Архитектура — плотная LlamaForCausalLM, размер — 69,5 млрд параметров, контекст — до 131 072 токенов. Репозиторий содержит веса Safetensors; метаданные также отмечают интерфейс вызова инструментов. Модель находится в разработке, а подробности обучения и исследовательская статья на момент карточки ещё не опубликованы. Для языков помимо баскского качество не гарантируется; возможны унаследованные от Llama 3.1 смещения и ограничения. Указана лицензия llama3.1, допускающая коммерческое и исследовательское использование с соблюдением её условий.

M7Yamshadowexperiment28_YamshadowT3q — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/YamshadowT3q-7B. В репозитории представлены веса в формате safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и ответов на математические запросы. Карточка описывает её как слияние двух моделей, но не приводит подробностей о методе объединения, обучающих данных или сравнительных оценках качества. Лицензия — Apache-2.0.

Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled-v2-GGUF — модель на базе Qwen/Qwen3.5-9B, доработанная автором Jackrong с использованием Unsloth и дистилляции рассуждений в стиле Claude 4.6 Opus. Это reasoning-ориентированный fine-tune для задач математики, текстовых задач, логического вывода, общих знаний и следования инструкциям. Модель также может применяться в агентских сценариях и для программирования, однако программный код не был основным направлением обучения. Версия v2 обучалась на 14 000 образцах общих рассуждений с акцентом на компактные и переносимые шаблоны мышления. Заявленная сильная сторона — повышенная эффективность рассуждений: модель должна формировать более короткие цепочки рассуждений, снижая задержку, нагрузку на память и стоимость генерации, при сохранении или улучшении точности. В README упоминается более чем 20-процентное сокращение числа символов и токенов, но числовые результаты бенчмарков приведены преимущественно на изображениях. Модель заявлена для английского, китайского и корейского языков. В метаданных указан pipeline image-text-to-text, однако подробности о поддержке изображений, мультимодальной архитектуре и фактических возможностях работы с визуальными данными не приведены. Размер базовой модели составляет 9B параметров; контекстное окно и точные архитектурные характеристики не указаны. Ограничением является возможное снижение широких универсальных способностей из-за ограниченного объёма и области SFT-обучения. Модель распространяется по лицензии Apache-2.0.

R1-Onevision — мультимодальная модель с 7,1 млрд параметров, разработанная Zhejiang University и дообученная на базе Qwen2.5-VL-7B-Instruct на наборе данных R1-Onevision. Она предназначена для понимания изображений и визуальных рассуждений в диалоговом формате; поддерживает обработку визуальных входов и генерацию текстовых ответов. Архитектура — плотная Qwen2.5-VLForConditionalGeneration, формат весов — safetensors, контекст — до 128 000 токенов. Модель подходит для ответов на вопросы об изображениях и решения задач, требующих визуального анализа и рассуждений. Разработчики также описывают работу над обучением с мультимодальными данными рассуждений, но карточка не приводит результатов бенчмарков. Лицензия — Apache-2.0.

Карточка модели kp-forks/SSD-1B на Hugging Face совпадает с карточкой segmind/SSD-1B, поэтому описание составлено по ней. SSD-1B — модель генерации изображений по текстовому описанию, разработанная Segmind. Это диффузионная модель на 1,3 млрд параметров, созданная дистилляцией Stable Diffusion XL: из базовой модели удалили часть слоёв, чтобы сократить размер примерно на 50% и ускорить генерацию до 60% по сравнению с SDXL. В дистилляции использовались знания SDXL, ZavyChromaXL и JuggernautXL; модель обучалась на наборах данных GRIT и очищенных данных Midjourney. Модель предназначена для создания изображений по текстовым промптам в творческих, образовательных и исследовательских сценариях. Работает через библиотеку Diffusers и поддерживает несколько разрешений, включая квадратные и портретные или альбомные форматы вплоть до 1536 пикселей по одной стороне. Основной язык промптов в карточке не указан. Модель может испытывать трудности с фотореалистичными изображениями людей, разборчивым текстом и сложными композициями; результаты могут отражать смещения обучающих данных. Она не подходит для создания точных фактических изображений людей, событий и реального мира. Лицензия — Apache 2.0.

Карточка модели kp-forks/stable-diffusion-1.5 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.

Карточка модели radames/stable-diffusion-2-1-img2img на Hugging Face совпадает с карточкой Charles-Elena/stable-diffusion-2-1, поэтому описание составлено по ней. 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.

Stable Diffusion v1-5 — латентная диффузионная модель генерации и изменения изображений по текстовым запросам, разработанная Робином Ромбахом и Патриком Эссером. Репозиторий содержит переопубликованные веса модели в форматах Diffusers, PyTorch и safetensors; модель предназначена для использования с библиотекой Diffusers и распространяется по лицензии CreativeML OpenRAIL-M. Чекпойнт основан на весах Stable Diffusion v1-2 и дообучен на 595 тысячах шагов на разрешении 512×512 с использованием LAION-Aesthetics v2 5+; в 10% примеров текстовое условие отключалось для улучшения classifier-free guidance. Модель использует предварительно обученный текстовый энкодер CLIP ViT-L/14 и принимает преимущественно английские текстовые запросы, выдавая изображения. Модель подходит для создания иллюстраций, концептов и изображений для творческих и образовательных инструментов. Она не гарантирует фотореализм, плохо справляется с точным размещением нескольких объектов и отображением читаемого текста; лица могут получаться некорректно, а запросы на других языках работают хуже английских. Обучающие данные содержат материалы для взрослых и социальные предубеждения, а также возможны запоминание дублированных изображений. Для применения рекомендуется использовать Safety Checker из Diffusers.

Gille/StrangeMerges_45-7B-dare_ties — объединённая модель авторства Gille, созданная с помощью LazyMergekit методом dare_ties. В конфигурации указаны четыре исходные модели: Q-bert/MetaMath-Cybertron-Starling, ozayezerceli/BetterSaul-7B-slerp, chihoonlee10/T3Q-Mistral-Orca-Math-DPO и EmbeddedLLM/Mistral-7B-Merge-14-v0.2; метаданные также связывают её с Gille/StrangeMerges_44-7B-dare_ties как базовой моделью слияния. Это плотная Mistral-модель с 7,1 млрд параметров, предназначенная для генерации текста. Контекст — до 32 768 токенов. Состав исходных моделей указывает на сценарии диалогов и ответов на математические вопросы, однако README не приводит отдельных оценок качества или подробной инструкции по использованию. Модель распространяется в формате safetensors по лицензии Apache-2.0. Языковые сведения карточки указывают на англоязычную основу; подтверждённой информации о других языках нет.

Einstein-v6.1-Llama3-8B-old-GGUF — это GGUF-квантизированная версия языковой модели Einstein-v6.1-Llama3-8B, разработанной на базе Meta-Llama-3-8B. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель ориентирована на текстовую генерацию и диалоговые сценарии с форматом промпта ChatML. Модель предназначена для ответов на вопросы и выполнения инструкций, прежде всего в областях науки, включая физику, химию, биологию, математику, медицину и электротехнику. Для дообучения использовались наборы данных с научными вопросами, математическими задачами, инструкциями, диалогами и синтетическими ответами. Заявлен английский язык; поддержка других языков в README не указана. Это модель с 8 миллиардами параметров, доступная в нескольких вариантах квантизации GGUF с размером файлов примерно от 2,94 до 8,54 ГБ. Варианты Q6_K, Q5_K и Q4_K позиционируются как оптимальные по качеству, а более компактные варианты подходят для систем с ограниченным объёмом оперативной памяти. README не указывает размер контекста, мультимодальные возможности и точные результаты бенчмарков. Версия помечена как устаревшая из-за исправлений BPE-токенизатора; рекомендуется использовать обновлённый репозиторий Einstein-v6.1-Llama3-8B-GGUF. Лицензия обозначена как other, без дополнительных условий в README.

EpistemeAI2 Fireball-Alpaca-Llama3.1.07-8B-Philos-Math-KTO-beta — дообученная с применением KTO версия языковой модели на архитектуре Llama. Она предназначена для генерации текста в диалоговом формате, включая ответы на вопросы и задачи на философскую и математическую тематику, отражённые в названии базовой модели. Модель содержит 7,5 млрд параметров и поддерживает контекст до 131072 токенов; в карточке заявлен английский язык. Модель обучали с библиотеками Unsloth и TRL. В README приведены результаты отдельных тестов Open LLM Leaderboard, в том числе IFEval и BBH. Репозиторий распространяется под лицензией Apache-2.0. Данных о сравнительных преимуществах и практических ограничениях качества в карточке нет.

Ganda Gemma 1B — дообученная CraneAILabs инструктивная модель на базе Google Gemma 3 1B Instruct для перевода с английского на луганда и общения на луганда. Это плотная авторегрессионная языковая модель с 1 млрд параметров, поддержкой диалогового режима и форматом safetensors; метаданные указывают контекст до 32 768 токенов. README описывает настройку на парах английский—луганда и оценку перевода без примеров на FLORES-200. Модель принимает текст на английском и луганда, а ответы генерирует только на луганда. Помимо перевода, её можно применять для диалогов, ответов на вопросы, кратких пересказов и создания текстов на луганда; она рассчитана в том числе на переводческие, образовательные и культурные приложения с запуском на потребительском оборудовании. В README заявлены высокая эффективность по BLEU относительно размера и конкурентное качество перевода, однако приведённая таблица сравнения неполна, поэтому эти заявления нельзя независимо проверить по карточке. Указаны ограничения: только луганда на выходе, возможные пробелы в культурных нюансах и диалектах; README называет её оптимизированной для коротких диалогов и указывает контекст 2048 токенов, тогда как метаданные сообщают нативный контекст 32 768 токенов. Лицензия — Gemma; условия использования определяются лицензией Gemma от Google.

Модель devngho/ko_edu_classifier_v2_nlpai-lab_KoE5 разработана devngho для оценки образовательной ценности корейских веб-страниц. Это модель KoE5 с добавленной классификационной головой, обученная на 500 тысячах корейских примеров из набора devngho/ko_llm_annotations; оценки для данных создавались с помощью Qwen2.5-32B-Instruct. По назначению она похожа на HuggingFaceFW/fineweb-edu-classifier, но ориентирована на корейский контент. Для корректной работы перед входным текстом требуется добавлять префикс «passage: ». Модель выполняет классификацию текста и выдаёт оценку образовательной ценности. В README указана оценка F1 около 0,72 при разделении примеров на группы выше и ниже 3; автор связывает ограниченное качество с недостатками корейских эмбеддингов и оценок, использованных при подготовке данных. Репозиторий содержит Flax- и safetensors-форматы. Лицензия — MIT.

Qwen2.5-7B-Instruct — Converge Collective v2 — это слитая языковая модель на архитектуре Qwen2ForCausalLM, опубликованная Optitransfer. Она предназначена для диалога и генерации текста, в том числе для математических задач, ответов на инструкции и структурированных ответов. Модель содержит около 7,1 млрд параметров, использует веса float16 и настроена на контекст до 32 768 токенов. Карточка приводит результаты собственных сравнительных оценок: улучшение на GSM8K по протоколу HELM, небольшой прирост на MMLU и отсутствие измеримого изменения на нескольких других тестах. У модели есть заметные регрессии относительно базовой Qwen2.5-7B-Instruct на MATH Level 5 и MMLU-Pro; она не позиционируется как специалист по коду или длинному контексту. Оценки подготовлены разработчиками и в основном охватывают английский язык; безопасность, предвзятость и токсичность отдельно не оценивались. Для использования требуются ресурсы, достаточные для запуска модели такого размера. В метаданных указана лицензия other, поэтому условия использования следует проверять в файлах репозитория и лицензиях базовых моделей.

Qwen2-Math-72B-Instruct-GGUF — квантизированная в формате GGUF инструкционная языковая модель, разработанная командой Qwen на базе Qwen2-Math-72B-Instruct. Квантизацию выполнил bartowski с использованием llama.cpp. Модель предназначена прежде всего для решения математических задач, многошагового рассуждения и сложных логических проблем, а также для диалогового текстового взаимодействия через шаблон ChatML. Модель содержит 72 млрд параметров и обучена на специализированном математическом корпусе, включающем веб-тексты, книги, программный код, экзаменационные задания и синтетические данные. Инструкционная версия дополнительно обучалась с применением математической reward-модели, supervised fine-tuning и Group Relative Policy Optimization (GRPO). В README заявлены высокие результаты на математических и reasoning-бенчмарках, однако конкретные показатели не приведены. Указан английский язык; другие языки и размер контекста не заявлены. Модель подходит для математического анализа, пошагового решения задач и исследовательских сценариев, но из-за большого размера требует значительных вычислительных ресурсов, а квантизация может влиять на точность. Как и другие генеративные модели, она способна ошибаться и выдавать неточные или неподходящие ответы. Лицензия указана как tongyi-qianwen; подробные условия доступны по ссылке на лицензию исходной модели.

Qwen2-Math-72B-Instruct-IMat-GGUF — квантизированная версия языковой модели Qwen/Qwen2-Math-72B-Instruct. Исходную модель разработала команда Qwen, а квантизацию выполнил legraphista с использованием llama.cpp и IMatrix-калибровки. Модель предназначена для генерации текста в диалоговом формате и решения математических задач, включая сценарии локального запуска через совместимые инструменты llama.cpp и GGUF. Модель содержит 72 млрд параметров, изначально представлена в формате BF16 и доступна в нескольких вариантах GGUF-квантизации: от Q8_0 до 1–3-битных форматов, включая Q4_K, Q3_K и Q2_K. Для ряда вариантов применена IMatrix, призванная сохранить качество при уменьшении размера. В карточке указаны английский язык и текстовая модальность; размер контекста и точная архитектура не приведены. Сильная сторона модели — специализация на математическом рассуждении и широкий выбор вариантов квантизации, позволяющий выбирать баланс между качеством, размером файлов и требованиями к памяти. Ограничения связаны с очень большим исходным размером: даже доступные квантизированные файлы занимают примерно от 29,81 до 77,26 ГБ, а некоторые варианты разделены на несколько частей. Качество и потребление ресурсов зависят от выбранного формата квантизации. Лицензия обозначена как other с названием tongyi-qianwen; подробные условия приведены в лицензии исходной модели Qwen/Qwen2-Math-72B-Instruct.

Это языковая модель Qwen2.5-7B Actor, подготовленная из чекпойнта на шаге 100 обучения HiLL Qwen2.5-7B/OpenThoughts. Репозиторий опубликовал sagnikM; модель основана на Qwen/Qwen2.5-7B-Instruct и предназначена для генерации текста, диалогов и математических рассуждений. Модель использует плотную архитектуру Qwen2 с 7,1 млрд параметров, загружается через Transformers и сохранена в формате safetensors. Контекст составляет до 32 768 токенов. В репозитории размещены веса, конфигурация и токенизатор; состояние оптимизатора и тренера осталось в исходном чекпойнте VERL. Карточка не уточняет качество на математических задачах, поддерживаемые языки или лицензию этой производной модели. Данных о лицензии в доступных источниках нет.

Карточка модели cocktailpeanut/sd35 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.

Это перезагрузка Stable Diffusion 3.5 Large от Stability AI, опубликованная adamo1139 без ограничения доступа gated-модели. Модель типа MMDiT преобразует текстовые запросы в изображения; в архитектуре используются три фиксированных предварительно обученных текстовых энкодера — OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL — и нормализация QK. Репозиторий содержит веса в формате Diffusers и Safetensors. Модель предназначена для создания иллюстраций и дизайн-материалов, творческих и образовательных инструментов, а также исследований генеративных моделей. В README отмечены улучшения качества изображений, работы с типографикой, понимания сложных запросов и эффективности использования ресурсов. Она не предназначена для достоверного изображения реальных людей и событий; меры безопасности не исключают генерацию вредоносного контента, поэтому для приложений нужны собственные проверки и ограничения. Указана лицензия Stability Community License; коммерческое использование требует проверки её условий и, согласно README, может потребовать отдельного коммерческого лицензирования у Stability AI. Метаданные и README не подтверждают отдельного дообучения или изменения весов оригинальной модели: автор описывает репозиторий как перезагрузку без gating.

AAC Board Generator 770M (pt-BR) — GGUF — это специализированная текстовая модель на базе Gemma 3, разработанная tardellirs для генерации досок альтернативной и дополнительной коммуникации (CAA/AAC) на бразильском португальском языке. Модель предназначена для экосистемы ARASAAC и используется в приложении Papuguinho. Модель имеет около 771,6 млн параметров и поддерживает текстовый ввод и вывод. Она формирует списки примерно из 12 конкретных и релевантных слов для пиктограмм, классифицируя элементы по типам и добавляя синонимы, а также умеет выполнять инструкции по редактированию доски: добавлять, удалять и генерировать заданное количество элементов. Сборки GGUF рассчитаны на запуск через llama.cpp на CPU. Доступны варианты квантования от Q4_K_M до Q8_0 и версия f16; рекомендуемая Q8_0 требует примерно 0,9–1,1 ГБ оперативной памяти и генерирует доску примерно за 4 секунды на четырёх потоках CPU. К сильным сторонам относятся компактный размер, детерминированная генерация, работа на CPU и сохранение поведения исходной модели благодаря использованию BPE-токенизатора tokenizer.json. Ограничения включают узкую специализацию на генерации AAC-досок, поддержку прежде всего бразильского португальского и возможное небольшое снижение качества в более сильных вариантах квантования; сведения о широких оценках качества и других языках в карточке не приведены. Модель распространяется по лицензии Gemma, унаследованной от Gemma 3; связанные материалы ARASAAC распространяются по лицензии CC BY-NC-SA.

Gluon-8B — объединённая диалоговая языковая модель, созданная автором репозитория с помощью mergekit на основе нескольких моделей семейства Llama 3.1. В README перечислены компоненты с настройками для ролевого диалога и биологии, медицины и физики; конфигурация указывает на метод слияния model_stock, базовую модель Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и точность float16. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии и вопросы по естественным наукам. Доступны веса Safetensors, а README также упоминает квантизации GGUF Q8_0. Карточка указывает лицензию Apache-2.0. Результаты приведённых в README оценок IFEval и BBH ограничены двумя тестами и сами по себе не характеризуют качество во всех сценариях; поддерживаемые языки в предоставленных данных не перечислены.

ibrahimkettaneh/L3-MS-Astoria-8b — диалоговая языковая модель на основе Llama 3, созданная объединением нескольких предварительно обученных моделей методом Model Stock с помощью mergekit. В качестве базовой использована failspy/Meta-Llama-3-8B-Instruct-abliterated-v3; в объединение также вошли модели для медицины и психологии, Tess 2.0 и вариант Llama 3 Cat Instruct. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors. Предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Карточка не приводит результатов оценки качества или подробных рекомендаций по применению. Контекст модели составляет 8192 токена. Лицензия в предоставленных данных не указана.

adityarajsahu/LaTeX-OCR — компактная модель распознавания математических формул, разработанная автором репозитория на основе CLIP и Pythia. Она принимает изображение с отрисованной формулой и генерирует её исходный код LaTeX; модель дообучена на lukbl/LaTeX-OCR-dataset. Архитектура объединяет визуальный энкодер openai/clip-vit-base-patch32, языковой декодер EleutherAI/pythia-70m и небольшой MLP-проектор между представлениями CLIP и Pythia. В репозитории доступны веса safetensors и собственный класс LaTeXOCRModel. Модель предназначена для извлечения формул из изображений; лицензия — Apache-2.0. Карточка упоминает оценку на отложенной выборке по BLEU-4, точному совпадению и нормализованному расстоянию редактирования, но не приводит сами результаты. Она ориентирована на формулы и не заявлена как универсальная OCR-система для обычного текста или документов.