IV.5Образование и развитие навыков

QuantFactory/MAmmoTH2-8B-GGUF — это квантизированная версия языковой модели TIGER-Lab/MAmmoTH2-8B, созданная QuantFactory с использованием llama.cpp. Базой служит Llama 3; модель предназначена для генерации текста и улучшения способностей к рассуждению благодаря дообучению на инструкциях. Указанный язык — английский, а исходный проект разработан TIGER-AI-Lab. Модель ориентирована прежде всего на решение математических задач, включая задачи из MATH, GSM8K и TheoremQA, а также на более общие задания рассуждения и вопросы с открытым или множественным выбором. В README указано, что для обучения использовались данные WebInstructSub, сформированные из примерно 10 миллионов пар инструкция–ответ, извлечённых из веб-корпуса. Модель можно применять через библиотеку Transformers в задачах text generation. Ключевая особенность этой версии — квантизация, которая может снизить требования к памяти и упростить локальный запуск по сравнению с полноразмерной моделью, однако конкретный тип квантизации, размер файлов, поддерживаемая длина контекста и точные аппаратные требования не указаны. В опубликованных оценках MAmmoTH2-8B показала результаты 35,8 на MATH, 70,4 на GSM8K и средний результат 54,3 по указанному набору тестов. Производительность зависит от сложности и специфики задачи; модель не охватывает все математические области одинаково хорошо. Лицензия — MIT.

Модель facebook/mms-tts-ojb-script_syllabics — система синтеза речи для оджибве (северо-западный вариант), принимающая текст на слоговом письме и генерирующая речевую волну. Она разработана в рамках проекта Massively Multilingual Speech компании Facebook и предназначена для преобразования текста в речь на этом языке. Модель основана на архитектуре VITS: она объединяет вариационный автоэнкодер, flow-модуль с текстовым энкодером на базе Transformer, стохастический предиктор длительности и декодер в стиле HiFi-GAN. Размер модели — 3,6 млн параметров. Это отдельный языковой чекпойнт семейства MMS-TTS, доступный через Transformers версии 4.33 и новее. Стохастический предиктор позволяет варьировать ритм речи, поэтому при одинаковом вводе результаты могут различаться; для воспроизводимого аудио нужен фиксированный seed. Модель предназначена для синтеза речи на одном варианте оджибве и не заявляет поддержку других языков. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

Nemotron-3-Labs-Ultra-Math-SFT — разработанная NVIDIA языковая модель для математических рассуждений. Она обучена решать сложные задачи, строить и уточнять доказательства, а также проверять доказательства и выявлять в них ошибки. Модель основана на Nemotron-3 Ultra и дообучена на наборе Nemotron-Math-Proofs-v3-SFT с примерами генерации, проверки и доработки доказательств. В метаданных указаны 29,6 млрд параметров, архитектура Nemotron H и поддержка диалогового режима; README описывает гибридную архитектуру Mamba2-Transformer с LatentMoE и Multi-Token Prediction. Модель принимает и выдаёт текст, рассчитана на английский язык. Указанный в метаданных контекст — 262 144 токена. NVIDIA сообщает о золотом уровне результата на IMO 2026 для ансамблевой системы, в которую входила эта модель; это не отдельная оценка модели. Для запуска рекомендуется использовать vLLM или PyTorch на ускорителях NVIDIA. README разрешает коммерческое и некоммерческое использование, а в метаданных лицензия обозначена как other. Модель предназначена для исследовательских и прикладных систем математического рассуждения и проверки доказательств. Для надёжного применения требуется тестирование на данных конкретного сценария; результат ансамбля не гарантирует такого же качества при самостоятельном использовании модели.

CuiSiwei/nougat-for-formula — это дообученная на IM2LATEX-100K модель Nougat Small для распознавания математических формул на изображениях. Она использует архитектуру vision encoder-decoder и преобразует изображение с формулой в чёрном цвете на белом фоне в код LaTeX; модель рассчитана на распознавание формул, а не на разбор произвольных документов. Её можно применять для оцифровки формул из конспектов и скриншотов, а также в приложениях, которые автоматически создают LaTeX-разметку. В README приведены результаты на тестовой части IM2LATEX-100K: BLEU 0,8157 и CER 0,1601. Длина формулы ограничена максимальной длиной генерации используемой конфигурации; модель может ошибаться на неподходящем фоне или при отличающемся оформлении формул. Лицензия — Apache-2.0.

PixArt-α — генеративная модель преобразования текста в изображения, разработанная командой PixArt-α. Она построена на трансформерных блоках латентной диффузии и использует предварительно обученный текстовый энкодер T5 и VAE для представления изображений. По текстовому запросу модель генерирует изображения размером 1024 пикселя за один процесс семплирования; также заявлена возможность редактирования изображений по тексту. Модель предназначена для создания иллюстраций и художественных изображений, дизайнерских задач и исследований генеративных моделей. Авторы отмечают ограничения в фотореализме, отрисовке читаемого текста, сложных пространственных композициях и деталях вроде пальцев; автоэнкодер вносит потери. Генерация изображений реальных людей или событий как фактических изображений выходит за рамки назначения модели. Лицензия — CreativeML Open RAIL++-M.

cnmoro/Qwen2.5-0.5B-Portuguese-v1 — компактная языковая модель, созданная дообучением Qwen/Qwen2.5-0.5B-Instruct разработчиком cnmoro для повышения качества работы на португальском языке. Это плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров, представленная в формате safetensors и поддерживающая контекст до 32 768 токенов. В карточке указаны чат-шаблон и интерфейс вызова инструментов. Модель предназначена для диалога, выполнения инструкций и генерации текста на португальском языке. В обучении использовались португалоязычные наборы openHermes_portuguese, smoltalk-555k-ptbr и RagMixPTBR-Legal-Alpaca-2M; последний охватывает юридические примеры. В README приведены результаты оценки на португалоязычных тестах, включая экзаменационные задания, понимание текстовых отношений и анализ тональности. Модель распространяется по лицензии MIT. Результаты тестирования указывают на ограниченное качество в ряде задач, поэтому ответы, особенно по правовым вопросам и экзаменационным темам, следует проверять. README сообщает об ограничении генерации до 32 токенов в указанной конфигурации оценки; это не подтверждает такой предел для всех способов запуска.

QwQ-LCoT-7B-Instruct-GGUF — квантизированная версия языковой модели QwQ-LCoT-7B-Instruct, разработанной prithivMLmods и подготовленной пользователем bartowski. Модель предназначена для генерации текста с акцентом на задачи, требующие развернутого пошагового рассуждения, прежде всего для математических запросов и других сценариев text generation. В карточке также указано обучение с учителем (SFT) на наборе данных amphora/QwQ-LongCoT-130K. Модель содержит 7B параметров, относится к семейству Qwen2.5 и поддерживает английский язык. Представлена в формате GGUF, совместимом с llama.cpp и приложением LM Studio. Доступны варианты от F16 до низкоразрядных Q2–Q8-квантизаций; версии Q4 и выше позиционируются как подходящие для большинства сценариев, а Q6_K и Q6_K_L — как варианты с очень высоким качеством. Квантизация уменьшает требования к памяти, но в низкоразрядных вариантах может заметно снижать качество ответов. Модель подходит для локального запуска на совместимом CPU или GPU, протоколирования рассуждений и решения математических задач. Она является текстовой и не предназначена для обработки изображений или других мультимодальных данных. Размер контекста и дополнительные характеристики архитектуры в README не указаны. Распространяется по лицензии CreativeML OpenRAIL-M.

Manojb/stable-diffusion-2-1-base — модель генерации изображений по тексту, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель, использующая предварительно обученный текстовый энкодер OpenCLIP-ViT/H. Версия 2.1 дообучена на Stable Diffusion 2-base ещё на 220 тысячах шагов; модель распространяется в форматах Diffusers, PyTorch и Safetensors и работает с библиотекой Diffusers. Модель предназначена для создания и изменения изображений по текстовым запросам, в том числе для художественных и дизайнерских задач и творческих инструментов. В первую очередь она рассчитана на английские запросы; качество генерации по запросам на других языках ниже. Лицензия — CreativeML Open RAIL++-M. Модель не гарантирует фотореализм, плохо передаёт читаемый текст и сложные пространственные композиции, а лица и люди могут получаться некорректно. Обучающие данные содержали изображения для взрослых, насилие и сексуальный контент, частично отфильтрованные NSFW-детектором; возможны социальные предубеждения, включая смещение в сторону западных культур. Модель не предназначена для достоверного изображения реальных людей или событий.

Это перезагрузка Stable Diffusion 3.5 Large Turbo от Stability AI в формате Diffusers, заявленная автором как версия без ограничения доступа. Модель семейства MMDiT генерирует изображения по текстовым запросам; в ней применена дистилляция Adversarial Diffusion Distillation (ADD), рассчитанная на качественную генерацию за небольшое число шагов. Архитектура использует три предварительно обученных текстовых энкодера: OpenCLIP-ViT/G, CLIP-ViT/L и T5-xxl; указана длина контекста энкодеров 77 токенов для CLIP и 77/256 для T5 на разных этапах обучения. Модель подходит для создания иллюстраций, художественных изображений и материалов для дизайна, а также для творческих и образовательных инструментов. README отмечает улучшения в качестве изображений, типографике и понимании сложных запросов. Репозиторий содержит веса Diffusers в формате safetensors. Указана лицензия Stability Community License; для коммерческого лицензирования README предлагает обратиться к Stability AI и требует соблюдать Acceptable Use Policy. Модель не предназначена для получения фактически достоверных изображений людей или событий. Защитные меры не гарантируют удаления всего потенциально вредного контента; оценка безопасности проводилась преимущественно на английском языке, поэтому разработчикам следует проверять модель и применять подходящие меры безопасности.

Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому запросу, разработанная Stability AI и перепубликованная Unsloth без изменений весов. Это модель латентной диффузии с двумя предварительно обученными текстовыми энкодерами: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно использовать самостоятельно или вместе с отдельной моделью-refiner для финального уточнения изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель подходит для создания иллюстраций и концептов, творческих и образовательных инструментов, а также исследований генеративных моделей. Репозиторий содержит варианты для Diffusers, ONNX, OpenVINO и Flax. Лицензия — CreativeML Open RAIL++-M; условия в репозитории Unsloth соответствуют исходной лицензии Stability AI. К ограничениям относятся несовершенный фотореализм, трудности с разборчивым текстом внутри изображения и сложными пространственными композициями. Лица и люди могут получаться некорректно, а автоэнкодер вносит потери; генерация также может усиливать социальные предубеждения. Модель не предназначена для достоверного изображения реальных людей или событий.

TexTeller — модель распознавания математических формул на изображениях, разработанная авторами проекта TexTeller. Она использует архитектуру vision encoder-decoder на основе ViT и преобразует формулы с фотографий и других естественных изображений в запись LaTeX. Модель предназначена для автоматического извлечения формул из изображений, включая сложные многострочные выражения, матрицы и редкие символы. В README указано, что версия 2.0 обучена на расширенном наборе из 7,5 млн пар изображений и формул; авторы сообщают о повышенной точности и способности обобщать по сравнению с LaTeX-OCR. Репозиторий содержит веса PyTorch, Safetensors и ONNX. Модель ориентирована на формулы, поэтому её не следует считать универсальной системой OCR для произвольного текста или документов. Лицензия — Apache-2.0.

kev-KOH/time-embed-bge-m3-lms-temporal-v1-7-2 — дообученная модель BAAI на базе BGE-M3 для поиска эквивалентных временных выражений в запросах к корейским системам управления обучением (LMS). Она преобразует текст в эмбеддинги, сближая выражения с одинаковым временным значением и отделяя похожие по словам, но разные по смыслу выражения. Модель основана на XLM-RoBERTa, содержит 658,7 млн параметров и принимает последовательности длиной до 8194 токенов. Обучение проводилось на корейском датасете временных запросов; лицензия — Apache-2.0. Карточка приводит оценку на тестовом наборе из 31 857 примеров: средняя оценка положительных пар составила 0,9673, отрицательных — 0,4183. При этом строгий порог near_one_rate не пройден; остаётся слабость в различении точного будущего временного интервала и границы окна, например «через три дня» и «в течение трёх дней». Для работы в примере используется FlagEmbedding с пуллингом CLS и fp16.

Azu/trocr-handwritten-math — модель семейства TrOCR от автора Azu для распознавания рукописных математических выражений на изображениях и преобразования их в последовательности LaTeX. Она использует архитектуру vision-encoder-decoder и доступна в формате PyTorch. В README приведён результат CER 0,5078 на тестовой выборке CROHME 2014. Модель подходит для оцифровки рукописных формул и подготовки математических записей в LaTeX. Указанный результат на CROHME 2014 свидетельствует об ошибках распознавания; качество на других наборах данных и типах рукописного ввода не описано. Сведения о лицензии в доступных данных отсутствуют.

Unlimited Replicant — Ясунори Одзаки (Yasunori Ozaki) разработал эту модель генерации изображений по текстовым запросам, специализируя её на AI-арте как альтернативу NovelAI Diffusion. Это диффузионная модель на основе Latent Diffusion Model с текстовым энкодером OpenCLIP-ViT/H; карточка указывает японский язык. Модель предназначена для создания иллюстраций по промптам, самовыражения, образовательных работ и иллюстраций для статей и блогов. Модель распространяется в форматах Diffusers и safetensors и используется аналогично Stable Diffusion v2. Автор указывает двойную лицензию на основе CreativeML Open RAIL++-M с дополнительными ограничениями, включая общий запрет коммерческого использования с перечисленными исключениями; для коммерческого применения предлагается отдельно связаться с автором. Карточка также запрещает ряд сценариев, включая цифровые подделки, распространение непристойных материалов и выдачу вымысла за факты.

VideoTemp-o3 — модель Kwai-Keye для ответов на вопросы по видео с поиском временных фрагментов, наиболее относящихся к вопросу. Она выполняет итеративное временное заземление: находит релевантный участок видео, уточняет его и формирует ответ на основе визуальных свидетельств. Модель дообучена на Qwen/Qwen2.5-VL-7B-Instruct и использует плотную архитектуру Qwen2.5-VL с 7,1 млрд параметров; заявленный контекст составляет 128 000 токенов. Поддерживаемая задача по метаданным — video-text-to-text, язык карточки — английский. Модель предназначена для видеоаналитики и агентных сценариев, где ответ нужно связать с конкретными событиями или временными интервалами ролика. Репозиторий содержит веса Safetensors. Лицензия — MIT.

ASGTransformer — модель генерации сценариев для защитной кибербезопасности, представленная в репозитории wasmdashai/asg-v1. Она объединяет семантический энкодер, планировщик сценариев и их длительности, генератор профессионального текста и каталог знаний. Модель принимает текст и формирует структурированный сценарий; заявлена поддержка нескольких языков и работа через библиотеку Transformers на CPU и GPU. Модель предназначена для авторизованных учебных и корпоративных задач: подготовки учений по реагированию на инциденты, сценариев tabletop и purple team, обучения осведомлённости сотрудников, разработки обнаружений и проверки средств защиты. В карточке не приведены размер модели и длина контекста. Лицензия не указана в доступных данных.

Baichuan-M2-32B — медицинская языковая модель Baichuan AI для рассуждений о здоровье, клинических сценариев и общения с пациентами. Репозиторий AIArchiveInfo является побитовой копией Baichuan AI; модель основана на Qwen2.5-32B и дообучена для медицинской области. Это плотная трансформерная модель Qwen2 с 32 млрд параметров и контекстом до 131 072 токенов, принимающая и генерирующая текст. В README описаны адаптация на медицинских данных, многоэтапное обучение с подкреплением и система проверки ответов с симуляторами пациентов. Модель предназначена для медицинского образования, консультаций по вопросам здоровья и поддержки клинических решений; также сохраняет общие возможности генерации текста и поддерживает интерфейс вызова инструментов. В карточке указаны английский и китайский языки. По заявлению авторов, модель показала высокие результаты в HealthBench и общих тестах, однако эти показатели приведены авторами и не гарантируют качество в реальных клинических случаях. Использовать её следует при участии медицинских специалистов: она не заменяет диагноз или лечение. Лицензия — Apache-2.0.

Chanjing-Avatar 14B — модель генерации видео с аудиоуправлением от Cicada AI на базе Wan2.1-T2V-14B. Она создаёт видео говорящего аватара в разрешении 720p по референсному изображению и аудиозаписи, синхронизируя движения лица и губ с речью. Модель добавляет к видеодиффузионной архитектуре Wan2.1 аудиомодули, проекцию входа и LoRA-адаптеры; веса представлены в BF16. Для работы отдельно нужны базовая модель Wan2.1 и аудиокодировщик Wav2Vec. Модель предназначена для создания говорящих аватаров, озвученных портретных видео и другого аудиоуправляемого видео по изображению. Репозиторий распространяется по лицензии Apache-2.0. Качество результата зависит от исходного изображения и аудио; перед использованием изображений и голосов необходимо получить согласие, а синтетические материалы следует явно обозначать.

CommonCanvas-S-C — небольшая модель семейства CommonCanvas, разработанная авторами CommonCanvas на основе архитектуры Stable Diffusion 2 для генерации изображений по текстовому описанию. Она использует латентную диффузию и распространяется в формате Diffusers/PyTorch с весами SafeTensors. Обучение проводилось на подмножестве CommonCatalog с изображениями Creative Commons и синтетическими подписями BLIP-2; по README, этот вариант связан с коммерческим подмножеством данных. Лицензия репозитория — CC BY-SA 4.0. Модель подходит для создания иллюстраций, концептов и изображений для творческих и образовательных инструментов. В описании отмечены слабые результаты на лицах, обычной фотографии и живописи, трудности с композиционно сложными запросами и читаемым текстом на изображениях. Данные основаны на материалах Flickr примерно десятилетней давности, с географическим смещением в сторону западных стран; модель может хуже работать с современными понятиями, именами и запросами на языках помимо английского. Генерация вредного или откровенного контента может быть возможна.

GRM-Coder-14b — дообученная модель OrionLLM на базе Qwen3-14B для написания и решения задач по программированию, особенно в соревнованиях по спортивному программированию. Это плотная причинная языковая модель на 14 млрд параметров с контекстом до 81 920 токенов; она принимает текстовые условия задач и генерирует код и пояснения. По данным карточки, обучение проводилось на 24 тысячах задач с проверяемыми решениями. На LiveCodeBench v6 указана точность Pass@1 67,87% против 60,79% у базовой Qwen3-14B. Модель распространяется по лицензии Apache-2.0.

Модель Na0s/Llama-3.1-8B-Pruned-4-Layers_LoRA-PEFT-2.0 — дообученная плотная авторегрессионная языковая модель семейства Llama, опубликованная Na0s. Она предназначена для генерации текста, в том числе ответов на математические вопросы; в качестве обучающих данных указана MetaMathQA. Модель содержит 6,4 млрд параметров, принимает текст и выдаёт текст. Заявленная длина контекста — 131 072 токена; для работы используется библиотека Transformers, веса опубликованы в формате safetensors. В карточке приведён результат 0,2872 на MMLU Pro в режиме zero-shot, но подробности методики оценки не указаны. Доступны сведения об обучении на математическом наборе данных, однако карточка не подтверждает специализацию исключительно на математике и не сообщает поддерживаемые естественные языки. Лицензия в предоставленных данных не указана.

M1-3B — языковая модель Together Computer для генерации текста и диалогов, связанная с исследовательской работой «M1: Towards Scalable Test-Time Compute with Mamba Reasoning Models». В карточке приведены результаты сравнения с математическими моделями на наборах AIME, MATH 500, AMC и OlympiadBench, что указывает на применение для решения математических задач и рассуждений. Модель имеет плотную архитектуру семейства Llama на базе LlamaForCausalLM и содержит 3,2 млрд параметров. Она принимает текст и выдаёт текст; заявленный контекст — до 131 072 токенов. Метаданные отмечают поддержку чата и интерфейса вызова инструментов. Модель распространяется по лицензии MIT. Карточка связывает её с исследовательской работой, но не приводит подробностей обучения, конкретных системных требований или явных ограничений качества; приведённые сравнительные результаты сами по себе не описывают надёжность на задачах вне математических бенчмарков.

SJTU-DENG-Lab/MBD-Math-SDAR-8B-Chat-b4 — разговорная языковая модель семейства SDAR, представленная лабораторией SJTU DENG Lab как часть проекта Multi-Block Diffusion Language Models. Это плотная модель с 7,6 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста в диалоговом режиме. Архитектура Multi-Block Diffusion позволяет параллельно декодировать последовательные блоки текста; для постобучения авторы предлагают Multi-block Teacher Forcing, настраивающий модель на состояния, возникающие при таком режиме вывода. Модель подходит для диалоговых ответов и генерации текста, включая математические сценарии, на что указывает название репозитория. В карточке не приведены результаты оценки качества, конкретные языки или подробности обучающих данных. Модель распространяется в формате safetensors по лицензии MIT.

Nemotron-3-Labs-Ultra-Math-RL — языковая модель NVIDIA для математических рассуждений, генерации доказательств и проверки ошибок в доказательствах. Она предназначена для исследователей и разработчиков, создающих системы решения сложных математических задач. В составе ансамбля модель участвовала в системе, показавшей результат уровня золотой медали на Международной математической олимпиаде 2026 года. Это дообученная модель семейства Nemotron-3 с архитектурой Nemotron Hybrid LatentMoE: гибрид Mamba2 и Transformer с latent mixture of experts и multi-token prediction. В README указано 550 млрд параметров всего и 55 млрд активных; метаданные каталога указывают 29,6 млрд параметров. Принимает и выдаёт текст, поддерживает английский язык. Метаданные указывают контекст 262 144 токена, тогда как README заявляет до 1 млн токенов. Модель предназначена для запуска через vLLM и PyTorch на Linux с ускорителями NVIDIA; README называет совместимость с Ampere, Hopper и Blackwell. Она готова к коммерческому и некоммерческому использованию, однако лицензия в метаданных обозначена как other, поэтому перед использованием следует проверить её условия. Генерация математических доказательств может содержать ошибки и требует проверки.

unsloth/Qwen2.5-Math-7B-Instruct — инструкционная языковая модель семейства Qwen2.5-Math, представленная Unsloth как дообученная версия Qwen/Qwen2.5-Math-7B-Instruct. Это плотная авторегрессионная модель архитектуры Qwen2ForCausalLM с 7,1 млрд параметров, рассчитанная на генерацию ответов в диалоге; максимальная длина контекста — 4096 токенов. Модель предназначена прежде всего для решения математических задач на английском и китайском языках с пошаговым рассуждением (CoT) и интеграцией инструментов (TIR), полезной для точных вычислений, символьных преобразований и алгоритмических задач. Карточка предупреждает, что семейство не рекомендуется для задач за пределами математики. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Указанная поддержка английского языка в метаданных не отменяет заявленную в карточке модели поддержку китайского; для русского языка целевая поддержка не заявлена.

Qwen3-4B-SFT-science-1e-5 — дообученная модель семейства Qwen3, созданная на базе Qwen/Qwen3-4B. Она содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и формат Safetensors; для работы заявлена библиотека Transformers. Модель дообучена на наборе данных dolci_science_train и предназначена для генерации текста в научном контексте, включая диалоговые сценарии. Максимальный контекст составляет 40 960 токенов. В карточке приведён результат оценки на тестовом наборе: loss 0,6778. Подробности оценки, конкретные научные дисциплины и ограничения качества не описаны, поэтому результат сам по себе не позволяет судить о сравнительной точности модели. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

SOLAR-math-2x10.7b-v0.2 — чат-модель для генерации текста, созданная объединением двух дообученных instruct-моделей Solar-10.7B. В метаданных указана архитектура Mixtral с разреженной архитектурой экспертов (MoE), около 10,6 млрд параметров и контекст до 4096 токенов; веса доступны в формате safetensors. Модель предназначена для диалогов и генерации ответов, в том числе для задач рассуждения и решения математических запросов. В README приведены результаты тестов ARC и HellaSwag, но они не подтверждают заявленные сравнения с другими моделями для широкого набора задач. Данных о поддерживаемых языках нет. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Практические ограничения включают контекст в 4096 токенов и отсутствие в карточке подробной оценки математических возможностей.

Карточка модели LanguageMachines/stable-diffusion-2-1 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 v1.3 — модель генерации изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером CLIP ViT-L/14; веса представлены в формате PyTorch. Версия 1.3 инициализирована весами Stable Diffusion v1.2 и дообучена на 195 000 шагах при разрешении 512×512 на подмножестве laion-improved-aesthetics с отключением текстового условия в 10% случаев для улучшения classifier-free guidance. Модель подходит для создания художественных изображений и иллюстраций по английским промптам, а также для творческих и образовательных инструментов и исследований генеративных моделей. Лицензия CreativeML OpenRAIL-M устанавливает условия использования и ограничения на отдельные сценарии применения. Модель не обеспечивает идеальный фотореализм, плохо передаёт читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Она лучше работает с английскими описаниями; обучение на данных LAION-5B, содержащих материалы для взрослых, а также отсутствие дедупликации создают риски нежелательных результатов и запоминания отдельных изображений, поэтому для практического развёртывания нужны дополнительные меры безопасности.

BAAI/URSA-1.7B-IBQ1024 — модель BAAI для генерации и редактирования изображений по текстовым запросам, относящаяся к семейству BAAI-Vision-URSA. Она основана на дообученной Qwen/Qwen3-1.7B и использует токенизатор Emu3.5-Vision-Tokenizer; размер модели — 1,7 млрд параметров, точность весов — FP16. Модель работает через библиотеку Diffusers и генерирует изображения с разрешением 1024 × 1024. Модель подходит для экспериментов с генеративными моделями, творческих и образовательных инструментов, создания иллюстраций и дизайнерских материалов. Лицензия — Apache-2.0; карточка рекомендует исследовательское применение. Автоэнкодер модели вносит потери, она может плохо отображать сложный читаемый текст, не обеспечивает идеальный фотореализм и может некорректно генерировать пальцы. Обучающие данные включали материалы с контентом для взрослых, насилием и сексуальными темами, а генерации могут отражать социальные предубеждения. Модель не предназначена для достоверного изображения людей или событий.