IV.9Медиа, журналистика, культура, архивы и игры

ChatWaifu v1.4 — объединённая автором spow12 (yw_nam) языковая модель для диалогов в образе персонажей визуальных новелл. Это плотная авторегрессионная модель семейства Mistral/CausalLM объёмом 12,1 млрд параметров, собранная методом mergekit из нескольких моделей, включая Mistral-Nemo-Instruct-2407, Lumimaid-v0.2-12B, Violet Twilight-v0.1, MN-12B-Lyra-v4 и Magnum-v2-12b. Репозиторий содержит веса safetensors; модель предназначена для генерации текста и ролевого общения, в том числе с персонами, заданными описанием. Карточка сообщает о японских обучающих данных, персонажах визуальных новелл и поддержке японского языка; метаданные также перечисляют английский, французский, немецкий, испанский, итальянский, португальский, русский и китайский. Автор заявляет контекст до 128k токенов, устойчивость к повторам в длинных диалогах и сохранение информации в длинном контексте; метаданные каталога указывают нативный контекст 1 024 000 токенов, поэтому фактическую длину контекста следует проверять в выбранной конфигурации. Лицензия в метаданных — CC-BY-NC-4.0, а карточка ограничивает использование некоммерческими и исследовательскими целями. Модель может генерировать материалы для взрослых; визуальный ввод пока не заявлен.

chilled_remix — модель генерации изображений по текстовому описанию, созданная sazyou_roukaku на основе слияния нескольких моделей Stable Diffusion. Версия 2 распространяется в формате fp16 с встроенным VAE; в метаданных указан формат safetensors. Автор ориентировал модель на пользователей chilled_re-generic и работу с LoRA: применение LoRA помогает получать более фотореалистичные лица. Модель также хорошо реагирует на промпты, составленные естественным языком, а для подробного задания черт лица автор рекомендует добавлять отдельные ключевые слова. Модель предназначена для создания изображений по текстовым промптам. Автор рекомендует CLIP skip 2 и отмечает, что промпт high resolution может улучшать детализацию фона и текстур. README перечисляет исходные модели слияния: real-max-v3.4, fantasticmix_v10, dreamshaper_5Bakedvae, epicrealism_newAge и diamondCoalMix_diamondCoalv2. Указан язык ja в метаданных, однако README не уточняет, ограничена ли им работа промптов. Лицензия — CreativeML Open RAIL-M с указанием дополнительного авторского права sazyou_roukaku. В README сказано, что лицензия запрещает использование для преступных целей и медицинских изображений; применимы также остальные ограничения лицензии. Автор не рекомендует коммерческое использование модели или сервисов генерации изображений как собственную рекомендацию и отказывается от ответственности за результаты. Качество зависит от промптов и выбранных LoRA; автор отмечает, что некоторые выходы модели могут не соответствовать предпочтениям пользователей.

CLIPbooru — модель на основе CLIP с классификационной головой, предназначенная для присвоения изображениям тегов Danbooru. Карточка связывает её с набором данных v2ray/anime-collection; модель подходит для автоматической разметки изображений в стиле аниме тегами из этой системы. В метаданных указаны архитектура CLIPForImageClassification, формат safetensors и лицензия MIT. Размер модели, длина контекста и поддерживаемые языки в доступных сведениях не описаны.

Cohere Jordanian Dialect — модель распознавания речи, созданная Rlamas полным дообучением CohereLabs/cohere-transcribe-arabic-07-2026. Она предназначена для преобразования аудио на разговорном иорданском арабском в текст. Архитектура сочетает Conformer-энкодер, обрабатывающий мел-спектрограммы, и авторегрессионный Transformer-декодер; модель содержит 151 млн параметров и работает с контекстом до 1024 токенов. Репозиторий включает веса и файлы процессора и токенизатора. Лицензия — Apache-2.0. На отложенном тесте автор сообщает CER 0,0783 и WER 0,1899 против 0,156 и 0,350 у базовой модели. Модель подходит для пакетной офлайн-транскрибации иорданской диалектной речи. Она может зацикливаться на длинных или шумных записях, ошибаться на однословных фрагментах и неверно передавать английскую речь или код-свитчинг. Для потоковой транскрибации, низкой задержки и временных меток по словам она не предназначена.

ControlNet Tile SDXL — модель ControlNet для Stable Diffusion XL, опубликованная под идентификатором xinsir/controlnet-tile-sdxl-1.0. Она предназначена для управления генерацией и восстановлением изображений на основе входного изображения с использованием tile-предобработки и базовой модели stabilityai/stable-diffusion-xl-base-1.0. Модель поддерживает сценарии удаления размытия с восстановлением деталей, вариаций изображений и суперразрешения, включая увеличение в несколько раз и работу с изображениями произвольного соотношения сторон. В README приведены примеры использования через библиотеку Diffusers с StableDiffusionXLControlNetPipeline, а также рекомендации обрабатывать изображения в разрешении около 1024×1024 или в совместимом bucket-разрешении для лучшего качества. Для работы используются ControlNetModel, VAE madebyollin/sdxl-vae-fp16-fix, CUDA-совместимые вычисления с torch.float16 и текстовые prompt и negative prompt. Ключевые ограничения связаны с зависимостью от базовой SDXL-модели, подходящего VAE и корректной tile-предобработки; конкретные сведения о размере параметров, языках, максимальном контексте и результатах формальной оценки не указаны. Примеры также отключают safety_checker, поэтому вопросы фильтрации содержимого должны решаться на уровне приложения. Модель распространяется по лицензии Apache-2.0.

ControlNet Union SDXL 1.0 ProMax — модель ControlNet для генерации и редактирования изображений на базе Stable Diffusion XL. Она предназначена для сценариев text-to-image и image-to-image, в которых требуется управлять композицией, позой, структурой или другими визуальными характеристиками результата с помощью управляющих сигналов ControlNet. В карточке указано, что модель является копией оригинальной модели xinsir/controlnet-union-sdxl-1.0, опубликованной пользователем brad-twinkl под переименованным идентификатором. Модель объединяет поддержку 12 типов управления и 5 расширенных режимов редактирования, однако конкретный перечень режимов, архитектурные параметры, размер, поддерживаемые языки и максимальный контекст в README не приведены. Она ориентирована на использование с экосистемой Diffusers и задачами генерации изображений, где требуется более точный контроль над результатом по сравнению с обычной генерацией по текстовому описанию. Ограничения и требования к вычислительным ресурсам отдельно не указаны. Лицензия модели — Apache-2.0.

diffusers/controlnet-zoe-depth-sdxl-1.0 — модель ControlNet, разработанная для работы с SDXL и опубликованная в экосистеме Diffusers. Она обучена на базе stabilityai/stable-diffusion-xl-base-1.0 и использует карты глубины, рассчитанные моделью ZoeDepth, в качестве управляющего сигнала. Модель предназначена для генерации изображений по текстовому описанию с сохранением пространственной структуры и глубины исходного изображения. Она подходит для сценариев, где требуется контролировать композицию, перспективу и расположение объектов, одновременно изменяя стиль или содержание изображения. В README приведён пример преобразования фотографии в пиксель-арт с сохранением структуры сцены. Архитектура основана на ControlNet для Stable Diffusion XL; модель работает с текстовой модальностью и изображениями-картами глубины. Размер модели, поддерживаемые языки и максимальная длина контекста не указаны. Для подготовки управляющего изображения используется ZoeDepth, а для генерации рекомендуется StableDiffusionXLControlNetPipeline; в примере применяются вычисления в fp16 и загрузка модели на GPU с возможностью выгрузки частей в CPU. Сильной стороной является использование качественных карт глубины для пространственного контроля, однако результат зависит от точности оценки глубины и параметров генерации. Модель распространяется по лицензии openrail++.

ConvNeXt V2 Tiny — сверточная модель компьютерного зрения, разработанная командой ConvNeXt и представленная в статье Woo и соавторов. Модель предварительно обучена с помощью FCMAE и дообучена на ImageNet-22K; она классифицирует изображения по категориям набора ImageNet. Размер входа при обучении и настройке — 384×384 пикселя. Архитектура ConvNeXt V2 использует полностью сверточную сеть и слой Global Response Normalization (GRN). Модель принимает изображения и выдаёт классы с оценками. Репозиторий предоставляет веса в форматах PyTorch, SafeTensors и TensorFlow. Лицензия — Apache 2.0. Карточка описывает применение для классификации изображений; для других задач следует искать специализированные дообученные версии.

coralchar-diffusion-v1 — модель генерации изображений на основе Stable Diffusion v1.5, опубликованная nerijs и дообученная для создания портретов милых персонажей. Для активации характерного стиля в текстовом запросе используется токен coralchar; доступны контрольные точки с разным числом шагов обучения и версия для inpainting. Модель предназначена для создания портретов и изображений персонажей по текстовому описанию, а также для изменения деталей уже созданного изображения с помощью inpainting. Автор рекомендует размер 512×768, низкий CFG scale и отмечает, что такой размер подходит для полнофигурных портретов. Репозиторий содержит Diffusers и PyTorch форматы; README также упоминает доступность версии .ckpt. Лицензия — CreativeML OpenRAIL-M.

Hemanthhebbal/custom-image-classifier — модель компьютерного зрения на архитектуре MobileNetV2, дообученная для классификации изображений. Её можно использовать через библиотеку Transformers с конвейером image-classification для получения предсказанных классов изображения. Модель хранится в формате safetensors и распространяется по лицензии Apache-2.0. Карточка заявляет высокую производительность инференса, но не приводит метрик качества, набора классов или данных, на которых модель обучалась.

CyberRealistic Pony v16.0 — преобразованная в формат Diffusers версия модели, первоначально созданной Cyberdelia и основанной на Pony. Она предназначена для генерации изображений по текстовым запросам. В карточке указаны варианты сэмплеров DPM++ SDE Karras, DPM++ 2M Karras и Euler a, а также рекомендации использовать Clip Skip 2, более 30 шагов и CFG 5. Репозиторий содержит веса в формате safetensors для StableDiffusionXLPipeline. Указана лицензия CreativeML Open RAIL-M; описание лицензии и условия исходной модели следует учитывать при использовании. Качество результата зависит от запроса и настроек генерации.

CyberRealistic Z-Image Turbo — ранняя экспериментальная модель генерации изображений по текстовому описанию, созданная на основе оригинальной Z-Image Turbo. Она предназначена для создания фотореалистичных изображений по текстовым запросам. В репозитории указаны файлы в формате safetensors; модель распространяется по лицензии CreativeML Open RAIL-M. Это ранняя экспериментальная сборка, поэтому её качество и поведение могут быть нестабильными. README не приводит сведений о размере модели, поддерживаемых языках или ограничениях на генерируемый контент.

DashAnimeXL V1 — диффузионная модель Dashtoon для генерации аниме-изображений по текстовым запросам. Она дообучена на Stable Diffusion XL и использует ту же архитектуру; для работы предусмотрена библиотека Diffusers, веса доступны в формате safetensors. Модель предназначена для создания изображений в стиле аниме. В карточке отмечены улучшенная анатомия рук, лучшее понимание концепций и интерпретация запросов. Поддерживаемый язык в метаданных — английский. Модель распространяется по лицензии CreativeML Open RAIL++-M; её условия следует учитывать при использовании и распространении результатов.

DeDeDeP — модель генерации изображений по текстовому описанию, созданная автором репозитория nakayama на базе Stable Diffusion. Она настроена на создание более фотореалистичных изображений в аниме-стиле по сравнению с исходной DeDeDe. В README указано, что DeDeDe объединяет DreamLike Diffusion 1.0, Trinart Characters v2 Derrida и DreamLike Photoreal 1.0, а DeDeDeP дополнительно получена иерархическим слиянием частей DeDeDe с DreamLike Photoreal 1.0. Модель предназначена для создания иллюстраций в фотореалистичном аниме-стиле. Для улучшения результата автор рекомендует положительный промпт «best quality, masterpiece» и отрицательный промпт с исключением нежелательных стилей и артефактов, включая плохую анатомию, лишние пальцы, размытость, водяные знаки и текст. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. Применяется модифицированная лицензия CreativeML OpenRAIL-M, унаследованная от DreamLike Diffusion 1.0 и DreamLike Photoreal 1.0. В частности, использование модели или её производных на сайтах и в приложениях, получающих доход или пожертвования, требует согласования с правообладателем; коммерческое использование результатов разрешено командам до 10 человек на условиях лицензии. Необходимо внимательно изучить её полный текст и ограничения.

ChenShawn/DeepEyes-7B — мультимодальная модель для диалога и визуального рассуждения, дообученная авторами DeepEyes на основе Qwen/Qwen2.5-VL-7B-Instruct. Модель принимает изображения и текст и формирует текстовые ответы; в процессе обучения с подкреплением она научилась включать визуальную информацию в цепочку рассуждений и использовать инструменты визуального поиска, например увеличение фрагментов изображения для проверки ответа. Модель предназначена для анализа изображений, визуального заземления объектов, решения математических задач по изображению и снижения галлюцинаций в визуальных ответах. Архитектура — плотная Qwen2.5-VL для генерации текста по текстовым и визуальным входам; размер составляет 7,1 млрд параметров, контекст — до 128 000 токенов. В карточке указана поддержка английского языка. Модель распространяется в формате safetensors под лицензией Apache-2.0. README описывает обучение и заявляет улучшение результатов на задачах с изображениями высокого разрешения, однако не приводит численных оценок качества. Для запуска визуального поиска может требоваться интеграция с соответствующими инструментами; модель сама по себе не выдаёт изображения и её показатели на конкретных прикладных данных следует проверять отдельно.

Yntec/DisneyPixarCartoon768 — модель генерации изображений по текстовому описанию в стиле мультфильмов Disney и Pixar. Она основана на Stable Diffusion и распространяется в формате Diffusers с весами Safetensors. Эта версия рассчитана на изображения 768×768 и включает встроенный 84KVAE, который, по карточке, улучшает детализацию. Модель подходит для создания мультяшных персонажей и сцен по текстовым промптам. В примерах показаны сказочные и праздничные сюжеты, животные и портреты; некоторые примеры используют английские промпты. Указана лицензия CreativeML OpenRAIL-M. Карточка не приводит количественных оценок качества или подробных ограничений по использованию.

Это англоязычная модель классификации текста, дообученная автором репозитория mmeeeeeeee на distilbert/distilbert-base-uncased для различения фейковых и настоящих новостей. Она использует архитектуру DistilBertForSequenceClassification и предназначена для присвоения новостному тексту одного из этих классов. Базовая модель имеет контекст до 512 токенов; веса опубликованы в формате safetensors. В README приведены результаты оценки: loss 0,0005 и accuracy 0,9999, однако датасет обозначен как None, а сведения о составе данных и методике оценки отсутствуют, поэтому эти показатели не позволяют судить о качестве на новых источниках новостей. Модель распространяется по лицензии Apache-2.0.

DucHaiten Retro 2 — производная модель семейства Stable Diffusion от Yntec, предназначенная для генерации изображений по текстовым запросам. Модель распространяется в формате Diffusers и Safetensors; в неё встроен VAE 840K, который, по описанию автора, улучшает цвета и детализацию. Модель ориентирована на изображения с ретроэстетикой: визуальный стиль 1990-х, VHS- и кинематографические кадры, аналоговую фотографию и плёночное зерно. В карточке приведены примеры запросов для портретов, уличной моды и постановочных сцен. Лицензия — CreativeML OpenRAIL-M. Результаты зависят от текстового запроса; заявленное улучшение цветов и детализации приведено автором, а независимые оценки качества в карточке отсутствуют.

Ahmad Yar подготовил сообщественный конвертированный вариант EdgeTAM в формате Core ML для сегментации и сопровождения объектов в видео на iOS 18 и совместимых системах macOS. Модель состоит из четырёх пакетов: кодировщика кадров, инициализатора по точечному запросу, кодировщика памяти и распространителя масок между кадрами. Веса сохранены из исходного чекпойнта EdgeTAM; приложение управляет банком временной памяти и объектными указателями. Система принимает RGB-кадры размером 1024×1024 и положительные или отрицательные точечные подсказки, а выдаёт маски объектов, оценки качества и данные для обновления памяти. В README описана проверка последовательного соответствия исходному конвейеру PyTorch на восьми кадрах; приведённые значения IoU относятся только к этому примеру и не являются общим бенчмарком. Для работы нужны Core ML и приложение-обвязка на Swift или Objective-C; на текущих iPhone рекомендуется режим CPU и GPU, поскольку часть операций может не поддерживаться Neural Engine. Лицензия — Apache 2.0.

Yntec/elldrethsImagination — модель для генерации изображений по текстовому описанию, опубликованная на Hugging Face в формате Diffusers и Safetensors. Карточка приводит пример запроса в стилистике детализированной живописи и аниме, с персонажем в военной форме. Модель предназначена для создания иллюстраций по промптам, в частности аниме-персонажей и пейзажей, о чём также говорят теги карточки. Основана на Stable Diffusion и использует библиотеку Diffusers. Карточка не сообщает размер модели, контекст или языки запросов. Лицензия — CreativeML OpenRAIL-M.

Emi 2.5 (Ethereal master of illustration 2.5) — модель генерации изображений по текстовому описанию, разработанная компанией AI Picasso и ориентированная на иллюстрации в японском стиле. Это диффузионная модель на основе Latent Diffusion Model с компонентами OpenCLIP-ViT/G и CLIP-L; карточка указывает совместимость с пайплайном Stable Diffusion XL 1.0 и использование через ComfyUI, Fooocus и Diffusers. Модель обучалась на смеси изображений, включая около 3000 вручную и около 500 тысяч автоматически собранных изображений после удаления изображений Danbooru, загруженных без разрешения, а также CosmicMan-SDXL. Модель подходит для создания иллюстраций, манги и аниме-изображений, а также для творческих проектов и прототипирования визуальных идей. Карточка указывает японский язык и лицензию CreativeML Open RAIL++-M. Разработчик рекомендует учитывать ограничения при генерации: модели сложно изображать руки, а для фотореалистичных изображений она подходит хуже, чем для японской иллюстрации.

Erebus-RP-12B-Instruct-2608-v1 — дообученная Indexnusrefather модель Gemma 3 12B Instruct, созданная для ролевых диалогов и творческого письма. Она основана на Gemma 3 12B Instruct, имеет архитектуру Gemma3ForCausalLM с 11,6 млрд параметров и предназначена для генерации текста по инструкциям; заявленная длина контекста — 131 072 токена. Для дообучения использовались отобранные длинные диалоги. Автор отмечает более длинные ответы, лучшее удержание сюжета и гибкость стиля по сравнению с базовой моделью. Модель также может применяться для интерактивного сторителлинга и построения вымышленных миров. В карточке указана лицензия Gemma. Автор сообщает о снижении числа отказов благодаря включению в обучающие данные откровенных диалогов; это может влиять на характер генерируемого контента. README не приводит количественных оценок качества или подробных ограничений применения.

Locutusque/Esmeralda-Gemma4-26B-A4B — дообученная Locutusque модель семейства Gemma 4 на базе unsloth/gemma-4-26b-a4b-it. Она предназначена для диалогов с текстом и изображениями: принимает текстовые запросы и изображения, а отвечает текстом. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель представлена в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает конкретную специализацию или результаты оценки качества, поэтому модель можно характеризовать как универсальную мультимодальную диалоговую модель; отдельные преимущества и ограничения сверх доступных сведений определить нельзя.

Esthetic Retro Anime — модель генерации изображений по текстовому описанию в формате Diffusers, опубликованная пользователем Yntec. Примеры в карточке указывают на ретро-аниме и мультяшную эстетику; модель предназначена для создания иллюстраций по промптам. Репозиторий содержит веса в формате safetensors и относится к семейству Stable Diffusion. Модель помечена тегами Anime, Vintage и Sexy. Доступна по лицензии CreativeML OpenRAIL-M, условия которой ограничивают некоторые способы использования и распространения.

EstopianOrcaMaid-13B — слитая модель для генерации текста, созданная автором репозитория с помощью mergekit из KatyTheCutie/EstopianMaid-13B и microsoft/Orca-2-13b. Модель основана на архитектуре Llama и содержит 12,9 млрд параметров; заявленная длина контекста — 4096 токенов. Модель предназначена прежде всего для ролевых диалогов и создания более естественных ответов персонажей. Она использует формат инструкций Alpaca; автор рекомендует настраивать системный промпт под конкретный сценарий. Также модель можно применять для генерации сюжетных сценариев и ответов на инструкции. В карточке заявлена лицензия Microsoft Research License, условия которой распространяются на модель из-за включения Orca-2-13b. Это ограничивает использование условиями данной лицензии.

EVA Qwen2.5 14B 0.1 — полно-параметрическая дообученная языковая модель, созданная Kearm и Auri на основе Qwen/Qwen2.5-14B. Она предназначена для ролевого общения, написания историй и творческих текстов; при обучении использовалась смесь синтетических и естественных данных, в том числе наборы для инструкций, ролевых карточек и коротких рассказов. Модель построена на плотной архитектуре Qwen2 и содержит 14 млрд параметров. Она поддерживает генерацию текста, чатовый формат ChatML и контекст до 131 072 токенов. Для генерации авторы рекомендуют температуру 1, Typical-P 0,9, Min-P 0,05, Top-A 0,2 и штраф за повторения 1,03. В версии 0.1 очищены и дедуплицированы обучающие данные, а также увеличена длина последовательности; по описанию авторов, модель стала стабильнее при коротких запросах и использовании Min-P. README не сообщает о целевых языках. Модель распространяется по лицензии Apache-2.0.

EVA Yi 1.5 9B v1 — языковая модель, дообученная Kearm и Auri на базе AuriAetherwiing/Yi-1.5-9B-32K-tokfix. Это полнопараметрический fine-tune Yi-1.5-9B-32K, ориентированный на ролевые диалоги и художественное письмо. Модель использует архитектуру LlamaForCausalLM с плотными весами, содержит 8,6 млрд параметров и поддерживает контекст до 32 768 токенов. Обучение использовало смесь синтетических и естественных данных, включая наборы Opus_Instruct_25k и Celeste 1.x. Модель принимает диалоги в формате ChatML; авторы отмечают стабильность и разнообразный стиль письма. Репозиторий распространяет веса safetensors по лицензии Apache-2.0. Авторы предупреждают, что квантование может заметно ухудшить качество, а GGUF с llama.cpp может нарушить исправление токенизатора.

Fairseq-dense 13B-Nerys — языковая модель KoboldAI для генерации продолжений текста. Это дообученная плотная модель семейства XGLM с 14,9 млрд параметров, доступная в формате PyTorch и рассчитанная на контекст до 2048 токенов. Для генерации её можно использовать через pipeline text-generation в Transformers. Модель обучали на примерно 2500 электронных книгах разных жанров, наборе текстовых приключений CYS и 50 азиатских ранобэ из Manga-v1. Во многих примерах перед текстом указывали жанр в формате `[Genre: , ]`. Модель подходит для создания художественных текстов, диалогов и интерактивных сюжетов на английском языке. Репозиторий распространяется по лицензии MIT. Как и другие языковые модели, Nerys может воспроизводить гендерные, профессиональные, расовые и религиозные предубеждения из данных обучения. Длина контекста ограничена 2048 токенами; модель предназначена для генерации текста, а не для гарантированно точных фактических ответов.

FantassifiedIcons v2 — модель генерации изображений по текстовому описанию, представленная Yntec. В карточке показаны примеры стилизованных 3D-мультяшных объектов и игровых ассетов: тематические блюда, фрукты и персонажи в стиле чиби. Модель предназначена для создания иллюстраций и концептов по коротким текстовым запросам. Репозиторий содержит веса в формате Safetensors для библиотеки Diffusers; карточка не сообщает архитектуру, размер модели или длину контекста. Лицензия обозначена как other, поэтому условия использования следует уточнять по исходной лицензии.

FastVideo-Minimax-FastH3-Preview-v0.2 — предварительная версия модели команды FastVideo для генерации коротких видео с синхронизированным звуком по текстовому запросу. Это четырёхшаговая дистилляция MiniMax-H3, мультимодального диффузионного трансформера с 33 млрд параметров для видео и аудио. Дистилляцию DMD2 обучили на текстовых запросах без использования видеоданных; опубликованные веса трансформера хранятся в формате safetensors и точности bf16, остальные компоненты Diffusers-пайплайна скопированы из базовой модели. Модель рассчитана на генерацию клипов длительностью около пяти секунд: в описанном обучении использовались разрешение 768×1344 и 124 кадра с синхронным звуком. Четырёхшаговая схема сокращает число вычислений трансформера по сравнению с 50-шаговой базовой моделью. Поддерживается плотное внимание по умолчанию и разреженное блочное внимание VSA для дополнительного ускорения. Это незавершённый preview-чекпойнт на 2900-м шаге из запланированных 4000, поэтому качество ниже базовой модели, особенно в деталях движения и звука. Модель обучена для конкретной четырёхшаговой последовательности таймстепов; другие сетки могут ухудшить результат. Она наследует ограничения и условия использования MiniMax-H3; в метаданных указана лицензия other, а точные условия следует сверять с карточкой базовой модели и репозитория.