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

Fenn Photo — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec и основанная на Stable Diffusion. Карточка содержит пример промпта для создания студийного макрофото фигурки персонажа Rinoa Heartilly; теги также указывают на реалистичный и кинематографичный стиль. Модель предназначена для создания изображений по англоязычным промптам. Она распространяется в форматах Diffusers и Safetensors по лицензии CreativeML OpenRAIL-M. Карточка не сообщает о размере модели, длине контекста или специальных ограничениях применения.

andro-flock/Flat-2D-Animerge-v4-5-sharp — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная пользователем andro-flock. По сравнению с версией v4.0 она рассчитана на более чёткое и чистое изображение, лучшее следование запросу и повышенную насыщенность цветов. Модель предназначена для создания стилизованных плоских 2D-аниме-иллюстраций по текстовым промптам. Репозиторий содержит веса в форматах Diffusers и safetensors; для работы используется библиотека Diffusers. Лицензия — CreativeML OpenRAIL-M. Данных о размере модели, контексте или поддерживаемых языках карточка не приводит.

FLUX.1-dev-ControlNet-Union-Pro — унифицированная модель ControlNet для генерации изображений по текстовому описанию на базе FLUX.1-dev. Она совместно разработана исследовательской командой InstantX и Shakker Labs; обучение спонсировала Shakker AI. Модель предназначена для управляемой генерации и редактирования изображений в связке с библиотекой Diffusers и базовой моделью black-forest-labs/FLUX.1-dev. Модель поддерживает семь режимов управления: контуры Canny, tile, глубину, размытие, позу, оттенки серого и низкое качество изображения. Режимы позволяют задавать структуру, композицию, глубину, позу или другие свойства результата с помощью контрольных изображений; несколько ControlNet можно использовать совместно. Рекомендуемый диапазон controlnet_conditioning_scale составляет 0,3–0,8. В карточке указаны английский язык и конвейер text-to-image, однако сведения о размере модели, максимальной длине контекста и точных архитектурных характеристиках отсутствуют. Это Pro-версия FLUX.1-dev-Controlnet-Union, обученная на большем числе шагов и наборе данных. Сильные стороны модели — объединение нескольких режимов управления в одном чекпойнте и возможность комбинировать их с другими ControlNet. Для использования требуется версия Diffusers из исходного кода, поскольку необходимая поддержка не включена в актуальный опубликованный релиз. Лицензия указана как flux-1-dev-non-commercial-license; модель предназначена для некоммерческого использования на условиях этой лицензии.

DFloat11/FLUX.1-schnell-DF11 — это lossless-сжатая версия модели для генерации изображений по текстовому описанию black-forest-labs/FLUX.1-schnell. Модель использует формат DFloat11, разработанный командой LeanModels, и предназначена для инференса через diffusers и FluxPipeline. Ключевая особенность модели — сжатие весов BFloat16 с помощью Huffman-кодирования экспонент и аппаратно-ориентированной распаковки непосредственно на GPU. Сжатые веса занимают примерно 70% исходного размера и снижают потребление памяти GPU приблизительно на 30%, при этом результаты вычислений заявлены как побитово идентичные исходной модели BFloat16. Распаковка выполняется по мере необходимости перед матричными умножениями, без передачи данных на CPU. Модель подходит для генерации изображений в условиях ограниченной GPU-памяти и для сценариев, где важно сохранить точность исходной FLUX.1-schnell. В README приведён пример с четырьмя шагами инференса, guidance_scale 0.0 и максимальной длиной последовательности 256 токенов. Для работы требуются PyTorch, CUDA-совместимая видеокарта и пакет DFloat11 с соответствующим CUDA-ядром. Ограничения включают зависимость от CUDA и специфической инфраструктуры DFloat11; сведения о поддерживаемых языках, точном размере архитектуры и лицензии в README не указаны.

QuantStack/FLUX.2-Klein-9B-KV-GGUF — это квантованный GGUF-файл, представляющий прямую конверсию модели FLUX.2-klein-9b-kv, разработанной Black Forest Labs. Модель предназначена для генерации и редактирования изображений, а в карточке указана совместимость с image-to-image сценариями. Для запуска предлагается использовать ComfyUI с пользовательским узлом ComfyUI-GGUF; файлы модели размещаются в каталоге ComfyUI/models/unet. Известно, что модель основана на варианте FLUX.2 klein с размером 9B параметров и поддерживает квантованный формат GGUF. В README не указаны точная архитектура, используемый метод квантования, максимальный контекст, перечень поддерживаемых модальностей помимо задач с изображениями или дополнительные языки; из метаданных явно указан только английский язык. Для модели заявлены KV Cache и исправление, не ограничивающее возможности редактирования, а также готовый workflow для ComfyUI. Модель может быть удобна для локального использования и интеграции в ComfyUI, однако квантование может влиять на качество и требования к ресурсам по сравнению с исходной версией. Условия использования определяются лицензией FLUX Non-Commercial License; все исходные лицензионные ограничения и ограничения на использование сохраняются. Разработчик конверсии в README явно не назван, а исходная модель принадлежит Black Forest Labs.

Realism_Engine_V2 — адаптер LoRA для генерации изображений по текстовому описанию, разработанный Keltezaa. Модель предназначена для использования с базовой моделью black-forest-labs/FLUX.2-klein-base-9B и ориентирована на задачи text-to-image, в частности на получение более реалистичных изображений. Указана совместимость с экосистемой Diffusers. В карточке не приведены сведения о точной архитектуре адаптера, размере файла, поддерживаемых языках, размере контекстного окна, конкретных параметрах обучения или результатах тестирования. Поэтому сильные стороны можно определить только по заявленной специализации на реалистичной генерации, а ограничения связаны с необходимостью использовать совместимую базовую модель и отсутствием подробной технической документации. Распространение модели регулируется лицензией CC BY-NC-ND 4.0, которая предусматривает некоммерческое использование и ограничения на создание производных работ.

Модель raulc0399/flux_dev_openpose_controlnet — это обученный для FLUX.1-dev модуль ControlNet, который использует позу OpenPose, чтобы направлять генерацию изображений по текстовому описанию. Разработчик указал, что обучение спонсировала Oxen.ai; модель представлена в формате safetensors и рассчитана на работу с FLUX.1-dev. Модель подходит для создания изображений с заданной позой человека: например, чтобы разместить персонажа в сцене и сохранить положение тела, заданное OpenPose. Карточка показывает примеры генерации по текстовым запросам, но не сообщает размер модели, длину контекста или конкретную лицензию; в метаданных лицензия обозначена как other.

Eviation/flux-imatrix — набор экспериментальных GGUF-квантизованных вариантов модели FLUX.1-dev, разработанной Black Forest Labs. Модель предназначена для генерации изображений по текстовому описанию и запуска в совместимых средах, включая ComfyUI-GGUF и, в зависимости от варианта, stable-diffusion.cpp на CPU, CUDA или Vulkan. В репозитории представлены динамически квантизованные версии с форматами IQ, TQ и Q, размерами примерно от 2,41 до 5,05 ГБ; квантизация выполнена с использованием importance matrix для снижения размера и требований к ресурсам при сохранении качества насколько это возможно. Ключевые характеристики исходной архитектуры, число параметров, поддерживаемые языки и максимальный контекст в README не указаны. Доступны разные уровни квантизации, что позволяет выбирать компромисс между размером файла, скоростью и качеством генерации. По приведённой оценке некоторые варианты дают приемлемые результаты, тогда как наиболее агрессивно сжатые версии могут заметно ухудшать качество; автор отдельно предупреждает, что элементы набора могут быть неисправными или экспериментальными. Модель распространяется по лицензии flux-1-dev-non-commercial-license, обозначенной как other, поэтому перед использованием необходимо учитывать ограничения этой лицензии. Совместимость с Forge в README указана как неопределённая.

G4-31B-Musica-v1 — дообученная AuriAetherwiing мультимодальная модель на базе Google Gemma 4 31B IT, предназначенная для ролевых диалогов, написания историй и общения. Она использует архитектуру Gemma4 и принимает текст и изображения; основной сценарий карточки — генерация ответов в разговорном формате. README описывает настройку для следования инструкциям, генерации историй и ролевых сценариев, а также поддержку режимов с рассуждением и без него. Автор отмечает хорошую управляемость модели и разнообразие вариантов ответа. Иногда модель может пропускать рассуждение, даже если оно включено; по наблюдению автора, повторная генерация обычно помогает. Модель выпущена в формате safetensors под лицензией Apache-2.0. В README указан LoRA-вариант, однако эта карточка описывает дообученную модель, а не отдельный адаптер.

Alsebay/Gemma2-9B-KuwaNovelist-v3 — дообученная модель Gemma 2, созданная автором карточки с помощью Unsloth на основе lemon07r/Gemma-2-Ataraxy-v4d-9B. Она предназначена для генерации художественного текста и диалогов, в частности ролевых сцен на английском языке; третья версия исправляет проблему, при которой модель говорила за пользователя. Модель имеет плотную архитектуру Gemma2ForCausalLM с 9 млрд параметров, принимает текст и выдаёт текст. Контекст — до 8192 токенов. В метаданных указан английский язык; автор отдельно отмечает попытку адаптировать стиль к родным языкам, но не уточняет, каким именно. Автор отмечает, что ответы стали длиннее, чем в предыдущих версиях, а английская ролевая игра работает приемлемо. Среди ограничений — ответы всё ещё могут быть короткими; стиль и грамматика на целевых родных языках недостаточно качественны, а ответы на вьетнамском, китайском и японском могут быть короткими из-за особенностей обучающих данных. Лицензия — Gemma.

Genesis — модель генерации изображений по текстовому описанию, созданная автором Yntec для изображений в стиле пиксельной графики и ретро-игр эпохи Mega Drive. Модель рассчитана на создание игровых сцен с интерфейсом, а также ретро-иллюстраций и других изображений в винтажной стилистике. Genesis собрана слиянием ReVAnimated, RetroRetro и LoRA GenesisGameplayV1; RetroRetro включает RetroDiffusion и DucHaitenRetro. При создании использована VAE RetroDiffusion. Модель распространяется в формате Diffusers с весами Safetensors. В README указана лицензия Public Domain Mark 1.0; в метаданных лицензия обозначена как other.

Genuine — модель генерации изображений по тексту, созданная автором Yntec как смесь Generate Me! и nuipenimix v1. Она предназначена для создания стилизованных изображений и дизайна персонажей; примеры демонстрируют милых персонажей в эстетике аниме, чиби, манги и иллюстрации, а также изображения с фотореалистичными деталями. Модель использует Stable Diffusion и распространяется в формате Diffusers с файлами Safetensors; доступна версия со встроенным VAE MoistmixV2. Модель принимает текстовые промпты и выдаёт изображения. В репозитории указана лицензия CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

Модель karanjaxyz/gikuyu-asr-v0 — дообученная на наборе karanjaxyz/kikuyu-asr-data модель OpenAI Whisper Small для автоматического распознавания речи на кикуйю. Она принимает аудио и генерирует текстовую транскрипцию. В карточке указаны результаты оценки: WER 32,86 и CER 10,47; описание не содержит подробностей о сценариях применения или условиях записи, использованных при оценке. Модель построена на архитектуре Whisper и опубликована в формате safetensors для Transformers. Лицензия — Apache-2.0.

Goetia 24B v1.2 — текстовая генеративная модель, созданная Naphula путём слияния 18 дообученных моделей с помощью mergekit и метода Karcher. Она предназначена прежде всего для ролевого общения, художественного письма и создания историй, сцен и сюжетов разных жанров. Модель построена на архитектуре Mistral с 23,4 млрд параметров; метаданные указывают контекст до 131 072 токенов. README рекомендует использовать шаблон чата Mistral Tekken. Модель рассчитана на генерацию текста на английском языке и ориентирована на творческие сценарии, в том числе прозу с яркими описаниями. В карточке отдельно предупреждают, что ответы могут содержать насилие и откровенный эротический контент. Модель распространяется под лицензией Apache-2.0.

wFercho/gpt-neo-fantasy-scripts — языковая модель семейства GPT-Neo, дообученная разработчиком wFercho для генерации текста в жанре фэнтези и сценариев. Она содержит 137,7 млн параметров, использует архитектуру GPTNeoForCausalLM и принимает текст, продолжая его сгенерированным текстом. Контекст составляет до 2048 токенов. Модель предназначена для создания фэнтезийных текстов и сценарных заготовок. Репозиторий предоставляет веса в формате safetensors. Лицензия — MIT. README не содержит сведений о данных обучения, оценке качества или конкретных ограничениях.

Карточка модели Rqwannn/grounded-segmentation на Hugging Face совпадает с карточкой facebook/sam3.1, поэтому описание составлено по ней. SAM 3.1 — модель Meta для сегментации объектов по запросам в изображениях и видео. Она находит и выделяет масками экземпляры объектов по текстовому описанию или визуальным подсказкам: точкам, рамкам и маскам. Модель поддерживает сегментацию всех экземпляров заданного понятия из открытого словаря и отслеживание объектов в видео. SAM 3.1 развивает SAM 3 за счёт Object Multiplex — совместного отслеживания нескольких объектов с общей памятью. По данным карточки, это ускоряет инференс примерно в семь раз при отслеживании 128 объектов на одном GPU H100 без потери точности; также улучшены результаты на шести из семи бенчмарков VOS. Репозиторий содержит чекпойнты PyTorch, но не включает интеграцию с Transformers; инструкции по установке и использованию размещены в репозитории SAM 3 на GitHub. Указана лицензия other.

Hanames-90B-L3.1 — экспериментальная разговорная модель, созданная автором карточки слиянием Hermes 3 и Hanami-x1 на базе Llama 3.1. Веса объединены методом stack merge с небольшим применением SLERP; дополнительного предварительного обучения не проводилось. Модель содержит 90,9 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors. Заявленная длина контекста — 131 072 токена. Модель предназначена прежде всего для ролевых диалогов и творческого письма. Она работает с текстом и использует шаблон чата ChatML; метаданные также отмечают интерфейс вызова инструментов. Автор описывает её как необычную и интересную для экспериментов, но предупреждает, что слияние может ухудшать сложные логические рассуждения и вызывать неожиданные ошибки и странное поведение. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

HiDream-I1-Dev-gguf — это прямое преобразование модели HiDream-I1-Dev в формат GGUF, выполненное пользователем city96. Базовая модель разработана HiDream.ai и предназначена для генерации изображений по текстовому описанию; в карточке указана модальность text-to-image и английский язык. Размер, архитектура, максимальная длина контекста и другие внутренние характеристики в README не указаны. Модель рассчитана на использование в ComfyUI через пользовательский узел ComfyUI-GGUF. Для работы могут потребоваться VAE и дополнительные файлы из отдельного репозитория Comfy-Org/HiDream-I1_ComfyUI, поэтому конфигурация требует совместимой среды и корректно установленных компонентов. Формат GGUF предоставляет варианты квантования, однако конкретный тип квантования для данного набора файлов не указан, как не приведены и результаты тестов качества или производительности. Лицензия модели — MIT.

HiDream-I1-Fast-gguf — это конвертированная в формат GGUF версия модели HiDream-ai/HiDream-I1-Fast. Конвертацию выполнил city96. Модель предназначена для генерации изображений по текстовому описанию и относится к pipeline text-to-image. В качестве основного сценария использования указана работа через ComfyUI с пользовательским узлом ComfyUI-GGUF. В README не указаны архитектура, количество параметров, размер контекста, поддерживаемые модальности и точный набор языков. В метаданных заявлен английский язык, однако это не является подробным описанием языковых возможностей модели. Формат GGUF и доступность различных вариантов квантования могут упростить запуск и снизить требования к ресурсам, но потенциально влияют на качество генерации в зависимости от выбранного варианта. Для работы требуются файлы модели, ComfyUI и соответствующий пользовательский узел; дополнительные компоненты, включая VAE, необходимо загрузить отдельно из репозитория Comfy-Org/HiDream-I1_ComfyUI. Модель распространяется по лицензии MIT. README не содержит подробных сведений о сильных сторонах, ограничениях качества и аппаратных требованиях.

Карточка модели Gromiasty/Hunyuan3D-2 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2, поэтому описание составлено по ней. Hunyuan3D 2.0 — система генерации 3D-объектов, разработанная Tencent. Репозиторий содержит модели из проекта, описанного в статье Hunyuan3D 2.0: Scaling Diffusion Models for High Resolution Textured 3D Assets Generation. Основной сценарий — создание 3D-геометрии по изображению с последующим синтезом текстур; отдельная модель текстурирования также предназначена для работы с готовыми мешами. Система использует двухэтапный конвейер: Hunyuan3D-DiT строит форму объекта на основе flow-based diffusion transformer, а Hunyuan3D-Paint синтезирует карты текстур с опорой на геометрию. Заявлены генерация высокодетализированных текстурированных объектов и соответствие исходному изображению. Метаданные указывают поддержку английского и китайского языков, но не уточняют их роль в основном image-to-3d сценарии. Для запуска доступны веса в форматах PyTorch и safetensors; README также описывает API, совместимый по стилю с Diffusers, и интерфейс Gradio. Лицензия указана как other, поэтому условия использования следует сверять с файлами лицензии репозитория. Количество параметров и длина контекста для этой модели не применимы к описанному визуально-3D конвейеру.

Карточка модели apakutya111/Hunyuan3D-2.1 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2.1, поэтому описание составлено по ней. Hunyuan3D-2.1 — модель Tencent для создания 3D-объектов по входному изображению. Она предназначена для преобразования изображения в трёхмерный объект, например для подготовки ассетов в графике и 3D-производстве. Модель доступна в форматах PyTorch и Safetensors и связана с библиотекой hunyuan3d-2. В карточке Hugging Face указаны поддержка английского и китайского языков и лицензия other. Сведения о конкретных архитектуре, размере модели, контекстном окне и ограничениях качества не приведены.

Карточка модели kikogghg/Hunyuan3D-2.1 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2.1, поэтому описание составлено по ней. Hunyuan3D-2.1 — модель Tencent для создания 3D-объектов по входному изображению. Она предназначена для преобразования изображения в трёхмерный объект, например для подготовки ассетов в графике и 3D-производстве. Модель доступна в форматах PyTorch и Safetensors и связана с библиотекой hunyuan3d-2. В карточке Hugging Face указаны поддержка английского и китайского языков и лицензия other. Сведения о конкретных архитектуре, размере модели, контекстном окне и ограничениях качества не приведены.

Fediory/HVI-CIDNet-LOLv1-wperc — реализация модели HVI-CIDNet из работы «HVI: A New Color Space for Low-light Image Enhancement». Модель предназначена для улучшения изображений, снятых при слабом освещении, и работает в режиме image-to-image. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — MIT. Карточка связывает модель с исследовательской работой, но не указывает размер, архитектурные детали или ограничения качества.

Hyper-SD — семейство методов и чекпойнтов для ускорения диффузионной генерации изображений, разработанное ByteDance. Модель основана на дистилляции и представлена в виде LoRA-чекпойнтов и отдельного UNet-чекпойнта, совместимых с различными базовыми моделями: FLUX.1-dev, Stable Diffusion 3 Medium, SDXL Base 1.0 и Stable Diffusion 1.5. Hyper-SD предназначена прежде всего для задач text-to-image и позволяет получать изображения за небольшое число шагов инференса: доступны варианты на 1, 4, 8, 12 и 16 шагов в зависимости от базовой модели и конфигурации. Решение поддерживает работу с Diffusers и ComfyUI, а также заявляет совместимость с различными базовыми моделями и ControlNet. Для FLUX.1-dev доступны LoRA-варианты на 8 и 16 шагов; для SDXL представлен также одноступенчатый UNet-чекпойнт. Ключевое преимущество Hyper-SD — существенное сокращение числа шагов генерации по сравнению с обычным инференсом диффузионных моделей при сохранении применимости к популярным семействам моделей. Ограничения связаны с необходимостью использовать совместимую базовую модель, корректно подбирать число шагов, guidance scale и масштаб LoRA, а для FLUX.1-dev — иметь доступ к закрытому базовому репозиторию. В README лицензия Hyper-SD не указана; условия лицензирования базовых моделей необходимо проверять отдельно.

Ice0.64-24.01-RP — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из RolePlayLake-7B и Ice0.60-18.01-RP. В метаданных указаны 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors; веса объединения подготовлены в bfloat16. Модель предназначена для генерации текста в сценариях ролевого общения и продолжения диалога. Для работы требуется среда Transformers. Карточка не сообщает лицензию, поэтому условия использования по имеющимся сведениям определить нельзя.

Ideogram 4 — открытая модель генерации изображений по тексту от Ideogram, выпущенная в виде конвертации bf16 для Diffusers. Базовая модель обучена с нуля и не является дообучением существующего чекпойнта. Это flow-matching модель на архитектуре Diffusion Transformer с единственным потоком из 34 слоёв; для понимания запросов используется Qwen3-VL-8B-Instruct, признаки которого извлекаются из 13 промежуточных слоёв. Репозиторий содержит веса в формате Diffusers и safetensors. Модель предназначена для создания изображений по запросам с управлением композицией, стилем, освещением, цветовой палитрой и размещением объектов. Поддерживает генерацию текста внутри изображений, включая вывески, логотипы и подписи, а также управление раскладкой через координаты ограничивающих рамок и указание цветов в HEX. Заявлена работа с разрешениями от 256 до 2048 пикселей и разными соотношениями сторон; модель ориентирована на многоязычные запросы и дизайн-сценарии. По заявлению разработчика, модель показывает высокое качество типографики и генерации изображений, однако приведённые в карточке результаты основаны на оценках и бенчмарках, описанных самим разработчиком. Лицензия указана как other; README описывает варианты Ideogram 4 как распространяемые по некоммерческой лицензии, поэтому перед использованием следует проверить условия лицензии именно этой конвертации.

Карточка модели gradients-io-tournaments/ideogram-4-fp8 на Hugging Face совпадает с карточкой ideogram-ai/ideogram-4-fp8, поэтому описание составлено по ней. Ideogram 4 FP8 — вариант открытых весов модели генерации изображений по тексту, разработанный Ideogram. Это модель, обученная с нуля, а не дообучение существующего чекпойнта. Она использует flow matching и одно-поточную архитектуру Diffusion Transformer с 34 слоями; в текстовом энкодере применяется Qwen3-VL-8B-Instruct, признаки которого извлекаются из 13 промежуточных слоёв. Модель предназначена для создания изображений по текстовым описаниям, особенно для графического дизайна и задач, где важны надписи внутри изображения. Структурированные JSON-подсказки позволяют задавать композицию, стиль, освещение, палитру и расположение элементов через координаты ограничивающих рамок. Поддерживаются разрешения от 256 до 2048 пикселей, кратные 16, и соотношения сторон до 6:1. Заявлена поддержка многоязычного рендеринга текста. Вариант fp8 содержит 9,3 млрд параметров и использует квантизацию FP8; модель поставляется в форматах Diffusers и safetensors. В README для этого варианта указана лицензия Ideogram 4 Non-Commercial, а метаданные Hugging Face обозначают лицензию как other. README сообщает, что Diffusers не поддерживает этот вариант напрямую. Для фильтрации запросов и результатов в описанном процессе используется Hive.

calcuis/illustrious — это набор квантованных в формате GGUF и масштабированных FP8 версий модели Illustrious-XL, основанной на OnomaAIResearch/Illustrious-xl-early-release-v0. Модель предназначена для генерации изображений по текстовому описанию и ориентирована на использование в ComfyUI, в том числе с gguf-node. Доступны варианты GGUF с разными уровнями квантования, включая q4_0 и q8_0, а также версии, полученные из FP8- и BF16-весов. Для работы требуются соответствующие текстовые энкодеры, включая illustrious_g_clip и illustrious_l_clip, а также VAE-декодер. README указывает на поддержку запуска на устаревших видеокартах и режимов low VRAM, однако фактическая производительность зависит от конкретной конфигурации и варианта модели. Модель подходит для создания детализированных, стилизованных и преимущественно аниме-ориентированных изображений; в примерах используются портреты, персонажи и кинематографическое освещение. Ограничения включают необходимость использования тегов или ключевых слов для более точного управления результатом, особенно при работе с ранними версиями, а также различия в скорости загрузки и качестве между вариантами квантования. В карточке указана лицензия Apache-2.0; разработчиком набора указан calcuis, а исходная модель связана с OnomaAIResearch.

InstantMesh — модель TencentARC для быстрого создания 3D-сеток по одному изображению. Она использует feed-forward подход, объединяющий готовую модель многовидовой диффузии и модель реконструкции по разреженным ракурсам на основе архитектуры LRM. Модель предназначена для генерации 3D-объектов из одиночного изображения и создания ассетов для исследовательских и творческих проектов. Авторы заявляют, что генерация занимает менее 10 секунд; система также использует дифференцируемое извлечение изоповерхности и напрямую оптимизирует представление сетки. В карточке указаны формат PyTorch и лицензия Apache-2.0.

unsloth/InternVL3-78B-Instruct-GGUF — GGUF-квантизированная версия мультимодальной модели InternVL3-78B-Instruct, разработанной командой OpenGVLab и подготовленной Unsloth. Это SFT-версия, прошедшая нативное мультимодальное предварительное обучение и дообучение, но не прошедшая MPO. Модель предназначена для задач, объединяющих работу с текстом и изображениями: мультимодального восприятия и рассуждений, анализа промышленных изображений, восприятия 3D-сцен, использования инструментов и создания GUI-агентов. Архитектура построена по схеме ViT-MLP-LLM и включает визуальную часть InternViT-6B-448px-V2_5 и языковую часть Qwen2.5-72B. Заявлена поддержка мультиязычных сценариев, однако конкретный список языков и размер контекстного окна в README не указаны. К сильным сторонам относятся крупная языковая модель, мультимодальное предварительное обучение и расширенные возможности визуального восприятия и рассуждений. Ограничения связаны с тем, что это именно SFT-версия без MPO; авторы рекомендуют при выборе использовать базовую версию InternVL3-78B, если преимущества SFT-редакции не требуются. Модель распространяется по лицензии, обозначенной как other, с указанием лицензии Qwen и ссылкой на её текст; точные условия следует проверять в лицензии Qwen2.5-72B-Instruct.