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

Pygmalion-2-13b-SuperCOT2 — объединённая модель на базе Pygmalion 2 13B с LoRA Ausboss Llama2 SuperCOT2, слитой с весом 1. Её подготовили для повышения возможностей Pygmalion в текстовой генерации, в частности в интерактивных текстовых приключениях и ролевых сценариях; карточка приводит формат запуска игры с описанием сцены и тремя вариантами действий на каждом ходу. Модель имеет плотную архитектуру Llama, около 12,9 млрд параметров, принимает текст и генерирует текст. Карточка и метаданные указывают английский язык и контекст 4096 токенов. Модель не предназначена для предоставления фактической информации или советов и может воспроизводить предубеждения, характерные для ролевых форумов, а также унаследованные от базовой модели. Доступна по лицензии Llama 2.

QAmembert — модель CATIE-AQ для ответов на вопросы по текстовому контексту на французском языке. Это CamemBERT base, дообученная на объединённом наборе frenchQA из более чем 221 тысяч пар контекстов, вопросов и ответов. Данные включают примеры, где ответ содержится в контексте, и примеры без ответа в контексте, поэтому модель может возвращать отсутствие ответа. Модель построена на архитектуре CamemBERT и содержит 137,8 млн параметров. Она предназначена для извлечения ответа из предоставленного текста, например, для вопросов по документам или статьям. В карточке приведены результаты оценки на французских наборах FQuaD, qwant/squadfr и frenchQA; контекст — до 514 токенов. Модель распространяется под лицензией MIT. Она рассчитана на французский язык и на вопросы, связанные с переданным контекстом; качество на других языках и вне подобных сценариев не подтверждено.

FutureMa/Qwen3-8B-Drama-Thinking — диалоговая языковая модель для разработки драматических сценариев, созданная FutureMa полным дообучением Qwen/Qwen3-8B на 6 319 примерах продолжения сценариев. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. В карточке указаны английский и китайский языки; модель работает с текстом и предназначена для генерации диалогов и сценарных фрагментов. Модель специализируется на сценарной разработке с видимыми рассуждениями: анализирует мотивацию персонажей, планирует трёхактную структуру и эмоциональные дуги, предлагает визуальные и атмосферные решения и форматирует текст как сценарий. Она подходит для генерации идей, планов и черновиков драматических сцен, а также для обучения сценарному мастерству. Выводы могут быть многословными: рассуждения занимают значительную часть ответа, из-за чего модель не всегда успевает завершить сцену в заданном лимите токенов. Диалоги могут требовать редактирования, а обучение на эмоционально интенсивной драме ограничивает применимость к комедии, экшену и сдержанным реалистичным сюжетам. Лицензия — Apache-2.0.

Qwen3.8-Queen-27B — дообученная мультимодальная модель на базе Qwen/Qwen3.8-27B от автора репозитория aifeifei798. Она предназначена прежде всего для ролевых диалогов, создания художественных текстов и повествовательной симуляции с устойчивым образом персонажа, включая мрачные и напряжённые сюжеты. Карточка также заявляет сохранение возможностей базовой модели в логических задачах, программировании и работе с изображениями и видео. Модель использует плотную архитектуру Qwen3.5 для генерации текста и анализа изображений; в репозитории указаны веса safetensors и библиотека Transformers. В README заявлены 27 млрд параметров и контекст 262 144 токена с возможностью расширения до 1 000 000 токенов. Основной язык не определён; карточка не перечисляет языки обучения или поддержки. Автор описывает модель как вариант с ослабленными ограничениями и высокой верностью заданной персоне; это может приводить к созданию откровенного или жестокого вымышленного контента. Заявления карточки о качестве рассуждений и творческого письма не сопровождаются результатами оценок. Лицензия — Apache-2.0.

AndriLawrence разработал англоязычную донастройку Qwen2.5-3B-Instruct для диалогов игровых персонажей и VR-компаньонов. Модель принимает структурированный JSON с контекстом события, например сведениями об окружении, отношениях и настроении, и генерирует JSON с репликами персонажа, меткой намерения из заданного набора и микропланом действий. Её можно использовать как единый генератор или на первом этапе двухэтапной системы, где отдельная модель затем оформляет реплики в нужной персоне. Это плотная причинная языковая модель семейства Qwen2 с 3,1 млрд параметров и контекстом 32 768 токенов. Доступны PEFT LoRA-адаптер, объединённая версия FP16 и варианты GGUF; метаданные указывают библиотеку Transformers. Версия v2 описана как более стабильная в форматировании JSON, точнее согласующая метки намерений и последовательнее сохраняющая тон персонажа. Модель предназначена для англоязычных сценариев. Карточка указывает лицензию «other», но не раскрывает её условия, поэтому перед использованием следует проверить полную лицензию репозитория. Генерация структурированного JSON и соответствие намерения контексту зависят от промпта и входных данных.

Qwen3-VL-8B-Instruct-abliterated-v2.0 — дообученная мультимодальная модель на архитектуре Qwen3-VL-8B-Instruct, представленная prithivMLmods. Она принимает изображения и текстовые инструкции и формирует текстовые описания и рассуждения по визуальному содержимому. Модель рассчитана на детальное описание обычных, художественных, технических, абстрактных и чувствительных изображений, включая изображения с нестандартными пропорциями и низким контекстом. Модель ориентирована на генерацию развернутых подписей, визуальную интерпретацию и исследовательские сценарии, связанные с анализом контента и проверкой безопасности. Версия abliterated настроена на ответы без обычных ограничений контентных фильтров; основной язык вывода — английский, также заявлена адаптация к другим языкам через инструкции. Репозиторий использует Transformers и формат safetensors; лицензия — Apache-2.0. Модель может выдавать откровенный, чувствительный или оскорбительный текст в зависимости от запроса и изображения. Она не подходит для сценариев, где необходима строгая фильтрация контента; глубина и стиль ответов меняются в зависимости от формулировки запроса и сложности изображения, а качество на синтетических и сильно абстрактных изображениях может быть нестабильным.

QwQ-32B-ArliAI-RpR-v4 — языковая модель на 32 млрд параметров, разработанная ArliAI путём дообучения Qwen/QwQ-32B. Она предназначена для ролевых диалогов и творческого письма: обучающие данные RpR основаны на курируемом наборе RPMax и дополнены рассуждениями, чтобы поддерживать связность в длинных многоходовых беседах. Модель использует архитектуру Qwen2 для генерации текста, поддерживает контекст до 40 960 токенов и рассчитана прежде всего на англоязычные сценарии. В версии v4 авторы применили дополнительную фильтрацию примеров, чтобы уменьшить повторения и присвоение реплик пользователя персонажу. При этом в README отмечено, что повторы внутри одной беседы всё ещё возможны. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

QwQ-32B-Snowdrop-v0 — языковая модель на архитектуре Qwen2, созданная trashpanda-org слиянием TIES. В слияние вошли Qwen/Qwen2.5-32B, Qwen/QwQ-32B и две версии Qwen2.5-32B-Marigold от trashpanda-org. Модель содержит 32 млрд параметров, работает через Transformers и имеет контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов, особенно для ролевых сценариев, художественного повествования и задач, где полезны пошаговые рассуждения. В карточке отмечены следование описаниям персонажей и сценария, разнообразие прозы и использование сведений из lorebook. Рекомендуется шаблон ChatML; автор карточки приводит настройки сэмплирования, но они могут требовать подбора под конкретный сценарий. Отзывы указывают на возможные отклонения от заданного характера, bland-ответы и редкие случаи, когда модель говорит от лица пользователя. Это наблюдения пользователей, а не формальные результаты оценки. Лицензия в предоставленных данных не указана.

Raehoshi illust XL 2 — диффузионная модель генерации изображений по текстовому описанию, разработанная Raelina и дообученная на Illustrious XL v0.1. Она предназначена для создания иллюстраций в стиле, ориентированном на теги booru; для составления запросов рекомендуется использовать соответствующие теги и описания сцены. По карточке, эта версия уменьшает перенасыщенность цветов и шумовые артефакты исходной модели, хотя полностью их не устраняет. README рекомендует CFG 5–6, 28 шагов сэмплирования и sampler Euler a; также приведены настройки Hires.fix для увеличения изображения. Модель опубликована в форматах Diffusers и Safetensors. Лицензия — Fair AI Public License 1.0-SD.

Raena XL — диффузионная модель Raelina для генерации изображений в стиле 2D-аниме по текстовым запросам. Модель основана на Stable Diffusion XL и создана путём слияния Animagine XL 3.1 с RealCartoonXL V6, а затем с Anything XL; метаданные Hugging Face указывают Animagine XL 3.1 как базовую модель. Модель предназначена для создания иллюстраций в эстетике аниме. В README приведены рекомендуемые настройки промптов, генерация при нескольких соотношениях сторон и параметры для увеличения разрешения через Hires.fix. Указанная лицензия — Fair AI Public License 1.0-SD.

Rei-24B-KTO — текстовая модель Delta-Vector для ролевого общения и творческого письма. Она основана на Rei-24B-Base и обучена в два этапа: SFT на наборе PaintedFantasy для стилизованной прозы и персонажей, затем KTO для повышения связности ответов и следования инструкциям. Модель использует плотную архитектуру Mistral с 23,4 млрд параметров, поддерживает контекст до 131072 токенов и предназначена для диалоговой генерации текста. Модель ориентирована на ролевые сценарии и художественную прозу, включая персонажей в аниме- и фэнтези-стилистике; разработчик также отмечает способность следовать инструкциям и сохранять связность. В README указано, что доступны сторонние квантованные версии GGUF и EXL3, но этот репозиторий содержит веса Safetensors. Условия лицензии в предоставленных данных не описаны.

RobustSAM ViT-Huge — вариант Segment Anything Model, разработанный авторами проекта RobustSAM для сегментации изображений с ухудшенным качеством. Модель сохраняет поддержку запросов и сегментацию без специального обучения на каждом изображении, повышая устойчивость SAM к деградациям изображения. Карточка описывает архитектуру ViT-Huge с кодировщиком изображения, кодировщиком подсказок и декодером масок; веса опубликованы в формате safetensors и доступны по лицензии MIT. Модель принимает изображение и может строить маски по точкам, ограничивающим рамкам или маске-подсказке. Также она поддерживает автоматическую генерацию масок без пользовательской подсказки, используя сетку точек. Текстовые подсказки официальной реализацией не поддерживаются. Авторы сообщают об улучшении сегментации на изображениях низкого качества и о пользе для последующих задач устранения дымки и размытия.

Это порт модели SAM 2.1 Hiera Base Plus, подготовленный zeromodels в формате Keras 3. Модель использует backbone Hiera с FPN neck и выполняет сегментацию изображений по визуальным подсказкам: точкам и, при соответствующей настройке, рамкам. Реализация работает с TensorFlow, PyTorch и JAX. Модель предназначена для выделения объектов на одном изображении по заданным подсказкам. В этом порте доступен только путь обработки изображений: память видео и перенос масок между кадрами не поддерживаются. Лицензия — Apache 2.0.

SamaritanDoesArt — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec и рассчитанная на художественные стили, включая аниме и мультяшную 3D-эстетику. Автор описывает её как смесь SamDoesArtUltimerge и Samaritan 3D Cartoon v2; в репозитории доступны веса Diffusers в формате Safetensors. Модель принимает текстовые запросы и создаёт изображения. В карточке приведён пример запроса для генерации изображения в стиле чиби. Модель распространяется по лицензии CreativeML OpenRAIL-M. README не сообщает размер модели, длину контекста или систематические результаты оценки качества.

Sapphira-L3.3-70b-0.1 — объединённая языковая модель BruhzWater для связного сторителлинга и ролевых диалогов. Она построена на архитектуре Llama и предназначена для генерации текста в формате чата. Модель содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. При слиянии методом Multi-SLERP использованы Apocrypha-L3.3-70b-0.3 и Serpents-Tongue-L3.3-70b-0.3; базовой моделью послужила deepcogito/cogito-v2-preview-llama-70B. В карточке приведены шаблоны Llama 3 и Deep Cogito, а также стартовые настройки генерации. Модель подходит для создания историй, ролевых сцен и продолжения диалогов. Качество и поведение обозначены как экспериментальные, поэтому результаты могут быть непоследовательными. Лицензия в предоставленных данных не указана.

refiners/sd15.controlnet.tile — модель ControlNet для Stable Diffusion 1.5, основанная на lllyasviel/control_v11f1e_sd15_tile. Она предназначена для управления генерацией и преобразования изображений с помощью структуры исходного изображения и тайлового контроля. Репозиторий использует библиотеку refiners и содержит веса в формате safetensors. Модель подходит для задач image-to-image, где требуется сохранить композицию и детали исходного изображения при генерации или улучшении изображения. Карточка указывает лицензию OpenRAIL. Метаданные не сообщают размер модели, длину контекста или конкретные ограничения качества.

Norod78/SD15-VinageStyle — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная пользователем Norod78. Она предназначена для создания изображений с винтажной эстетикой: в карточке приведены примеры портретов и фантастических сцен с подсказками Vintage style и Vintage. Примеры используют разрешение 512×512 и показывают запуск через Diffusers StableDiffusionPipeline; подходящие параметры генерации зависят от запроса и выбранных настроек. Модель распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. Карточка связывает её с набором подписей Norod78/vintage-blip-captions.

SegMoE-4x2-v0 — модель генерации изображений по текстовому описанию, разработанная Segmind; авторами указаны Yatharth Gupta и Vishnu Jaddipal. Это диффузионная смесь экспертов, созданная без обучения из четырёх дообученных моделей SDXL. Она рассчитана на создание изображений по промптам и объединяет знания нескольких экспертных моделей, чтобы улучшать соответствие запросу и визуальную точность. Модель распространяется в форматах Diffusers и Safetensors и использует библиотеку Diffusers. Модель может быть полезна для генерации иллюстраций и фотореалистичных изображений по текстовым запросам. Она не предназначена для достоверного изображения людей, событий и реальных фактов, а также для задач, требующих высокой точности. В README отмечены ограничения по скорости и расходу памяти; без обучения качество не обязательно существенно превосходит качество отдельных экспертных моделей. Лицензия — Apache 2.0.

Модель prithivMLmods/siglip2-x256p32-explicit-content — визуальный классификатор на архитектуре SiglipForImageClassification, дообученный на базе google/siglip2-base-patch32-256. Она относит изображение к одному из пяти классов: аниме, хентай, безопасное или обычное изображение, порнография, чувственный контент. Модель предназначена для модерации изображений, фильтрации медиатеки и разметки наборов данных. Классификатор может применяться для выявления откровенного и взрослого контента в социальных сетях и системах родительского контроля. В метаданных указаны библиотека Transformers и формат safetensors. Модель распространяется по лицензии Apache-2.0. Классификация ограничена пятью заданными категориями; карточка не сообщает метрики качества или порогов уверенности. Результаты следует проверять для целевого набора изображений, особенно для пограничных категорий вроде чувственного контента.

Silver-Sun-v2-11B — объединённая языковая модель от ABX-AI, созданная методом SLERP с помощью mergekit на основе ABX-AI/Solstice-FKL-v2-10.7B и Himitsui/Kaiju-11B. В карточке указано, что обновлённая версия использует вариант Fimbulvetr v2 в составе Solstice-FKL и исправляет конфигурацию предыдущей версии. Модель построена на архитектуре Llama с плотной causal language model, содержит 10,6 млрд параметров и имеет контекст 4096 токенов. Модель предназначена для генерации текста, прежде всего для художественного повествования, письма и ролевых сценариев. Автор отмечает поддержку шаблонов Alpaca и ChatML и особо выделяет возможности для откровенного контента и отсутствие цензуры. Для качества автор рекомендует использовать контекст 4K; вариант 8K предлагается с предварительно включённым в промпт контекстом 4K, но он не проверен. Модель распространяется под лицензией, обозначенной на Hugging Face как other; конкретные условия в предоставленных данных не раскрыты. Заявленные в README результаты OpenLLM Eval приведены с оговоркой: оценку GSM8K исключили из среднего из-за проблемы форматирования, поэтому сводный балл следует трактовать осторожно.

Sketch-Cydonia-24B-V1.3 — экспериментальная разговорная языковая модель Ateron, созданная слиянием Sketch-Cydonia-24B-V1.2 и Harbinger-24B методом TIES. Она предназначена для генерации текста и диалогов, особенно для ролевых игр и приключенческих сценариев; автор отмечает, что добавление Harbinger должно улучшить поведение в таких сценариях. Модель имеет плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Карточка указывает английский язык, библиотеку Transformers и формат весов safetensors. Репозиторий распространяется по лицензии Apache-2.0.

SlimSAM-50-uniform — сжатая версия Segment Anything Model (SAM), опубликованная в репозитории Hugging Face nielsr. Это обрезанная и дистиллированная модель семейства SAM на архитектуре ViT с кодировщиком изображений, кодировщиком подсказок и декодером масок. Она принимает изображение и подсказки в виде точек, ограничивающих рамок или маски и строит маски объектов; также поддерживается автоматическая сегментация изображения без пользовательской подсказки с помощью сетки точек. Модель предназначена для сегментации объектов, в том числе в сценариях с ограниченными вычислительными ресурсами. В карточке указано, что SlimSAM содержит 5,7 млн параметров и требует меньше вычислений и обучающих данных, чем исходная SAM-H, при близком качестве. Текстовые подсказки официальной реализацией не поддерживаются. Модель распространяется в формате safetensors по лицензии Apache-2.0.

SoL-Refiner-LTX-2.5-H3-int8-convrot — перепакованная и квантованная версия SoL-Refiner для обработки черновых видео MiniMax-H3. Модель повышает разрешение видео до 1080p: кодирует входные кадры, увеличивает латентное представление вдвое и уточняет его за один проход трансформера, после чего декодирует результат в видео. В описании указаны трансформер и текстовый энкодер Gemma 4 12B с линейными слоями int8 ConvRot, а также видеокодек LTX-2.5; часть компонентов оставлена в bf16. Модель предназначена для одношагового улучшения и апскейлинга черновиков MiniMax-H3 с частотой 24 кадра в секунду. Она выдаёт только видео, без аудио. Репозиторий содержит веса в формате safetensors и подготовлен для загрузчика image-server LTX-2.5 ltx_core. Исходный репозиторий не объявляет лицензию; автор README указывает на применимость LTX-2.x Community License от Lightricks и рекомендует проверить её перед коммерческим использованием.

SoulX-FlashTalk-14B — модель SoulX-AILab размером 14 млрд параметров для потоковой анимации портретов по аудио в реальном времени. Она строит цифрового аватара, управляя движением лица и губ по входной речи, и предназначена для интерактивных цифровых людей и потоковой генерации аватаров. В README описан подход с двунаправленной дистилляцией с самокоррекцией; модель относится к семейству image-to-video и распространяется в формате Safetensors для библиотеки Diffusers. Для работы проекта также указан компонент chinese-wav2vec2-base. В метаданных среди языков карточки указан английский, а README упоминает китайскую модель распознавания речи; это не подтверждает полный перечень поддерживаемых языков FlashTalk. Модель опубликована под лицензией Apache-2.0. README сообщает о выпуске весов и кода вывода, но отмечает, что онлайн-демо ещё не готово.

SPADE-Qwen3-30B-A3B-Games — модель семейства SPADE, разработанная на базе Qwen/Qwen3-30B-A3B-Instruct-2507 для игрового сценария. В обучении модель играет две роли: проектирует игровые среды в виде исполняемых описаний и выступает агентом, который решает созданные игры. Создатель среды поощряется за задания, соответствующие текущим возможностям агента, благодаря чему сложность учебных примеров адаптируется в ходе обучения. Это MoE-модель с архитектурой Qwen3MoeForCausalLM, рассчитанная на генерацию текста и диалоговый режим; в метаданных также указана возможность интерфейса вызова инструментов. Контекстное окно составляет 262 144 токена, заявленный размер — 2,6 млрд параметров. Для работы предусмотрен формат safetensors и библиотека Transformers. Модель предназначена для генерации игровых сред и решения текстовых игр; лицензия — Apache-2.0.

SSLAM AudioSet-2M Finetuned — чекпойнт аудиомодели на архитектуре EAT ViT Base, подготовленный на данных AudioSet-2M. Репозиторий содержит веса в формате Safetensors для использования через Transformers. Модель предназначена для извлечения аудиопризнаков и получения меток классов звуковых событий. Её можно применять для обнаружения и классификации событий в аудиозаписях; в карточке указана mAP 50,2. Модель принимает аудио и выдаёт признаки или метки звуковых событий. Лицензия — MIT. Карточка не уточняет поддерживаемые языки или подробные ограничения качества и применения.

carsonkatri/stable-diffusion-2-depth-diffusers — конвертированная версия Stable Diffusion 2 Depth в формате Diffusers, подготовленная для работы с библиотекой Diffusers. Модель предназначена для генерации и изменения изображений с учётом карты глубины, задающей пространственную структуру сцены. Её можно применять для создания вариантов изображения, сохраняя композицию и глубину исходной сцены. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — OpenRAIL.

Stable Fast 3D (SF3D) — модель Stability AI, которая по одному изображению объекта создаёт текстурированную UV-развёрнутую 3D-сетку. Это трансформерная модель реконструкции изображений в 3D, обученная на рендерах из Objaverse; входное изображение должно иметь размер 512×512 пикселей. Модель предназначена для создания 3D-ассетов в художественных и дизайнерских проектах, творческих и образовательных инструментах, а также для исследований реконструкции. Она формирует сетку с относительно небольшим числом полигонов, выполняет удаление освещения для удобства дальнейшей работы в игровых движках и программах рендеринга, а также предсказывает параметры материала, включая шероховатость и металличность. В карточке заявлено создание модели менее чем за секунду. Модель не предназначена для получения достоверных изображений людей или событий. Для коммерческого использования SF3D и производных моделей организациям или частным лицам с годовой выручкой от 1 млн долларов США требуется коммерческая лицензия Stability AI; также необходимо соблюдать Community License и Acceptable Use Policy. В метаданных указан тип лицензии other.

Star Command R 32B v1 — разговорная модель BeaverAI, созданная дообучением Command-R-8-2024 для ролевых сценариев. Это плотная авторегрессионная модель семейства Cohere с 32,3 млрд параметров и контекстом до 131 072 токенов. Поддерживает чат и генерацию текста; использовать её можно в формате Cohere Instruct или как Text Completion. Модель предназначена для ролевого общения и продолжения текста. Репозиторий содержит веса в формате safetensors. Указана лицензия other; конкретные условия лицензии в предоставленных данных не раскрыты.

SwimInLatent — модель генерации изображений на основе Stable Diffusion XL, дообученная для создания аниме-изображений. Она принимает текстовые запросы и предназначена для генерации иллюстраций в аниме-стиле; в карточке также приведён пример рабочего процесса для ComfyUI. Репозиторий использует библиотеку Diffusers и формат safetensors. Модель опубликована под лицензией OpenRAIL++. Пример запроса показывает управление композицией и деталями персонажа с помощью текстового промпта и отрицательного промпта. В примере исключается контент NSFW, но это настройка примера, а не гарантия поведения модели.