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

hanja-wsd-base — разработанная LinkinShan модель для преобразования корейского текста, записанного хангылем, в смешанную запись хангылем и ханча. Она оценивает варианты написания с учётом контекста предложения и выбирает подходящий вариант для сино-корейских слов; в репозитории также находятся словарь, частотные приоритеты и код конвертации. Это дообученная XLM-RoBERTa-base с плотной архитектурой и 305,2 млн параметров, принимающая текст и выдающая оценки кандидатов для классификации. Модель предназначена для корейских исторических текстов и имеет экспериментальный статус preview. В README приведены настройки для газетных текстов 1920–1960-х годов и для современного текста; на исторических данных указаны точность F1 0,813 в сквозном преобразовании и около 150 мс на предложение на CPU. Контекст составляет 514 токенов. Модель обучалась преимущественно на газетном корейском языке 1920–1962 годов: современные заимствования, новые слова и имена собственные представлены недостаточно, а покрытие словаря ограничивает полноту преобразования. Метрики основаны на автоматически полученной разметке, человеческая оценка не проводилась. Лицензия CC-BY-NC-SA-4.0 допускает использование на условиях атрибуции, распространения производных на тех же условиях и некоммерческого применения.

Archatext/hatformer-arams28k — модель распознавания рукописного текста в строках исторических арабских рукописей. Её разработчик дообучил архитектуру VisionEncoderDecoder в стиле HATFormer: энкодер ViT-384 сочетается с декодером TrOCR; модель содержит 334 млн параметров и обучалась на разметке строк набора AraMS-28k-HTR. Базовая модель — microsoft/trocr-base-stage1. Модель предназначена для преобразования изображения строки рукописи в текст. Для распознавания требуется специальная предобработка: изображение строки приводится к высоте 64 пикселя, отражается по горизонтали и размещается на холсте 384×384; широкие строки располагаются рядами. Обычный TrOCRProcessor даёт некорректный результат. В тестах CER составил 6,48% на страницах знакомых рукописей, 13,26% на рукописи Ruqʿah и 25,37% на Naskh; качество заметно зависит от традиции письма. Модель распространяется по лицензии CC BY-NC-SA 4.0.

HeartMuLa-oss-3B-happy-new-year — модель генерации музыки, разработанная командой HeartMuLa. Она предназначена для создания музыки по текстовому описанию и управляемой генерации песен с текстом; авторы отмечают качество музыки и управляемость текстом как ключевые характеристики. В метаданных указаны архитектура HeartMuLa с плотной моделью и веса в формате safetensors. Модель распространяется по лицензии Apache 2.0. В карточке перечислена поддержка китайского, английского, японского, корейского и испанского языков. Подробности о длине контекста, параметрах запуска и ограничениях качества в доступных материалах не приведены.

MuXodious/HER-32B-absolute-heresy — экспериментальная версия HER-32B, созданная с помощью abliteration-инструмента Heretic v1.2.0 с сохранением величины весов и ортогональной абляцией. Это плотная причинно-языковая модель семейства Qwen3 с 29,7 млрд параметров и контекстом до 131 072 токенов; базовая модель HER-32B дообучена для многошагового ролевого диалога и симуляции персонажей с раздельными слоями рассуждений: планированием от третьего лица и внутренними мыслями персонажа от первого лица. Модель предназначена для генерации диалогов и отыгрыша персонажей с описанием мыслей, действий и реплик. В README указано, что после преобразования доля отказов снизилась с 89 до 4 из 100, а KL-дивергенция составила 0,0318; автор отдельно отмечает, что индекс «ереси» условный и не предсказывает качество. Доступны веса Safetensors для Transformers, интерфейс поддерживает чат и вызов инструментов. Лицензия — Apache-2.0.

ALM/hubert-base-audioset — модель аудиопредставлений на архитектуре HuBERT Base, разработанная ALM и предварительно обученная на полном наборе AudioSet. Трансформерная модель содержит 113,3 млн параметров и предназначена для извлечения признаков из аудио и последующей адаптации к прикладным задачам, включая классификацию музыки и акустических событий, а также распознавание речи. Модель принимает аудио и формирует аудиопредставления, которые можно использовать как признаки для классификаторов и других downstream-систем. Широкое покрытие источников AudioSet помогает применять её в разных аудиодоменах, однако для узкой области может потребоваться дообучение. В задачах речи качество может уступать HuBERT и Wav2Vec, обученным специально на речевых данных. Лицензия — CC BY-NC-SA 4.0.

Huihui-Mistral-Small-3.2-24B-Instruct-2506-abliterated-v2-GGUF — набор квантованных версий модели Huihui-Mistral-Small-3.2-24B-Instruct-2506-abliterated-v2. Модель опубликована пользователем noctrex и основана на модели huihui-ai. По карточке она предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Суффикс Instruct указывает на настройку для выполнения пользовательских инструкций, а GGUF — на формат, ориентированный на локальный запуск средствами, поддерживающими этот формат. Из известных характеристик — размер базовой модели около 24 миллиардов параметров и наличие мультимодального сценария работы с изображениями и текстом. Ключевое преимущество набора — возможность выбрать подходящий уровень квантования для снижения требований к памяти и запуска на совместимом локальном оборудовании, однако конкретные варианты квантования, требования к ресурсам, поддерживаемые языки, размер контекста и результаты тестирования в README не указаны. Лицензия и ограничения на использование также не указаны; перед применением следует ознакомиться с условиями лицензии исходной модели.

Карточка модели Odinx7/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 qqceqqq/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 GDB5115/Hunyuan3D-2.1-3dmodeltool 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.

HY-World 1.5 от Tencent — потоковая видеодиффузионная модель для интерактивного моделирования миров. Она принимает изображение или текстовое описание мира, затем генерирует последовательные фрагменты видео по 16 кадров, управляемые действиями пользователя с клавиатуры и мыши. Модель рассчитана на потоковую генерацию со скоростью 24 кадра в секунду и поддерживает перспективы от первого и третьего лица, реальные и стилизованные сцены. Для согласованности на длинных последовательностях модель восстанавливает контекстную память из прошлых кадров и использует обучение с подкреплением для улучшения следования действиям и визуального качества. Среди сценариев применения авторы называют интерактивное исследование и расширение виртуальных миров, реконструкцию 3D-сцен и генерацию событий по запросу. Карточка указывает поддержку английского и китайского языков для текстовых описаний. Репозиторий содержит веса в формате Safetensors; лицензия обозначена как other, поэтому перед использованием следует проверить условия в репозитории. Для запуска доступны отдельные инструкции и код вывода, однако модель требует подходящей инфраструктуры для потоковой генерации.

Ideogram 4 TurboTime LoRA — адаптер LoRA для базовой модели Ideogram 4 FP8, разработанный пользователем ostris. Он предназначен для ускорения генерации изображений из текстовых описаний в экосистеме Diffusers и ориентирован на сценарии, где важны короткое время вывода и небольшое число шагов семплирования. Адаптер позволяет получать изображения приемлемого качества примерно за 2 шага без использования CFG и без unconditional model; в README также приведены примеры генерации на 8 шагах. Конкретные сведения об архитектуре базовой модели, размере, поддерживаемых языках, контекстном окне и дополнительных модальностях не указаны. Метод turbo training находится в разработке и может получать обновления, поэтому качество и стабильность могут изменяться. Распространение регулируется лицензией ideogram-4-non-commercial; коммерческое использование не разрешено согласно указанному типу лицензии.

In-Character RP 12B v0.1 — модель генерации текста для ролевых диалогов и творческого письма, созданная npow путём дообучения Mistral-Nemo-Base-2407. Она рассчитана на ведение персонажа по заданной карточке: персонажи сохраняют заданные черты и манеру поведения в ходе разговора. Для диалога используется формат ChatML. Модель имеет плотную архитектуру Mistral с 12,1 млрд параметров и контекстом до 131 072 токенов; в репозитории представлены веса Safetensors. Основной язык карточки — английский. Версия v0.1 является базовой версией SFT; заявленные автором дополнительные этапы DPO для сохранения разнообразия поведения и FTPO для снижения шаблонности прозы относятся к v0.2. Модель выпущена по лицензии Apache-2.0. Автор обозначает её как исследовательскую предварительную версию и предупреждает, что это uncensored creative model.

Index-1.9B-Character — языковая модель для ролевого общения, разработанная командой Index. Пользователь может задавать персонажа, загружая подходящие примеры его диалогов, после чего модель поддерживает беседу в выбранной роли. Модель содержит около 2 млрд параметров, использует плотную архитектуру IndexForCausalLM и рассчитана на контекст до 4096 токенов. Модель предназначена для чат-сценариев и ролевых диалогов. В карточке сообщается об оценке на CharacterEval по согласованности персонажа, диалоговым способностям и привлекательности отыгрыша; заявлено девятое место по средней оценке среди участников сравнения. Репозиторий содержит веса PyTorch. Лицензия указана как other, поэтому условия использования следует сверить с её текстом на странице модели.

irAsu v1.0 — модель генерации изображений по текстовому описанию, созданная как второй этап дообучения Illustrious XL 0.1. Она предназначена для создания иллюстраций и улучшает раскраску, анатомию персонажей и фон по сравнению с базовой моделью. В основе лежит Stable Diffusion XL; модель использует текстовые промпты и ориентирована на английские теги и описания в стиле Danbooru. Для работы автор рекомендует сэмплер Euler a, 25–30 шагов генерации, CFG 3,5–5 и параметр ENSD 31337; наиболее удачным назван режим около 28 шагов и CFG 4. В качестве основы промпта предлагаются описание персонажа и серии, а также теги качества. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверять в карточке модели и у базовой модели.

IS-Net-Anime — модель сегментации изображений на архитектуре U2Net, опубликованная пользователем BritishWerewolf. Она предназначена для выделения объектов и генерации масок на изображениях; в карточке также заявлена возможность уточнять маску с помощью взаимодействия с пользователем. Репозиторий содержит модель в формате ONNX, использовать её можно через библиотеку Transformers. Модель ориентирована на изображения аниме; метки карточки также указывают на удаление фона и портретную сегментацию. Модель доступна по лицензии Apache 2.0. README не приводит количественных оценок качества или конкретных ограничений точности, поэтому пригодность результата следует проверять на целевых изображениях.

Модель ptaszynski/japan-orientalization-pl — польскоязычный классификатор текстов, разработанный на основе HerBERT Base и дообученный для выявления ориентализации Японии в газетных статьях. Она определяет, представляет ли текст Японию как подлинное описание или через искажённый и идеализированный взгляд ориентализма. Модель построена на архитектуре BERT и содержит 151,6 млн параметров; максимальная длина контекста составляет 514 токенов. Она предназначена для классификации польских газетных материалов о Японии, включая статьи 1818–1939 годов, а также других входных текстов. Лицензия — CC BY-SA 4.0.

KielForge-fast — дообученный LoRA-адаптер для Stable Diffusion XL Base 1.0, созданный KielTech. Он предназначен для генерации изображений по тексту и преобразования исходных изображений, с акцентом на детализированные футуристические портреты, персонажей научной фантастики и концепт-арт с реалистичными текстурами. Адаптер доступен в виде 16-битных весов safetensors, а также вариантов GGUF F16 и Q4_0. Для генерации рекомендуется разрешение 1024 × 1024; в README также приведены параметры сэмплирования и силы преобразования изображения. Для работы нужны базовая модель SDXL и совместимый интерфейс или конвейер, например Diffusers, ComfyUI либо WebUI Forge. Модель ориентирована на англоязычные запросы. Квантованная версия Q4_0 может давать небольшие артефакты по сравнению с вариантом F16. Модель наследует ограничения и профиль безопасности базовой SDXL. Лицензия — CreativeML OpenRAIL-M.

Kilkenny Mix CelShade — модель генерации изображений по текстовому описанию от Earth & Dusk. Это merge-модель на базе Stable Diffusion, распространяемая в формате Diffusers и предназначенная для создания изображений в аниме-стиле. В README нет сведений о размере модели, длине контекста или конкретных настройках генерации. Модель принимает текстовые запросы на английском языке и создаёт изображения. Карточка советует сохранять метаданные генерации и указывает, что повторная загрузка модели запрещена. Лицензия CreativeML Open RAIL-M; применяйте модель с учётом её условий и ограничений.

Klein_AnimeHDupscaling — специализированная LoRA-модель для повышения разрешения и улучшения деталей изображений в аниме-стилистике. В README разработчиком указан wikeeyang; модель создана как дополнение к базовой модели Flux2-Klein-9B-True-V2. Модель предназначена для сценариев image-to-image и Tile Diffusion, включая увеличение изображений, восстановление после сжатия и повышение четкости аниме-рендеров. Она улучшает детализацию, уменьшает размытие и артефакты, оптимизирует линии и стремится сохранять исходную композицию, текстуру и рисованный вид изображения. Заявлена повышенная структурная стабильность и согласованность персонажей по сравнению с SeedVR2, а также подавление чрезмерной детализации и цветовых ореолов. Для работы рекомендуется использовать вес LoRA 0,8–1,0, 8 шагов сэмплирования, CFG Scale 1,0 и сэмплер Euler Ancestral. Для чистого увеличения рекомендуется низкая сила денойзинга; более высокие значения позволяют сильнее переосмысливать детали. Триггерное слово — «高清4K». Сведения о языках, максимальном контексте и отдельных модальностях, кроме обработки изображений, не указаны. В README указаны лицензии Apache-2.0 и creativeml-openrail-m, поэтому перед использованием необходимо уточнить, какая лицензия имеет приоритет для конкретной версии модели и какие ограничения применяются.

Kwai-Kolors/Kolors-ControlNet-Depth — веса ControlNet от команды Kwai-Kolors для управления генерацией изображений по карте глубины. Модель предназначена для совместного использования с базовой Kolors и Diffusers: текстовый запрос задаёт содержание и стиль, а карта глубины помогает сохранять пространственную структуру сцены. В README также описана возможность совместного вывода с Kolors-IP-Adapter-Plus. В опубликованной авторами оценке на тестовом наборе более чем из 200 изображений эксперты поставили модели среднюю оценку 4,12 за общее впечатление, 4,12 за визуальную привлекательность, 4,62 за соответствие тексту и 4,6 за управляемость по условию. Это результаты внутреннего сравнения авторов, а не независимая оценка. Модель распространяется в формате safetensors для библиотеки Diffusers по лицензии Apache-2.0. Для работы требуются базовая Kolors и веса сети оценки глубины.

KrakenSakura Maelström 12B v1 — языковая модель EldritchLabs для генерации художественного текста, сюжетов и ролевых диалогов. Это экспериментальное слияние множества предварительно обученных моделей семейства Mistral, созданное с помощью mergekit; в карточке перечислены 38 моделей-доноров и многоэтапная схема слияния. Модель содержит 12,1 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов и ориентирована прежде всего на английский язык. Модель предназначена для написания и продолжения историй, создания сцен и ролевых сценариев в разных жанрах, включая научную фантастику, романтику и хоррор. В README рекомендованы шаблоны чата ChatML или Mistral Tekken/NonTekken: ChatML описан как более стабильный, а Tekken/NonTekken — как более творческий, но иногда ошибающийся. Автор отмечает, что модель настроена на откровенный контент и может создавать сцены с насилием и графическим сексуальным содержанием. Лицензия — Apache-2.0.

Это набор оптимизированных весов Krea 2 Turbo от PuppetVision для генерации изображений в ComfyUI. В репозитории представлены INT8 TensorWise чекпойнты диффузионной модели, вариант с предварительно объединённым Style Reference LoRA и INT8 текстовый энкодер Qwen3-VL-4B; файлы сохранены в формате safetensors. Основная задача — создание изображений по текстовым описаниям. Релиз ориентирован на ускоренный запуск на AMD GPU с ROCm и Triton. В README приведены результаты измерений на Ubuntu: полный оптимизированный путь, включающий ROCm FlashAttention и Qwen VAE Triton W8A8, сократил время первого запуска в тесте с 242,4 до 85 секунд, а тёплая генерация ускорилась на 8,2%. Эти результаты относятся к конкретной тестовой конфигурации и не гарантируют такой же производительности на другом оборудовании. Базовая модель Krea 2 Turbo описана как модель на 12 млрд параметров для быстрых изображений по английским описаниям. Лицензия указана как other; README не приводит её конкретных условий. Для использования требуются совместимые модели и компоненты ComfyUI, а оптимальный путь зависит от версии ROCm, PyTorch и GPU.

ethanfel/Krea-2-Base-Diffusers — это преобразованная в формат Diffusers версия базовой модели Krea 2 Base/RAW, совместимая с Krea2Transformer2DModel и Krea2Pipeline. Репозиторий предназначен прежде всего для дообучения модели и обучения LoRA; полученные адаптации можно применять при генерации изображений, в том числе вместе с Krea 2 Turbo. Модель принимает текстовые запросы и генерирует изображения. Конверсия переименовала ключи трансформера, изменила форму таблицы модуляции блоков и исключила веса двух финальных слоёв up/down для соответствия реализации Krea 2 в Diffusers. VAE, text encoder, tokenizer и scheduler взяты из стандартных компонентов Diffusers. Веса распространяются по лицензии Krea 2 Community License.

Карточка модели rea12/Krea-2-Raw на Hugging Face совпадает с карточкой Jinstudio/Krea-2-Raw, поэтому описание составлено по ней. Krea 2 Raw — базовая версия модели генерации изображений по текстовому описанию, разработанная Krea.ai, Inc. Это диффузионная модель с архитектурой Diffusion Transformer и 12 млрд параметров. Модель принимает текстовые запросы на естественном языке и создаёт изображения; в карточке приведён пример генерации изображения размером 1024 × 1024. Метаданные указывают поддержку английского языка и использование библиотеки Diffusers. Raw — исходный чекпойнт семейства Krea 2 до дополнительного постобучения и тонкой настройки. Разработчик отмечает, что он не рекомендован для обычного инференса и подходит как база для дообучения, в том числе для создания LoRA, которые затем можно применять с Krea 2 Turbo. Модель предназначена для творческой работы, разработки и исследовательских сценариев: создания изображений, визуальных концепций и интеграции в приложения и инструменты для дизайна. Модель выпущена с открытыми весами по лицензии Krea 2 Community License; применение регулируется также Acceptable Use Policy, которая требует подходящих мер фильтрации или проверки контента. Генерация может не соответствовать запросу и давать нежелательные результаты; модель не предназначена для получения фактической информации. Перед внедрением разработчикам следует проверить её безопасность и настроить защитные меры для своего сценария.

Карточка модели ModelsLab/krea-2-raw-svdquant-int4_r32 на Hugging Face совпадает с карточкой krea/Krea-2-Raw, поэтому описание составлено по ней. Krea 2 Raw — базовый чекпойнт модели генерации изображений по тексту, разработанный компанией Krea.ai, Inc. Это Diffusion Transformer с 12 млрд параметров, опубликованный в формате открытых весов и предназначенный прежде всего для дообучения и постобработки под собственные задачи и предметные области. Карточка не рекомендует использовать Raw для обычного инференса; один из описанных сценариев — обучение LoRA на Raw с последующим применением на Krea 2 Turbo. Модель принимает текстовые описания и генерирует изображения. Она рассчитана на творческие и коммерческие рабочие процессы: создание изображений, разработку концепций, исследование дизайна и интеграцию в приложения. Основной язык в карточке и метаданных — английский. Указанная лицензия — Krea 2 Community License; для развёртываний требуются фильтрация контента или эквивалентные процедуры проверки согласно лицензии и политике допустимого использования. Модель может не следовать запросу точно и выдавать нежелательные результаты; качество следования зависит от языка, стиля, конкретности и формулировки запроса. Она не предназначена для получения фактической информации. Карточка также отмечает, что проверка безопасности не охватывает все возможные сценарии.

TheDivergentAI/krea2-turbo-distill-lora — экспериментальный набор LoRA-адаптеров, разработанный TheDivergentAI. Он предназначен для приближения поведения Krea-2-Turbo при использовании базовой модели krea/Krea-2-Raw без загрузки полного чекпойнта Turbo объёмом 24 ГБ. Адаптеры ориентированы на генерацию изображений из текста и могут применяться через ComfyUI или Hugging Face Diffusers. Адаптеры извлечены из разницы весов между krea/Krea-2-Turbo и krea/Krea-2-Raw с помощью усечённого SVD для 2D-матриц весов трансформера. Доступны варианты ранга 64, 128 и 256 размером примерно 0,47, 0,94 и 1,87 ГБ соответственно; рекомендованным начальным вариантом назван r128, а r256 обеспечивает наиболее точное приближение. Для работы рекомендуются 8 шагов, CFG 0 и timestep shift mu около 1,15. Модель позволяет получить turbo-подобное поведение при меньших требованиях к хранению, но точность приближения ограничена низкоранговой факторизацией, особенно в отдельных текстовых и временных MLP-слоях. Это неофициальный релиз Krea, а экспериментальный проект; качество и поведение могут отличаться от оригинальной Krea-2-Turbo. Указана лицензия Krea-2 Community License.

F16/krea2-turbo-sda — адаптер LoRA ранга 32 для модели генерации изображений Krea 2 Turbo. Автор или организация-разработчик адаптера в README явно не указаны; базовая модель принадлежит семейству Krea и обозначена как krea/Krea-2-Turbo. Адаптер предназначен для text-to-image в Diffusers и восстанавливает разнообразие результатов, утраченное при Turbo-дистилляции, без заметного ухудшения качества и соответствия промпту. Метод основан на Semantic Directional Alignment (SDA) — выравнивании направлений семантических изменений под руководством teacher-модели Krea 2 RAW — и обучении с исследованием кандидатов Forward XM best-of-5. Адаптер рассчитан на 8-шаговый график денойзинга Krea 2 Turbo и должен быть активен только на первых двух шагах при σ = 0.9567, после чего его необходимо отключать. При постоянном применении на всех шагах возможно существенное ухудшение качества изображения. README не сообщает поддерживаемые языки или максимальный контекст; по назначению адаптер ориентирован на текстовые промпты для генерации изображений. По приведённой оценке адаптер увеличивает разнообразие между изображениями при разных seed примерно на 34–85% по нескольким метрикам, сохраняя качество на уровне базовой модели и статистически сопоставимое соответствие промпту. Ограничения включают обязательное пошаговое управление активацией LoRA, необходимость совместимой версии Diffusers и корректного формата весов для Diffusers или ComfyUI. Лицензия указана как krea-2-community-license; конкретные условия следует уточнять по ссылке на лицензию.

kukulemon-7B — слитая методом SLERP модель для генерации текста, созданная grimjim на основе grimjim/kuno-kunoichi-v1-DPO-v2-SLERP-7B и KatyTheCutie/LemonadeRP-4.5.3. Это плотная 7,1-миллиардная Mistral-модель, предназначенная прежде всего для творческих ролевых диалогов и менее шаблонной генерации текста; в карточке также заявлены сильные способности к рассуждению. Модель принимает текстовые промпты в форматах ChatML и Alpaca и рассчитана на контекст до 32 768 токенов. Автор сообщает, что в неформальных проверках связность заметно ухудшалась после примерно 8 тысяч токенов. Репозиторий предоставляет веса Safetensors; отдельно доступны варианты квантования GGUF и EXL2. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

L3.1-Vulca-Umboshima-8B-bf16 — созданная сообществом mergekit слитая языковая модель на архитектуре Llama 3.1, предназначенная для диалогов и генерации текста. Веса объединены методом DARE TIES на основе kromeurus/L3.1-Ablaze-Vulca-v0.1-8B с моделями Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B и mergekit-community/L3-Boshima-a. Модель содержит 7,5 млрд параметров, работает с текстом и имеет контекстное окно до 131 072 токенов; опубликована в формате safetensors для Transformers. Слитые компоненты ориентированы на ролевые игры, включая эмоционально тяжёлые темы и сценарии спасения персонажей. Модель можно применять для ролевых диалогов и создания сюжетных текстов. Лицензия в предоставленных данных не указана.

L3.3-70B-Magnum-Diamond — языковая модель Doctor-Shotgun, дообученная в виде адаптера rsLoRA на базе meta-llama/Llama-3.3-70B-Instruct. Это плотная архитектура Llama с 69,5 млрд параметров; модель принимает текст и поддерживает контекст до 131 072 токенов. Для общения используется формат запросов Llama 3. Модель предназначена для творческого письма и ролевых диалогов. Она стремится воспроизводить выразительный стиль Claude 3 Sonnet и Opus, поэтому в ответах могут встречаться характерные для этих моделей речевые обороты. Карточка также содержит адаптер rsLoRA для объединения с базовой моделью. Модель лицензирована по условиям Llama 3.3. Она может унаследовать смещения базовой модели и моделей, стиль которых имитирует. Ответы следует считать вымыслом: модель не предназначена для предоставления достоверной информации или советов.