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

MeinaMix — созданная автором Meina модель генерации изображений в стиле аниме на основе Stable Diffusion. Она предназначена для создания иллюстраций по текстовым запросам, в том числе с короткими описаниями: автор ставит целью получать качественные изображения при небольшом количестве деталей в запросе. Модель работает с текстом и выдаёт изображения; в метаданных указаны библиотека Diffusers, форматы PyTorch и Safetensors, а также английский язык. Автор рекомендует использовать сэмплеры Euler a или DPM++ SDE Karras, CFG 7 и Clip Skip 2. Для портретов и пейзажей приведены рекомендуемые разрешения; для удалённых персонажей советуют применять Hires.fix, чтобы улучшить прорисовку лица и глаз. Модель распространяется по лицензии CreativeML Open RAIL-M. Результат зависит от формулировки запроса и настроек генерации; автор отмечает пользу Hires.fix для изображений с удалёнными персонажами.

Metharme 7B — инструкционная языковая модель на архитектуре LLaMA, разработанная PygmalionAI и дообученная для диалогов, ролевых сценариев и художественного письма. В карточке указано, что эта версия преобразована из весов XORs, опубликованных PygmalionAI; модель основана на Meta LLaMA-7B и обучалась методом supervised fine-tuning на инструкционных данных, ролевых диалогах и художественных текстах с синтетическими инструкциями. Модель предназначена для генерации текста по инструкциям, интерактивных разговоров, ролевых игр и сочинения историй. Она принимает текст и выдаёт текст, поддерживает английский язык, имеет около 6,6 млрд параметров и контекст длиной 2048 токенов. Для работы с диалогами в карточке описан формат промптов с несколькими ролями. Модель не обучалась специально для безопасных и безвредных ответов и может генерировать грубый, непристойный или оскорбительный текст; ответы могут содержать фактические ошибки. В карточке рекомендуемое применение ограничено художественными и развлекательными сценариями. Сведения о лицензии в предоставленных данных отсутствуют.

MidJourney-PaperCut — модель для генерации изображений по текстовому описанию, созданная ShadoWxShinigamI. Это дообучение Stable Diffusion 1.5 на 56 изображениях в течение 7000 шагов, предназначенное для создания изображений в стиле вырезанной из бумаги иллюстрации. Для вызова стиля в начале запроса используется токен mdjrny-pprct; карточка приводит примеры генерации орла, самурая и пейзажа и указывает, что обычно достаточно простого описания. Модель распространяется в форматах Diffusers, PyTorch и safetensors. Лицензия — MIT. Карточка не сообщает об ограничениях качества или известных проблемах.

Midjourney-Shatter — модель генерации изображений по текстовому описанию, созданная ShadoWxShinigamI и дообученная на базе Stable Diffusion v1.5. Для её вызова автор рекомендует начинать запрос с токена mdjrny-shttr; дополнительная настройка запросов обычно не требуется, хотя для некоторых объектов может помочь увеличение веса, например для зданий. Модель обучалась 2500 шагов на 26 изображениях и их отражённых копиях, с размером изображений 512×512 и размером пакета 2. Примеры в карточке включают льва, Бэтмена, голову Медузы, оленя, Эмму Уотсон и Сон Гоку. Модель распространяется в формате Diffusers и Safetensors по лицензии MIT. Описание не содержит сравнительных оценок качества или подробных сведений о поведении на других темах и стилях.

Mika-7B — разговорная языковая модель Epiculous на архитектуре Mistral с 7,1 млрд параметров. Она обучена в стиле Fett-uccine и включает синтетические данные для ролевых диалогов, созданные с помощью Claude. В метаданных указаны датасеты LimaRP, Theory of Mind, Gnosis и наборы синтетических ролевых диалогов. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Для работы автор рекомендует шаблон контекста ChatML или Mistral Instruct; результаты могут зависеть от выбранного шаблона. Контекст — до 32 768 токенов. Репозиторий содержит веса PyTorch, лицензия — AGPL-3.0.

Minimax-H3 LoRAs — серия адаптеров LoRA от WarmBloodAban, созданных на базе видеогенерационной модели MiniMax-H3 от MiniMaxAI. Представленная модель Minimax-h3_Third_person_view предназначена для генерации видео по изображению, а также сценариев text-to-video и image-to-video, ориентированных на игровые кинематографические сцены, интерфейсы HUD и динамическую смену ракурсов от третьего лица к первому лицу. Модель специализируется на управлении камерой: поддерживает съёмку из-за плеча, движение spring-arm камеры, изменение дистанции, camera whip-pan и переходы между third-person view и first-person POV. Она также ориентирована на создание эстетики game CG, боевых сцен, визуальных эффектов, прицелов target-lock, QTE-подсказок и индикаторов здоровья боссов. В README указана архитектура MiniMax-H3 INT8 Reference и поддержка английского и китайского языков. Рекомендуется использовать структурированные описания сцен и референсных объектов, особенно при работе через ComfyUI или API. Сильная сторона модели — специализация на игровых боевых сценах, сохранении визуальных характеристик персонажей и окружения по референсам, а также на кинематографичном движении камеры. Ограничения, точные требования к вычислительным ресурсам, длительность контекста и другие характеристики в README не указаны. Лицензия — Apache-2.0.

Ministrations 8B v1 — модель для ролевого общения, созданная BeaverAI как дообучение Ministral 8B. Она основана на плотной архитектуре Mistral и содержит около 7,5 млрд параметров; поддерживает контекст до 32 768 токенов и шаблоны чата Metharme и Mistral Tekken. Модель предназначена для текстовых ролевых диалогов и повествования от первого лица. Модель принимает текст и генерирует текст. В README предпочтительным назван формат с действиями, диалогом, мыслями и повествованием. Репозиторий содержит веса в формате safetensors; интерфейс чата также отмечен в метаданных. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

Mirai-70B-0.3 — экспериментальная модель для генерации текста и ролевых диалогов, созданная Blackroot методом слияния нескольких моделей семейства Llama 3 на основе huihui-ai/Llama-3.1-Nemotron-70B-Instruct-HF-abliterated. В слияние также вошли модели, ориентированные на ролевые сценарии, повествование и разные языки, включая японский, корейский и тайваньский китайский; README описывает использование mergekit и метода stock merge. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель предназначена прежде всего для ролевых игр и создания повествовательных ответов с вниманием к контексту, подтексту и последствиям действий персонажей. Автор сообщает об улучшении качества прозы после очередного слияния, но отмечает, что способность последовательно понимать подразумеваемое остаётся неполной. Оценка вариантов проводилась вручную, без автоматических тестов и бенчмарков; качество генерации зависит от настроек сэмплирования. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Kaoeiri/Mistral-magnum_X_Cydonia-v1.3_X_Waifu-22B — языковая модель на архитектуре Mistral, созданная слиянием методом SLERP моделей Kaoeiri/Mistral-magnum_X_Cydonia-v1.3 и spow12/ChatWaifu_v2.0_22B. Модель содержит 22 млрд параметров и рассчитана на генерацию текста в чат-диалогах; в метаданных также указана поддержка интерфейса вызова инструментов. Среди возможных сценариев — ролевая переписка с персонажами и ведение диалогов в стиле визуальных новелл. Базовая ChatWaifu v2.0 22B описана как японско-английская модель для ролевых диалогов, однако языки именно итогового слияния в карточке не перечислены. Указанное в метаданных контекстное окно — 131072 токена. Модель распространяется в формате safetensors по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных версий.

Mitsua Japanese Tagger — модель многометочной классификации изображений, разработанная проектом ELAN MITSUA и Abstract Engine на архитектуре Swin Transformer. Она назначает изображениям японские теги и подходит для автоматической разметки изображений, включая иллюстрации и изображения официальных персонажей проекта. Модель содержит 58,7 млн параметров и доступна в формате Safetensors для библиотеки Transformers. Авторы описывают обучение на opt-in данных с разрешением участников, открыто лицензированных и общественным достоянием материалов. Чекпойнт дообучен на базе Mitsua/swin-base-multi-fractal-1k, предварительно обученной на изображениях фракталов. В карточке также описаны фильтрация потенциально нарушающих права, вредных и NSFW материалов и размытие лиц. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование; для коммерческого применения авторы предлагают связаться с ними. Модель рассчитана на японскую разметку изображений. Авторы предупреждают, что результаты могут быть неточными, вредными или смещёнными, и не рекомендуют её для задач, где требуется высокая точность распознавания.

digiplay/MixTape_RocknRoll_v3punk_bake_fp16 — модель генерации изображений по текстовому описанию в формате Diffusers. По названию репозитория и тегам она связана со Stable Diffusion; метаданные указывают форматы PyTorch и safetensors и лицензию CreativeML OpenRAIL-M. Автор README не приводит описания обучения или характеристик модели; карточка содержит лишь подписи к демонстрационным изображениям.

MN-12b-RP-Ink — ролевая языковая модель организации allura-org, созданная дообучением Mistral Nemo Instruct. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и ролевых сценариев. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. В карточке указана поддержка английского языка, а базовая модель описана как многоязычная. Для запуска рекомендуется использовать шаблон чата Mistral v3-Tekken. В README приведены экспериментальные настройки семплирования, а также параметры дообучения LoRA ранга 16. Автор отмечает, что обучающие данные представляли собой некачественную смесь; это может влиять на связность и предсказуемость ответов. Модель распространяется по лицензии Apache-2.0.

IAmTheCollector/MN-Slush-GGLD-Wayfarer — объединённая языковая модель, созданная с помощью mergekit методом SLERP из IAmTheCollector/MN-Slush-GGLD и LatitudeGames/Wayfarer-12B. Веса объединены в формате bfloat16; архитектура — плотная MistralForCausalLM, размер — 12,1 млрд параметров. Модель предназначена для генерации текста и диалогового общения. В объединении преимущественно сохранён вклад MN-Slush-GGLD на входных и выходных слоях, а в средних слоях вклад моделей сбалансирован. Базовая Wayfarer-12B ориентирована на англоязычные опасные текстовые приключения и ролевые игры с последствиями решений, что указывает на подходящий сценарий использования этой сборки. Для репозитория указано окно контекста 1 024 000 токенов, однако карточка не приводит оценок качества или практических ограничений этого значения. Лицензия в предоставленных данных не указана.

Модель Diaurys Gomez Almonte создана для Dominican News Question Answering Challenge в рамках ICC-344-T. Это испаноязычная модель BERT для извлечения ответа: она получает вопрос и контекст новости и возвращает фрагмент, который явно присутствует в тексте. Модель дообучена на 45 примерах набора Lisibonny/pdqa на основе mrm8488/bert-base-spanish-wwm-cased-finetuned-spa-squad2-es; её архитектура — BertForQuestionAnswering, размер — 137,1 млн параметров, длина контекста — до 512 токенов. На проверочной выборке авторы сообщают F1 81,41% и Exact Match 60%. Модель подходит для поиска фактов в доминиканских новостных текстах, но малый объём обучения ограничивает обобщение. Она может ошибаться в границах ответа, выбирать другой допустимый ответ при неоднозначности и не проверяет достоверность новости; ответ должен содержаться в переданном контексте. Указана лицензия MIT.

Модель разработана Эсмэри Васкес и Хеверлин Рамос для Dominican News Question Answering Challenge в рамках курса ICC-344-T. Это дообученная BERT-модель для извлечения ответа на испанском языке: на вход подаются вопрос и контекст новости, а модель выбирает фрагмент ответа, явно присутствующий в контексте. Архитектура — BertForQuestionAnswering, около 137,1 млн параметров, формат весов safetensors, длина контекста — до 512 токенов. Модель предназначена для вопросов по доминиканским новостям. Обучающая выборка была расширена 23 примерами из цифровых газет, чтобы лучше обрабатывать некоторые выявленные типы ошибок; в README приведены результаты validation: Exact Match 73,33 и F1 83,38. Для воспроизведения результатов требуются настройки предсказания и постобработка, описанные в карточке. Модель может захватывать лишний текст или путать сходные даты, сущности и числа, а также неверно определять ожидаемый тип ответа. Она не проверяет достоверность новостей и не должна быть единственным источником для решений с высокими последствиями. Лицензия в предоставленных данных не указана.

MostClassical — модель генерации изображений по текстовому описанию в классическом мультяшном и ретро-аниме стиле. Авторская карточка выделяет изображения котят в стиле классической Disney-анимации, а примеры также показывают персонажей и стилизацию под ретро-фотографию. Модель создана слиянием DucHaiten Classic Anime и Moistalgia с помощью SuperMerger Weight Sum MBW. В карточке упомянуты также связанные с Moistalgia модели Rainbowpatch, Esthetic Retro Anime и DucHaiten-GoldenLife. Репозиторий содержит веса в форматах Diffusers и Safetensors; размер модели, архитектура базовых чекпойнтов и длина контекста в предоставленных данных не указаны. Модель подходит для создания иллюстраций и стилизованных персонажей по текстовым промптам. Она может не всегда точно следовать запросу: автор отмечает, что генерация котёнка иногда вместо этого даёт персонажа с кошачьими ушами или без котёнка. Лицензия — CreativeML OpenRAIL-M.

kfkas/movinet-a0-stream-pytorch — реализация MoViNet-A0 Stream на PyTorch и Transformers с весами для классификации видео на 600 классов Kinetics-600. Чекпойнт перенесён из Atze00/MoViNet-pytorch и основан на официальном выпуске MoViNet от Google Research. Модель содержит 3 748 031 параметр и поддерживает причинную потоковую обработку: можно передавать кадры последовательно, сохраняя состояние между ними, либо классифицировать отдельные видеоклипы. На вход подаются RGB-клипы в формате [batch, frames, channels, height, width]; эталонное разрешение — 172×172, значения пикселей должны быть float в диапазоне [0, 1]. Для потокового режима кадр подаётся отдельно, а состояние сбрасывается перед обработкой нового видео. Модель предназначена для распознавания действий и других классов Kinetics-600; классификатор можно заменить для обучения под новую задачу. Репозиторий использует собственный код Transformers, поэтому автор рекомендует проверять файлы модели и фиксировать ревизию при производственном использовании. Лицензия — MIT.

MR-IQA — модель для оценки качества изображений без эталонного изображения, представленная автором RobinY99. Она использует margin learning, объединяющее регрессию и ранжирование, и принимает изображение вместе с текстовым запросом через архитектуру Qwen3-VL. Модель предназначена для выдачи одной числовой оценки качества в диапазоне от 1 до 5. В карточке приведена проверка на отложенной части KONIQ: лучший результат достигнут на третьей эпохе, а выпущенный чекпойнт соответствует десятой эпохе. Репозиторий содержит веса Safetensors и предназначен для запуска через Transformers. Лицензия — MIT. Валидация охватывает только описанный срез данных, поэтому её результаты сами по себе не гарантируют качество на других наборах изображений или сценариях.

Это конвертированная в GGUF версия модели MT3 от Google Magenta, подготовленная для CrispStrobe/CrispASR и распространяемая по лицензии Apache-2.0. Модель на архитектуре типа T5 принимает аудиосигнал, обрабатываемый через log-mel спектрограмму, и преобразует его в последовательность MIDI-подобных событий нот. Она распознаёт несколько инструментов одновременно: события содержат номер программы General MIDI, а ударные выделяются в отдельный класс. Модель предназначена для транскрибирования музыкальных записей и экспорта результата в MIDI или JSON, включая отдельные дорожки для инструментов. В репозитории указаны веса GGUF F16 размером 96 МБ и проверка совпадения весов с эталонным PyTorch-экспортом. Реализация использует синусоидальные абсолютные позиции; runtime прекращает работу при несовместимой конфигурации внимания вместо незаметного перехода на относительные T5-позиции. Карточка не сообщает языковые требования, поэтому модель описывается как музыкальная транскрипция без привязки к естественному языку.

thealper2/mt5-small-hashtag-generation — модель последовательного преобразования текста в текст, созданная дообучением google/mt5-small разработчиком репозитория на наборе sm4rtdev/x_dataset_240. Она генерирует переменное количество хештегов для публикации в соцсетях: хештеги в исходном тексте удаляются, а модель выдаёт предсказания в виде текста. Архитектура — mT5, около 157,4 млн параметров; файлы представлены в формате safetensors. В метаданных указана задача text-generation, хотя в README задача описана как генерация хештегов.

Nautilus-70B-v0.1 — языковая модель семейства Llama, созданная BeaverAI как дообучение Nvidia Llama 3.1 Nemotron 70B. Модель рассчитана на генерацию текста в диалоговом формате и ролевые сценарии; карточка рекомендует шаблоны чата Metharme и Llama 3, а также описывает формат ролевой игры от первого лица. Модель содержит 69,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM, хранится в формате safetensors и поддерживает контекст до 131 072 токенов. README отдельно отмечает, что квантизация Q6 даёт приемлемое качество, но это не характеристика основного репозитория. Модель предназначена для генерации ответов и ролевых диалогов. В README не указана лицензия с конкретными условиями: в метаданных стоит «other», поэтому условия использования следует проверять у автора и в исходной модели.

Eugeoter/noob-sdxl-controlnet-depth — модель на базе Laxhar/sdxl_noob, предназначенная для генерации изображений по текстовому описанию с использованием ControlNet и управления композицией через карту глубины. Модель относится к экосистеме Stable Diffusion XL и предназначена для сценариев, где важно сохранять пространственную структуру, положение объектов и глубинную геометрию исходного изображения или управляющего сигнала. Модель совместима с библиотекой Diffusers и имеет тип pipeline text-to-image. В доступных данных указаны английский язык и архитектурное семейство Stable Diffusion XL, однако точный размер, количество параметров, поддерживаемые модальности помимо текста и изображения, а также максимальная длина контекста не уточнены. Сильной стороной является сочетание генерации изображений и контроля по глубине, но качество и область применимости зависят от корректности карты глубины и текстового запроса. Модель распространяется по лицензии Fair AI Public License 1.0 SD; применимые условия следует проверять в тексте лицензии по указанной ссылке.

Obsession IllustriousXL v10 — модель генерации изображений по текстовому описанию, опубликованная пользователем John6666; исходная версия создана Konoko. Это дообученная модель семейства Stable Diffusion XL на базе OnomaAIResearch/Illustrious-xl-early-release-v0, связанного с KBlueLeaf/kohaku-xl-beta5. Модель рассчитана на создание иллюстраций в стилистике anime, в том числе изображений персонажей. Для запуска доступны формат Diffusers и веса Safetensors; карточка указывает StableDiffusionXLPipeline и тензоры F16. Модель принимает текстовый промпт и генерирует изображение. В метаданных указан английский язык. Репозиторий обозначает лицензию faipl-1.0-sd; конкретные ограничения качества и подробные рекомендации по промптам в доступной карточке не описаны.

Модель woweenie/open-clip-vit-h-nsfw-finetune — дообученная версия OpenCLIP ViT-H для классификации изображений по текстовым описаниям с нулевым обучением. Её можно использовать, чтобы оценивать соответствие изображения категориям или запросам на естественном языке; карточка отмечает специализацию на NSFW-категориях и советует формулировать запросы к отдельным признакам, например волосам, лицу или одежде, в контексте целой категории. Модель принимает изображения и текстовые запросы, а выдаёт оценки соответствия между ними. Репозиторий использует библиотеку open_clip и содержит веса в форматах PyTorch и safetensors. Указана лицензия MIT. Карточка сообщает о неодинаковом объёме обучающих данных для разных категорий, поэтому качество может различаться в зависимости от запроса.

OpenCrystal-12B-L3 — дообученная разговорная языковая модель семейства Llama, опубликованная пользователем desudesuka. Она предназначена для ролевых диалогов: модель может вести речь за других персонажей, лучше следовать промпту и создавать выразительные, иногда непредсказуемые ответы. Также она умеет составлять краткие пересказы и генерировать текстовые промпты для изображений. Модель содержит 11 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. В метаданных указан контекст 8192 токена; автор сообщает о проверенном использовании с контекстом 12K и рекомендует шаблон Llama 3 Instruct. Для творческой генерации автор приводит настройки с температурой 1,23 и Min P 0,05. Ответы могут быть непоследовательными, а в ролевых диалогах модель иногда склоняется к откровенному содержанию. Автор отмечает, что варианты v2 и v2.1 недостаточно хороши, и не рекомендует отключать имена персонажей в SillyTavern. Модель опубликована в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели zxhezexin/openlrm-large-obj-1.0 на Hugging Face совпадает с карточкой zxhezexin/openlrm-small-obj-1.0, поэтому описание составлено по ней. openlrm-small-obj-1.0 — модель проекта OpenLRM, открытой реализации статьи LRM для создания 3D-представления объекта по изображению. Она обучена на данных Objaverse и предназначена для преобразования входного изображения в 3D-объект. Модель имеет 12 слоёв, размерность признаков 768, размерность triplane-представления 32 и разрешение рендеринга 192. В реализации декодер triplane состоит из четырёх слоёв; также не используется техника deferred back-propagation из оригинальной статьи. Это не официальный релиз авторов статьи, поэтому результаты могут отличаться от оригинала. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

OrangeRemix — слитая модель генерации изображений по текстовому описанию, опубликованная автором Yntec. Она предназначена для создания иллюстраций в аниме-стиле: автор отмечает выразительную композицию, привлекательный визуальный стиль и стремление сохранить согласованность изображения. Модель распространяется в формате Diffusers на базе PyTorch и Safetensors. По карточке, OrangeRemix создана смешиванием нескольких моделей, включая BloodOrangeMix, ElyOrangeMix и EerieOrangeMix_night, с последующим применением VAE. В качестве компонентов также указаны AnythingV3.0 и модели NovelAI. Рецепт автор описывает приблизительно и отмечает, что не сохранил точные заметки, поэтому точное воспроизведение слияния может быть затруднено. Лицензия — CreativeML Open RAIL-M.

3tic/Orion-Qwen3-8B-CPT-v2607 — базовая модель на архитектуре Qwen3, дообученная разработчиком на корпусе объёмом более 40 млрд токенов китайских и японских текстов ранобэ и близких художественных материалов. В обучающие данные вошли опубликованные и веб-ранобэ, тексты визуальных новелл, субтитры аниме и переводы этих материалов на китайский язык. Модель предназначена для дальнейшей тонкой настройки под задачи генерации текста, связанные с китайской и японской художественной прозой. Она содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM, принимает текст и имеет контекстное окно 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0.

Pantheon-Reasoning-26B-A4B-1.1-V2 — экспериментальная разговорная модель Gryphe, дообученная на базе Gryphe/Gemma-4-26B-A4B-StyleTune-V2. Она предназначена для ролевых диалогов, творческого письма и интерактивных текстовых приключений: модель планирует характер, тон и ход повествования перед ответом. В обучающих данных использованы ролевые транскрипты, текстовые приключения и корпус Pantheon с добавленными рассуждениями; в версии 1.1 эти рассуждения сокращены и прошли дополнительную проверку качества. Модель использует архитектуру Gemma 4, обучена для диалогов по штатному шаблону чата Gemma 4 и распространяется в формате safetensors. Автор отмечает, что влияние рассуждений на качество ролевой игры ещё требует проверки, а выпуск прошёл лишь базовые проверки и не подвергался обширному тестированию. Рассуждения увеличивают задержку генерации; автор также не рекомендует префиксы с именами персонажей. Карточка не сообщает размер контекста. Лицензия — Apache-2.0.

Pantheon-Reasoning-31B-1.1 — англоязычная модель Gryphe для генерации ролевых диалогов и творческого письма с планированием ответа. Это дообученная плотная модель Gemma 4 31B StyleTune, опубликованная в формате safetensors и распространяемая по лицензии Apache-2.0. Модель обучена на корпусах ролевых диалогов, текстовых приключений и данных Pantheon с добавленными рассуждениями перед каждым ответом. Она рассчитана на проработку характера персонажа, тона и развития сцены; автор сообщает о более коротких, выразительных ответах и сокращении клише относительно базовой модели. Поддерживаются диалоговый и инструкционный режимы; используется родной шаблон чата Gemma 4. Это исследовательский выпуск, прошедший только базовые проверки: автор отмечает, что качество ролевой игры и польза рассуждений требуют дальнейшей оценки. В README также рекомендуется не использовать префиксы с именами персонажей, поскольку они могут конфликтовать с рассуждениями. Контекстная длина не приводится.