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

s3nh/zelda-botw-stable-diffusion — модель генерации изображений, созданная дообучением Stable Diffusion v1.5 автором s3nh. Она предназначена для создания иллюстраций в стиле художественных работ по игре The Legend of Zelda: Breath of the Wild; для усиления этого стиля в запрос рекомендуется добавлять фразу «botw style». Модель основана на DreamBooth, обучалась с сохранением prior и дообучением текстового энкодера, распространяется в форматах Diffusers и PyTorch и использует библиотеку Diffusers. Модель принимает текстовые запросы и генерирует изображения. Лицензия — CreativeML OpenRAIL-M. Результаты зависят от формулировки запроса, а специализация на стилистике BOTW ограничивает её пригодность для задач, требующих универсального или строго контролируемого визуального стиля.

abook-analyzer:v4 là mô hình của dự án ABook, được tinh chỉnh bằng LoRA trên Qwen/Qwen3-4B-Instruct-2507, затем объединённый с базовой моделью и выпущенный в формате GGUF Q8_0. Он анализирует фрагменты вьетнамских романов и возвращает для каждого фрагмента разметку в JSON по схеме ABook: говорящий, повествование, диалог или внутренняя речь, эмоция, её интенсивность, темп, громкость и пол. Модель предназначена для подготовки разметки аудиокниг; студия ABook загружает её автоматически, также описан запуск через Ollama. В обучении использовались собственные эталонные разметки проекта, а текст романов не переиздаётся моделью. Для v4 сообщается улучшение метрик относительно v3 на тестовых главах, не включённых в обучение; измерения проводились с контекстом из девяти предшествующих фрагментов. Модель обучена под запросы и схему ABook, поэтому для других форматов и задач качество не гарантируется. Репозиторий распространяется по лицензии Apache-2.0.

AbyssMapleVer3 — модель преобразования текста в изображения, опубликованная AIARTCHAN. Это смешанная модель на базе Stable Diffusion: в README перечислены AbyssOrangeMix2 NSFW, maplestoryStyle, Terada Tera Style, myHeroAcademiaHorikoshi и yomYomuStyle с указанными коэффициентами. Репозиторий содержит варианты no-EMA и fp16; для работы используется библиотека Diffusers и доступны веса в форматах PyTorch и safetensors. Модель предназначена для генерации изображений по текстовым запросам в художественных стилях, сочетающих эстетику MapleStory, мангу и перечисленные стили. README указывает на NSFW-происхождение одной из базовых моделей, поэтому результаты могут включать контент для взрослых. Лицензия — CreativeML OpenRAIL-M.

OccultAI Adversary-8B-v1.1 — языковая модель для генерации текста и ролевых диалогов, разработанная как дообучение модели SicariusSicariiStuff/Llama-3.1-Nemotron-8B-UltraLong-1M-Instruct_Abliterated. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст. В метаданных указан контекст до 1 073 152 токенов; для наилучших результатов автор рекомендует шаблон Llama 3. Модель предназначена для художественного письма, создания сюжетов и сцен, продолжения историй и ролевых диалогов в разных жанрах, включая хоррор и тёмное фэнтези. Дообучение выполнено на наборе DarkArtsForge/Adversary_241, составленном на основе EldritchLabs/Cthulhu_v1.4b и дополнительных источников. Версия 1.1 исключает 100 вопросов и ответов, связанных с проблемами связности, повторов и бесконечной генерации; автор сообщает, что модель стала стабильнее. Модель может генерировать графическое насилие и откровенный эротический контент. Она распространяется в формате safetensors по лицензии Llama 3.1.

imperialwool/ai-dungeon-large-en — англоязычная модель генерации текста на архитектуре GPT-2, представленная в форматах PyTorch и Safetensors. Карточка сообщает, что модель хорошо работает только на английском языке; она предназначена для генерации продолжений текста и может применяться для интерактивных текстовых приключений в стиле AI Dungeon. Модель принимает текст и генерирует текст. Её контекстное окно составляет 1024 токена. Модель опубликована под лицензией MIT. Сведений о числе параметров и конкретном способе обучения в карточке нет.

Aion-3.0 — система для ролевого взаимодействия и создания историй, разработанная AionLabs на основе семейства моделей GLM. Она использует совместную генерацию: несколько специализированных моделей вносят вклад в создание ответа. Модель предназначена для текстовых сценариев ролевой игры и повествования. Данных о размере, контексте, поддерживаемых языках и лицензии в предоставленных материалах нет. Подробности о специализированных моделях и их ролях также не приведены.

Aion 3.5 Mini — компактная система для ролевого взаимодействия и создания историй от AionLabs, построенная на семействе моделей GLM. Это младшая и менее затратная версия Aion 3.5, предназначенная для ролевых сценариев и повествовательных задач.

Это модель классификации последовательностей на базе ALBERT, дообученная TextAttack на датасете IMDb для определения тональности отзывов о фильмах. Она принимает текст и относит его к одному из классов тональности. Модель содержит 136,3 млн параметров, работает с контекстом до 512 токенов; при дообучении использовалась максимальная длина последовательности 128 токенов. На оценочном наборе IMDb модель достигла точности 0,89236. Её можно применять для классификации отзывов о фильмах и как отправную точку для экспериментов с анализом тональности. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных материалах отсутствуют.

Alephzero Neurolingiust SDXL — модель для генерации изображений по текстовому описанию, совместимая с библиотекой Diffusers и предназначенная для сценариев text-to-image. Она ориентирована прежде всего на создание аниме-изображений, включая изображения девушек. Модель основана на OnomaAIResearch/Illustrious-XL-v2.0 и относится к семейству Stable Diffusion XL. В README указана поддержка английского языка. Точные сведения о количестве параметров, максимальном размере контекста, дополнительных модальностях, сильных сторонах и ограничениях не приведены. Модель создана EmptyYnes. Условия использования определяются лицензией FAIR-1.0-SD (FAIPL-1.0-SD); подробности доступны по ссылке, указанной в README.

philipp-zettl/all-MiniLM-L6-v2-mtg-v2 — дообученная модель Sentence Transformers на базе sentence-transformers/all-MiniLM-L6-v2. Энкодер на архитектуре BERT преобразует текст в нормализованные плотные векторы размерности 384; для сравнения используется косинусное сходство. Контекст модели — до 512 токенов по метаданным, а карточка указывает максимальную длину последовательности 256 токенов. Модель обучена на 2 132 917 парах текстов с MultipleNegativesRankingLoss и предназначена для поиска и сопоставления запросов с документами, в частности для текстов о картах Magic: The Gathering. Её можно применять для семантического поиска, извлечения релевантных описаний и ранжирования по сходству. Прикладной язык и домен обучения — англоязычные карточки Magic: The Gathering; качество на других языках и темах карточка не характеризует. Лицензия в предоставленных данных не указана.

Anima 1.0 Base — базовая модель для генерации изображений по тексту, представленная CalamitousFelicitousness как конверсия формата Diffusers для SD.Next. Исходную модель разработали CircleStone Labs и Comfy Org. Это предварительно обученная версия без дополнительной стилистической доработки, рассчитанная на гибкую генерацию аниме-персонажей, концептов и других нереалистичных иллюстраций; реалистичные изображения не являются её целью. Модель насчитывает 2 млрд параметров и использует 28-слойный CosmosTransformer3DModel, текстовый энкодер Qwen3-0.6B с пользовательским адаптером cross-attention и VAE AutoencoderKLWan. Рекомендуемые параметры генерации — 30–50 шагов, CFG 4–5 и разрешение от 512×512 до 1536×1536. Модель обучалась на тегах в стиле Danbooru и текстовых описаниях; в README приведены рекомендации по составлению запросов и применению LoRA. Репозиторий содержит формат Diffusers и веса safetensors. Указана лицензия other, поэтому конкретные условия использования следует сверять с лицензией исходной модели. Базовая версия ориентирована на гибкость и следование стилю, но её нейтральный стиль может требовать тегов качества, стиля или автора для желаемого результата.

Anima-Aesthetic-v1.0-GGUF — квантизированная версия модели Anima-Aesthetic-v1.0, разработанной CircleStone Labs. Это текст-в-изображение модель на 2 млрд параметров, построенная на базе NVIDIA Cosmos-Predict2-2B-Text2Image и представленная в форматах GGUF для генерации изображений с использованием CPU или GPU-выгрузки в ComfyUI. Модель предназначена прежде всего для создания аниме-иллюстраций, персонажей и художественных сцен. Версия Aesthetic дообучена для более стабильной генерации и улучшенного художественного стиля по сравнению с базовой моделью; фотореализм не является её сильной стороной. Поддерживаются разрешения примерно от 512×512 до 1536×1536 пикселей, рекомендуются 30–50 шагов и CFG 4,0–5,0. Для работы требуются ComfyUI версии 0.14.1 или выше, узел ComfyUI-GGUF, а также отдельные текстовый энкодер Qwen 3 0.6B Base и VAE Qwen Image. Доступны варианты квантизации от Q3_K_M до Q8_0 размером примерно от 1,02 до 2,24 ГБ; Q4_K_M и Q5_K_M заявлены как оптимальный баланс скорости и качества. Модель лучше работает с подробными промптами, поддерживает сочетание естественного языка и тегов Danbooru, но короткие запросы могут давать непредсказуемые результаты. Распространяется по CircleStone Labs Non-Commercial License: модель и производные разрешены только для некоммерческого использования, тогда как сгенерированные изображения, согласно указанным условиям, обычно могут применяться коммерчески.

Anima Base v1.0 — модель генерации изображений по текстовому описанию, разработанная в сотрудничестве CircleStone Labs и Comfy Org. Она создана на базе oron1208/OOO_Anima и предназначена прежде всего для создания аниме-иллюстраций, персонажей и художественных стилей, а также другого не photorealistic-контента. Модель не ориентирована на реалистичные изображения. Модель содержит около 2 миллиардов параметров и обучена на нескольких миллионах аниме-изображений и примерно 800 тысячах других художественных изображений; синтетические данные не использовались. Она поддерживает работу с тегами в стиле Danbooru, естественными англоязычными описаниями и их сочетаниями. Рекомендуемый диапазон разрешений — от 512×512 до 1536×1536 пикселей, типичные параметры генерации — 30–50 шагов и CFG 4–6. Модель нативно поддерживается ComfyUI и требует отдельные text encoder Qwen 3 0.6B и VAE Qwen-Image. Сильные стороны модели — гибкость, разнообразие результатов и хорошее следование художественному стилю; она особенно подходит для аниме-арта, концепт-иллюстраций и стилизованных персонажей. Ограничением является слабая пригодность для фотореализма, а качество зависит от корректного составления промптов, включая использование англоязычных тегов и подходящих параметров генерации. Данные аниме-обучения имеют дату отсечения сентябрь 2025 года. Модель распространяется по лицензии CDLA-Permissive-2.0.

Animagine XL — разработанная Linaqruf модель генерации изображений по тексту, дообученная на Stable Diffusion XL 1.0 на тщательно отобранном наборе изображений в стиле аниме. Это латентная диффузионная модель для создания и изменения изображений по текстовым запросам; она поддерживает теги Danbooru и рассчитана на высокое разрешение, включая изображения 1024×1024 и разные соотношения сторон. Модель подходит для создания персонажей, иллюстраций и сцен в аниме-стилистике через Diffusers, Stable Diffusion WebUI или ComfyUI. Для получения ожидаемого стиля README рекомендует использовать теги Danbooru вместо обычных описаний на естественном языке. Модель распространяется в формате safetensors и доступна по лицензии CreativeML Open RAIL++-M. Модель наследует ограничения Stable Diffusion XL 1.0; README не уточняет их подробнее.

Карточка модели Kur0n1ko/animagine-xl-3.1 на Hugging Face совпадает с карточкой cagliostrolab/animagine-xl-3.1, поэтому описание составлено по ней. Animagine XL 3.1 — модель генерации изображений по текстовому описанию, разработанная Cagliostro Research Lab. Это дообученная на основе Stable Diffusion XL модель семейства Animagine XL, специализирующаяся на изображениях в стиле аниме и персонажах из известных аниме-сериалов. Авторы отмечают улучшенное понимание запросов, прорисовку рук и поддержку тегов качества, рейтинга, эпохи и эстетики. Модель предназначена для художников, поклонников аниме и создателей контента, которым нужно создавать или варьировать иллюстрации по текстовым запросам. Для более предсказуемого результата рекомендуется использовать подробные описания и теги в стиле Danbooru; модель доступна через Diffusers в форматах Diffusers и safetensors. Лицензия — CreativeML Open RAIL++-M, обозначенная в метаданных как openrail++. Модель ориентирована на аниме и не подходит для фотореалистичных изображений. Короткие или простые запросы могут давать слабый результат, а анатомия и руки всё ещё могут изображаться с ошибками. Возможна генерация NSFW-контента, в том числе без явного запроса.

Anima-Light-Lavender — модель генерации изображений, выпущенная автором репозитория Johnny-Z и дообученная на Anima-Base v1.0 из серии circlestone-labs/Anima. Она предназначена для создания аниме-иллюстраций, персонажей и стилизованного арта по текстовому описанию. Модель сохраняет архитектуру базовой версии: DiT с 28 слоями и примерно 2 млрд параметров; для работы используются текстовый энкодер Qwen3-0.6B и VAE Qwen-Image. README рекомендует подробные описания примерно в пределах 512 токенов, а также ComfyUI. Доступны веса BF16 и MXFP8; MXFP8 ускоряет инференс. Модель обучалась на примерно 1,7 млн размеченных изображений Danbooru с использованием структурированных подписей и ориентирована на естественно-языковое управление генерацией. Она подходит для персонажного арта и иллюстраций с заданными стилем, композицией, освещением и атмосферой, но не рассчитана на фотореализм. Короткие надписи обычно удаются лучше длинного текста, который модель воспроизводит ненадёжно. Репозиторий указывает лицензию «other», без конкретизации её условий в доступных данных.

Anything V5 — модель генерации изображений по текстовому описанию из семейства Anything, связанного с автором проекта «万象熔炉»; этот репозиторий представляет собой повторную загрузку файлов с ModelScope. Модель предназначена прежде всего для создания изображений в аниме-стиле. Она доступна в формате Diffusers на базе PyTorch с весами Safetensors и распространяется по лицензии CreativeML OpenRAIL-M. Для получения нужного результата карточка рекомендует точные и подробные промпты: одной короткой подсказки может быть недостаточно. В README также приведён пример настроек Euler A, 20 шагов, CFG 7 и Clip Skip 2, но разрешается использовать другие семплеры и параметры. Для варианта NoVAE требуется отдельно выбрать внешний VAE. В карточке описаны несколько версий и вариантов семейства, поэтому характеристики отдельных вариантов, например совместимость с LoRA или наличие VAE, нельзя автоматически переносить на все файлы репозитория.

Asagi-2B — японская мультимодальная модель для диалогов с изображениями и текстом. Репозиторий aipib содержит её GGUF-версию в формате F16; в метаданных архитектура указана как LlavaForConditionalGeneration, семейство Llava. Модель дообучена на основе llm-jp/llm-jp-3-1.8b-instruct и предназначена для задач image-text-to-text. Модель принимает изображения и текстовые запросы, а в ответ генерирует текст. В README указано, что для подготовки imatrix использовался японский датасет TFMC/imatrix-dataset-for-japanese-llm; метаданные также отмечают японский язык. Лицензия — Apache-2.0. README ссылается на стороннюю статью с инструкциями по конвертации GGUF и использованию через Ollama.

SAIFIINDUSTRIES/AST_ESC50_FineTuned — модель классификации звуков, дообученная разработчиком на основе MIT/ast-finetuned-audioset-10-10-0.4593. Она использует архитектуру Audio Spectrogram Transformer и предназначена для определения классов звуковых событий в аудио. В README приведены результаты на оценочном наборе: accuracy 1.0 и loss 0.2868, однако название набора данных указывает на ESC-50, а README сообщает лишь о неизвестном наборе данных, поэтому область применимости этих оценок неясна. Модель содержит 113,2 млн параметров, использует формат safetensors и библиотеку Transformers. Лицензия — BSD 3-Clause.

Aura Prototype 26B A4B — экспериментальное объединение предварительно обученных моделей, созданное EldritchLabs с помощью mergekit и метода слияния aura. В него вошли Gandalf69/Adversary-26B-A4B-v0, TheDrummer/Orion-26B-A4B-v1.1, Gryphe/Pantheon-Reasoning-26B-A4B-1.1-V2 и electroglyph/gemma4-26b-fiction-bf16. Модель основана на архитектуре Gemma 4, имеет 26B параметров и распространяется в формате safetensors; лицензия — Apache-2.0. Модель предназначена для диалогов и творческой работы с текстом: ролевых сцен, продолжения историй, создания сюжетов и художественной прозы. Метаданные также указывают поддержку изображений наряду с текстовым взаимодействием. Карточка описывает способ и экспериментальный процесс слияния, но не приводит оценки качества или подробных результатов тестирования.

Это англоязычная модель многоклассовой классификации текстов на основе BERT, обученная Julien Simon с помощью AutoNLP на наборе данных juliensimon/autonlp-data-song-lyrics. Она предназначена для отнесения текстов песенных строк к категориям и принимает текст длиной до 512 токенов, возвращая метки классов. В репозитории указаны 136,7 млн параметров и веса в форматах PyTorch и Safetensors. На валидации модель показала accuracy 0,668 и macro F1 0,538, поэтому качество распознавания может различаться между классами. Доступ к модели демонстрируется через API Hugging Face. Лицензия в предоставленных данных не указана.

Beeple Diffusion — модель генерации изображений в художественном стиле Beeple, опубликованная riccardogiorato. Это дообученная методом DreamBooth Stable Diffusion v1.5, обученная на более чем 600 произведениях Beeple и распространяемая в формате Diffusers на PyTorch. Модель принимает текстовый запрос и создаёт изображение; для вызова характерного стиля автор рекомендует включать в запрос слово «beeple». README также упоминает возможность экспорта в ONNX, MPS и FLAX/JAX. Модель подходит для создания цифровых иллюстраций и концепт-арта по текстовому описанию с эстетикой Beeple. В метаданных указана лицензия CreativeML Open RAIL-M. Доступный README не описывает ограничения качества или безопасности, поэтому такие свойства нельзя оценить по карточке.

Карточка модели dbmdz/bert-small-historic-multilingual-cased на Hugging Face совпадает с карточкой dbmdz/bert-tiny-historic-multilingual-cased, поэтому описание составлено по ней. dbmdz/bert-tiny-historic-multilingual-cased — компактная многоязычная модель семейства BERT от команды dbmdz, обученная на исторических текстах. Она предназначена для предсказания замаскированных токенов в тексте и может служить компактной основой для обработки исторических документов. Модель имеет архитектуру BertForMaskedLM, 2 слоя и скрытый размер 128; содержит около 4,6 млн параметров и принимает последовательности длиной до 512 токенов. В обучающие корпуса вошли исторические материалы на немецком, французском, английском, финском и шведском языках, включая данные Europeana и Британской библиотеки. Доступны веса в форматах PyTorch, Safetensors и TensorFlow. Компактный размер облегчает запуск и дообучение на ограниченных ресурсах. По сравнению с крупными BERT-моделями её возможности и ёмкость ограничены; карточка описывает предобучение, но не приводит оценок качества для конкретных прикладных задач. Лицензия — MIT.

Bigger-Body-12b — модель для генерации текста и ролевого чата, созданная на базе Mistral Nemo Instruct 2407. Разработчик позиционирует её как модель для ролевых сценариев; по отзывам в карточке, она пишет короткие, живые ответы, следует инструкциям карточек персонажей и может выдавать более длинные ответы, когда это нужно. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский и китайский языки; автор оценивает качество английского как близкое к нативному, а китайского — как посредственное. Контекстное окно составляет 131 072 токена. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка отмечает, что ответы иногда могут зацикливаться; автор рекомендует исправлять это повторной генерацией. Модель предназначена для ролевого общения, а не для использования детьми.

Blue-Orchid-2x7b — текстовая MoE-модель для генерации продолжений, ориентированная на ролевые диалоги и написание историй. В README указано, что один эксперт объединяет преимущественно модели для ролевых диалогов, а второй — модели для написания историй; базовая модель — SanjiWatsuki/Kunoichi-DPO-v2-7B. Метаданные указывают архитектуру MixtralForCausalLM, около 7,1 млрд параметров и контекст до 8192 токенов. Модель подходит для ролевого общения с персонажами, продолжения художественных сцен и создания повествовательного текста. README приводит шаблон LimaRP и сообщает, что также должен работать шаблон Alpaca. Модель принимает текст и генерирует текст. Модель опубликована в формате safetensors, хотя README также упоминает GGUF. Лицензия — Apache-2.0. Языки и конкретные ограничения качества в доступных сведениях не описаны.

CALAMITY — специализированная модель генерации изображений в жанре хоррор, созданная на основе Prometheus. Согласно карточке, Prometheus является полноранговым дообучением архитектуры Playground v2.5; CALAMITY обучена на подборке хоррор-изображений и использует пользовательскую интеграцию CLIP для согласования изображений с текстовыми запросами. Модель предназначена для создания мрачных, жутких, сюрреалистичных и тревожных иллюстраций, в том числе концепт-арта для игр, фильмов и книг. В README рекомендованы разрешение 1024×1024, Clip Skip 2, CFG Scale 7 и 30–60 шагов; репозиторий использует Diffusers и формат safetensors. Лицензия — Apache-2.0. Модель ориентирована на узкую эстетическую задачу и может быть менее подходящей для изображений вне жанра хоррор. Заявленные параметры генерации являются рекомендациями из карточки, а не гарантией результата.

calm3-22b-RP — японская диалоговая модель для ролевых сценариев, созданная Aratako с помощью mergekit. Это слияние CyberAgent/calm3-22b-chat и дообученной для ролевых игр Aratako/calm3-22b-RP-v0.1; модель использует архитектуру LlamaForCausalLM и содержит 22,1 млрд параметров. Модель предназначена для ведения ролевого диалога по заданным инструкциям, описанию мира и настройкам персонажей. Она принимает текстовый контекст в формате ChatML и генерирует текстовые ответы; максимальный контекст составляет 16 384 токена. Базовая диалоговая модель рассчитана на японский и английский языки, а датасеты ролевых диалогов включают NSFW-примеры. Модель распространяется в формате safetensors по лицензии CC-BY-NC-SA 4.0. Из-за условий, связанных с использованием выходов GPT-4o-mini и Claude 3.5 Sonnet в обучающих данных, README запрещает применять её для конкурирующих с OpenAI и Anthropic сервисов.

Canopus-LoRA-Flux-FaceRealism — адаптер LoRA, разработанный prithivMLmods для генерации фотореалистичных изображений лиц и портретов. Модель предназначена для text-to-image сценариев на базе FLUX.1-schnell и ориентирована на создание реалистичной кожи, черт лица, освещения и фотографической детализации в портретной и fashion-съёмке. Это LoRA для диффузионной архитектуры с параметрами Network Dim 64 и Network Alpha 32. Для обучения использовано более 200 изображений высокого разрешения; разметка выполнена с помощью Florence2 на английском языке и естественном языке. В README не указаны точный объём адаптера, максимальный контекст, поддерживаемые языки интерфейса или отдельные модальности, однако модель является изображенческой и не предназначена для обработки текста как самостоятельная модель. Сильная сторона адаптера — специализация на реалистичных лицах, портретах и естественном освещении. Ограничение заключается в том, что модель всё ещё находится на стадии обучения и может создавать артефакты или работать нестабильно в отдельных случаях. Для активации рекомендуется использовать instance prompt «face, realism, face realism». Указана лицензия creativeml-openrail-m; условия совместного использования с базовой моделью FLUX.1-schnell следует дополнительно проверять по её лицензии.

Chaifighter-20B-v2 — плотная языковая модель семейства Llama с 19,3 млрд параметров, созданная автором карточки слиянием предварительно обученных моделей через mergekit. В состав слияния вошли Gryphe/MythoMist-7b, KatyTheCutie/LemonadeRP-4.5.3, SanjiWatsuki/Kunoichi-7B и Sao10K/Fimbulvetr-11B-v2; в метаданных последняя указана как базовая модель. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Модель предназначена прежде всего для длинных ролевых диалогов и генерации развёрнутого, творческого текста. Она принимает текстовые инструкции в шаблоне Alpaca и выдаёт текст; автор отмечает, что качество зависит от подробности контекста и описания персонажа. Максимальное окно контекста — 4096 токенов. Автор указывает, что модель менее подходит для коротких ролевых реплик.

ChenkinNoob-XL-V0.1 — диффузионная модель генерации изображений по тексту, разработанная командой ChenkinNoob на основе Laxhar/noobai-XL-1.1. Она обучена на датасетах изображений Danbooru с подписями в виде тегов и ориентирована на создание стилизованных, в том числе аниме-изображений по промптам и тегам. Модель принимает текстовые запросы и выдаёт изображения. Для генерации авторы рекомендуют CFG 5–6, 25–30 шагов сэмплирования Euler a и разрешение около 1024×1024; среди рекомендуемых соотношений сторон — 832×1216 и 1216×832. В README указано, что это независимый проект, не официальный выпуск Laxhar Lab. Коммерческое использование запрещено; для производных моделей и продуктов заявлены требования открытой публикации и соблюдения fair-ai-public-license. Модель может создавать неожиданные или вредоносные результаты, и пользователь принимает связанные с применением риски.