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

MythoLogic-Mini-7b — языковая модель Gryphe для генерации текста с усиленным акцентом на ролевые диалоги. Она построена на Llama 2: в основе лежит Nous Hermes-2, объединённая с Stable Beluga и дистиллированной LoRA Kimiko; автор сообщает, что выбрал конфигурацию слияния после сравнения нескольких вариантов. Архитектура — плотная Llama, размер — 6,6 млрд параметров, контекст — 4096 токенов. Модель подходит для ролевых переписок, продолжения диалогов и генерации ответов по инструкции. Для лучшего результата рекомендуется формат Alpaca с маркерами Instruction и Response. В карточке указаны английский язык и лицензия other; конкретные условия лицензии в доступных данных не раскрыты. Как и другие модели этого размера, она может уступать более крупным моделям в широком круге задач; заявленный акцент — ролевая игра.

NCI Technique Classifier v5.2 — англоязычный классификатор Synapti для выявления пропагандистских приёмов в тексте. Модель дообучена на базе answerdotai/ModernBERT-base и распознаёт 18 категорий по таксономии SemEval-2020 Task 11. Она выдаёт калиброванные вероятности для каждой категории и рассчитана на анализ целых документов без предварительного разбиения на предложения. Модель предназначена для поиска приёмов пропаганды и анализа координированных информационных операций в рамках протокола Narrative Coordination Index. В README сообщается о снижении ложных срабатываний на научных и фактических текстах благодаря обучению на сложных отрицательных примерах; приведённые результаты относятся к тестам разработчика. Модель содержит 149 млн параметров, поддерживает контекст до 8192 токенов и доступна в форматах Safetensors и ONNX. Лицензия — Apache-2.0.

NOESIS-Gemma4-12B-it-Qat-Q4_0-Unquantized-BF16 — текстовая модель для генерации и диалогов в составе платформы автоматизации многоязычного дубляжа NOESIS от AMAImedia. В основе лежат неизменённые веса Google Gemma 4 12B Instruct; к комплекту прилагается отдельный обученный нелинейный адаптер, который преобразует скрытые состояния Gemma 4 для совместимости с аудиомоделью Scenema-DiT. Сам адаптер применяется во время выполнения и не объединён с весами Gemma 4. Модель предназначена для роли текстового кодировщика в конвейере генерации речи и дубляжа. В README сообщается о проверке адаптера на 13 языках: для 12 языков, включая русский, указано среднее сходство около 0,92, тогда как для корейского — 0,728; исправление для корейского отложено. Карточка также отмечает проблемы совместимости распределений скрытых состояний при прямой замене Gemma 3 на Gemma 4 в Scenema-DiT, поэтому для этой роли требуется парное использование модели и адаптера. Лицензия — Gemma Terms of Use: применение зависит от принятия условий и соблюдения ограничений Google, а распространение требует атрибуции и включения условий лицензии.

subby2006/noob-ipa — репозиторий модели для преобразования изображений, опубликованный на Hugging Face. Поиск по идентификатору обнаружил репозиторий noob-ipa с файлами IP-Adapter, включая веса с названиями styleIpadapter и noobIPAMARK1. Это указывает на применение для переноса визуального стиля или характеристик по изображению-референсу в сценариях image-to-image. Репозиторий использует библиотеку Diffusers и содержит веса в формате safetensors; метаданные указывают задачу image-to-image и лицензию other. Карточка модели отсутствует, поэтому сведения о разработчике, базовой модели, архитектуре, размере, поддерживаемых языках и конкретных ограничениях подтвердить нельзя.

Janos98/ntu-spml-distilhubert-base-finetuned-gtzan — модель классификации аудио, созданная дообучением ntu-spml/distilhubert на наборе GTZAN. Она использует архитектуру HuBERT и содержит 18,9 млн параметров; модель предназначена для отнесения аудиозаписей к музыкальным жанрам по классам GTZAN. Модель подходит для автоматической жанровой разметки музыкальных фрагментов. В README приведены результаты оценки на тестовой выборке: accuracy 0,44 и loss 1,607, поэтому качество классификации может быть ограниченным. Лицензия — Apache-2.0.

OpenElla-NovelWriter-Requiem-Ascended — языковая модель N-Bot-Int для генерации текста и ролевого диалога. Она предназначена для интерактивного ролевого отыгрыша с персонажами и сюжетного письма; авторы отмечают, что модель лучше учитывает карточки персонажей и поддерживает творческую свободу в разных сценариях ролевой игры. Модель построена на архитектуре Llama для причинной генерации текста, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Для работы рекомендуется формат диалога Llama 3; настройки генерации стоит подбирать с учётом карточки персонажа. В метаданных указан английский язык. Модель объединяет несколько моделей NovelWriter и akjindal53244/Llama-3.1-Storm-8B; файлы опубликованы в формате safetensors. Модель распространяется по лицензии AGPL-3.0. Она ориентирована на ролевые сценарии, а поведение и качество ответов могут зависеть от формата диалога, карточки персонажа и параметров генерации.

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.

Penny‑1.7B — языковая модель на 1,7 млрд параметров, разработанная как дообучение SmolLM2‑1.7B-Instruct с помощью GRPO. Она предназначена для генерации текста в стиле ирландского журнала Irish Penny Journal 1840 года: модель воспроизводит викторианскую лексику, орфографию и манеру изложения, сохраняя часть общих возможностей базовой модели. Модель подходит для творческого письма, учебных материалов и стилистической стилизации под ирландский английский XIX века, а также для исследований обучения стилю с помощью обучения с подкреплением. Архитектура — плотная LlamaForCausalLM; модель принимает текст и генерирует текст. Контекст составляет 8192 токена. Использование распространяется по лицензии Apache-2.0. Архаичная манера речи и взгляды эпохи могут проявляться в ответах. Модель не рекомендуется для современных фактологических вопросов; результаты следует проверять перед использованием.

Persona-5-Shigenori-Style — модель генерации изображений в стиле Shigenori, обученная Allenbv методом DreamBooth на базе Stable Diffusion. В карточке указаны 3200 шагов обучения, обучение текстового энкодера на 20% и набор из 23 изображений. Для генерации стиль следует обозначать в текстовом запросе фразой «Shigenori Style». Модель предназначена для создания изображений по текстовым описаниям с визуальным стилем, связанным с Persona 5 и Shigenori. Её можно использовать через интерфейс AUTOMATIC1111 или библиотеку diffusers. Репозиторий содержит веса в форматах diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M.

Lexius/Phi-4-multimodal-instruct — мультимодальная модель семейства Phi-4, размещённая пользователем Lexius. Это дообученная для распознавания корейской речи версия Phi-4-multimodal: автор сообщает о 35 тысячах пар корейской речи и транскрипций, собранных из открытых и собственных наборов данных. Модель предназначена для преобразования корейской речи в текст; карточка также упоминает перевод речи и демонстрационные материалы для проверки концепции. Модель использует архитектуру Phi4MMForCausalLM с 3,8 млрд параметров и работает через Transformers. Вход — аудио, выход — текст. В README базовой модели описана мультимодальная обработка текста, изображений и аудио, однако сведения о корейском дообучении подтверждают именно задачу распознавания речи. Метаданные указывают контекст 4096 токенов; README базовой модели приводит другое значение, поэтому длина контекста для этой версии неясна. Автор характеризует дообученную версию как PoC, не предназначенную для производственного применения. Качество может зависеть от скорости речи и условий записи; оценка на широком наборе корейской речи не приведена. Лицензия — MIT.

PixVL-damgar-model-c-baseline-sft — опубликованный экспорт модели PixVL, подготовленный из обучающего экспорта damgar_chooseone_model_c_baseline_sft_8g_20260727. Модель разработана на основе Qwen3-VL-4B-SAMTok и предназначена для сегментации изображений; архитектура — Qwen3-VL для условной генерации, веса доступны в формате safetensors. Модель принимает изображения и текстовые инструкции и формирует результат сегментации. README указывает на исследовательское использование и наследование лицензии и ограничений исходной модели; метаданные репозитория указывают лицензию MIT. Языки и длина контекста в предоставленных сведениях не описаны.

Matous Volf и Jakub Simko разработали модель для классификации политической ориентации текста. Она относит текст к одному из трёх классов: левый, центристский или правый; оценки классов представлены как вероятности. Модель основана на POLITICS и дообучена на новостных статьях, публикациях в социальных сетях и сгенерированных языковой моделью политологических высказываниях. Модель предназначена для анализа англоязычных текстов в контексте политики США: понятия «левый» и «правый» здесь связаны преимущественно с либеральными взглядами и Демократической партией, а также с консервативными взглядами и Республиканской партией. Она использует архитектуру RoBERTa, содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов. Для входных текстов, которые могут быть неполитическими, авторы рекомендуют предварительно применять отдельный классификатор политичности: эта модель сама не определяет, относится ли текст к политике. Модель создана в рамках исследования об автоматической классификации политической ориентации и политичности текста. На приведённых в карточке тестовых наборах указаны точность 84,7–89,2% и F1 84,6–89,2%; результаты зависят от набора данных и не гарантируют качество на текстах вне обучающего распределения. Весы опубликованы в формате Safetensors, лицензия — CC BY-NC 4.0, допускающая использование с некоммерческими ограничениями.

Naznut/Pony_LORAs — адаптер LoRA для генерации изображений на основе текстовых описаний. Модель разработана пользователем Naznut и обучена с использованием Replicate на базе black-forest-labs/FLUX.1-dev. Для активации характерного эффекта при генерации необходимо использовать триггерное слово «owhx». Адаптер предназначен для подключения к FLUX.1-dev через библиотеку Diffusers и может применяться в сценариях text-to-image. Технически это LoRA-адаптер для архитектуры FLUX.1-dev; README не указывает его размер, точную архитектуру базовой модели, поддерживаемые языки сверх метаданных с указанием английского, размер контекста или дополнительные модальности. Для работы требуется базовая модель FLUX.1-dev и совместимый pipeline text-to-image. Лицензия — flux-1-dev-non-commercial-license, то есть использование ограничено условиями некоммерческой лицензии FLUX.1-dev.

Psydestroyer 20B — плотная авторегрессионная языковая модель семейства Llama, созданная автором seb-c с помощью mergekit. Это passthrough-слияние слоёв KoboldAI/LLaMA2-13B-Psyfighter2; в репозитории указано около 19,8 млрд параметров, формат весов safetensors и контекст до 4096 токенов. Модель предназначена для генерации продолжений и диалогового текста, включая художественное письмо и взаимодействие с персонажами, унаследованные от базовой Psyfighter. Модель принимает текст и генерирует текст. Карточка описывает её как эксперимент с объединением слоёв, призванный повысить интеллектуальные способности исходной модели; подтверждённых результатов такого улучшения не приведено. Указана лицензия Llama 2. README также упоминает вариант GGUF Q4_K_M для локального запуска, однако данные метаданных описывают safetensors-репозиторий.

Qwen2.5-7B-Instruct-Uncensored-Flux — дообученная mrkrak3n диалоговая языковая модель для создания подробных и образных промптов к генератору изображений Flux. В основе лежит Orion-zhen/Qwen2.5-7B-Instruct-Uncensored: плотная архитектура Qwen2 с 7,1 млрд параметров, контекстом 32 768 токенов и форматом Safetensors. Модель принимает текстовые инструкции и описания сцен, а выдаёт развёрнутые текстовые промпты; обучение включало FluxDev ControlNet 16k и синтетические данные. Модель подходит для преобразования кратких описаний сцен в детализированные промпты и для диалоговой помощи при подготовке запросов к Flux. README также описывает интеграцию с ComfyUI через узлы ComfyUI-Qwen. Карточка не приводит оценок качества или подробных ограничений; uncensored указывает на отсутствие обычного фильтра отказов. Лицензия в предоставленных данных не указана.

Qwen3-4B-Nymphaea-RP — дообученная модель семейства Qwen3 от 0xA50C1A1 для ролевых диалогов и творческого письма. Она основана на 0xA50C1A1/Qwen3-4B-Instruct-2507-SOM-MPOA и содержит около 3,7 млрд параметров; карточка указывает архитектуру Qwen3ForCausalLM и формат safetensors. Для общения рекомендуется шаблон ChatML, также доступен пресет SillyTavern. Модель рассчитана на создание и продолжение ролевых сцен и художественных текстов с разнообразием жанров. Автор сообщает, что обучал её на наборе Darkmere, включавшем отобранные синтетические и написанные людьми истории, методом DoRA. Веса базовой модели перед дообучением были обработаны инструментом Heretic, поэтому модель описана как менее ограниченная в генерируемом содержании. Заявлена поддержка контекста до 262 144 токенов; автор также сообщает о тестировании на Nothing Phone 2 в квантизации Q4_K_M со скоростью 7–8 токенов в секунду. Модель распространяется по лицензии Apache-2.0. Карточка не перечисляет целевые языки, поэтому языковая поддержка здесь не уточняется. Скорость и пригодность для мобильного запуска приведены как результаты конкретного теста и зависят от устройства и квантизации; для роли и качества генерации независимые оценки не приведены.

Q1ngMang/Qwen3-VL-8B-Instruct-Minecraft-MT-en-zh — дообученная на LoRA мультимодальная модель перевода, созданная на базе Qwen/Qwen3-VL-8B-Instruct. Она предназначена прежде всего для перевода с английского на китайский текстов Minecraft, модов и шейдеров, включая описания предметов, игровые строки и настройки, а также может переводить текст с игровых снимков экрана и элементов интерфейса. Модель основана на плотной архитектуре Qwen3-VL с 8 млрд параметров; поддерживает текстовый и визуальный ввод и выдаёт китайский текст. В карточке указаны языки en и zh. Разработчик сообщает о применении данных локализации сообщества Minecraft и обучении LoRA через LLaMA Factory. Специализация помогает точнее переводить термины Minecraft и модов, но для текстов вне этой тематики качество может быть ниже, чем у универсальных переводчиков. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая запрещает коммерческое использование и требует распространять производные работы на тех же условиях.

Janchan123/Qwen-Image-2.1-Uncensored-GGUF — это набор GGUF-квантизаций модели Qwen-Image-2.1, опубликованный для локальной генерации изображений. В основе используются оригинальные веса Qwen/Qwen-Image-2.1; сопутствующие текстовый энкодер и VAE взяты из Comfy-Org/Qwen-Image-2.1. Модель предназначена для сценариев text-to-image и image editing в ComfyUI с использованием расширения ComfyUI-GGUF. Доступны варианты Q8_0, Q6_K, Q5_K_M, Q4_K_M и Q4_0 размером примерно от 4,05 до 7,59 ГБ. Разработчики рекомендуют Q4_K_M размером около 4,60 ГБ как оптимальный баланс размера и качества. Для работы требуются отдельные файлы текстового энкодера Qwen3-VL 8B в форматах BF16 или Int8 и VAE в BF16; Int8-вариант энкодера позволяет снизить потребление памяти. Архитектура, точное число параметров, поддерживаемые языки и размер контекста в README не указаны. Сильными сторонами являются локальный запуск, несколько уровней квантизации и отсутствие встроенного safety checker или фильтра контента, поэтому модель напрямую генерирует взрослые, NSFW и чувствительные изображения. Это одновременно является ограничением и требует осторожного применения. Вариант Q8_0 в текущей реализации ComfyUI вызывает ошибку несовпадения размеров тензоров и не рекомендуется до появления исправленной версии; проверены варианты Q4_K_M, Q5_K_M и Q6_K. Лицензия указана как other с названием qwen-research.

Qwen-Image-Edit-2511-Anime — адаптер LoRA от prithivMLmods для модели Qwen/Qwen-Image-Edit-2511, разработанной командой Qwen. Он предназначен для преобразования входных изображений в аниме-стиль с плоской целл-шейдинг заливкой, сохраняя исходную структуру изображения. Модель работает в сценариях image-to-image и совместима с библиотекой Diffusers. Она ориентирована на высококачественные и визуально стабильные преобразования, хорошо сохраняет позу, пропорции объекта, угол обзора и перспективу камеры. Для запуска рекомендуется использовать триггерную фразу «Transform into anime.»; адаптер также может применяться вместе с lighting model, настроенной на 4 шага, для получения изображений высокого разрешения с улучшенной четкостью и детализацией. К ограничениям относятся зависимость от базовой модели Qwen-Image-Edit-2511 и необходимость корректной настройки Diffusers и совместимых версий библиотек. README не содержит сведений о размере модели, максимальном контексте, точном наборе поддерживаемых языков и иных количественных характеристиках. Модель распространяется по лицензии Apache-2.0.

Qwen-Image-Edit-semi-realistic-detailer — LoRA-адаптер от rzgar для модели Qwen/Qwen-Image-Edit-2509. Он предназначен для редактирования изображений с переводом аниме- и мультяшных исходников в полу реалистичный стиль: сохраняет выразительные черты, добавляет более естественные текстуры, фотореалистичные детали и ощущение трёхмерной глубины. Для реалистичных изображений адаптер усиливает детализацию кожи, добавляя поры, текстуру и лёгкие естественные несовершенства. Для активации рекомендуется использовать фразу «transform the image to semi-realistic image». Это модель для работы с изображениями; сведения о поддерживаемых языках и размере контекста не указаны. Адаптер поддерживает различные аниме-стили, однако результат зависит от исходного изображения. Для плоских и малодетализированных изображений рекомендуется сила воздействия 0,2–0,5, для более проработанных или сглаженных 3D-стилей — 0,5–1,0, а для реалистичных изображений при улучшении детализации кожи — 0,6–0,8. Рекомендуемые параметры генерации: sampler dpmpp_2m_sde с scheduler karras; также заявлена совместимость с Lightning LoRA на 8–10 шагах. Ограничения включают зависимость качества от стиля и детализации исходника, а также риск чрезмерной обработки при высокой силе воздействия. Модель обучалась на наборах данных, содержащих NSFW-контент, поэтому может генерировать откровенные или suggestive-результаты, особенно для изображений с открытой или облегающей одеждой; её следует применять ответственно. Лицензия — MIT.

Raehoshi illust Vpred — диффузионная модель генерации изображений по текстовому описанию, разработанная Raelina и дообученная на NoobAI XL Vpred v1.0. Это итерация семейства Illustrious XL, ориентированная на иллюстрации в аниме-стиле; модель принимает промпты в формате тегов booru. Для запуска доступны файлы Diffusers и safetensors, а карточка указывает пайплайн StableDiffusionXLPipeline. Модель предназначена для создания стилизованных иллюстраций по текстовым промптам. Автор сообщает об улучшении цветового баланса и снижении артефактного шума по сравнению с исходной моделью, хотя эти проблемы полностью не устранены. В README приведены рекомендуемые параметры генерации, включая CFG 4–5 и не менее 25 шагов сэмплирования. Лицензия обозначена как other; конкретные условия следует сверить с лицензией репозитория.

Raehoshi illust XL 8 — диффузионная модель генерации изображений по тексту, разработанная Raelina и дообученная на основе Illustrious XL v1.1. Она ориентирована на иллюстрации в стиле аниме; для составления запросов рекомендуется использовать теги в стиле Booru. Модель стремится уменьшить перенасыщенность цветов и артефакты исходной модели, сохраняя её сильные стороны. Улучшения заметны, но эти проблемы устранены не полностью. В README также приведены рекомендации по CFG, числу шагов, сэмплеру и настройке увеличения разрешения. Опубликована в форматах Diffusers и safetensors. Лицензия указана как other, поэтому условия использования следует сверять с лицензией репозитория.

Raemu XL V4 — диффузионная модель генерации изображений по тексту, разработанная Raelina и ориентированная на аниме в стилистике 2.5D. Карточка указывает, что модель получена слиянием Rae Diffusion XL V2, RealCartoonXL V6 и Blue Pencil XL v3.1.0; метаданные связывают её с дообученной Rae Diffusion XL V2. Она рассчитана на создание аниме-иллюстраций по текстовым запросам, в том числе изображений персонажей. В запросах рекомендуется указывать персонажа и произведение в начале, а также использовать специальные теги качества и эстетики. Для работы предлагаются настройки CFG 7, 25–35 шагов и сэмплер Euler a; README также описывает увеличение разрешения через Hires.fix. Модель распространяется в форматах Diffusers и Safetensors. Лицензия указана как Fair AI Public License 1.0-SD; в метаданных она обозначена как other.

TainU/RePlan-Qwen2.5-VL-7B — модуль планирования RePlan для сложного редактирования изображений по текстовой инструкции. Модель разработана для исследования RePlan и дообучена методом GRPO на базе Qwen/Qwen2.5-VL-7B-Instruct примерно на тысяче примеров без парных изображений. Это мультимодальная модель семейства Qwen2.5-VL с 7,1 млрд параметров и контекстом до 128 000 токенов. На вход модель получает изображение и инструкцию на естественном языке, анализирует сцену и формирует план правок: рассуждение, общие изменения и локальные правки с координатами областей и текстовыми подсказками. План предназначен для последующего исполнения системой редактирования изображений; сама модель выступает планировщиком, а не генератором отредактированных изображений. В карточке описаны улучшения рассуждения и сохранения фона в экспериментах RePlan. Модель распространяется по лицензии Apache-2.0. Для получения структурированного XML/JSON-ответа README требует использовать системный промпт RePlan; подробности промпта в предоставленном тексте опущены. Указанные результаты относятся к экспериментам авторской работы и не гарантируют качество на произвольных изображениях и инструкциях.

mnmly/rfdetr-small-mlx-fp32 — конвертированная в формат MLX версия модели RF-DETR Small от Roboflow для обнаружения объектов на изображениях. Она рассчитана на запуск через mlx-swift-rf-detr на устройствах Apple Silicon. Модель использует backbone DINOv2 Windowed Small с размером скрытого представления 256, разрешение обработки 512 пикселей, три слоя декодера и 300 запросов. Она обнаруживает объекты 90 классов COCO и выдаёт рамки и классы объектов. Веса сохранены в формате safetensors с точностью fp32; репозиторий включает конфигурацию и настройки предобработки. Это конверсия исходного чекпойнта PyTorch roboflow/rf-detr, а не дообучение. Репозиторий распространяется по лицензии Apache-2.0. Модель предназначена для инференса через указанную Swift-библиотеку; README не приводит сравнительных оценок качества.

Riffusion v1 — модель генерации музыки, созданная Seth Forsgren и Hayk Martiros как хобби-проект. Она дообучена на Stable Diffusion v1.5 и использует диффузионную архитектуру для создания изображений спектрограмм по текстовым запросам; спектрограммы можно преобразовывать в аудиоклипы. Репозиторий содержит файлы для Diffusers и PyTorch, включая traced UNet для ускорения вывода. Модель предназначена для генерации музыки в реальном времени и творческих экспериментов: например, для создания музыкальных фрагментов по описанию или разработки образовательных и творческих инструментов. В карточке указана поддержка английского языка. Лицензия CreativeML OpenRAIL-M допускает использование с ограничениями, изложенными в её условиях.

Модель textattack/roberta-base-imdb разработана TextAttack на основе roberta-base и дообучена для классификации текстов на датасете IMDb. Она определяет тональность англоязычных отзывов о фильмах, относя их к положительному или отрицательному классу. Модель содержит около 151,8 млн параметров; архитектура — RoBERTa для классификации последовательностей. В README указаны обучение в течение пяти эпох, максимальная длина входа 128 токенов и точность 0,91436 на оценочной выборке, достигнутая после двух эпох. Метаданные указывают контекст до 514 токенов. Доступны варианты весов PyTorch и Flax. Лицензия в предоставленных данных не указана.

RolePlay-Xing4.0-29B — дообученная модель на базе Xing4.0-29B-A4B от China Telecom Artificial Intelligence Technology Co., Ltd., настроенная для ролевого общения. Она предназначена для диалогов с устойчивым образом персонажа, продолжения сложных сюжетов и длительных бесед. Модель использует архитектуру Xing4.0 и формат весов Safetensors; базовая модель имеет MoE-архитектуру с 29 млрд параметров всего и примерно 4 млрд активных на токен. Поддерживается контекст до 262 144 токенов. Модель ориентирована на англоязычные и китайскоязычные сценарии ролевого общения. Для доступа README указывает OpenAI-совместимый API и приводит рекомендуемые параметры генерации. Лицензия — Apache-2.0. Описание не сообщает об оценках качества или ограничениях безопасности; ответы в ролевых сценариях могут зависеть от заданных инструкций и параметров генерации.

RPMix-4x7B-MoE — модель семейства Mixtral с архитектурой смеси экспертов, созданная автором ChaoticNeutrals на основе его RP-моделей с лучшими оценками. Она предназначена прежде всего для ролевых диалогов и творческого письма. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. В метаданных указан размер 7,1 млрд параметров. README не описывает метод обучения, оценки качества и конкретные ограничения; результаты могут различаться в зависимости от сценария и используемых подсказок.

RP-Spectrum-24B — объединённая модель для ролевых диалогов, созданная сообществом Casual-Autopsy на основе нескольких дообученных моделей Mistral. Объединение выполнено методом DELLA с использованием Mistral-Small-3.2-24B-Instruct-2506 и других моделей, ориентированных на ролевые сценарии. Модель построена на плотной архитектуре MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и творческих ролевых диалогов; доступна в формате Safetensors. Карточка отмечает высокую креативность и рекомендует температуру генерации не выше 0,7 для более управляемых ответов. Лицензия в предоставленных данных не указана. Модель унаследовала свойства входящих в объединение чекпойнтов; качество и поведение могут зависеть от сценария и настроек генерации.