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

Darkstar-12B — объединённая языковая модель на архитектуре Mistral, созданная Retreatcost с помощью mergekit из нескольких предварительно обученных моделей. В объединение вошли Violet-Lyra-Gutenberg-v2, mini-magnum-12b-v1.1, MN-Dark-Planet-TITAN-12B, Dark-Desires-12B-v1.0 и Darkness-Incarnate-12B-Nemo-v2.2. Модель содержит 12,1 млрд параметров и поддерживает контекст до 1 024 000 токенов. Модель предназначена для генерации текста и диалогов, особенно для мрачных, хоррорных и откровенных сценариев с графическими описаниями и грубой лексикой. Она может отказывать в некоторых запросах. Лицензия в предоставленных данных не указана.

Модель avuhong/DB_Hokusai_style — версия Stable Diffusion, дообученная автором в рамках DreamBooth Hackathon для генерации изображений в стиле японского художника Хокусая. Обучение опиралось преимущественно на его гравюры, включая серию «Тридцать шесть видов Фудзи» и «Большую волну в Канагаве». Для вызова стиля в запросе используется шаблон «a painting in $M## style of …». Модель предназначена прежде всего для создания пейзажных изображений; автор отмечает, что размер 512 × 1024 часто даёт интересные результаты. Репозиторий доступен в формате Diffusers/PyTorch и использует лицензию CreativeML OpenRAIL-M. Это дообученная модель Stable Diffusion, но базовый репозиторий не указан.

JerryMo/db-simpsons-asim-style — модель синтеза изображений по текстовому описанию, созданная на основе предварительно обученной модели Stable Diffusion и дообученная для художественного стиля мультсериала «Симпсоны». Автор описывает её как Simspon Artistic Memory; для обучения использовались датасет изображений по «Симпсонам» и методы тонкой настройки, включая DreamBooth и LoRA. Модель предназначена для генерации изображений персонажей и сцен в стилистике «Симпсонов» по текстовым промптам. В README приведён шаблон описания персонажа, его внешности, одежды, действия, окружения и временного периода. Репозиторий распространяет веса в форматах Diffusers и Safetensors; указана лицензия CreativeML OpenRAIL-M.

Deepsword-34B-Base — базовая текстовая модель TriadParty для агентов игр в жанре «убийство по сценарию» и ролевых игр с живым действием. Она предназначена для генерации текста и естественного включения в ответы персонажей сюжетных элементов из китайских романов о боевых искусствах. Модель построена на Yi-34B с помощью непрерывного предобучения QLoRA на отобранном корпусе романов о боевых искусствах. Архитектура — плотная Llama, число параметров — 33,9 млрд, формат — PyTorch, контекст — 4096 токенов. В карточке указаны китайский и английский языки; корпус обучения состоит из китайских произведений этого жанра. Отбор корпуса учитывал сложность сюжета и включал очистку данных, суммаризацию глав и анализ переходов между их векторными представлениями. Автор сообщает о хороших результатах в режиме zero-shot, но не приводит количественных оценок. Лицензия — Apache-2.0.

Delirium v1 — модель генерации текста, разработанная sam-paech на базе разговорной Gemma 2 9B. Она дообучена методом SIMPO на экспериментальном наборе текстов Gutenberg и парах AntiSlop; карточка также описывает датасет как включающий подборку Gutenberg 3. Модель рассчитана на творческое письмо и диалог, особенно на создание выразительных персонажей, неожиданных метафор и необычных оборотов речи. Она использует шаблон инструкций Gemma, поддерживает контекст до 8192 токенов и распространяется в формате safetensors; в README также упомянуты GGUF-версии. Модель намеренно выдаёт мрачную, гротескную и резкую прозу, поэтому может подойти для хоррора, нуара и экспериментальной художественной литературы, а также для внесения выразительных фрагментов в объединённые модели. Автор отмечает повторение отдельных понятий и фраз и слабую способность писать романтические или жизнерадостные сцены. Лицензия — Gemma; перед использованием следует учитывать её условия.

Blizado выпустил экспериментальное объединение двух предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP: SanjiWatsuki/Kunoichi-DPO-v2-7B и DiscoResearch/DiscoLM_German_7b_v1. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и имеет контекст длиной до 8192 токенов. Модель предназначена для генерации текста и диалогов на немецком языке, особенно для ролевых сценариев. Авторы стремились совместить немецкий язык и грамматику DiscoLM German с ориентированной на ролевую игру моделью Kunoichi-DPO; также заявлена поддержка английского. В карточке описаны лишь краткие пробные проверки, поэтому качество не подтверждено широкими оценками. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

Это доменно адаптированная версия DistilBERT Base Uncased, дообученная AlexStamp на датасете отзывов о фильмах IMDB для задачи masked language modeling. Модель принимает английский текст и предсказывает пропущенные токены; её можно применять через Transformers pipeline fill-mask для подсказок при анализе или редактировании отзывов и других текстов о кино. В основе лежит DistilBertForMaskedLM с контекстным окном до 512 токенов. Дообучение на неформальной лексике и сочетаниях слов из отзывов о фильмах адаптирует языковые представления к этой тематике. В README сообщается о снижении perplexity с 23,14 до 9,91 на оценке доменной адаптации. Модель распространяется по лицензии Apache-2.0. Она предсказывает маскированные токены, а не присваивает отзывам метки тональности; заявленные результаты относятся к языковому моделированию на целевом домене и сами по себе не подтверждают качество для других задач.

Diving Illustrious Flat Anime Paradigm Shift v20VAE SDXL — модель генерации изображений по текстовому описанию, созданная пользователем DivingSuit. Модель предназначена для сценариев text-to-image, связанных с созданием аниме- и стилизованных изображений, включая flat anime, flat coloring и реалистичные визуальные решения. Модель разработана для библиотеки Diffusers и относится к семейству Stable Diffusion XL. В качестве базовой модели указана OnomaAIResearch/Illustrious-xl-early-release-v0. В README также заявлена поддержка английского языка. Сведения о точном количестве параметров, максимальном контексте, используемой VAE-конфигурации, дополнительных обучающих данных и рекомендуемых настройках генерации не приведены. К сильным сторонам модели относятся специализация на аниме-стилистике и плоской цветовой подаче, а также совместимость с экосистемой Diffusers и SDXL. Ограничения связаны с отсутствием подробной технической документации и неизвестными характеристиками качества, производительности и применимости за пределами заявленных стилей. Модель распространяется по лицензии faipl-1.0-sd; условия следует уточнять в тексте лицензии по указанной ссылке.

East asian female face — это LoRA-адаптер для генерации изображений восточноазиатских женских лиц. Модель опубликована под идентификатором Muapi/east-asian-female-face и предназначена для использования с базовой моделью Stability AI Stable Diffusion XL Base 1.0 через библиотеку Diffusers и пайплайн text-to-image. Для активации обученного визуального признака указано ключевое слово yeonhwa. Модель подходит для создания портретов и персонажей с заданными в текстовом описании характеристиками; в README приведён пример генерации изображений размером 1024×1024. Точные параметры архитектуры LoRA, размер адаптера, поддерживаемые языки и максимальная длина контекста не указаны. Сильной стороной является специализация на внешности восточноазиатских женщин и совместимость с SDXL 1.0, однако результат зависит от базовой модели, prompt и значения lora_strength, а ограничения по качеству и разнообразию лиц в README не описаны. Лицензия указана как openrail++.

EdgeTAM — вариант SAM 2 для сегментации объектов по подсказкам и их отслеживания в видео, опубликованный пользователем yonigozlan. Модель принимает изображения и кадры видео; сегментацию можно задавать точками, рамками, несколькими объектами или предыдущими масками. Также доступна автоматическая генерация масок для объектов на изображении. Модель предназначена для локального запуска на устройстве. В карточке заявлены скорость в 22 раза выше SAM 2 и 16 кадров в секунду на iPhone 15 Pro Max без квантизации. В репозитории используются веса safetensors и библиотека Transformers. Лицензия — Apache-2.0. Размер модели и поддерживаемые естественные языки в предоставленных данных не описаны.

Emendator — модель byt5-xl, дообученная Aidan McCarthy для исправления ошибок OCR в латинских текстах. Она принимает повреждённый распознаванием текст и восстанавливает читаемую латынь; в карточке приведены примеры исправления лёгких, сильных и очень сильных искажений. Модель содержит 3,3 млрд параметров, построена на архитектуре T5 и распространяется в формате safetensors. Для лучшей производительности текст следует подавать сегментами примерно по 250 символов. Модель подходит для восстановления распознанных латинских книг и исторических документов, когда важнее получить связный латинский текст, чем сохранить конкретную орфографию или редакционный стиль. Она может вносить редакторские изменения и смещать распределение токенов в сторону обучающих данных, поэтому результат не гарантирует точного восстановления исходного написания. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

Remidesbois/f2llm-v2-160m-one-piece-retrieval — дообученная модель текстовых эмбеддингов на основе F2LLM-v2-160M от CodeFuse AI, созданная для проекта One Piece Indexer. Она кодирует поисковые запросы и описания страниц манги, метаданные и доступный текст OCR для плотного семантического поиска по страницам One Piece. Для запросов следует использовать инструкцию F2LLM для поиска релевантных фрагментов, а текст страниц кодировать без неё; 640-мерные эмбеддинги рекомендуется нормализовать по L2 перед поиском по cosine или inner product. Модель построена на архитектуре Qwen3, содержит 134,8 млн параметров и имеет контекст до 40 960 токенов по метаданным; при обучении и экспорте использовалась максимальная длина последовательности 512 токенов. Доступны веса Sentence Transformers в safetensors и экспорт ONNX для инференса через Transformers.js или локальный Node.js. Модель предназначена прежде всего для семантического поиска на французском языке по описаниям страниц One Piece и OCR-тексту. На локальных отложенных выборках она превзошла исходную F2LLM-v2-160M, однако автор предупреждает, что это специализированная оценка на данных проекта, а не общий бенчмарк; качество в реальном использовании следует контролировать по новым меткам обратной связи. Лицензию README и метаданные не сообщают.

mlx-community выпустил порт модели BiSeNet для сегментации лица на Apple MLX. Это модель семантической сегментации с backbone ResNet18: она размечает изображение по 19 классам CelebAMask-HQ, включая фон, кожу, губы и рот. Модель применяется в MuseTalk для построения маски смешивания при композитинге перегенерированной области рта обратно в видеокадр. Репозиторий содержит только веса в формате MLX-native bf16 safetensors; архитектура модели находится в приложении-потребителе. README сообщает о совпадении итоговой карты классов с PyTorch-эталоном на фиксированном входе. Указанный размер входа — 512 пикселей. Модель основана на BiSeNet из zllrunning/face-parsing.PyTorch, распространённом через TMElyralab/MuseTalk; метаданные указывают лицензию MIT.

MirageML/fantasy-sword — модель генерации изображений на основе Stable Diffusion, дообученная автором на концепции фэнтезийного меча с помощью DreamBooth. Для генерации используйте запрос с триггером «a photo of fantasy_sword» и опишите желаемое изображение. Модель предназначена для создания изображений мечей в фэнтезийной тематике по текстовому описанию; карточка также упоминает исследование преобразования текста в 3D на платформе Mirage, но не описывает отдельный 3D-чекпойнт. Модель распространяется в форматах Diffusers, PyTorch и Safetensors по лицензии CreativeML OpenRAIL-M. В карточке не приведены размер модели, длина контекста и подробности о качестве или ограничениях генерации.

mrtoncl/fine_tune_model — слитая с помощью mergekit методом slerp модель на архитектуре Llama 3, созданная для проекта Son Fıçı RPG. Она объединяет турецкую инструкционную модель ytu-ce-cosmos/Turkish-Llama-8b-Instruct-v0.1 с Sao10K/L3-8B-Lunaris-v1, чтобы сочетать поддержку турецкого языка с диалогами и ролевой игрой. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, генерируя текст; заявленный контекст — 8192 токена. Модель подходит для турецких диалогов и ролевых сценариев, в частности для игровых персонажей в Son Fıçı RPG. В README указан формат весов bfloat16, а метаданные репозитория отмечают safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Это LoRA-модель furaidosu/flux-lora-gliff-tosti-vector-1-1500s для генерации изображений по текстовому описанию. Она создана для использования с базовой моделью black-forest-labs/FLUX.1-schnell через библиотеку Diffusers. По примерам модель ориентирована на современный векторный стиль с чёткими линиями, гладкими формами, яркими цветами и дополнительной мрачной фэнтезийной, зернистой атмосферой; рекомендуемый триггерный промпт — «in a dark fantasy style, grainy». Разработчик в README явно не указан, известен только идентификатор репозитория furaidosu/flux-lora-gliff-tosti-vector-1-1500s. Модель предназначена для создания цифровых мультяшных иллюстраций, портретов персонажей и сцен с элементами dark fantasy, horror и gothic aesthetics. Примеры показывают изображения людей, животных и фантастически или зловеще стилизованных персонажей, включая композиции с однотонным фоном. В README указана текстовая модальность ввода и генерация изображений размером 1024×1024. Язык примеров и метаданных — английский. Размер LoRA, точные параметры архитектуры, максимальная длина контекста и дополнительные поддерживаемые модальности не указаны. Сильная сторона модели — выраженная стилистическая специализация на вектороподобной мультяшной графике с контрастным, иногда мрачным визуальным настроением. Ограничения связаны с узкой направленностью стиля и отсутствием подробной информации о качестве, совместимости с другими версиями FLUX и рекомендуемых коэффициентах применения. Модель распространяется по лицензии flux-1-dev-non-commercial-license; она предназначена для некоммерческого использования в соответствии с условиями лицензии FLUX.1-dev.

Flux-Prompt-Enhance — текстовая модель, разработанная Gökay Aydoğan и дообученная на базе google-t5/t5-base для улучшения текстовых запросов к генераторам изображений FLUX. Она принимает короткое описание сцены и расширяет его деталями, например внешним видом объектов, композицией, освещением и атмосферой. Модель построена на архитектуре T5 с 123,8 млн параметров, работает с текстом на английском языке и имеет контекст до 512 токенов. Модель предназначена для подготовки более подробных промптов в творческих рабочих процессах и доступна по лицензии Apache-2.0. Она генерирует текст, а не изображения; результаты могут добавлять детали, которых пользователь не задавал явно.

Nubinu/Gemma4-E2B-MicroFantasy-V1 — дообученная в формате 4-битной LoRA модель на базе MuXodious/gemma-4-E2B-it-ARA-heresy. Она предназначена для ролевых игр и совместного повествования: модель отыгрывает персонажа, соблюдает заданные характер и предысторию, ведёт сцену от третьего лица и сочетает диалог с действиями. Карточка рекомендует использовать структурированное описание персонажа в Markdown и подходящие настройки сэмплирования для темпа повествования и снижения повторов. Модель относится к семейству Gemma 4, использует архитектуру Gemma4ForConditionalGeneration и формат safetensors; для общения доступна возможность chat. README описывает текстовый ролевой сценарий, хотя архитектура указывает на поддержку генерации по изображению и тексту. Модель распространяется по лицензии Apache-2.0. Размер, длина контекста и дополнительные языки карточкой не подтверждены.

Gemmasutra 9B v1 — языковая модель для генерации текста и ролевых диалогов, представленная командой BeaverAI. Это объединённая модель на архитектуре Gemma 2 с 9 млрд параметров; она поддерживает чат и рассчитана на контекст до 8192 токенов. Автор отмечает гибкость в ролевой игре, творческие и длинные ответы, а также поддержку описаний действий и сцен с помощью звёздочек. Модель предназначена прежде всего для ролевых сценариев и творческого общения. В README указано, что у неё есть определённая степень цензуры; отказы могут использоваться в ролевой игре, например для передачи избегания или неприятия. Модель выпущена в формате safetensors и использует библиотеку Transformers. Условия лицензии в предоставленных данных не приведены.

georgeart — модель text-to-image на базе Stable Diffusion, обученная Alexwww методом DreamBooth на иллюстрациях george.ee. Для генерации изображений с этим стилем в запросе рекомендуется использовать формулировку «flat minimal illustration of...». Модель предназначена для создания плоских минималистичных иллюстраций по текстовому описанию; для проверки концепции автор указывает интерфейс A1111 в Colab. Репозиторий содержит веса в форматах Diffusers и PyTorch. Указана лицензия CreativeML OpenRAIL-M. Сведений о размере модели, контексте и поддерживаемых языках в предоставленной карточке нет.

GPT2-Poem-Small — модель генерации текста на основе GPT-2, предназначенная для создания китайских классических стихотворений и парных строк. Она разработана на базе IDEA-CCNL/Wenzhong-GPT2-110M и дообучена на 71 334 китайских стихотворениях и парных строках из Chinese Poetry and Couplet Dataset. Модель принимает текстовую затравку и продолжает её; в карточке приведён пример генерации китайской строки с помощью Transformers. Модель использует архитектуру GPT2LMHeadModel, веса доступны в формате PyTorch, контекст составляет 1 024 токена. Лицензия — Apache-2.0. Она рассчитана прежде всего на художественную генерацию на китайском языке; карточка не приводит отдельной оценки качества или дополнительных ограничений.

gmongaras/gpt-anime-sub-1.3B — дообученная автором модель для генерации текста на основе архитектуры GPT-Neo. В README в качестве токенизатора указан EleutherAI/gpt-neo-1.3B; модель содержит 1,5 млрд параметров и использует контекст до 2048 токенов. Модель предназначена для генерации текста, связанного с субтитрами к аниме. Она распространяется в форматах PyTorch и Safetensors по лицензии OpenRAIL. Сведения о датасете и подробные результаты оценки в карточке отсутствуют.

HARDblend — дообученная модель генерации изображений по текстовому описанию, созданная автором theintuitiveye. Она предназначена для создания фотореалистичных портретов, в том числе контента для взрослых. По README, модель обучена примерно на 500 изображениях портретов и объединена с Hassanblend, Aeros, RealisticVision1.2, Delibrate, SxD и f222. Для работы используется Stable Diffusion Pipeline в библиотеке Diffusers; автор рекомендует VAE от Stability AI или версию со встроенным VAE для лучшего результата. Модель распространяется под лицензией CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

hassakuXLIllustrious_v22 — модель LoRA для генерации изображений по текстовому описанию, разработанная LyliaEngine. Она предназначена прежде всего для создания изображений в ярком, выразительном аниме-стиле, включая персонажей, портреты и сюжетные сцены. Модель доступна для использования с Diffusers и распространяется в формате Safetensors; также заявлена возможность работы через API Sinkin. Модель обучена на базе OnomaAIResearch/Illustrious-xl-early-release-v0, использует архитектуру SDXL и ориентирована на текстовую модальность с генерацией изображений. Точный размер модели, поддерживаемые языки и размер контекстного окна в README не указаны. Для активации не требуется специальное trigger word; рекомендуется использовать None. Для SDXL приведены разрешения от 640×1536 до 1536×640, наиболее рекомендуемое — 832×1216. К сильным сторонам относятся выраженная аниме-стилистика и обучение на изображениях с минимальным количеством текстовых артефактов, логотипов, выносок и подписей. При появлении таких элементов рекомендуется добавлять signature в negative prompt. Автор также рекомендует использовать masterpiece в положительном описании и worst quality, bad quality в negative prompt. Ограничения включают отсутствие поддержки метаданных и franchise tags, которые были удалены из обучающих данных; качество и поведение при других сценариях в README не описаны. В карточке указана лицензия cdla-permissive-2.0, однако в разделе о происхождении модели также упоминается Fair AI Public License 1.0-SD для компонентов и обучения. Перед использованием необходимо уточнить, какая лицензия применяется к конкретной версии и распространению весов.

Norod78/hebrew_stories-gpt_neo-small — компактная языковая модель на архитектуре GPT-Neo, дообученная для генерации рассказов на иврите. Автор карточки указывает, что базой послужила hebrew-gpt_neo-small, обученная на GPT-Neo от EleutherAI; модель содержит 137,7 млн параметров и имеет контекст до 2048 токенов. Для обучения использовались тексты из различных книг на иврите. Модель предназначена для генерации продолжений и черновиков художественных текстов на иврите. Доступны веса в форматах PyTorch, Flax и Safetensors. Лицензия — MIT.

Hitokomoru Diffusion — латентная модель диффузии для генерации изображений по текстовому описанию, созданная Linaqruf на основе Stable Diffusion. Модель дообучена на 255 работах японского художника ヒトこもる/Hitokomoru, собранных с Danbooru: обучение заняло 20 000 шагов, также доступны варианты чекпойнта после 5 000, 10 000 и 15 000 шагов. При обучении использовалась группировка изображений по соотношению сторон, поэтому модель рассчитана на генерацию в не квадратных разрешениях. Модель предназначена прежде всего для создания иллюстраций в аниме-стиле. Она понимает теги Danbooru, которыми можно описывать персонажей, внешность, окружение и визуальные детали. Репозиторий содержит веса в форматах Diffusers и PyTorch; для работы через Diffusers используется StableDiffusionPipeline. Лицензия — CreativeML Open RAIL-M. Обучающая выборка невелика, а автор отмечает, что ранние результаты часто получаются с простым фоном. Модель специализирована на художественном стиле и может быть менее пригодна для иных визуальных стилей и сюжетов.

HoloGeo — мультимодальная модель на базе Qwen/Qwen2.5-VL-7B-Instruct, разработанная для геолокации изображений и геопространственных рассуждений. Она анализирует регионы изображения и объединяет признаки архитектуры, растительности, рельефа, климата, инфраструктуры, текста и культурного контекста, чтобы предсказывать страну и город, снижая зависимость от одного заметного ориентира. Модель принимает изображения и текстовые инструкции, а выдаёт текстовый разбор визуальных свидетельств и прогноз местоположения. Обучение включало дообучение LoRA и GRPO; выпущенные веса объединены с базовой моделью. HoloGeo предназначена для исследований геолокации изображений, устойчивости к смещению в сторону известных ориентиров и мультимодальных географических рассуждений. Лицензия модели — Apache 2.0. Предсказания могут быть ошибочными или чрезмерно уверенными, особенно для удалённых, редких или визуально похожих мест и регионов, недостаточно представленных в обучении. Анализ может содержать галлюцинации и необоснованные географические ассоциации; результат зависит от качества изображения, охвата данных и формулировки запроса, поэтому его следует проверять независимо.

Honey-Yuzu-13B — слитая автором карточки языковая модель для ролевых диалогов и творческой генерации текста. Она построена на архитектуре Mistral и объединяет несколько предварительно обученных моделей, включая Chunky-Lemon-Cookie-11B, Fimbulvetr-11B-v2.1-16K и WestLake-7B-v2; размер по метаданным — 12,3 млрд параметров. Для запросов рекомендуется шаблон Alpaca. Модель рассчитана на ролевые сценарии, где важны связность текста и понимание персонажей. Заявленная длина контекста — 8192 токена; автор отмечает, что её можно расширить с помощью RoPE, но не гарантирует конкретный предел или качество на большей длине. Модель принимает текстовые инструкции и генерирует текст. В карточке не указаны языки обучения или целевые языки. Лицензия — CC BY 4.0; автор описывает модель как личный повседневный инструмент и приводит настройки генерации, но оценка качества носит субъективный характер.

Карточка модели MrTrusted/HY-Motion-1.0 на Hugging Face совпадает с карточкой tencent/HY-Motion-1.0, поэтому описание составлено по ней. HY-Motion 1.0 — серия моделей Tencent для генерации 3D-движений человека по текстовому описанию. Модели используют Diffusion Transformer (DiT) и Flow Matching и создают скелетные анимации, которые можно включать в рабочие процессы 3D-анимации. Стандартная версия содержит 1,0 млрд параметров; в серии также есть облегчённая версия на 0,46 млрд параметров. Модель предназначена для генерации движений одного человекоподобного персонажа по кратким описаниям действий: например, ходьбы, приседаний или вставания со стула. По README, обучение включало масштабное предварительное обучение на данных движений, дообучение на отобранных 3D-данных и этап обучения с обратной связью и моделями вознаграждения. Для наилучшего результата рекомендуются английские запросы длиной до 60 слов; для других языков предлагается предварительно переформулировать запрос. Модель не предназначена для анимации животных и других нечеловекоподобных существ, нескольких взаимодействующих людей, описаний окружения, ракурса камеры, внешности, одежды или сложных эмоций. Также не поддерживаются бесшовные циклы и анимация на месте. Для стандартной версии README указывает минимальную потребность в 26 ГБ видеопамяти. Лицензия обозначена на Hugging Face как other, поэтому конкретные условия следует сверять с лицензией репозитория.

Iced Lemon Cookie — объединённая модель на базе семейства Mistral, созданная автором FallenMerick с помощью mergekit и метода TIES. В объединение вошли пять моделей: saishf/Multi-Verse-RP-7B в качестве базовой, а также Undi95/BigL-7B, KatyTheCutie/LemonadeRP-4.5.3, icefog72/IceLemonTeaRP-32k-7b и SanjiWatsuki/Kunoichi-DPO-v2-7B. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое ролевое взаимодействие на английском языке; максимальный контекст — 32 768 токенов. Её можно использовать для интерактивного ролевого общения и генерации продолжений диалога или художественного текста. Репозиторий распространяет веса в формате safetensors, а README указывает лицензию CC BY 4.0. Качество и поведение могут зависеть от формулировки запроса и выбранных параметров генерации; специфические ограничения в карточке модели не описаны.