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

Модель IMSyPP/hate_speech_it — одномовный классификатор ненавистнических высказываний в сообщениях социальных сетей на итальянском языке. Она разработана на основе предварительно обученной языковой модели ALBERTO для итальянского языка и реализована как BERT-классификатор последовательностей; размер составляет 211,6 млн параметров, максимальная длина контекста — 512 токенов. Модель обучена на 119 670 комментариях YouTube и проверена на отдельной выборке из 21 072 комментариев. Для каждого текста она предсказывает один из четырёх классов: приемлемый, неподобающий, оскорбительный или содержащий насилие. Для обработки рекомендуется использовать исходный токенизатор ALBERTO. Модель подходит для модерации италоязычных комментариев в социальных сетях; результаты классификации не следует считать универсальной оценкой контекста за пределами этого сценария. Лицензия — MIT.

hebrewpoetry-gptneo-small — модель генерации стихотворных текстов на иврите, созданная Norod78 дообучением hebrew-gpt_neo-small. Базовая модель обучена на основе GPT-Neo от EleutherAI; для дообучения использовалась aitextgen и тексты из New stage и набор ивритских песенных текстов. Модель построена на архитектуре GPT-Neo с плотной авторегрессионной языковой моделью и содержит 137,7 млн параметров. Она принимает текстовый запрос и генерирует продолжение, в первую очередь поэзию и тексты песен на иврите. Контекст составляет до 2048 токенов. Доступны веса в форматах PyTorch, Flax и Safetensors. Модель подходит для творческих экспериментов с генерацией стихов и текстов песен на иврите. Качество и тематический охват зависят от обучающих текстов; модель не предназначена для гарантированно точных фактических ответов. Лицензия — MIT.

HSC Wuxia M2M100 418M — дообученная модель последовательного преобразования текста, разработанная в рамках выпускной работы по машинному переводу произведений wuxia. Она основана на facebook/m2m100_418M и предназначена для перевода китайской художественной прозы жанров wuxia и xianxia на английский язык. Модель содержит 332,5 млн параметров, использует архитектуру M2M100 encoder-decoder и принимает контекст до 1024 токенов. Модель дообучена на 100 000 параллельных пар предложений из корпуса HSilvosa/hsc-wuxia-100k. В оценке на тестовом наборе wuxia она показала SacreBLEU 33,09, chrF 53,24 и ROUGE-L 60,07; README сообщает улучшение этих метрик относительно базовой модели. Репозиторий использует формат safetensors и лицензию MIT. Результаты относятся к указанному жанровому тестовому набору, поэтому качество на других жанрах и типах текста ими не подтверждается.

Карточка модели king5699/hy3d-gguf на Hugging Face совпадает с карточкой calcuis/hy3d-gguf, поэтому описание составлено по ней. calcuis/hy3d-gguf — набор файлов модели Hunyuan3D-2 в формате GGUF, предназначенный для создания 3D-моделей по изображению. Репозиторий разработан пользователем calcuis; базовая модель Tencent Hunyuan3D-2 преобразована для использования в GGUF. Доступны варианты BF16, F16, F32 и квантизации Q2_K, Q3_K_M, Q4_0, Q4_1 и Q4_K_M. Модель рассчитана на генерацию 3D-геометрии по входному изображению в рабочих процессах ComfyUI. README указывает каталоги ComfyUI для файлов GGUF, vision и VAE; создание дополнительных изображений объекта с разных ракурсов описано как необязательный отдельный этап. В метаданных указан английский язык карточки, но это не подтверждает языковые возможности самой модели. Лицензия обозначена как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

iGPT-fr-cased-base — модель на архитектуре GPT-2, разработанная Laboratoire de Linguistique Formelle (LLF) для генерации изображений по текстовому описанию на французском языке. Она адаптирует iGPT-fr, предварительно обученную авторегрессионную языковую модель французского языка, для генерации изображений по тексту. Модель предназначена для создания изображений по французским текстовым запросам. Для высококачественного синтеза авторы указывают на использование библиотеки Taming Transformers вместе с Transformers. Обучающий корпус состоял из примерно 10,8 млн пар текста и изображения, собранных в том числе из LAION-5B и WIT. Модель имеет контекстное окно 512 токенов, распространяется в формате PyTorch и доступна по лицензии Apache-2.0. В карточке проект обозначен как находящийся в разработке, поэтому качество и пригодность для практического применения могут быть ограничены.

Illustrous Manga Lora — это LoRA-модель для генерации изображений по текстовому описанию, предназначенная для использования с diffusion-моделями и библиотекой Diffusers. Она создана на базе OnomaAIResearch/Illustrious-xl-early-release-v0 и, согласно README, ориентирована на передачу стилистики манги в изображениях. Авторство разработчика в карточке не заявлено: указано, что модель не принадлежит владельцу репозитория, а исходное описание ссылается на страницу модели на Civitai. Модель предназначена для сценариев text-to-image, где требуется получить визуальный стиль манги на основе текстового промпта. Технические характеристики LoRA, включая размер адаптера, точный триггер, рекомендуемый вес, поддерживаемые языки, максимальный контекст и результаты сравнительного тестирования, в README не указаны. Также отсутствуют подробности о сильных сторонах и ограничениях, поэтому их нельзя достоверно оценить по имеющимся данным. Лицензия модели указана как Apache-2.0. Для использования потребуется совместимая базовая diffusion-модель, в частности заявленная Illustrious XL Early Release, а также программное обеспечение или интерфейс, поддерживающий подключение LoRA.

img2pose — модель компьютерного зрения из проекта py-feat для обнаружения лиц на фотографии и оценки их трёхмерной позы с шестью степенями свободы. Она построена на архитектуре Faster R-CNN и использует сверточную нейронную сеть; отдельная модель детекции лиц не требуется. Модель также проецирует 3D-лицо на плоскость изображения, чтобы определить рамку лица. Модель предназначена для анализа изображений с лицами, включая обнаружение лиц и оценку их положения и ориентации. В метаданных указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. README содержит примечание о лицензировании и происхождении весов: перед распространением предобученных весов следует проверить применимость лицензии и существующие разрешения.

in2IN — диффузионная модель генерации движений и взаимодействий двух людей по тексту, представленная автором репозитория pabloruizponce. На вход она принимает описание общего взаимодействия и отдельные описания действий каждого участника. Модель предназначена для создания разнообразных межличностных движений и учитывает как согласованность взаимодействия, так и индивидуальные действия людей. Модель ориентирована на сценарии робототехники, игр, анимации и метавселенных. В README заявлено, что она достигла результатов уровня state of the art на датасете InterHuman. Для повышения разнообразия движений авторы также описывают DualMDM — композиционный метод, объединяющий in2IN с одно-personным априорным движением, предварительно обученным на HumanML3D. Репозиторий содержит веса PyTorch и использует библиотеку Transformers. Условия лицензирования в предоставленных данных не описаны.

JHCodec-1M — нейронный аудиокодек на основе декодера Transformer с остаточной векторной квантизацией (RVQ). Авторы указаны как анонимные; работа подана на Interspeech 2026. Модель обучена с функцией потерь SSRR, которая помогает сохранять разборчивость речи при восстановлении аудио, и использует архитектуру с нулевым упреждением для потоковой работы с низкой задержкой. Модель кодирует и восстанавливает монофоническое аудио с частотой 16 кГц; размер кадра составляет 320 отсчётов (20 мс), а длина входа должна быть кратна размеру кадра. Её предполагаемые сценарии — аудиокодирование в реальном времени, сжатие аудиоданных и применение в качестве фронтенда систем распознавания или синтеза речи. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Для запуска рекомендуется GPU с CUDA и Flash-Attention; при работе на CPU качество восстановления снижается. Карточка не приводит численное значение сжатия или оценки качества, поэтому сравнивать эти характеристики по имеющимся данным нельзя.

Juba-27M — символьная Conv-Transformer-модель с 26,9 млн параметров, обученная с нуля для преобразования кабильского текста из письма Neo-Tifinagh в стандартную латиницу. Модель разработана для языка кабильский (Taqbaylit, код kab); она восстанавливает пропущенную в Tifinagh гласную schwa «e» и предсказывает границы дефисных цепочек клитик. Архитектура включает 6 слоёв энкодера и 6 слоёв декодера, свёрточные ядра размером 3 и 5 символов и контекст длиной 512 токенов. Основные сценарии применения — преобразование архивных и учебных корпусов в латинскую запись и восстановление schwa в кабильских источниках Neo-Tifinagh. В README сообщается о точности полного совпадения предложений 94,22% на тестовом наборе из 49 795 предложений; пары для обучения получены автоматическим преобразованием латинского текста, поэтому результаты не сравнивались с независимо созданной Tifinagh-записью. Модель распространяется по лицензии Apache-2.0; загрузка через Transformers требует trust_remote_code=True. Модель не предназначена для перевода между кабильским и другими языками. Она не восстанавливает капитализацию, хуже справляется с цепочками клитик через дефис и не проверена на вариантах Tifinagh, OCR, вводе с клавиатуры или оцифровке архивов. Другие родственные берберские языки не входят в область применения.

Koharu Text SAM-TS-L — модель сегментации текста на страницах манги, разработанная mayocream путём дообучения ViT-L Hi-SAM/SAM-TS TextSeg. Она выделяет пиксели текста и предназначена для подготовки масок текста при оцифровке манги и комиксов. Модель возвращает бинарную маску изображения; она не обнаруживает речевые пузыри, панели или отдельные текстовые строки и не распознаёт символы. Полная модель содержит около 339 млн параметров и распространяется в формате SafeTensors; также доступно состояние обучаемого адаптера примерно на 30,7 млн параметров. На тестовых страницах из четырёх книг модель улучшила HR IoU относительно исходного TextSeg на 39 из 40 страниц. Обучение и оценка проводились на страницах японской манги из Manga109; лицензия весов — Apache-2.0. Модель лучше работает с чётко напечатанным японским текстом. Мелкий текст, стилизованные звуковые эффекты, плотная верстка и текстоподобные иллюстрации остаются сложными случаями; для других стилей манги и комиксов возможен разрыв предметной области. Для запуска требуются Hi-SAM и его зависимости; модель не совместима напрямую с transformers.AutoModel и виджетом инференса Hugging Face.

LDM3D-pano — модель генерации панорамных изображений с картами глубины по текстовому запросу, разработанная Intel в рамках семейства LDM3D-VR. Работа описана в статье LDM3D-VR: Latent Diffusion Model for 3D, принятой на воркшоп NeurIPS 2023 по диффузионным моделям. Модель дообучена на базе LDM3D-4c: U-Net основан на Stable Diffusion 1.5, а обучение дополнительно проводилось на панорамных изображениях с картами глубины и подписями. Она предназначена для создания RGBD-панорам, в том числе для сценариев виртуальной реальности. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors; карточка указывает лицензию CreativeML OpenRAIL-M. Качество генерации и глубины оценивалось на панорамных данных с разрешением 512 × 1024. На модель распространяются ограничения и смещения Stable Diffusion; карты глубины наследуют ограничения DPT-large, использовавшейся для получения обучающих целевых данных. Коммерческое применение требует самостоятельной проверки лицензионных условий.

LemonadeRP-4.5.3 — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная автором KatyTheCutie как слияние нескольких моделей. Она ориентирована на ролевые диалоги и сценарии, где важны творческая подача и менее шаблонные ответы. Модель предназначена для генерации текста в приложениях для ролевого общения, включая SillyTavern. В README указана длина контекста 8192 токена и сообщается, что у пользователей встречались рабочие контексты до 32K; метаданные каталога указывают нативный контекст 32768 токенов. Поддерживаемый язык карточки — английский. Модель распространяется по лицензии CC BY 4.0. Качество ответов и работа с длинным контекстом могут зависеть от настроек и сценария использования.

aifeifei798 разработал эту объединённую модель на базе нескольких моделей семейства Llama 3 для диалогов с персонажами и ролевых сценариев, связанных с виртуальными айдолами. В карточке описаны персонажи певицы и помощника по TikTok, а также создание новых карточек персонажей. Для использования требуется карточка персонажа; автор отмечает, что без неё модель работает хуже. Модель предназначена для реалистичных ответов с разными реакциями в зависимости от ситуации, а также для обсуждения музыки, выступлений, создания контента и продвижения в социальных сетях. Архитектура — плотная причинная языковая модель LlamaForCausalLM на 7,5 млрд параметров, контекст — 8192 токена. В README заявлена работа на китайском, английском, японском и корейском языках; метаданные указывают английский, японский и китайский. Для зрения автор предлагает загружать файл Llava MMProj из репозитория. Модель опубликована в формате safetensors и распространяется по лицензии Llama 3. Автор предупреждает, что тестирование было ограниченным и возможны проблемы с качеством.

LumynaX OCR TrOCR Large Printed — ранний эксперимент AbteeX AI Labs на базе microsoft/trocr-large-printed для распознавания печатного текста на изображениях. Модель использует архитектуру vision-encoder-decoder и доступна для работы через Transformers; веса сохранены в форматах PyTorch и Safetensors. Модель предназначена для OCR печатного текста, например для извлечения текста из изображений строк и чеков. В этом выпуске базовая модель подключена через маршрутизацию во время выполнения и интеграцию идентичности; веса исходной модели не изменены. Модель ориентирована на английский и маори. Лицензия — MIT. Это устаревший, не поддерживаемый выпуск, который авторы не рекомендуют для производственного использования. README характеризует его как исторический исследовательский артефакт, а не как отражение актуальных возможностей LumynaX.

SidXXD/m-342 — набор весов textual inversion для Stable Diffusion v1.5, опубликованный пользователем SidXXD и предназначенный для генерации изображений по текстовым запросам. Это адаптация базовой модели stable-diffusion-v1-5/stable-diffusion-v1-5, а не самостоятельная полная модель; веса доступны в форматах Diffusers и Safetensors и используются с библиотекой Diffusers. Адаптация рассчитана на текстово-условленную генерацию изображений. Лицензия CreativeML OpenRAIL-M задаёт условия использования модели; для работы требуется базовая Stable Diffusion v1.5. Карточка не описывает специфические ограничения, стиль или предметную область адаптации.

Mahou-1.3-llama3-8B — разговорная языковая модель для чата и ролевых сценариев, разработанная FlammenAI. Это дообученная модель семейства Llama 3 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; README сообщает о десяти эпохах дообучения методом ORPO на A100. Модель принимает текст и генерирует текст, рассчитана на контекст до 8192 токенов и использует формат чата ChatML с дополнительными токенами токенизатора. Модель предназначена для ведения диалогов и ролевых игр; для ролевого формата README рекомендует писать речь без кавычек, а действия заключать в звёздочки. Данные обучения связаны с набором flammenai/MahouMix-v1 и разговорными данными FlammenAI. Лицензия указана как llama3; следует учитывать её условия при использовании и распространении. Оценки качества и ограничения в карточке подробно не описаны.

MangaLineExtraction-hf — версия модели MangaLineExtraction_PyTorch, совместимая с библиотекой Transformers. Разработана Chengze Li, Xueting Liu и Tien-Tsin Wong, преобразована Plat и опубликована в формате Safetensors. Модель предназначена для извлечения линейного рисунка из изображений манги: на вход подаётся изображение, на выходе получается его преобразованная версия с выделенными линиями. В метаданных указаны архитектура MLEForAnimeLineExtraction и задача image-to-image. Модель распространяется по лицензии MIT. В карточке не приведены сведения о качестве на разных типах изображений и ограничениях применения.

LazyHuman/maria-thumbnail — LoRA-адаптер для генерации изображений на базе FLUX.1-dev, разработанной Black Forest Labs. Модель обучена локально с использованием Fluxgym и предназначена для text-to-image генерации изображений с определённым визуальным образом или персонажем, связанным с триггерным словом «maria». Она может применяться через ComfyUI, AUTOMATIC1111, SD.Next, InvokeAI и Forge. Модель распространяется в формате Safetensors. В README не указаны размер адаптера, точные параметры обучения, поддерживаемые языки, максимальный контекст, дополнительные модальности или количественные оценки качества. Для активации LoRA рекомендуется использовать триггерное слово «maria». Лицензия обозначена как flux-1-dev-non-commercial-license, поэтому использование ограничено условиями некоммерческой лицензии FLUX.1-dev; точные юридические ограничения следует проверять в тексте лицензии.

MergekitCloud/mergekit-14 — объединённая языковая модель на архитектуре Llama, созданная методом Model Stock с помощью mergekit. В качестве базовой использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Репозиторий содержит веса safetensors, всего около 7,5 млрд параметров; заявленный контекст — 131 072 токена. Модель предназначена для генерации текста и диалогового общения, с акцентом на ролевые сценарии и более свободные ответы. Она принимает текст и выдаёт текст. Карточка не сообщает о поддерживаемых языках и лицензии, поэтому их нельзя надёжно указать.

MyneFactory Base Model — модель преобразования текста в изображение, разработанная Myne Factory; авторы карточки — 金Goldkoron, tsmkirby и Juusoz. Модель обучена на Stable Diffusion с подборкой примерно из 23 тысяч изображений с высоким рейтингом с Yande.re и Konachan. Подписи к изображениям создавались теггером WD14; модель лучше работает с тегами в стиле booru и дополнительно дообучена для работы с короткими промптами. Модель предназначена для генерации иллюстраций по текстовому описанию, особенно аниме-арта и сцен, заданных тегами. Авторы рекомендуют использовать подходящие соотношения сторон и параметры сэмплирования; приведённые настройки — ориентир для экспериментов. Репозиторий содержит веса Diffusers/PyTorch в форматах safetensors и ckpt. Лицензия — CreativeML OpenRAIL-M. Обучающие данные происходят с сайтов с аниме-изображениями, что отражается в специализации и стиле генерации. Как и другие модели генерации изображений, результат зависит от формулировки промпта и параметров; README не приводит систематической оценки качества или полного описания ограничений и допустимого использования по лицензии.

Mineskin-Diffusion-v1.0 — модель генерации изображений, разработанная для создания скинов Minecraft. Это переработанная версия более ранних моделей Minecraft Skin Diffusion; автор сообщает примерно о 18 млн параметров и обучении на 30 000 изображениях мужских и женских скинов. Модель использует диффузионный подход и доступна в формате Diffusers с весами Safetensors; в метаданных указан pipeline unconditional-image-generation. Модель предназначена для быстрого создания вариантов игровых скинов и их просмотра в 3D. README упоминает запуск через Google Colab и локально с библиотеками PyTorch, Diffusers, Pillow, NumPy и Transformers. Лицензия — MIT. Количество параметров и состав обучающих данных приведены автором README.

Это набор из четырёх экспериментальных гибридных чекпойнтов MiniMax H3, собранных автором репозитория jfar-z на основе FL2VA с путём кондиционирования по референсному изображению Ref2VA. В выбранных блоках трансформера заменены AdaLN-проекции на варианты из Ref2VA; остальные тензоры сохранены из FL2VA. Чекпойнты представлены в NVFP4 и предназначены для генерации видео по изображению в ComfyUI. Автор сообщает о проверке структуры, тензоров и загрузки, а также об успешной ручной генерации видео для всех четырёх вариантов. Для варианта b25-49 также описан путь Ref2VA с выводом видео и аудио. Это экспериментальные слияния параметров, а не дообученные модели. Они сохраняют таблицу временных шагов FL2VA при переносе проекций Ref2VA; результаты могут отличаться от INT8-версии. NVFP4 рассчитан прежде всего на видеокарты NVIDIA Blackwell, а работа на эмулируемых путях может отличаться. В метаданных указана лицензия other, поэтому конкретные условия использования следует сверять с лицензией исходной модели и репозитория.

Mixtral-8x7B-Instruct-v0.1-LimaRP-ZLoss — экспериментальная языковая модель для диалогового ролевого письма, созданная автором карточки на основе mistralai/Mixtral-8x7B-v0.1. Модель обучена с помощью QLoRA на датасете LimaRP v3 с контекстом обучения 10 000 токенов, с применением ZLoss и форка Transformers на базе Megablocks, а затем смешана с mistralai/Mixtral-8x7B-Instruct-v0.1 с весом 0,5. В метаданных указаны архитектура Mixtral MoE, 7,1 млрд параметров и контекстное окно 32 768 токенов. Модель принимает текстовые инструкции в формате Alpaca и генерирует диалоговые ответы на английском языке. Она поддерживает управление длиной ответа специальными модификаторами; автор также приводит настройки генерации, помогающие уменьшить зацикливание. Подходит для ролевых сценариев и создания персонажей, но автор предупреждает о склонности к многословию и имитации пользователя при очень длинных ответах. Модель не предназначена для предоставления фактической информации или советов и может наследовать предубеждения базовой модели и ролевых форумов. Лицензия — Apache-2.0.

MN-2407-DSK-QwQify-v0.1-12B — экспериментальная донастройка модели PocketDoc/Dans-SakuraKaze-V1.0.0-12b от BeaverAI. Она предназначена для диалогов с ролевыми персонажами, приключенческого повествования и совместного сочинения: автор пытался добавить к существующей модели стиль рассуждений QwQ. Модель основана на плотной архитектуре Mistral, содержит 12,1 млрд параметров и рассчитана на контекст до 131 072 токенов. README рекомендует формат диалога ChatML и отмечает, что первые ответы могут потребовать повторной генерации или настройки подсказки. Модель дообучена на наборах диалогов, ролевых карточек персонажей и текстов для совместного написания. Доступны веса Safetensors, лицензия — Apache-2.0. Это тестовая ранняя версия: автор не сообщает измерений качества, а поведение и генерация рассуждений могут быть нестабильными.

MoralFoundationsClassifier — дообученная M. Murat Ardag модель RoBERTa для многометочной классификации текста по десяти категориям моральных оснований: пяти добродетелям и пяти порокам в областях заботы, справедливости, лояльности, авторитета и святости. Модель основана на roberta-base и содержит около 151,8 млн параметров; в метаданных указан контекст до 514 токенов. Она принимает текст и выдаёт оценки категорий, помогая анализировать моральную риторику и ценностные мотивы. Модель предназначена для исследователей, аналитиков и специалистов по политике: её можно применять для анализа новостных статей, аргументов и общественных дискуссий, а также для изучения морального фрейминга и мнений. По README, обучающие данные включали блоги, СМИ, эссе, рассказы, парламентские дебаты и речи; заявленные метрики получены на отложенной части обучающих данных, поэтому их не следует считать гарантией переноса на другие источники. Особенно низкий recall у категории loyalty_vice; автор также предостерегает от применения к социальным сетям и от выводов о морали отдельных людей или групп. Репозиторий помечен pipeline-тегом fill-mask, однако README описывает классификацию, а архитектура указана как RobertaForMaskedLM. Это несоответствие затрудняет определение интерфейса инференса по имеющимся сведениям. Лицензия — GPL-3.0.

Doctor-Shotgun/MS3.2-24B-Magnum-Diamond-GGUF — это GGUF-квантизованная версия текстовой генеративной модели MS3.2-24B-Magnum-Diamond, разработанная Doctor-Shotgun и подготовленная с использованием llama.cpp. Модель ориентирована на диалоговые сценарии и текстовую генерацию; заявленный язык — английский, размер базовой модели — 24B параметров. Модель предназначена прежде всего для чат-взаимодействия и roleplay-сценариев, включая ведение повествовательного диалога, отыгрыш персонажей и генерацию художественных ответов. Она использует формат промптов Mistral v7 Tekken; README также указывает на поддержку работы с prefill, которое особенно рекомендуется для ролевых сценариев. Для запуска предлагаются библиотеки, совместимые с форматом GGUF и llama.cpp, а также интеграция с SillyTavern. К сильным сторонам относятся специализированная направленность на диалоги и roleplay, возможность локального запуска через экосистему GGUF и llama.cpp, а также свободное использование при соблюдении лицензии Apache-2.0. Ограничения включают отсутствие в представленном README точных сведений о типе и размере квантизации, длине контекста, исходной архитектуре, мультимодальности и результатах оценки качества. Модель описана только для англоязычных текстовых задач, поэтому возможности для других языков не подтверждены.

NemoAurora-RP-12B — плотная авторегрессионная языковая модель семейства Mistral, созданная Aratako слиянием нескольких моделей на базе Mistral Nemo Instruct. Она предназначена для ролевых диалогов: задайте в системном сообщении персонажа и ситуацию, а затем ведите беседу по указанному шаблону чата. Модель содержит 12,1 млрд параметров и распространяется в формате safetensors для Transformers. Метаданные указывают контекст до 1 024 000 токенов, однако автор сообщает, что обучение велось с длиной контекста 32 тысячи токенов и возможность работы с длинным контекстом не проверялась. Карточка указывает японский язык; модель основана на многоязычной Mistral Nemo. Автор советует попробовать низкую температуру генерации, но эта рекомендация не проверена. Модель создана для применения в ролевых сценариях, а её лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

Карточка модели remonie130/noobai-XL-Vpred-1.0 на Hugging Face совпадает с карточкой Laxhar/noobai-XL-Vpred-1.0, поэтому описание составлено по ней. NoobAI XL V-Pred 1.0 — модель генерации изображений по текстовому описанию от Laxhar Lab. Это диффузионная модель на базе SDXL, дообученная на данных Danbooru и e621 с тегами и подписями на естественном языке. Версия использует предсказание v и рассчитана на генерацию иллюстраций, в том числе в аниме-стиле. Для работы автор рекомендует сэмплер Euler, CFG 4–5, 28–35 шагов и разрешения с общей площадью около 1024×1024 пикселей. Модель доступна для Diffusers, ComfyUI и совместимых WebUI; карточка отмечает, что ветка dev WebUI может быть нестабильной. Для других сэмплеров корректная работа не гарантируется. Лицензия указана как other; README запрещает коммерческое использование, требует открывать производные модели, LoRA и продукты, а также соблюдать условия fair-ai-public-license. Модель также запрещено использовать для незаконных, вредоносных или оскорбительных целей. Генерация может давать неожиданные или вредные результаты.

OctLLM — модель исследователей из Пекинского университета и независимых исследователей, опубликованная вместе с работой «Octrees as an Explicit 3D Language». Она объединяет генерацию 3D-форм по тексту и изображениям с пониманием 3D-объектов, представляя геометрию последовательностями разреженного октодерева (S-Octree): токенами занятости, привязанными к координатам и глубине октодерева. Модель дообучена на мультимодальной основе Qwen/Qwen2.5-VL-7B-Instruct и содержит 7,1 млрд параметров. Для обработки 3D-данных в ней добавлены обучаемые ветви рядом с замороженной основой Qwen2.5-VL; текстовые, графические и mesh-токены обрабатываются отдельными путями и взаимодействуют через общее self-attention. Для завершения октодеревьев и декодирования текстурированных сеток используются 3D U-Net и предварительно обученные декодеры TRELLIS. Контекст — 128 000 токенов; веса доступны в формате safetensors, лицензия — MIT. Для загрузки требуются официальная реализация и её код для пользовательских 3D-компонентов. Описание подтверждает генерацию 3D по тексту и изображению и понимание 3D, но метаданные каталога отмечают только задачу text-to-3d.