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

li-yan/diffusion-aurora-256 — модель генерации изображений на основе диффузии, обученная автором репозитория на наборе данных huggan/few-shot-aurora. Она предназначена для создания изображений северного сияния размером 256 × 256 пикселей без текстового запроса. Модель использует DDPMPipeline из библиотеки Diffusers и распространяется в формате safetensors. Модель подходит для генерации визуальных примеров и иллюстраций северного сияния. README приводит примеры запуска через Diffusers, включая вариант с DDPMPipeline. Условия лицензии в предоставленных данных не описаны.

DuplexJev-B-MOSS-Transcribe-Falcon-H1-3B — модель adventists-ai для ответов на короткие вопросы по аудио и классификации акустических признаков. Она объединяет замороженный аудиоэнкодер MOSS-Transcribe-Diarize на архитектуре Whisper с 24 слоями и 307 млн параметров и замороженную языковую модель Falcon-H1-3B-Instruct; обучаемый коннектор SwiGLU содержит 38,8 млн параметров. Архитектура Ultravox принимает аудио и оценивает варианты ответа распределением вероятностей по токенам, без генерации последовательности. Модель предназначена для коротких решений по произнесённой речи, вопросов о содержании аудиофрагмента и подсказок о говорящем, включая паралингвистические признаки. README приводит результаты для spoken QA и задач определения пола и эмоций, но предупреждает, что тестировались небольшие наборы и прочитанная или сыгранная речь. Для работы нужны указанные энкодер и LLM; Falcon-H1 медленно работает на CPU без Mamba-ядер, а вопросы об общих знаниях модель обрабатывает слабо. Лицензия — Apache-2.0.

DuplexJev-B-Para-Whisper-small-Falcon-H1-1.5B — аудиоязыковой коннектор для коротких решений по речи и определения паралингвистических признаков. В модели замороженный энкодер Whisper-small передаёт аудиопризнаки замороженной Falcon-H1-1.5B-Instruct через обучаемый проектор SwiGLU с укладкой кадров; обучаемая часть содержит 29,4 млн параметров. Для типизированного вопроса модель оценивает варианты ответа распределением по одному токену, без генерации последовательности. Модель предназначена для коротких вопросов по аудиоклипам, включая речевые вопросы-ответы, классификацию эмоций и определение характеристик голоса. В README приведены результаты на небольших тестах устной речи, а также измерения задержки: модель может быть медленной на CPU без специальных Mamba-ядер и требует отдельной строки для каждого вопроса. Поддерживаются китайский и английский языки согласно метаданным. Ограничения включают оценку преимущественно на прочитанной или сыгранной речи, небольшие тестовые наборы и отсутствие оценки потокового ввода. Модель слабо отвечает на вопросы, требующие общих знаний; автор также предостерегает от использования меток эмоций для решений о людях. Коннектор работает только с указанными энкодером и языковой моделью. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями некоммерческого характера.

Euryale-1.3-limarpv3-L2-70B — языковая модель на архитектуре Llama 2, созданная объединением Sao10K/Euryale-1.3-L2-70B с PEFT-адаптером, обученным на датасете LimaRP и применённым с весом 0,5. Модель предназначена для генерации текста в ролевых диалогах и общения от лица заданного персонажа; рекомендованный формат запроса — инструкции Alpaca для LimaRP v3. Модель содержит 68,7 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. В инструкцию можно добавить управление длиной ответа: от очень короткого до неограниченного, однако длинные ответы могут быть многословными или имитировать реплики пользователя. Карточка указывает английский язык. Лицензия в предоставленных данных не указана.

ExHuBERT — модель Shahin Amiriparian, Filip Packań, Maurice Gerczuk и Björn W. Schuller для распознавания эмоций в речи. Она основана на HuBERT Large, расширенном блоками и дообученном на EmoSet++: 37 наборов данных, 150 907 примеров и суммарно 119,5 часа аудио. Модель принимает трёхсекундную необработанную аудиоволну с частотой дискретизации 16 кГц и относит её к одному из шести классов, сочетающих низкий или высокий уровень возбуждения с негативной, нейтральной или позитивной валентностью. Модель предназначена для классификации эмоциональной окраски речи и переноса обучения на связанные задачи. В метаданных указаны архитектура HuBERT и 805,3 млн параметров; язык и библиотека модели также отражены в карточке. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

sudo-s/exper_batch_16_e8 — модель классификации изображений на архитектуре Vision Transformer (ViT), дообученная на базе google/vit-base-patch16-224-in21k на наборе данных sudo-s/herbier_mesuem1. Веса представлены в формате PyTorch; размер модели — 113,2 млн параметров. Модель предназначена для классификации изображений, связанных с набором данных, на котором она обучалась. В README указаны результаты на оценочной выборке: accuracy 0,9129 и loss 0,3951. Лицензия — Apache-2.0. Описание классов, условий обучения и ограничений в карточке не раскрыто, поэтому результаты нельзя переносить на другие наборы изображений без отдельной проверки.

Это модель автоматического распознавания речи, созданная дообучением jssaluja/fb-mms-1b на базе facebook/mms-1b-all. Она предназначена для преобразования аудиозаписей в текст; обучение проводилось на наборах с чтением и исполнением сикхских религиозных текстов, включая Sehaj Paath и киртан. Модель построена на архитектуре wav2vec2, имеет около 1,3 млрд параметров и использует библиотеку Transformers. В карточке приведены метрики оценки: WER 0,3164, CER 0,0801 и NCER 0,0324. Эти результаты относятся к указанному оценочному набору и не гарантируют аналогичного качества на других типах речи или записях. Базовая MMS-1B-All поддерживает более тысячи языков, однако язык и область применимости этого дообученного чекпойнта отдельно не указаны. Лицензия — CC BY-NC 4.0, допускающая использование с атрибуцией, но запрещающая коммерческое применение.

Fimbulvetr-Kuro-Lotus-10.7B — объединённая языковая модель от saishf, созданная методом SLERP с помощью mergekit на основе Sao10K/Fimbulvetr-10.7B-v1 и saishf/Kuro-Lotus-10.7B. Это плотная авторегрессионная модель семейства Llama с архитектурой MistralForCausalLM, 10,6 млрд параметров и контекстом до 4096 токенов по метаданным; автор сообщает о связности ответов при расширении контекста до 8K. Модель предназначена для генерации текста и ролевых диалогов, в частности для использования с SillyTavern. По личным тестам автора, она сохраняет стиль Kuro-Lotus и может работать с менее подробными карточками персонажей. Пресет Universal Light даёт более творческие ответы, но иногда модель может говорить или действовать за пользователя; длина ответов также зависит от шаблона Alpaca. Модель распространяется в формате safetensors и требует Transformers для стандартного использования. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Edweibin/flux-dev-nfsw — это LoRA-модель для генерации изображений по текстовому описанию, разработанная на базе black-forest-labs/FLUX.1-dev. Модель обучалась на платформе Replicate с использованием открытых материалов и предназначена для создания реалистичных изображений в стиле популярных моментальных фотографий, включая эстетику Polaroid. Для активации характерного визуального стиля рекомендуется использовать триггерную фразу «polaroid style». Модель поддерживает сценарии text-to-image и распространяется в формате весов Safetensors. Точные сведения о размере LoRA, архитектурных параметрах, поддерживаемых языках, максимальном контексте и дополнительных модальностях в README не указаны. Сильной стороной модели является специализация на реалистичной стилизации изображений под моментальную фотосъёмку. Ограничения, связанные с качеством генерации, набором поддерживаемых сюжетов и особенностями использования, отдельно не описаны; результат зависит от базовой модели FLUX.1-dev и корректного применения триггерной фразы. Модель распространяется по лицензии CC BY-NC 4.0; коммерческое использование не допускается, а для дополнительных элементов требуется указание авторства.

LocalAI-io публикует GGUF-конверсии весов TencentARC/FreeSplatter для движка free-splatter.cpp. Модель принимает несколько некалиброванных изображений одной сцены или объекта и предсказывает для каждого пикселя параметры 3D-гауссиан: положение, цвет на основе сферических гармоник, прозрачность, масштаб и вращение. Варианты scene рассчитаны на два частично перекрывающихся ракурса, а object — на 3–4 ракурса вокруг объекта; изображения обрезаются по центру и приводятся к 512×512. Веса используют общий трансформерный каркас: токенизатор патчей, мультиизображенческий трансформер и голову предсказания гауссиан. Конверсии F16 и F32 работают через движок на CPU или Vulkan GPU; результат можно передать в формате .splat или получить как тензор float32. Растеризация гауссиан и решение PnP для поз камер в модель не входят. Репозиторий распространяется по лицензии Apache-2.0.

ChatoyantAI выпустила текстовую модель для ролевых диалогов, дообученную на Google Gemma 4 12B IT методом SFT с адаптером LoRA ранга 32. Это плотная модель семейства Gemma4Unified с архитектурой Gemma4UnifiedForConditionalGeneration; в этой версии веса адаптера объединены с базовыми весами и сохранены в формате BF16 Safetensors, поэтому отдельный адаптер для её использования не нужен. Репозиторий также содержит токенизатор и шаблон чата Gemma 4. Модель предназначена для текстовых ролевых бесед. Сервис, указанный в карточке, настроен на 65 536 токенов суммарно для входа и выхода; это конфигурация сервиса, а не подтверждённая оценка качества на длинном контексте. Мультимодальные модули базовой архитектуры сохранены, однако качество работы с изображениями, видео и аудио после дообучения не оценивалось. Публичные бенчмарки или подтверждённое улучшение предпочтений пользователей не заявлены. Модель распространяется по лицензии Apache-2.0. В обучающих данных могли быть взрослые темы; ответы могут быть неточными, предвзятыми или неподходящими, а также содержать запомненные фрагменты, поэтому результаты требуют проверки.

GPT-2 Indonesian Small Kids Stories — авторегрессионная языковая модель на архитектуре GPT-2 Small, разработанная Wilson Wongso. Исходный предварительно обученный GPT-2 Small Indonesian дообучен на детских рассказах на индонезийском языке из коллекций Room to Read и Let’s Read. Модель содержит 124 млн параметров, принимает текст и генерирует продолжение; указанное для неё контекстное окно — 1024 токена. Модель подходит для генерации коротких детских историй на индонезийском языке и продолжения заданного начала рассказа. При оценке после обучения на 10 эпохах получены loss 3,777 и perplexity 43,68. Эти показатели не гарантируют связность или пригодность каждого результата. В карточке отдельно отмечены возможные смещения, унаследованные от базовой модели и обучающих текстов. Модель распространяется по лицензии MIT.

GPT-2 Small Portuguese Lyrics — языковая модель на архитектуре GPT-2, дообученная автором rsmonteiro на датасете из примерно 66 000 текстов песен на португальском языке, охватывающих шесть музыкальных жанров. В качестве исходной модели использована GPorTuguese-2. Модель предназначена для генерации продолжений и новых текстов песен на португальском языке. Она принимает текстовый запрос и генерирует текст; длина контекста составляет 1024 токена. В карточке приведены значения loss 3,301 и perplexity 27,15, а веса доступны в форматах PyTorch и TensorFlow. Модель выпущена под лицензией MIT. Её специализация на текстах песен ограничивает применимость к другим жанрам и задачам; результаты оценки в карточке не сопровождаются описанием методики или независимым сравнением.

Guan Yu Diffusion — модель генерации изображений по текстовому описанию, созданная DGSpitzer на основе Stable Diffusion 1.5 с дообучением Fast DreamBooth. Она предназначена прежде всего для создания изображений Гуань Юя — героя эпохи Троецарствия, которого в промпте рекомендуется обозначать ключевым словом «guanyu». Модель также поддерживает создание персонажей в стиле уся — китайских героев боевых искусств из кино и телесериалов. Обучение проводилось на фотографиях фигурки Гуань Юя и кадрах телесериала 1994 года. Это помогает сохранять сходство персонажа и последовательность одежды, но может приводить к переобучению и изображениям, похожим на исходную фигурку; автор советует добавлять другие описания в промпт. Репозиторий содержит файлы Diffusers и .ckpt, модель совместима со стандартными Stable Diffusion Pipeline. Лицензия — CreativeML OpenRAIL-M; README указывает, что модель предназначена для исследований и обучения и не должна использоваться в коммерческих целях.

Hassaku XL Illustrious v3.1 — модель генерации изображений по текстовому описанию, опубликованная John6666 в формате Diffusers и Safetensors. Метаданные Hugging Face указывают, что это слияние моделей OnomaAIResearch/Illustrious-XL-v1.0 и OnomaAIResearch/Illustrious-XL-v2.0 на основе SDXL. Модель предназначена для создания изображений в ярком, выразительном аниме-стиле, в том числе персонажей и женских образов. Поддерживает текстовые запросы на английском языке; каталог отмечает семейство Illustrious XL и совместимость с LoRA. Лицензия указана как other, поэтому конкретные условия использования следует сверять с карточкой модели и её лицензией. Hugging Face помечает модель как не для всех аудиторий; теги включают hentai.

Norod78/hebrew-gpt_neo-xl-poetry — языковая модель на архитектуре GPT-Neo, дообученная для генерации стихотворных текстов на иврите. По карточке, модель обучалась на подборке книг, журналов и поэтических корпусов на иврите и предназначена для создания поэзии и продолжения стихотворных фрагментов. Модель содержит 1,5 млрд параметров, принимает текст и генерирует текст; длина контекста составляет 2048 токенов. Модель разработана автором репозитория Norod78 и основана на hebrew-gpt_neo-xl. Доступны веса в форматах Flax, PyTorch и Safetensors. Лицензия — MIT. Карточка не приводит оценки качества, поэтому результат генерации может требовать редакторской проверки и не гарантирует связность или художественную ценность.

Human-vs-NonHuman-Detection — модель классификации изображений, созданная PrithivMLmods дообучением визуального энкодера google/siglip2-base-patch16-224. Она использует архитектуру SiglipForImageClassification и относит изображение к одному из двух классов: «человек» или «не человек». Модель предназначена для обнаружения присутствия человека на изображениях, автоматической фильтрации и категоризации изображений, а также для использования в системах мониторинга и робототехнике. В README приведён отчёт на 15 635 примерах: точность составила 98,62%, F1 для класса «человек» — 0,9836, для класса «не человек» — 0,9881. Эти результаты относятся к указанному набору оценки и не гарантируют такое же качество на других данных. Модель принимает изображения и выдаёт метку класса. Распространяется по лицензии Apache-2.0.

HunyuanWorld-Voyager — разработанная Tencent видеодиффузионная модель для генерации видеопоследовательностей с согласованной 3D-структурой сцены по одному изображению. Пользователь задаёт траекторию камеры, а модель создаёт видео, пригодное для исследования сцены с разных ракурсов. Она также может совместно генерировать согласованные видео RGB и глубины для последующей 3D-реконструкции. Модель предназначена для создания исследуемых сцен и получения данных для реконструкции по изображению. В метаданных Hugging Face основная задача указана как image-to-video; теги карточки включают английский и китайский языки. Репозиторий помечен лицензией other, поэтому конкретные условия использования следует сверить с файлами лицензии проекта. README не приводит сведения о размере модели, длине контекста или конкретных ограничениях качества.

Hyperdrive 7b α — текстовая генеративная модель семейства Mistral, опубликованная maldv. Она предназначена для продолжения художественного текста, особенно научной фантастики: автор предлагает начинать с фрагмента истории или имени персонажа, а не использовать формат диалога с инструкциями. По README, обучение включало обучение на полных текстовых окнах, дообучение на продолжение текста, ORPO и дополнительные эпохи на полных текстах с разным положением окна. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст, выдавая текст. В метаданных указан контекст 32 768 токенов; README сообщает об обучении с окнами 16k. Репозиторий содержит веса safetensors, библиотека — Transformers. Модель опубликована по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Автор отдельно предупреждает, что это не чат-модель; качество и пригодность для иных задач не заявлены.

jweb-japanese-soseki-gpt2-1b — японская языковая модель на архитектуре GPT-2, дообученная jweb на основе модели, обученной компанией rinna Co., Ltd. В репозитории указано 1,3 млрд параметров, а метаданные Hugging Face сообщают 1,7 млрд; модель имеет 24 слоя и скрытый размер 2048. Для токенизации используется SentencePiece, в README рекомендуется T5Tokenizer. Доступны веса PyTorch и Rust. Модель предназначена для генерации японского текста в продолжение заданного фрагмента. Она дообучена на произведениях из Aozora Bunko, особенно на книгах Нацумэ Сосэки; также указаны обучающие данные Japanese C4, CC-100 и Wikipedia. Контекст составляет 1024 токена. README приводит perplexity около 14 на выбранной отложенной выборке из тех же данных. Модель выпущена под лицензией MIT.

JWST Deep Space Diffusion — дообученная с помощью DreamBooth модель Stable Diffusion 1.5 для генерации изображений космоса по текстовым запросам. Она обучена на изображениях телескопа James Webb и Judy Schmidt; токен JWST в запросе помогает задать характерный стиль, например при генерации спиральной галактики. Модель распространяется в формате Diffusers/PyTorch и использует архитектуру Stable Diffusion. Модель подходит для создания художественных изображений галактик и других космических объектов. В README указана лицензия CreativeML OpenRAIL-M. Размер изображений, рекомендуемые пределы запросов и другие ограничения качества не описаны.

kagemusya-7B-v1 — японская модель для генерации художественного текста, созданная на основе Ninja-V2 и дополнительно обученная на корпусе объёмом около 1 ГБ, включавшем веб-романы. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и принимает контекст длиной до 4096 токенов. Модель предназначена прежде всего для продолжения японских романов по заданному фрагменту, а также для генерации историй с подсказками о сюжете или жанре. Разработчик отмечает, что исходные диалоговые способности заметно ослаблены, поэтому модель лучше подходит для художественного письма, чем для обычного чата. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

Kavya-1-7B — языковая модель на 7,1 млрд параметров для сочинения оригинальных песенных текстов на телугу. Модель разработана на основе Qwen2.5-7B-Instruct и дообучена на 9 102 отобранных песнях на телугу. Она генерирует тексты в структуре паллави, анупаллави и чаранам, подстраивая тему, настроение и стиль под запрос. Архитектура — плотная Qwen2ForCausalLM; модель работает через Transformers, принимает текст и выдаёт текст. Контекст — до 32 768 токенов. Модель подходит для черновиков песен, вариантов припевов и куплетов, а также экспериментов с генерацией на телугу и индийской поэтической формой. Она хорошо передаёт структуру и ритм песни, но часто ошибается в написании слов и соединении букв, поскольку токенизатор не содержит символов телугу. Качество снижается при запросах на романизированном телугу и при генерации длиннее примерно 650 токенов; вне регистра современной кино-песни ей нужны подробные указания. Возможны повторы обучающих текстов, а фактические сведения в ответах ненадёжны. Лицензия — Apache-2.0.

LAMP (Language-Assisted Motion Planning) — система планирования движения, разработанная М. Бураком Кизилом, Энесом Санлы, Нилой Митрой, Эркутом Эрдемом, Айкутом Эрдемом и Дуйгу Джейлан. Её компонент планирования основан на дообученной Qwen2.5-VL-7B-Instruct с 7,1 млрд параметров и контекстом 128 000 токенов; веса представлены в формате Safetensors. Лицензия репозитория — CC. Система преобразует текстовые описания поведения объектов и камеры в структурированные программы движения на предметно-ориентированном языке LAMP, а затем — в детерминированные 3D-траектории. Эти траектории используются для управления генерацией кинематографических видеокадров в конвейере VACE. Для работы полного конвейера требуются также компоненты генерации видео VACE; одна модель планирования движения не выполняет весь процесс синтеза видео самостоятельно. LAMP предназначена для задания движений камеры и объектов на естественном языке и создания управляемых кинематографических сцен. В README доступна интерактивная демонстрация Gradio; для пользователей Wan2.1 с английскими запросами отмечена рекомендация включить расширение промпта для достижения полной производительности.

Hearthfire-24B-GGUF — это квантизированная версия текстовой генеративной модели Hearthfire-24B, разработанной LatitudeGames. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель распространяется в формате GGUF и предназначена для запуска через llama.cpp, LM Studio и другие совместимые приложения. Основные сценарии применения — текстовые приключения и roleplay на английском языке. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4 и Q3; размер файлов составляет примерно от 10,40 до 47,15 ГБ. Более крупные варианты обычно сохраняют более высокое качество, а менее объёмные подходят для систем с ограниченной оперативной памятью. Рекомендуемые сборки включают Q6_K, Q6_K_L, Q5_K и Q4_K_M, при этом Q3-варианты характеризуются более низким качеством. В README не указаны точная архитектура, размер контекста, поддержка мультимодальности и дополнительные языки; подтверждён только английский язык и текстовый режим. Для работы требуется совместимое программное обеспечение и аппаратные ресурсы, соответствующие выбранному варианту. Модель распространяется по лицензии Apache-2.0.

LISA-7B-v1 — мультимодальная модель Xin Lai и соавторов из проекта JIA-Lab, созданная для сегментации объектов на изображениях по текстовым запросам, требующим рассуждений. Она сочетает возможности языковой модели LLaVA с выводом масок сегментации на основе SAM и может формировать пояснения к результату и поддерживать многоходовый диалог. Модель содержит 6,6 млрд параметров, использует архитектуру LLaVA и имеет контекст длиной 2048 токенов. Разработчики показывают применение к сложным запросам, использующим контекст изображения и общие знания; модель также обучалась на задачах семантической и референсной сегментации и визуальных вопросах. Для репозитория указана лицензия Apache-2.0. Конкретные ограничения качества для этой версии в доступных источниках не описаны.

llama-2-ko-story-7b — настраиваемая модель генерации текста на архитектуре Llama 2, созданная на основе beomi/llama-2-ko-7b. Разработчик дополнительно обучил её методом QLoRA на корпусе корейских романов объёмом около 167 МБ, включая корейскую классику из 공유마당. Веса представлены в формате safetensors; размер модели — 6,7 млрд параметров, контекст — 2048 токенов. Модель предназначена прежде всего для генерации корейской художественной прозы и продолжения литературных текстов. Для дообучения использовались LoRA-параметры r=32 и alpha=16, dropout 0,05, целевые слои q_proj и v_proj; обучение продолжалось три эпохи. Лицензия указана как llama2, поэтому использование регулируется условиями лицензии Llama 2. Карточка не приводит оценок качества или результатов тестирования; обучение на небольшом специализированном корпусе ограничивает надёжность вне художественного текста на корейском языке.

Techne-RP-8b — текстовая авторегрессионная модель семейства Llama 3.1 от athirdpath, дообученная для ролевого общения и написания художественных текстов. Она принимает текстовые запросы в формате промптов Llama 3; также поддерживает формат Alpaca. Модель содержит 7,5 млрд параметров и заявленное контекстное окно 131 072 токена. Обучение продолжало модель athirdpath/Llama-3.1-Instruct_NSFW-pretrained_e1-plus_reddit и включало этапы SFT на диалоговых и ролевых наборах данных, а затем DPO на парах предпочтений. Карточка демонстрирует примеры общения и NSFW-письма, поэтому модель подходит для создания ролевых сцен и взрослой художественной прозы. Доступны веса safetensors; лицензия — Llama 3.1 Community License. Модель ориентирована на генерацию текста и не заявляет мультимодальных возможностей. Небольшое число недавних загрузок не даёт оснований считать её широко проверенной; качество и поведение могут зависеть от формата промпта и сценария использования.

Loyal-Macaroni-Maid-7B — текстовая генеративная модель на 7,1 млрд параметров, созданная SanjiWatsuki с помощью слияния моделей методом DARE TIES на базе Mistral-7B-v0.1. Она предназначена прежде всего для ролевых диалогов с соблюдением карточек персонажей, включая сценарии ERP, а также для обычных диалогов и ответов на инструкции. Автор отмечает творческую подачу и хорошие результаты в собственных проверках, но сообщает о возможных проблемах с форматами запросов из-за различий в обучении объединённых моделей; рекомендует шаблон Noromaid для SillyTavern и формат Alpaca для некоторых сценариев. Модель принимает текст и генерирует текст, использует архитектуру Mistral и поддерживает контекст до 8192 токенов. В состав слияния вошли модели для RP и диалогов, включая loyal-piano-m7, Marcoroni-neural-chat-7B-v2, Toppy-M-7B, Noromaid-7b-v0.2 и NSFW_DPO_vmgb-7b. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

LYRICAL_POET_Gemma4e2b_v1 — дообученная Aleksey Calvin Tsukanov совместно с SilverAgePoets.com модель на основе Gemma 4 E2B IT и Tema_Q-X4-4B-Thinking. Она предназначена для генерации стихов и текстов в заданных поэтических формах и стилях, включая канонические, малоизвестные и авангардные направления. Модель поддерживает диалоговый формат и инструкции; в README показан пример запроса на английском языке с ориентацией на стиль Delmore Schwartz. Модель использует плотную архитектуру семейства Gemma 4 и распространяется в формате safetensors. В метаданных указаны русский, английский и французский языки, а также лицензия Apache-2.0. Авторы характеризуют её как универсальную для своего размера, однако приводят лишь примеры использования и не сообщают результатов сравнительных оценок; качество стихов и точность следования заданному стилю могут различаться.