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

Erya4FT — модель RUCAIBox на архитектуре BART, дообученная на собственном датасете на основе Erya. Она предназначена для перевода древнекитайского текста на современный китайский язык. Модель содержит 152,6 млн параметров, принимает текст и выдаёт текст. Карточка показывает использование через Transformers с классом CPTForConditionalGeneration. Нативная длина контекста — 1024 токена. Модель распространяется под лицензией Apache-2.0. Её основная специализация — перевод древнекитайского на современный китайский. Данных о качестве на других направлениях перевода или о дополнительных возможностях карточка не приводит.

ilkerzgi/face-swap — адаптер LoRA, разработанный для базовой модели FLUX.2-klein-9B от Black Forest Labs и предназначенный для работы с библиотекой Diffusers. Модель выполняет замену лица на изображении: переносит лицо с исходного изображения на человека на целевом изображении, сохраняя тело, позу и сцену, а также стремясь согласовать оттенок кожи и освещение. Модель использует две входные картинки: Picture 1 с лицом и Picture 2 с целевым человеком и окружением. Для наилучших результатов рекомендуется специальный промпт с указанием операции face_swap. Это image-to-image решение для генерации изображений; сведения о поддерживаемых языках и размере контекста не указаны. В README приведены варианты обучения с rank 16–64, 300 или 800 образцами и измеренной средней задержкой около 6,0–6,6 секунды для различных конфигураций. Сильной стороной модели является специализация на замене лица с сохранением идентичности, освещения и естественного смешивания оттенков кожи. Ограничения, качество на разных типах исходных изображений и требования к вычислительным ресурсам подробно не описаны. Модель распространяется по лицензии flux-non-commercial-license, то есть её использование ограничено некоммерческими сценариями.

Falconsai/fear_mongering_detection — модель классификации текста на базе DistilBERT-base-uncased, дообученная для выявления запугивающих и нагнетающих страх формулировок. Она предназначена для анализа публикаций и комментариев в социальных сетях, новостных материалов и контента онлайн-платформ, например для мониторинга и предварительной модерации. Модель принимает текст на английском языке и выдаёт метку классификации. В карточке указано, что обучение проводилось на специализированном наборе данных объёмом менее 50 тысяч примеров. Модель ориентирована на выявление нагнетания страха и может ошибочно помечать обычный текст; качество за пределами этой задачи может быть низким. Лицензия — Apache-2.0.

Firewatch Diffusion — модель генерации изображений по текстовому описанию, обученная автором ItsJayQz на игровых кадрах Firewatch и некоторых игровых постерах Олли Мосса. Для обращения к характерному стилю в запросе используется токен «fwatch style». Модель предназначена прежде всего для создания пейзажей природы и отдельных объектов в похожей художественной манере. Модель распространяется в формате Diffusers с весами PyTorch Safetensors и использует лицензию CreativeML OpenRAIL-M, которая допускает гибкое использование и распространение производных моделей с ограничениями, изложенными в лицензии. Автор отмечает, что модель создана для исследований и развлечения и не связана с Campo Santo или правообладателями игровых иллюстраций.

Fluffity — модель генерации изображений на основе Stable Diffusion 1.5, опубликованная lex-hue. Она предназначена для создания изображений по текстовым подсказкам, в том числе по коротким наборам тегов, и ориентирована на простой запуск без сложной настройки. Автор заявляет генерацию реалистичных изображений и поддержку как безопасного, так и откровенного контента; среди целевых сценариев — творческие проекты и furry-арт. Модель распространяется в формате safetensors через библиотеку diffusers под лицензией OpenRAIL. В карточке приведён пример портрета волка по трём словам. Автор предупреждает, что качество может различаться между версиями; примеры в карточке созданы версией v1.2.

Ateron/Gemma-4-Dark-Thoughts-V2-31B — объединённая модель семейства Gemma 4, созданная Ateron с помощью Mergekit на основе Dark-Scarlett v2.0 31B, Gemma 4 31B Instruct Scotoma 2 и G4-MeroMero v2 31B. Модель предназначена для диалоговой и ролевой генерации текста на английском языке. По описанию автора, версия V2 переработана для улучшения вызова инструментов и ведения ролевых диалогов в длинном контексте; конфигурация слияния построена в два этапа. Модель имеет плотную архитектуру Gemma4ForConditionalGeneration и содержит 31 млрд параметров. Доступна в формате Safetensors, поддерживает текстовый ввод и текстовую генерацию. Лицензия — Apache 2.0. README не сообщает длину контекста и не приводит оценок качества или результатов испытаний.

Generalist-IDM-1B — модель vision-action проекта Open World Agents для восстановления действий игрока по игровому видео. Она принимает последовательность кадров экрана размером 448×448 и событий клавиатуры и мыши с временными метками, а затем предсказывает пропущенные события ввода между наблюдениями. Модель основана на InternVL и содержит около 0,9 млрд параметров. Модель обучена на наборе D2E: 267 часах синхронизированных игровых видео и событий ввода из 29 игр для ПК разных жанров, включая шутеры от первого лица, игры с открытым миром, песочницы и roguelike. Она предназначена для восстановления траекторий управления и анализа игрового поведения; результат можно сохранить в MCAP с временными метками, синхронизированными с исходным видео. Для инференса описан конвейер с предварительной обработкой видео и использованием CUDA-совместимого GPU; в README указана потребность примерно в 8 ГБ видеопамяти или больше и скорость около шести секунд обработки на секунду видео на H100. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о поддержке иных типов входных данных или языковых сценариях.

svjack/Genshin_Impact_Mistral_v3_Plot_Chat_roleplay_chat_merged — разговорная языковая модель семейства Mistral, предназначенная для генерации текста и ролевого чата в сеттинге Genshin Impact. Модель разработана автором репозитория svjack и имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов с персонажами и генерации сюжетных ответов в чате. В карточке указаны форматы PyTorch и поддержка chat. README содержит только инструкции по установке библиотек и фрагменты вывода, поэтому подробности о данных обучения и качестве ответов подтвердить нельзя. Лицензия в предоставленных сведениях не указана.

Gonyai-v1 — языковая модель от разработчика omdeep22 для генерации текста на конкани, в том числе с учётом его поэтических и культурных особенностей. Модель построена на плотной трансформерной архитектуре KonkanGPT с RoPE, RMSNorm и активацией SwiGLU; в метаданных указаны 137,8 млн параметров, а в README — около 160 млн. Для токенизации используется собственный byte-level BPE на 32 тыс. токенов, настроенный на письмо деванагари и конкани. Контекст модели составляет 1024 токена. Модель подходит для творческой генерации на конкани, включая стихи и тексты, опирающиеся на литературу, новости и художественные произведения. README сообщает о высокой скорости и эффективности токенов на конкани по сравнению с более крупными моделями, однако приведённые результаты относятся к внутренним тестам карточки. Модель может выдумывать факты и даты, плохо подходит для сложных рассуждений, математики и программирования, а в длинных ответах может отклоняться от темы и повторяться. Лицензия — MIT.

Модель LYTinn/gpt2-finetuning-sentiment-model-3000-samples — дообученная на наборе IMDb модель GPT-2 для классификации тональности текстов. Она использует архитектуру GPT2ForSequenceClassification и предназначена для определения тональности отзывов, в частности отзывов о фильмах. Модель принимает текст и выдаёт метки классов. В карточке приведены результаты оценки на тестовой выборке: accuracy 0,6467 и F1 0,6159; эти показатели указывают на ограниченное качество классификации. Контекст модели составляет 1024 токена. Веса представлены в формате PyTorch, лицензия — MIT. Карточка не уточняет набор меток и языки обучающих данных, поэтому область применения за пределами IMDb не подтверждена.

GPT-2, дообученная Aleksey Korshuk на наборе Fraser/short-jokes для генерации коротких шуток по текстовому запросу или началу фразы. Это плотная авторегрессионная языковая модель для генерации текста с контекстом до 1024 токенов, опубликованная в формате PyTorch. В карточке приведены результаты оценки: loss 0,6748 и accuracy 0,8796. Модель подходит для создания коротких шуток и продолжения юмористических фраз. Она унаследовала языковые возможности GPT-2; целевой язык и подробности обучающей выборки в карточке не раскрыты. Лицензия — MIT.

bolbolzaban/gpt2-persian — персоязычная авторегрессионная языковая модель на архитектуре GPT-2, предназначенная для генерации текста и исследовательских экспериментов с персидской поэзией. Модель обучена на персидских текстах с гиперпараметрами, близкими к стандартному GPT-2 Medium; длина контекста составляет 256 субсловных токенов. Вместо BPE используется токенизатор SentencePiece. Модель лучше всего подходит для продолжения персидского текста и создания стихов, в том числе классической персидской поэзии с маркерами [BOM] и [EOS]. Обучающие данные ограничены персидским текстом: латинские символы, числа и другие неперсидские символы заменены специальными токенами, поэтому вход рекомендуется нормализовать и подавать персидским письмом. Модель разработана Bolbolzaban, доступна в форматах PyTorch, TensorFlow и Flax и распространяется по лицензии Apache-2.0.

gpt2-poems.en — англоязычная модель генерации текста на архитектуре GPT-2, созданная в рамках эксперимента Poems+AI. Она предназначена для генерации стихотворного текста по заданному началу или подсказке; в README в качестве исходного материала названы стихи Маркоса де ла Фуэнте. Модель принимает текст и выдаёт текст, использует PyTorch и имеет контекстное окно 1024 токена. Репозиторий распространяется по лицензии MIT.

ethanyt/guwenbert-base — модель RoBERTa, разработанная Tan Yan и Zewen Chi из Datahammer при Пекинском технологическом институте и предварительно обученная на классическом китайском языке. Её можно дообучать для задач обработки древних текстов, включая разделение предложений, расстановку пунктуации и распознавание именованных сущностей. Модель содержит 131,1 млн параметров и принимает последовательности длиной до 514 токенов. Для обучения использован корпус daizhige: 15 694 книги классического китайского языка, около 1,7 млрд знаков; традиционные иероглифы приведены к упрощённым, словарь включает 23 292 токена. В оценке распознавания сущностей в древних книгах модель заняла второе место на конкурсе «Gulian Cup». Для заполнения масок используется задача fill-mask; для других сценариев из README требуется дообучение. Доступны веса PyTorch и Flax. Лицензия — Apache-2.0.

Haruhi-Zero-7B-0_3 — модель для диалоговой ролевой игры, дообученная авторами проекта ChatHaruhi на базе Qwen-7B. Она предназначена для общения от лица заданного персонажа по его описанию (persona) без отдельной базы персонажей для поиска. Версия 0.3 усиливает данные о самоидентификации персонажа и собеседника; обучение проводилось на китайских и английских диалогах, дополненных данными из художественной литературы. Модель имеет плотную архитектуру Qwen, около 11,4 млрд параметров и контекст до 32 768 токенов. В метаданных основная задача указана как feature-extraction, однако для пользовательского сценария ролевого диалога выбран text-generation; каталог также отмечает feature-extraction как поддерживаемую задачу. Репозиторий содержит веса safetensors. Лицензия — CC BY 4.0. Модель ориентирована на ролевые беседы с заданной персоной. Карточка не приводит результатов количественной оценки качества; данные описаны как китайские и английские, поэтому поддержку других языков считать подтверждённой нельзя.

Human-Action-Recognition — модель классификации изображений, созданная PrithivMLmods дообучением Google SigLIP 2 Base Patch16 224. Она принимает отдельные изображения и относит действия людей к одному из 15 классов: звонок, хлопки, езда на велосипеде, танец, питьё, еда, драка, объятия, смех, прослушивание музыки, бег, сидение, сон, переписка и работа за ноутбуком. Модель предназначена для распознавания действий на фотографиях в сценариях мониторинга, спортивной аналитики, анализа изображений в социальных сетях, наблюдения за активностью пациентов и робототехники. Модель использует архитектуру SiglipForImageClassification и распространяется в формате Safetensors для Transformers. Карточка не приводит оценок качества; классификация ограничена указанными 15 классами и предназначена для неподвижных изображений, поэтому её нельзя трактовать как распознавание последовательностей действий в видео. Лицензия — Apache-2.0.

IceCoffeeRP-7b — разговорная языковая модель на архитектуре Mistral, собранная разработчиком icefog72 с помощью mergekit методом SLERP из предварительно обученных моделей. Она предназначена для генерации текста в диалоге; в README указаны шаблоны Alpaca и, возможно, ChatML. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель ориентирована на ролевые диалоги и сценарии с контентом для взрослых, что отражено в тегах NSFW и not-for-all-audiences. В README приведены результаты оценок Open LLM Leaderboard и варианты ExL2-квантизации 4.2, 6.5 и 8 bpw. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

ostris/ikea-instructions-lora-sdxl — адаптер LoRA для генерации изображений на базе stabilityai/stable-diffusion-xl-base-1.0. Модель ориентирована на стиль иллюстрированных инструкций IKEA и может создавать изображения по текстовым описаниям объектов, сцен, персонажей или последовательностей действий. Адаптер предназначен для text-to-image сценариев: можно задавать простые промпты вроде «hamburger» или описывать шаги, которые должны быть показаны на изображении. Специальное trigger word не требуется. Согласно README, хорошо работает с весом 1.0 при использовании базовой модели SDXL 1.0; негативные промпты обычно не нужны, хотя слова «blurry» и «low quality» могут улучшать результат. Ключевые ограничения связаны с зависимостью от базовой модели SDXL и форматом LoRA: адаптер не является самостоятельной генеративной моделью и требует совместимого пайплайна. README не приводит точные сведения о размере адаптера, поддерживаемых языках, длине контекста, датасете или систематически измеренных показателях качества. Лицензия указана как other, без дополнительных условий в представленном описании.

JP-EN-Translator-2K-steps-7B — экспериментальная модель mpasila для перевода между японским и английским языками. Она создана дообучением augmxnt/shisa-base-7b-v1, плотной авторегрессионной модели Mistral с 7,5 млрд параметров, на модифицированной версии параллельного набора художественных текстов на японском и английском. Модель использует формат запросов Alpaca и принимает текстовую инструкцию, контекст и исходный текст, после чего генерирует ответ-перевод. Модель предназначена для пробного перевода художественных фрагментов между японским и английским. В метаданных указан контекст до 32 768 токенов. Автор сообщает, что обучение с длиной контекста 8 тысяч токенов заметно не улучшило качество; модель может работать неудовлетворительно и требует проверки результата. Лицензия — Apache-2.0.

DeverStyle/Krea-2-Premium-Loras — набор экспериментальных LoRA-адаптеров для text-to-image и редактирования изображений на базе Krea-2-Raw. Модель разработана автором DeverStyle и предназначена для переноса стиля между двумя референсными изображениями, генерации персонажа Count BinFace, а также создания изображений в стилях Blue Eye Samurai, Cyanide & Happiness и Blueprint/Wireframe. Для активации адаптеров используются триггерные фразы KSTRANSFER, Count BinFace, dvr_bes_style, dvr_ch_style и dvr_wf_style. Style Transfer RC1 сохраняет композицию первого референса и применяет стиль второго; для работы рекомендуется использовать соответствующий workflow и Krea2 edit nodes from Ostris. Адаптер Cyanide & Happiness может лучше работать с добавлением stick figures, имеет смещение обучающего набора в сторону персонажей и может хуже справляться с запросами без людей или с чрезмерно реалистичными длинными промптами. В README не указаны размер, архитектурные детали самих LoRA, поддерживаемые языки и максимальный контекст. Модель распространяется по Apache-2.0, однако автор отдельно заявляет, что адаптеры созданы только для исследовательских, некоммерческих целей; некоторые из них могут быть основаны на защищённых авторским правом телесериалах, поэтому пользователь самостоятельно отвечает за соблюдение законодательства и возможные последствия.

QuantFactory/L3-8B-Stheno-v3.1-GGUF — квантованная версия модели Sao10K/L3-8B-Stheno-v3.1, созданная с использованием llama.cpp. Модель основана на Llama 3 с размером 8B параметров и предназначена для генерации текста на английском языке. Формат GGUF ориентирован на локальный запуск совместимых языковых моделей. Основной сценарий использования — ролевые диалоги один на один с поддержанием заданной личности персонажа. Модель также подходит для сценариев, RPG и написания историй, хотя для роли рассказчика или сложных игровых сессий ей могут потребоваться дополнительный контекст и few-shot-примеры. Разработчик отмечает выразительный стиль, разнообразные ответы при повторной генерации и хорошую обработку характеров персонажей. Модель склонна к NSFW-содержанию, поэтому для нейтрального направления это следует явно указывать в запросах. К ограничениям относятся периодическая генерация XML-утечек и бессмысленного текста, которые, по данным README, обычно исправляются повторной генерацией. Архитектурные детали квантования, размер контекста и конкретные варианты квантования не указаны. Модель выпущена под лицензией CC BY-NC 4.0, допускающей использование с указанием авторства и ограничивающей коммерческое применение.

L3-Darker-Planet-12.15B-GGUF — языковая модель для генерации текста, разработанная DavidAU. Она создана на основе Llama 3 и является модифицированной версией Dark Planet 8B, расширенной до 12,15 млрд параметров с использованием авторского метода Brainstorm 20x. Модель распространяется в формате GGUF и предназначена прежде всего для творческого письма, генерации художественных текстов, сюжетов, сцен, подсюжетов и продолжения историй во всех жанрах, включая научную фантастику, романтику и хоррор. Также заявлена возможная пригодность для roleplay и мозгового штурма. Модель работает с текстом на английском языке, поддерживает шаблоны Llama 3 и/или Command-R и имеет максимальный контекст 8192 токена; автор указывает, что с использованием RoPE его можно расширить до 32K и более, хотя это может приводить к проблемам и требует более высокой температуры и подробных инструкций. Основной акцент сделан на качестве прозы: детальности, связности, образности, эмоциональной выразительности, метафорах, атмосфере и способности генерировать длинные тексты. Brainstorm 20x изменяет и расширяет внутренние вычислительные блоки модели, стремясь улучшить фокусировку на задаче, концептуальные связи и качество художественного текста. Сильными сторонами модели считаются выразительная и насыщенная проза, повышенная детализация, более сильная связность описаний и способность следовать подробным творческим указаниям. Модель ориентирована на мрачные, жестокие и NSFW-сценарии, включая насилие, хоррор и ненормативную лексику, поэтому не подходит для задач, требующих безопасного или нейтрального стиля без дополнительного контроля. Результаты чувствительны к температуре и параметрам генерации: рекомендуется repetition penalty 1.1 или выше, а увеличение температуры может ухудшать следование инструкциям, особенно в roleplay. Лицензия модели — Apache-2.0.

L3-Dark-Planet-Horror-City-8B-NEO-Imatrix-GGUF — текстовая генеративная модель разработчика DavidAU для художественного письма и ролевых сценариев. Она предназначена для создания рассказов, сюжетов и подсюжетов, продолжения сцен, диалогов и произведений разных жанров, с особым акцентом на хоррор, мрачную атмосферу, научную фантастику и графичные описания. Модель создана на основе L3-Dark-Planet-8B с использованием слияния компонентов и экспериментального усиления через NEO Imatrix Horror dataset; в описании также упоминается «DNA» из моделей Sao10K, NeverSleep и Hastagaras. Это модель семейства Llama 3 с размером 8B параметров, распространяемая в формате GGUF с Imatrix-квантизациями. Заявлен максимальный контекст 8192 токена, который можно расширить до 32K и более настройками RoPE, хотя при этом рекомендуется компенсировать возможные проблемы увеличением температуры и детализации инструкций. Модель ориентирована на английский язык. Для работы требуется шаблон Llama 3; также поддерживается или может поддерживаться шаблон Command-R, который заметно меняет характер вывода. Указана высокая стабильность и низкая perplexity, а для Imatrix-вариантов рекомендованы квантизации IQ3 и IQ4, затем Q4. Сильные стороны модели — выразительная проза, повышенная детализация, развитые возможности сюжетной генерации и ролевого взаимодействия, а также выраженная специализация на тёмном и физиологическом хорроре. Ограничения включают устойчивый негативный уклон, склонность к более коротким ответам без явного указания объёма, возможное ухудшение следования инструкциям при слишком высокой температуре и различия в поведении между квантизациями. Модель распространяется по лицензии Apache-2.0.

Lasorco/lametta_old — авторский набор старых, снятых с основного развития и экспериментальных моделей слияния Stable Diffusion 1.5, опубликованный разработчиком Lametta. В репозитории есть модели для генерации изображений по текстовым описаниям и материал для слияния с другими моделями; материал при смешивании примерно с весом 0,5 призван придавать результату характерный стиль Lametta. Основной описанный материал усиливает упрощённую, сильно деформированную манеру изображения и намеренно подавляет некоторые детали, поэтому автор предупреждает о потере проработанности исходной модели. Отдельные старые варианты имеют собственные недостатки: у некоторых нестабильны глаза или высока вероятность дефектов. Для v21240 требуется явно задавать VAE во избежание ошибки NaN; автор рекомендует liquid111vae_v10 или zVae_v10. Поддерживаются японские промпты; точная длина контекста неприменима к генератору изображений. Указана лицензия CreativeML OpenRAIL-M. README разрешает коммерческое использование сгенерированных изображений и распространение слияний, но запрещает продавать саму модель или слияния с ней; также запрещено имитировать конкретные произведения или стили так, чтобы это вредило правообладателям.

Карточка модели burakkizil/LAMP-edit на Hugging Face совпадает с карточкой burakkizil/LAMP-Qwen-2.5-VL, поэтому описание составлено по ней. 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.

BookAdventures — экспериментальная модель KoboldAI для длинного художественного письма и текстовых приключений. Это дообученная плотная LlamaForCausalLM на 7,5 млрд параметров, созданная на основе KoboldAI/LLaMA-3.1-8B-Infinity3M-Kobo. Модель принимает текст, поддерживает контекст до 131 072 токенов и была обучена на Alpaca-формате с длинными литературными примерами и данными для приключений. Модель предназначена для совместного написания романов по подробному сюжетному описанию и для текстовых приключений. Она склонна вплетать запрос в повествование с книжным стилем и может начинать историю с неожиданного вступления. Для обычного чат-общения и ролевой игры в формате чат-бота модель не подходит: соответствующих данных обучения в ней нет. Короткие генерации могут не успеть включить заданные элементы сюжета, а модель может потерять связь с исходным запросом. Модель выпущена как промежуточная исследовательская версия; авторы отмечают, что 8B недостаточно для этой задачи, но больший размер не удалось обучить при использованном контексте. Весы опубликованы в формате safetensors по лицензии CC BY-NC-SA 4.0.

Karamaru — разговорная языковая модель Sakana AI, дообученная на базе elyza/Llama-3-ELYZA-JP-8B. Для неё провели дополнительное предобучение на корпусе японских текстов эпохи Эдо объёмом около 25 миллионов символов, включая расшифрованные исторические тексты и материалы, полученные с помощью OCR. Модель принимает вопросы на современном японском и отвечает в стиле классического японского языка эпохи Эдо, учитывая культурный контекст того времени. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; контекст составляет 8192 токена. Она предназначена для изучения исторического японского языка, образовательных занятий и культурного исследования. Выпускается под лицензией Llama 3 Community License. Тексты эпохи Эдо могут отражать устаревшие нормы и предубеждения, поэтому ответы могут быть неуместными или оскорбительными по современным меркам.

Llama 3SOME 8B v1 — разговорная модель для генерации текста, созданная командой BeaverAI путём дообучения Llama-3-Soliloquy-8B. Она рассчитана прежде всего на написание художественной прозы и историй в формате Novel/Story, включая ролевые диалоги, повествование от лица персонажа и описание действий. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 24 576 токенов. Карточка демонстрирует генерацию эротического контента и позиционирует модель как NSFW. Для инструкций предлагается формат Llama 3 Instruct; также упоминается частичная совместимость с Alpaca. При ручном продолжении текста могут возникать проблемы с форматированием, а желаемую длину начала истории иногда приходится получать повторными генерациями. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с ограничением на коммерческое применение.

Llama-goodbooks-mpnet — модель Sentence Transformers, разработанная beeFormer на основе sentence-transformers/all-mpnet-base-v2 и дообученная на датасете Goodbooks-10k с описаниями книг. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для рекомендаций по содержанию и использования текстовых признаков при рекомендациях новым объектам без истории взаимодействий. Архитектура MPNet содержит 136,7 млн параметров; модель принимает текст на английском языке, а максимальная длина последовательности в обучении была сокращена до 384 токенов. В метаданных указан родной контекст 514 токенов. Модель предназначена для исследовательских экспериментов и демонстрации возможностей обучающего фреймворка beeFormer. Её можно применять для сопоставления описаний книг, формирования векторных представлений объектов и построения рекомендаций по содержанию. README не приводит результатов оценки. Лицензия указана как llama3.1.

llama-lexi-star-uncensored-8b-slerp — разговорная модель на основе архитектуры Llama 3, созданная liminerity слиянием методом SLERP моделей Orenguteng/Llama-3-8B-LexiFun-Uncensored-V1 и liminerity/llama-3-8b-silent-star. Она предназначена для генерации текста в диалогах, юмористического и саркастичного общения, а также ролевых сценариев. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Модель ориентирована на разговорное использование и помечена как uncensored. В метаданных указана лицензия модели? Условия лицензирования в предоставленных данных отсутствуют.