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

LlumiLuminRP-8B-Instruct-262k-v0.3 — разговорная модель для ролевых диалогов, созданная слиянием нескольких моделей Llama 3 8B для RP и ERP методом model_stock. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно 262 144 токена; рассчитана на формат инструкций Llama 3 и сценарии общения в чате. Модель предназначена для ролевых бесед и генерации ответов от лица персонажей. Репозиторий содержит веса в формате Safetensors; доступны также отдельные варианты GGUF. Лицензия — Apache 2.0. README не уточняет поддерживаемые естественные языки или конкретные меры качества; результаты длинных диалогов и ERP-сценариев могут зависеть от запроса и выбранного варианта весов.

LuminRP-7B-128k-v0.5 — текстовая чат-модель для ролевых диалогов, созданная Ppoyaa слиянием нескольких моделей на базе архитектуры Mistral. В состав слияния входят модели для ролевого общения и инструкция-ориентированная модель Calme-7B-Instruct-v0.9; автор описывает эту версию как улучшение v0.4 для RP и ERP-сценариев. Модель содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для ролевых диалогов и интерактивного сторителлинга; README рекомендует использовать её в SillyTavern с режимом инструкций и шаблонами Alpaca, ChatML или Mistral. Доступны веса Safetensors, лицензия — Apache-2.0. Автор сообщает о лучшей по сравнению с v0.4 производительности в собственных тестах, но не приводит независимых оценок; практическое качество может зависеть от шаблона диалога и настроек генерации.

Mawnia-12B — модель для творческого письма и ролевых диалогов, созданная Mawdistical на базе allura-org/Gemma-3-Glitter-12B. Это дообученная и объединённая из двух обучающих ветвей модель Gemma 3 12B IT; автор сообщает, что восстановил возможности понимания изображений. Карточка описывает набор из 2,2 тыс. сценариев и обучение на ролевых диалогах и длинных творческих текстах. Модель рассчитана на англоязычные ролевые сцены с антропоморфными и фантастическими персонажами, а также на мрачные и откровенные сюжеты. Для генерации автор рекомендует temperature 1,35 и min_p 0,05, предлагая подбирать настройки под задачу. Лицензия — CC BY-NC 4.0; для Arli AI и Featherless AI указано отдельное разрешение CC BY-ND 4.0.

MERT-v0-public — модель семейства Music Audio Pre-training (MERT), разработанная командой m-a-p для извлечения представлений из музыкального аудио. Это 95-миллионная трансформерная модель с 12 слоями и размерностью 768, предварительно обученная без учителя по MLM на открытых наборах Music4All и части FMA_full. Она принимает аудио с частотой дискретизации 16 кГц и выдаёт признаки с частотой 50 в секунду; контекст предобучения составляет 5 секунд. Модель предназначена для получения музыкальных признаков, которые можно использовать в последующих задачах анализа и понимания музыки. Выбор слоя для извлечения признаков может влиять на качество в конкретной задаче. Репозиторий предоставляет веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

ShadoWxShinigamI/Midjourney-Splatter-Art — экспериментальная модель генерации изображений в стиле живописных брызг, связанная с эстетикой Midjourney-v4-PaintArt. Для вызова стиля в запросе используется токен mdjrny-splttr. Модель предназначена для преобразования текстовых описаний в изображения и доступна в форматах Diffusers, PyTorch и safetensors. Автор README называет модель незавершённой работой. Репозиторий распространяется по лицензии MIT; сведения о размере, архитектуре базовой модели, поддерживаемых языках и контексте не приведены.

ManasKumar28 разработал mimii-distilhubert-anomaly — дообученную модель для классификации аудио на базе ntu-spml/distilhubert. Она предназначена для выявления аномальных звуков в аудиозаписях; модель использует архитектуру HuBERT и содержит 18,9 млн параметров. В метаданных указан формат Safetensors, библиотека Transformers и датасет audiofolder. На оценочном наборе модель достигла accuracy 0,9327, precision 0,9382, recall 0,9327 и F1 0,9289. Эти результаты относятся только к указанному набору; README не описывает состав классов, данные обучения и условия оценки. Модель распространяется по лицензии Apache-2.0.

lparkourer10/minecraft — компактная языковая модель для ответов на вопросы о Minecraft. Автор дообучил Meta Llama 3.2 1B Instruct на датасете lparkourer10/minecraft-wiki, созданном на основе материалов Minecraft Wiki. Модель предназначена для диалога и поиска игровых сведений по вопросам на английском языке. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 1,2 млрд параметров. Она принимает текст и генерирует текст; нативная длина контекста — 131 072 токена. Веса доступны в формате safetensors по лицензии Apache-2.0. Карточка не приводит результатов оценки качества; ответы могут быть неполными или неточными, а специализация на Minecraft не гарантирует охват всех вопросов об игре.

mrcuddle/Ministral-Instruct-2410-8B-DPO-RP — модель на базе Ministral-8B-Instruct-2410 от Mistral AI, дообученная автором через AutoTrain методом DPO на наборе DPO_Pairs-Roleplay-Alpaca-NSFW. Она предназначена для генерации текста в диалоговом формате, в том числе ролевых ответов. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. Основной указанный язык — английский. Модель может подойти для интерактивного ролевого чата и генерации диалогов. Базовая модель поддерживает вызов функций, однако карточка не описывает отдельные оценки качества или гарантии этой доработки. Репозиторий содержит веса Safetensors и использует лицензию «other»; конкретные условия лицензии следует сверить с файлами репозитория.

pcalhoun/Mistral-7B-v0.3-JonathanSwift — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она преобразует обычный текст в стилизацию под прозу Джонатана Свифта, сохраняя содержание исходного фрагмента; README показывает пример такого преобразования. Модель предназначена для стилистического переписывания текстов на английском языке. Весы опубликованы в формате Safetensors под лицензией Apache-2.0. По доступному примеру нельзя оценить качество на широком наборе тем или точность сохранения смысла.

MN-Raven-12B-v1 — модель DarkArtsForge, полученная слиянием дообученных вариантов Mistral-Nemo-12B. Это плотная языковая модель MistralForCausalLM с 12,1 млрд параметров и контекстом до 131 072 токенов; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации художественного текста и диалогов в готической и макабрической стилистике, с меланхоличной атмосферой и архаичной лексикой, а также для ролевых сценариев. В README указаны обучение на произведениях Эдгара Аллана По и готической литературе, слияние двух LoRA-вариантов методом arcee_fusion и поддержка формата инструкций Mistral. Лицензия — Apache-2.0. Модель ориентирована на выразительную творческую генерацию и ролевое взаимодействие. Карточка предупреждает, что ответы могут содержать жестокие и графические эротические сцены; модель описана как не имеющая отказов. Настройки системного промпта и шаблона диалога влияют на результат; для лучшего следования инструкциям README рекомендует Mistral Instruct и шаблон Mistral Tekken. Данных о поддерживаемых естественных языках карточка не приводит.

MuPT-v1-8192-1.97B — авторегрессионная языковая модель для генерации символической музыки, разработанная командой MuPT на архитектуре LLaMA 2. Она обучена на крупном наборе символических музыкальных произведений разных жанров и стилей и предназначена для генерации мелодий, аккомпанемента и многодорожечных композиций. Вывод можно преобразовать в стандартную нотацию ABC и затем использовать для получения аудио. Модель содержит около 1,9 млрд параметров, принимает последовательности длиной до 8192 токенов и доступна в формате PyTorch. README описывает семейство моделей MuPT, включая варианты размером до 1,3 млрд параметров, но не поясняет происхождение варианта 1,97B. Репозиторий лицензирован по Apache-2.0. Модель специализируется на символической музыке; она не генерирует аудио напрямую.

MuseumSCAT TrOCR Glyph Scorer — вспомогательная модель распознавания рукописного текста на основе TrOCR от octavigrau. Она предназначена для оценки и ранжирования предложенных вариантов названия места по изображению уже выделенного фрагмента рукописи: модель оценивает среднее логарифмическое правдоподобие строки и помогает выбрать вариант, лучше согласующийся с видимыми символами. Это encoder-decoder архитектура VisionEncoderDecoderModel, дообученная на базе Riksarkivet/trocr-base-handwritten-hist-swe-2. Обучающая смесь включала 148 размеченных фрагментов MuseumSCAT, синтетические датские названия мест и автоматически псевдоразмеченные изображения. Модель рассчитана на датский и шведский исторический рукописный текст. Лицензия репозитория — CC BY-NC 4.0. Модель следует применять как сигнал уверенности или в ограниченном механизме исправления, сравнивая кандидатов для одного и того же фрагмента; её оценки не являются калиброванными вероятностями между изображениями. Она не обнаруживает и не выделяет текстовые области, требует заранее подготовленного фрагмента. Объём размеченных данных мал, тестовая оценка основана на небольшом наборе и не характеризует общую точность распознавания рукописей. Варианты использования данных MuseumSCAT также подпадают под условия конкурса и требуют указания организаторов и Национального музея естественной истории Дании.

Модель разработана на базе NbAiLab и предназначена для определения одного из пяти крупных региональных диалектов норвежского языка по аудиозаписи речи. Это энкодер NbAiLab/nb-whisper-medium с классификационной головой WhisperForAudioClassification; все слои дообучены для классификации последовательностей. Модель содержит около 455,8 млн параметров и принимает монофоническое аудио, подготовленное с частотой 16 кГц. Модель подходит для исследований норвежских диалектов, создания диалектно-ориентированных речевых конвейеров и в качестве отправной точки для дальнейших экспериментов. Обучение проводилось на взрослых выступлениях в парламенте; пять меток обозначают широкие регионы, а границы между ними могут быть нечёткими. Качество на разговорной речи, детской речи и речи неносителей не гарантируется; в последней эпохе обучения наблюдались признаки переобучения, поэтому опубликован лучший чекпойнт по точности на оценочной выборке. Лицензия — Apache-2.0.

UsernameJustAnother создал экспериментальный чат-файнтюн Mistral Nemo для ролевых диалогов. Модель основана на unsloth/Mistral-Nemo-Instruct-2407, содержит 12,1 млрд параметров и использует плотную архитектуру MistralForCausalLM; веса опубликованы в формате safetensors. Для обучения использовали 8 160 созданных людьми диалогов разной длины в формате ChatML. Модель предназначена для генерации текста в чате и ролевых бесед. Автор отмечает, что это четвёртый, вероятно заключительный экспериментальный вариант, и сообщает о настройке LoRA scaling factor; обучение проходило без цикла оценки качества. Контекстное окно составляет до 1 024 000 токенов. Лицензия — Apache-2.0.

Aduomas/nemotron-3-diarization — вариант NVIDIA Nemotron 3 Diarization с настроенным декодером для выделения реплик говорящих в аудио. По README, веса NVIDIA не изменялись: доработка касается преобразования вероятностей по аудиокадрам в сегменты. Модель выдаёт вероятности для восьми каналов с шагом 10 мс; декодер объединяет короткие паузы одного говорящего, чтобы реже разбивать его речь на отдельные реплики. Модель предназначена для диаризации, в том числе записей клинических консультаций. На бенчмарке Omi для 15 симулированных консультаций «врач — пациент» указана DER 2,965% при допуске ±250 мс; настройки декодера подбирались на этих же записях, поэтому улучшение на новых данных может быть меньше. Результаты не проверяют записи с тремя и более говорящими, шумные помещения или реальные клиники. На строгой метрике без допуска результат хуже стандартного декодирования NVIDIA. В метаданных модель отмечена как дообучение nvidia/Nemotron-3-Diarization, хотя README уточняет, что веса базовой модели не менялись. Репозиторий использует Transformers и формат safetensors. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

Модель unicorn-s/nepal-border-sentiment-xlmr — классификатор тональности на базе XLM-RoBERTa-base, дообученный для отнесения комментариев к одному из трёх классов: положительному, нейтральному или отрицательному. Он предназначен для анализа комментариев на непальском и английском языках о пограничном споре между Непалом и Индией. Модель обучена на наборе примерно из 2100 комментариев YouTube с 17 непальских новостных и авторских каналов; около 1800 примеров имели автоматически размеченную тональность. На проверочной выборке указаны точность и взвешенный F1 около 0,50 при случайном базовом уровне точности 0,33. Архитектура — XLM-RoBERTa-base с головой классификации последовательностей; размер — 305,2 млн параметров, максимальный контекст — 514 токенов. Лицензия — MIT.

Nethena-20b-Glued — экспериментальная модель генерации текста от athirdpath, созданная на основе NeverSleep/Nethena-20B с применением LoRA-адаптера ранга 128. Она построена на плотной архитектуре Llama с 19,8 млрд параметров и рассчитана на контекст до 4096 токенов. Модель обучали на частном наборе данных в формате Alpaca для ролевых диалогов, повествования и ответов в стиле врача или терапевта на вопросы о психологии, анатомии, репродуктивном здоровье и беременности. Модель предназначена для генерации коротких и средних ответов, ролевой игры и длинных художественных фрагментов по заданным инструкциям, включая команды перехода в режим рассказчика или RP. Автор описывает её как тест по «склеиванию» компонентов модели для снижения ошибок замены слов и улучшения связности и воспроизведения информации; оценка пока субъективная. Модель ориентирована на контент 18+, включая эротические сценарии, и описана автором как несогласованная. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Ответы на медицинские темы основаны на обучающих примерах и не подтверждены как профессиональные медицинские рекомендации; объективные оценки качества в карточке не приведены.

NeuraLake-m7-AshhLimaRP-Mistral-7B — языковая модель Meggido на архитектуре Mistral с 7,1 млрд параметров, предназначенная для генерации текста в ролевых диалогах. Модель основана на Meggido/NeuraLake-m7-7B и использует LoRA-адаптер lemonilia/AshhLimaRP-Mistral-7B; README описывает формат Extended Alpaca с отдельными полями инструкции и реплики пользователя. Модель рассчитана на диалоги от лица заданного персонажа в описанном сценарии. Можно задавать ориентировочную длину ответа: от очень короткой до очень длинной; без модификатора длину выбирает сама модель. Контекст составляет 32 768 токенов. Модель генерирует текст и не предназначена для всех аудиторий. Возможны слишком длинные ответы и имитация реплик пользователя, особенно при задании большой длины. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

NeutralGear_24B_V.2 — слитая автором OddTheGreat языковая модель для текстовых ролевых диалогов и художественного письма. Она объединяет несколько предварительно обученных Mistral-моделей и имеет 23,4 млрд параметров; репозиторий содержит веса Safetensors, а нативный контекст составляет 131 072 токена. Модель рассчитана на англоязычные и русскоязычные сценарии, включая нейтральные, мрачные и откровенные ролевые сюжеты. По словам автора, модель следует инструкциям и заданному формату, учитывает карточки персонажей и контекст, а ответы обычно имеют среднюю длину. Автор сообщает, что проверял её с пресетом Mistral-tekken v7 и изменённым системным промптом Shingane v.1; это не заменяет независимую оценку качества. Модель предназначена для генерации текста и чата. Модель слита из coder3101/Cydonia-24B-v4.3-heretic, Delta-Vector/MS3.2-Austral-Winton, Delta-Vector/Rei-24B-KTO и Naphula/BeaverAI_Fallen-Mistral-Small-3.1-24B-v1e_textonly. Сведения о лицензии в предоставленных данных отсутствуют. Она ориентирована на ролевую генерацию, включая сексуально откровенный контент.

Suzana/new-york-tokyo-london — классификатор изображений, автоматически созданный с помощью HuggingPics. По названию и карточке модель предназначена для распознавания изображений трёх городов: Нью-Йорка, Токио и Лондона. Модель построена на архитектуре Vision Transformer (ViT) и содержит 113,2 млн параметров. Это специализированный классификатор для отнесения изображения к одному из целевых классов. Карточка предлагает создавать подобные классификаторы через демонстрацию HuggingPics в Google Colab. Модель опубликована в формате PyTorch; лицензия и дополнительные сведения об обучении в предоставленной карточке не описаны.

Nimbus-Miqu-v0.1-70B — экспериментальная слитая языковая модель, созданная invisietch на основе нескольких моделей семейства Miqu. Она предназначена прежде всего для ролевых диалогов и творческого письма: автор стремился сохранить творческие качества Midnight Miqu и ослабить позитивный уклон, смешав её с моделями Chronos и Euryale. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 68,7 млрд параметров; заявленная длина контекста — до 32 764 токенов. Она принимает текст и генерирует текст на английском языке. README указывает поддержку шаблонов Alpaca, ChatML и Vicuna и рекомендует ChatML. Автор отмечает, что модель не тестировалась для других сценариев; отдельные оценки бенчмарков приведены в карточке, но не подтверждают пригодность для широкого круга задач. Модель слабо ограничена и может выдавать откровенный, тревожный или оскорбительный контент. Лицензия в метаданных не определена; README ограничивает применение производных от Miqu моделей личным некоммерческим использованием и сообщает, что базовая модель является неофициально утёкшей моделью Mistral.

Aratako/Ninja-v1-RP-WIP — Aratako разработала эту экспериментальную версию модели для ролевых диалогов, дообучив её с помощью LoRA на базе Local-Novel-LLM-project/Ninja-v1-NSFW. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров; она принимает текст и генерирует текст, а нативный контекст составляет 4096 токенов. В карточке указан шаблон диалога Vicuna: системные инструкции, описание мира и персонажей передаются до первого сообщения USER, а в многоходовом диалоге после каждого ответа ASSISTANT требуется токен eos_token. Модель обучалась на японских и английских наборах ролевых диалогов и предназначена для отыгрыша персонажей и продолжения сценариев в чате. Поддержка японского подтверждается языковыми метаданными и датасетами; английский также представлен в обучающих данных. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Суффикс WIP и небольшое число загрузок указывают на ранний экспериментальный статус; характеристики качества в карточке не приведены.

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.

OmniFysics-Captioner — мультимодальная модель компании Fysics-AI для создания подробных описаний видео с учётом физических взаимодействий. Она дообучена на базе Qwen3-Omni на наборе Daily-Physics 50K и за один проход обрабатывает необработанные аудио- и видеоданные, формируя физически обоснованные аудиовизуальные подписи без внешних инструментов на этапе применения. Модель предназначена для детального видеокапшининга с фиксацией контакта объектов, опоры, деформаций и изменений состояний. По README, на бенчмарке VDC Detailed она показала 57,9% точности и превзошла сравниваемые методы в статье; также авторы сообщают о результатах на DREAM-1K и Omni-Cloze. Лицензия в метаданных обозначена как other; конкретные условия следует сверить с карточкой модели.

Модель dima806/oxford_flowers_image_detection — дообученный классификатор изображений на базе Vision Transformer ViT-Base/16. По изображению она определяет тип цветка. Модель содержит 113,2 млн параметров и опубликована в форматах PyTorch и Safetensors. Модель предназначена для распознавания типов цветов на изображениях. Она лицензирована по Apache-2.0. Карточка не уточняет список классов и языковые характеристики; текстовый ввод для работы не требуется.

PaliGemma 3B FT NLVR2 448 — модель компьютерного зрения и языка от Google, построенная на компонентах SigLIP и Gemma. Она принимает изображение и текстовый запрос и формирует текстовый ответ; вариант FT NLVR2 448 дообучен для задачи визуального рассуждения на паре изображений и текстовом утверждении с определением, соответствует ли оно изображениям. Модель предназначена для специализированных сценариев анализа изображений, а не для диалогового общения; PaliGemma рассчитана на одношаговый ввод и обычно лучше работает после настройки под конкретную задачу. Модель подходит для ответов на вопросы о содержимом изображений и проверки визуальных утверждений. Семейство поддерживает несколько языков, однако язык и особенности обучения именно этой версии на NLVR2 в предоставленных данных подробно не описаны. Лицензия Gemma. Возможны неверные ответы, трудности с неоднозначными или сложными запросами, а также унаследованные от обучающих данных смещения.

PHOEBE_SENTIMENTAL-RP-NSFW-3.2-1B — языковая модель Novaciano для генерации диалогов и творческого текста. Она создана слиянием моделей Novaciano/LUCIFER-3.2-1B и syvai/emotion-reasoning-1b методом Arcee Fusion; архитектура — плотная Llama, около 1,2 млрд параметров. Модель предназначена для ролевых игр, эмоционально окрашенного письма и разговоров в поддерживающем или терапевтическом стиле. Модель работает с текстом, поддерживает чат и рассчитана прежде всего на английский и испанский языки. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Это модель классификации изображений покемонов, разработанная imzynoxprince. Она основана на Vision Transformer (ViT) google/vit-base-patch16-224 и дообучена для распознавания 1027 классов: покемонов поколений 1–9 и двух эксклюзивных событийных вариантов Poketwo. Модель предназначена для определения покемона на изображении, в том числе на изображениях появления из игры Poketwo, и может использоваться в Discord-ботах и игровых приложениях. Модель содержит 113,2 млн параметров и распространяется в формате safetensors; для запуска предусмотрена библиотека Transformers. В README заявлены точность выше 95% и время инференса около 40–80 мс на изображение, но методика измерений не приведена. Лицензия — Apache-2.0.

Qari-OCR-0.4.0-VL-4B-Instruct — мультимодальная модель для распознавания текста на изображениях, разработанная NAMAA-Space. Она дообучена на базе Qwen/Qwen3-VL-4B-Instruct с использованием 45 000 пар изображение–текст из набора seemorg/books-ocr и предназначена прежде всего для OCR исламских книг, арабских рукописей и религиозных текстов на арабском языке. Модель принимает изображения и генерирует распознанный текст. Она оптимизирована для печатных исламских материалов и показывает CER 0,1222, WER 0,2562 и BLEU 68,41 в заявленных тестах, превосходя указанные базовые и сравнительные модели. Рекомендуется использовать изображения хорошего качества, предпочтительно с разрешением от 300 DPI. Производительность может снижаться на современных арабских шрифтах, рукописном тексте и изображениях низкого качества; поддержка ограничена арабским письмом. Архитектура основана на Qwen3-VL с размером 4B параметров. Лицензия — Apache 2.0.

Qwen2.5-32B-RP-Ink — англоязычная модель для ролевого диалога и художественного письма, созданная Allura на основе Qwen/Qwen2.5-32B-Instruct с помощью LoRA дообучения. Модель предназначена для отыгрыша персонажей, ведения сложных сцен и создания связной прозы с описаниями и атмосферой. В карточке отмечены положительные отзывы о качестве повествования и точности передачи персонажей, однако они основаны на пользовательских впечатлениях, а не на формальной оценке. Это плотная авторегрессионная модель семейства Qwen2 с 32 млрд параметров и контекстом 32 768 токенов. Она принимает и генерирует текст, поддерживает диалоговый формат ChatML; репозиторий содержит веса safetensors. Обучение использовало один эпох и параметры LoRA с рангом 16; также упомянуты отдельные квантованные сборки GGUF. Датасет автор описывает как некачественную смесь, поэтому поведение и качество ответов могут быть непредсказуемыми. Модель ориентирована на ролевые сценарии, включая взрослые сексуальные темы. Лицензия — Apache-2.0.