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

obann001/Saraptah_Flux_LoRA_v1 — адаптер LoRA для модели text-to-image black-forest-labs/FLUX.1-dev. Модель предназначена для генерации изображений персонажа Saraptah по текстовому описанию, включая портреты и кинематографичные сцены с заданной внешностью, одеждой, позой и окружением. В README приведены примеры фотореалистичных изображений с темнокожей женщиной, короткой стрижкой или хвостом, украшениями и одеждой в различных городских и природных сценах. Модель работает в связке с FLUX.1-dev и использует ключевое слово активации Saraptah. Указаны английский и португальский языки, модальность — генерация изображений по тексту. Дополнительные сведения о размере адаптера, параметрах LoRA, рекомендуемом весе, максимальном контексте и точных требованиях к оборудованию отсутствуют. Сильной стороной является специализация на воспроизведении конкретного персонажа и поддержка детализированных визуальных промптов; ограничения связаны с зависимостью от базовой модели и возможной чувствительностью результата к формулировке запроса и параметрам генерации. В метаданных указана лицензия Apache-2.0, однако также приведены license_name и license_link, относящиеся к non-commercial license для FLUX.1-dev. Поэтому условия использования следует проверять одновременно для этого адаптера и базовой модели; коммерческое применение нельзя считать разрешённым без дополнительной проверки лицензии FLUX.1-dev.

SegFormer B5 — модель семантической сегментации изображений, опубликованная пользователем smp-hub и обученная на наборе ADE20K. Репозиторий указывает размер входа 640×640 и вариант обучения на 160 тысячах шагов; модель загружается через библиотеку segmentation-models-pytorch и распространяется в формате safetensors. Модель предназначена для отнесения пикселей изображения к семантическим классам сцен ADE20K. Её можно применять для разметки объектов и областей на фотографиях и анализа сцен. В карточке не приведены численные метрики качества и условия лицензии обозначены только как other, поэтому совместимость с конкретными сценариями и правовой режим использования следует оценивать отдельно.

Serenity-31B-v1.1 — диалоговая модель для ролевого общения, созданная ReadyArt на базе Google Gemma 4 31B Instruct. Это плотная модель с архитектурой Gemma4ForConditionalGeneration; автор описывает адаптацию методом LoRA ранга 80 в течение двух эпох и объединение поведенческих подходов Melody1437 и Darkside. Модель рассчитана на взрослые ролевые сценарии с эмоционально выразительными персонажами, последовательными чертами характера и свободным диалогом; карточка указывает на возможность путаницы перспектив повествования. Модель принимает текстовые сообщения и генерирует текстовые ответы. Для включения режима рассуждения README рекомендует передавать параметры enable_thinking и reasoning_effort через шаблон чата; основное применение — локальный или чатовый инференс. Указанная лицензия — Apache 2.0, при этом README отдельно заявляет личное некоммерческое использование и ограничение для аудитории 18+.

SexyGPT-v3-Thinking-Female — диалоговая языковая модель с персонажем, разработанная Andrei Ross и командой Ross Technologies AI Research Team. Она дообучена на базе Qwen/Qwen3.8-27B и предназначена для англоязычного ролевого общения от лица персонажа Monah, а также для создания диалогов персонажей и интерактивных историй для взрослых. Модель использует архитектуру Qwen3.5 с гибридным вниманием, содержит 27,8 млрд параметров и поддерживает контекст до 262 144 токенов. Обучение включало QLoRA SFT, обучение reward-модели, GRPO и объединение весов в 16-битный формат. Ответы включают блок рассуждений и реплику персонажа; по карточке, лучшее качество достигается при низком уровне reasoning effort. Модель специализирована на ролевом общении и не предназначена для фактических или математических задач высокого качества. Данные обучения ограничены одним персонажем и примерно 308 диалогами, а модель рассчитана на совершеннолетнюю аудиторию. Лицензия — Apache-2.0.

Shakespeare — дообученная QuillBytes модель на базе Qwen3-4B, предназначенная для диалога и генерации текста в стиле раннего современного английского языка. Она использует елизаветинскую лексику, обращения thee/thou/thy и стремится к ямбическому ритму, сохраняя этот стиль в ответах. Модель подходит для развлекательных бесед, стилизации текста и создания реплик с шекспировским звучанием. В репозитории есть веса GGUF, включая 4-битную квантизованную версию для локального запуска, а также вариант F16; метаданные указывают архитектуру семейства Qwen3. Лицензия — Apache-2.0. Модель рассчитана на развлечение и может постоянно отвечать в заданной стилистике, что ограничивает её применение для нейтральных ответов и задач, требующих современного языка.

seanjang990/shark_baby_parts_v14_25 — LoRA-адаптер для генерации изображений на базе Tongyi-MAI/Z-Image-Turbo. Модель предназначена для задач text-to-image в экосистеме Diffusers; README также содержит демонстрационный пример вывода и указывает, что адаптер можно скачать из репозитория. Архитектура LoRA, точный размер, поддерживаемые языки, длина контекста, модальности и специализация адаптера в README не описаны. Назначение модели, вероятно, связано с генерацией изображений на базе указанной исходной модели, однако конкретные сценарии применения и сильные стороны нельзя определить по имеющимся данным. Лицензия и условия использования не указаны.

Карточка модели Mawdistical/Squelching-Fantasies-glm-32B на Hugging Face совпадает с карточкой Mawdistical/Squelching-Fantasies-8B, поэтому описание составлено по ней. Squelching-Fantasies-8B — англоязычная разговорная модель для генерации текста и ролевых диалогов, созданная автором Mawdistical на основе дообучения Sao10K/L3-8B-Stheno-v3.2. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста — 8192 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Модель предназначена для ролевых сценариев и создания историй с широким диапазоном тем, включая откровенный и мрачный контент. Автор рекомендует температуру 1,0–1,1 и Min P 0,02–0,05; настройки DRY приведены как необязательные. Лицензия — CC BY-ND 4.0.

Luni/StarDust-12b-v1 — модель для ролевых диалогов и генерации прозы, созданная автором Luni методом слияния нескольких моделей. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров; среди компонентов — Gryphe/Pantheon-RP-1.6-12b-Nemo, anthracite-org/magnum-v2.5-12b-kto, nbeerbower/mistral-nemo-bophades-12B и Sao10K/MN-12B-Lyra-v3. Автор сообщает, что слияние выполнено методом DARE TIES, а Sao10K/MN-12B-Lyra-v3 использовалась как базовая модель. Модель ориентирована на ролевые сценарии и выразительную прозу: по описанию автора, она стремится писать менее шаблонно и может менять тон от мягкого до резкого по запросу. Для обычного общения, прямого выполнения инструкций и задач общего назначения автор её не рекомендует. Лучше всего, по его оценке, работает формат ChatML; также должен подходить формат Mistral. Автор отмечает склонность модели к флирту и советует задавать системные инструкции для SFW-взаимодействий без флирта. В метаданных указан контекст до 1 024 000 токенов и лицензия Apache-2.0. Репозиторий содержит веса Safetensors; доступны также отдельные GGUF- и EXL2-сборки. Это специализированная модель для ролевого использования, и результаты обычных диалоговых и инструкционных задач могут быть неудовлетворительными.

SupraWeather1.5-Small — компактная модель классификации погодных явлений от SupraLabs на архитектуре FT-Transformer. Она принимает структурированные атмосферные данные: температуру, влажность, давление, ветер, облачность и другие непрерывные признаки, а также направление ветра, месяц, воздушную массу, климатическую зону и тип местности. Архитектура включает 4 трансформерных блока с 8 головами внимания и размерностью токена 256. Модель предсказывает один из 25 классов синтетических погодных явлений, включая туман, осадки, грозы, снегопады, волны жары и холода, штормы и фронты. Её можно использовать для экспериментов со структурированным машинным обучением, обучения и демонстраций, а также для процедурной генерации погоды в играх и виртуальных средах. Обучение проводилось на 300 000 процедурно сгенерированных примеров, а не на реальных метеорологических наблюдениях. Поэтому предсказания применимы только в пределах синтетического распределения данных; модель не предназначена для оперативного прогнозирования погоды или научной метеорологии. Лицензия — Apache-2.0.

takeON — дообученная на Stable Diffusion 1.5 модель генерации изображений, созданная пользователем tuwonga. Она воспроизводит визуальный стиль музыкального видео Take On Me группы A-ha; для вызова стиля в запрос добавляют токен takeON. Модель обучена методом DreamBooth на 64 кадрах видео, с 6400 шагами обучения и частичным обучением текстового энкодера. Модель предназначена для создания изображений персонажей и сцен в этом стиле по текстовым описаниям. По карточке, персонажи получаются лучше, чем пейзажи и другие сцены. Репозиторий содержит файлы Diffusers, PyTorch и Safetensors; автор также описывает использование файла checkpoint в интерфейсе Stable Diffusion. Лицензия — CreativeML OpenRAIL-M.

Это веса textual inversion для Stable Diffusion 1.4, опубликованные пользователем abhipsabasu. Они добавляют к базовой модели возможность создавать изображения по текстовым запросам с использованием изученного текстового токена. Модель рассчитана на генерацию изображений через Diffusers и требует базовые веса CompVis/stable-diffusion-v1-4. Репозиторий содержит файлы в форматах Diffusers и safetensors и распространяется по лицензии CreativeML OpenRAIL-M. Карточка не описывает обученный токен, примеры его использования или известные ограничения, поэтому конкретную тематику и качество генерируемых изображений определить нельзя.

Thespis-13b-v0.6 — персональный проект автора карточки, дообученная плотная causal language model семейства LLaMA с 12,9 млрд параметров. Она предназначена для многоходовых ролевых диалогов и рассчитана на формат чата, совместимый с Ooba и SillyTavern; автор рекомендует стиль интернет-ролевых игр с действиями, выделенными звёздочками, и репликами без кавычек. Обучающие данные включают отобранные примеры из нескольких наборов диалогов и письма, а также вручную собранные ролевые беседы с персонажами. Модель генерирует текст и ориентирована на ролевые сценарии как с безопасным, так и со взрослым содержанием. Контекст составляет 4096 токенов. В карточке указано, что проект находится в разработке, а автор отдельно отмечает работу над качеством первых ответов. Лицензия в предоставленных данных не указана.

Thespis-Mistral-7b-v0.5 — персональная дообученная модель cgato на архитектуре Mistral для многоходового ролевого общения. Она рассчитана на текстовый чат и особенно хорошо подходит для ролевых сценариев в интернет-стиле: действия оформляются звёздочками, а реплики приводятся без кавычек. Модель поддерживает контекст до 32 768 токенов и содержит 7,1 млрд параметров. Для дообучения использованы отфильтрованные диалоговые и писательские примеры из нескольких наборов данных, а также вручную отобранные ролевые беседы с разными персонажами. Автор сообщает, что по его оценке модель показывает результаты между LLaMA 7B и LLaMA 13B; это субъективная оценка без приведённых тестов. Модель доступна в формате PyTorch. В README указана ориентация на SFW- и NSFW-ролевое общение; сведения о лицензии в предоставленных данных отсутствуют.

TinyParlaMintLlama-1.1B — дообученная методом SFT модель на базе TinyLlama/TinyLlama-1.1B-Chat-v1.0, созданная автором репозитория с применением QLoRA. Она предназначена для генерации текста и диалоговых ответов с уклоном в политическую тематику. Обучение проводилось примерно 12 часов на одном ускорителе A100 40 ГБ на выборке объёмом около 100 млн токенов из англоязычного корпуса выступлений парламентов Австрии, Дании, Франции, Великобритании, Венгрии, Нидерландов, Норвегии, Польши, Швеции и Турции. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит около 1 млрд параметров. Она принимает текст, поддерживает чат и рассчитана на контекст до 2048 токенов. Корпус обучения и базовая модель ориентированы на английский язык; дообучение направлено на усиление знаний о политике и парламентских выступлениях. Модель распространяется по лицензии Apache-2.0.

Модель Daniil-Domino/trocr-base-ru-dialectic — дообученная версия TrOCR для распознавания рукописных русских диалектологических текстов на карточках. Она построена на архитектуре VisionEncoderDecoderModel и предназначена для преобразования изображений рукописей в текст, в том числе записей со специальными знаками вроде ударений и апострофов. Модель обучали на почти 2456 изображениях диалектологических текстов, собранных в ходе экспедиций по деревням Архангельской области. По данным карточки, обучение длилось 10 эпох; на валидационной выборке CER составил 6,81%, WER — 27,20%, точность — 73,74%. Репозиторий содержит веса в формате safetensors. Модель подходит для оцифровки и последующей обработки рукописных карточек с диалектными записями. Её результаты могут требовать ручной проверки, особенно в случаях редкой лексики, специальных символов и почерков, отличающихся от обучающих данных. Лицензия — Apache-2.0.

Это модель семантической сегментации изображений Unet с энкодером ResNet-18, опубликованная в репозитории smp-test-models/unet-tu-resnet18. Она предназначена для присвоения метки каждому пикселю изображения. Модель загружается через библиотеку segmentation-models-pytorch и сохранена в формате safetensors. Карточка не содержит сведений о наборе данных и метриках, поэтому точность и подходящие классы сегментации оценить нельзя. Лицензия MIT.

Velvet Rope Aurelia LoRA — адаптер LoRA в формате GGUF для персонажа Аурелия Вейн из игры Velvet Rope, созданной Build Small Hackathon. Он дообучает общую базовую модель Gemma 4 12B QAT для ответов в роли хранительницы списка гостей The Grand Threshold. Адаптер рассчитан на генерацию текста в рамках однократных игровых диалогов и выдачу игровых оценок в структурированном JSON. Адаптер обучен на языковых модулях модели с рангом LoRA r=8, примерно на 310–350 игровых примерах для персонажа за два прохода. В описанной конфигурации пять адаптеров обслуживаются одним сервером llama.cpp, который выбирает нужный адаптер по имени модели. В тесте на отложенных примерах валидность JSON совпала с базовой моделью (1,00); показатели совпадения по настроению, тактике и знаку изменения счёта были выше базовых, но не достигали единицы. Лицензия — MIT.

Alpiyildo/vit-Facial-Expression-Recognition — дообученная модель на архитектуре Vision Transformer (ViT) для классификации изображений. Она предназначена для распознавания выражений лица по фотографии. Модель содержит 113,2 млн параметров и опубликована в формате safetensors. В README указана точность 0,9177 и loss 0,2631 на evaluation set; обучающий набор обозначен как imagefolder. Сведения о классах выражений, составе данных и условиях оценки не приведены, поэтому результат нельзя напрямую переносить на другие наборы изображений и сценарии. Лицензия в предоставленных данных не указана.

lewtun/wav2vec2-base-100k-voxpopuli-finetuned-gtzan — модель классификации аудио, созданная дообучением facebook/wav2vec2-base-100k-voxpopuli для набора GTZAN. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. На указанном в карточке наборе оценки достигла точности 0,86 при значении функции потерь 0,9408. Модель предназначена для определения класса аудиозаписи. Карточка не описывает набор классов, языки, условия записи или ограничения по длительности входного аудио. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое использование.

Это модель автоматического распознавания речи на основе Wav2Vec2 Large XLSR-53, дообученная автором rabah2026 на датасете Quran-Ayah-Corpus. Она предназначена для распознавания чтения Корана в стилях таджвид и муратталь и поддерживает запись арабского текста в османском письме, включая специальные символы ٱ и ٰ. Модель содержит около 402,7 млн параметров и принимает аудио, выдавая распознанный текст на арабском языке. В README заявлена частота ошибок слов около 4% на 10 000 образцах знакомых чтецов и около 6% для незнакомых; точность сегментации по аятам может превышать 99% и зависит от используемого скрипта сегментации. Модель выпущена под лицензией Apache-2.0. Результаты могут отличаться для иных чтецов и условий записи; заявленная точность сегментации зависит от внешней обработки.

VasilisAsim/wavlm-finetuned-IEMOCAP — модель классификации аудио, полученная дообучением microsoft/wavlm-base-plus. Она содержит 113,3 млн параметров и использует архитектуру WavLMForSequenceClassification; модель предназначена для классификации речевого аудио, в частности распознавания эмоциональных классов в записи речи. В карточке приведены результаты оценки: точность 0,4972 и loss 1,4042. Датасет и набор меток не описаны, поэтому конкретные классы эмоций и условия применения результата определить нельзя. Для хранения весов используется safetensors. Лицензия в предоставленных данных не указана.

tarteel-ai/whisper-tiny-ar-quran — модель распознавания речи на основе Whisper Tiny, дообученная Tarteel AI для расшифровки чтения Корана. В README указано значение WER 7,0535 на оценочном наборе; сведения о составе набора и протоколе оценки не приведены. Модель содержит 29,4 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате PyTorch. Она принимает аудио и генерирует текстовую транскрипцию. Репозиторий указывает лицензию Apache-2.0.

Это LoRA-модель для генерации изображений в стиле фильмов ужасов 1980-х годов, опубликованная в репозитории neph1 как зеркало модели с Civitai. Она предназначена для использования с базовой моделью MiniMaxAI/MiniMax-H3 и интеграции с инструментами Diffusers. Модель работает в сценариях text-to-image и добавляет к базовой модели визуальную стилистику хоррор-фильмов 1980-х годов. Для активации рекомендуется использовать триггерное слово 80s_horror. Архитектура, размер весов, поддерживаемые языки, максимальный контекст и другие технические характеристики в README не указаны; также не уточняется набор модальностей за пределами генерации изображений. Сильная сторона модели — специализация на определённой визуальной эстетике, что может упростить создание соответствующих художественных изображений. Ограничения связаны с зависимостью от базовой модели MiniMax-H3 и отсутствием подробных сведений о качестве, области применимости и известных ограничениях. Использование регулируется лицензией MiniMax-H3 Community License Agreement; условия доступны по указанной в README ссылке.

After Earth: 2200 AC — Director-8B — это специализированная языковая модель автора spdev45 для создания технических описаний и материалов мира научной фантастики After Earth: 2200 AC. Модель дообучена на базе Llama 3 8B и предназначена для преобразования идей о персонажах, существах, материалах и технике в подробные брифы и промпты для генерации изображений, в том числе для FLUX.1-Dev. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и имеет контекстное окно 8192 токена. Она ориентирована на англоязычную генерацию лора, описания инопланетной биологии, дизайна нечеловеческих существ, экипировки и техники, а также структурированных промптов с технической лексикой и ограничениями вымышленной вселенной. В README заявлена возможность совместного запуска с моделью генерации изображений на одной видеокарте с 24 ГБ VRAM. Модель подходит для творческой разработки сеттинга и подготовки текстовых заданий для последующей генерации концепт-арта. Она не генерирует изображения самостоятельно, а качество и согласованность результатов за пределами мира 2200 AC не охарактеризованы. Лицензия — MIT.

Agate Preview 002 — текстово-графическая модель LogoLabs для генерации изображений по англоязычным запросам. Это продолжение обучения Preview 001: та же плотная архитектура Agate, около 260 млн параметров с TAESD и выходное разрешение 256 × 256 пикселей. Модель обучалась на синтетическом наборе FLUX-Reason-6M; лицензия — MIT. Модель предназначена для создания иконок, символов и других небольших изображений по текстовому описанию, а также для прототипирования и компактного развёртывания. По оценкам разработчика, Preview 002 улучшает результаты Preview 001 на GenEval и Qwen-Image-Bench. Текст на изображениях, точный подсчёт объектов свыше четырёх и обработка отрицаний вроде «без» остаются ненадёжными. Обучающие изображения созданы FLUX.1-dev, поэтому модель может наследовать его визуальные особенности и смещения. В модели нет встроенного классификатора безопасности. Разработчик сообщает о генерации наготы взрослых по запросу и иногда без него, поэтому для публичного использования рекомендуется фильтровать результаты. В README также указано, что модель предназначена для исследований, обучения, прототипирования и компактного развёртывания.

swdq разработала модель anison-lyrics-qwen35-4b-tpo-r2 на основе Qwen3.5-4B — плотной языковой модели с 3,4 млрд параметров. Это дообученная версия для генерации японских песенных текстов в стилях аниме-песен, denpa, песен для эротических игр и вокалоидной музыки. Модель принимает текстовые условия и генерирует текст; заявленный контекст — до 262 144 токенов. После обучения на реальных текстах песен модель прошла два цикла оптимизации предпочтений TPO с помощью оценочной модели. По внутренним сравнениям второй цикл улучшился относительно первого, однако в тестах на соответствие реальным японским текстам модель почти не выигрывала. Оценки проводились LLM-судьями, а проверок авторами песен, слушателями и пением не было. Разработчик прямо указывает, что коммерческое качество не достигнуто и не подтверждено. В обучающих данных есть тексты третьих лиц, и модель может воспроизводить строки из них. Совпадения строк сами по себе не устанавливают наличие или отсутствие нарушения прав. Лицензия в предоставленных данных не указана.

ArcANE-32B-RLVR — англоязычная чат-модель для генерации ответов от лица персонажей с учётом текущей фазы их развития в повествовании. Её разработала команда holi-lab на базе Qwen3; модель содержит 29,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает текстовые сообщения в формате чата. Контекстное окно — 40 960 токенов. Модель предназначена для ролевых ответов, обусловленных главой повествования, и исследований того, как обучение с проверяемыми наградами влияет на соответствие персонажа заданной фазе. Она продолжает ArcANE-32B-DPO: после SFT и DPO модель обучали методом GRPO с оценкой по рубрике ArcANE. В описанной оценке RLVR превзошла DPO на 8 пунктов по общей оценке; результат относится к указанному протоколу и судье. Для лучшего соответствия повествованию в контекст следует включать описание развития персонажа только до главы, о которой задан вопрос. Модель выпущена под лицензией Apache-2.0. Карточка позиционирует её для исследований ролевого моделирования и обучения, а не как универсальную диалоговую модель.

Living with Machines — BERT-модель, обученная на большом историческом корпусе англоязычных книг, изданных в 1850–1875 годах. Корпус содержит около 1,3 млрд токенов; модель разработана исследователями проекта Living with Machines и The Alan Turing Institute. Модель предназначена для заполнения пропусков в тексте и анализа исторического английского языка. Она основана на BERT с архитектурой BertForMaskedLM, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Доступна в формате PyTorch. Обучение на текстах соответствующего периода делает модель подходящей для работы с историческими источниками, однако её применимость к современному английскому и другим языкам не подтверждена. Условия лицензирования в предоставленных сведениях не описаны.

NO8D/BodyControl — это набор Slider-LoRA для управления физическими характеристиками персонажей при генерации изображений по текстовому описанию. Модель разработана независимым автором и предназначена для использования с базовой моделью black-forest-labs/FLUX.2-klein-9B в экосистеме Diffusers. Адаптеры позволяют изменять такие параметры и особенности внешности, как кожа и её тон, объём груди, талия, ягодицы, вес, возраст, рост, мускулатура, татуировки, загрязнённость и влажность. README также указывает, что функции изменения веса, возраста и роста доступны только сторонникам автора. Модель ориентирована на создание уникальных изображений персонажей и более точную настройку их телосложения и внешнего вида. Данные о размере, архитектуре самого LoRA-адаптера, поддерживаемых языках, максимальном контексте и количественных характеристиках качества не приведены. Модель может быть полезна для управляемой генерации персонажей, однако README не содержит подробностей о рекомендуемых весах адаптера, формате подключения и ограничениях совместимости, поэтому практические параметры использования потребуют самостоятельного подбора. Указана лицензия flux-1-dev-non-commercial-license, то есть применение ограничено условиями некоммерческой лицензии; полный текст условий находится в файле LICENSE.

Broken-Tutu-24B — текстовая разговорная модель ReadyArt, созданная слиянием пяти моделей семейства Mistral методом dare_ties. В слияние входят ReadyArt/The-Omega-Directive-M-24B-v1.1, ReadyArt/Omega-Darker_The-Final-Directive-24B, ReadyArt/Forgotten-Safeword-24B, TroyDoesAI/BlackSheep-24B и TheDrummer/Cydonia-24B-v2. Размер модели — 23,4 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для ролевых диалогов и длинных художественных сцен, в том числе с несколькими персонажами, сложными отношениями и откровенным или жестоким содержанием. Карточка заявляет о сохранении характеров персонажей и сюжетной последовательности в длинных сессиях. Модель англоязычная; доступна в формате safetensors, а в README также перечислены варианты квантования GGUF, EXL2 и EXL3. Лицензия — Apache-2.0. README предупреждает об отсутствии ограничений на генерируемый контент и рекомендует использование только совершеннолетними.