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

Himeros V2 27B — модель для генерации текста, разработанная Skttttt на основе orcarouter/Qwen3.8-27B-Uncensored. Это LoRA-дообучение, объединённое с базовой моделью перед экспортом, ориентированное прежде всего на англоязычный roleplay, диалоги с персонажами, романтические сцены и продолжение художественной прозы. Модель относится к классу 27B параметров и обучалась на последовательностях до 49 152 токенов. В обучающую смесь вошли ролевые диалоги, синтетические диалоги и длинная проза; основной язык — английский. Распространяется в виде отдельных standalone-файлов GGUF с K- и IQ-квантизациями, а также в формате BF16, поэтому отдельная загрузка базовой модели или адаптера не требуется. Поддерживаются совместимые среды, включая LM Studio и llama.cpp, с использованием встроенного chat template. Сильные стороны модели — ведение продолжительных сцен, взаимодействие персонажей и генерация длинных художественных текстов. Указанный предел контекста относится к конфигурации дообучения и не гарантирует равномерное качество на всём протяжении 48K-контекста. Возможны ошибки грамматики, непрерывности персонажей, повторения и извлечения информации из длинного контекста; качество разных квантизированных вариантов отдельно не сравнивалось. Модель не предназначена для получения фактических или профессиональных рекомендаций, а её ответы могут содержать зрелые темы, предвзятость и недостоверную информацию. README не указывает отдельную лицензию для Himeros V2. Использование и распространение базовой модели остаются subject to применимым условиям upstream-модели; карточка также не подтверждает дополнительные права на исходные обучающие материалы.

hmpussy_v6_epoch30.safetensors — LoRA-адаптер для генерации изображений из текста, опубликованный пользователем или организацией xalexmoon. Модель предназначена для использования в задачах text-to-image через экосистему Diffusers и подключается к базовой модели MiniMaxAI/MiniMax-H3. В README указано, что адаптер обучен до 30-й эпохи. Другие характеристики, включая размер, точную архитектуру LoRA, поддерживаемые языки, длину контекста, особенности датасета и требуемые параметры запуска, не раскрыты. В репозитории приведён тестовый пример с текстовым запросом test, но этого недостаточно для оценки качества, специализации и устойчивости результатов. Лицензия обозначена как unknown, поэтому условия использования и возможность коммерческого применения не определены. Перед использованием следует проверить лицензионные ограничения и совместимость с MiniMaxAI/MiniMax-H3.

PP-VAE — модель постобработки музыки, подготовленная scragnog как GGUF-конверсия AutoencoderOobleck из проекта SongGeneration (LeVo) Tencent AI Lab. Она принимает уже сгенерированное аудио, кодирует его в латентное представление и декодирует обратно, выполняя обученную спектральную фильтрацию для сглаживания артефактов и улучшения тональной связности. Предназначена для постобработки музыки в ACE-Step 1.5 и совместимых конвейерах; доступны варианты GGUF в точности F32, BF16 и F16. Исходный VAE обучался 1,32 млн шагов на музыкальных данных. Конвейер включает детерминированное извлечение среднего латентного представления, обработку блоками для снижения требований к памяти, RMS-согласование громкости и смешивание обработанного сигнала с оригиналом. Параметр смешивания позволяет регулировать степень воздействия; модель также применима с разными чекпойнтами ACE-Step и адаптерами. Это lossy-перекодирование, а не гарантированное улучшение качества: частоты выше 16 кГц могут ослабляться, а короткие транзиенты — смягчаться. Для использования предлагаются файлы GGUF; лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

superb/hubert-large-superb-er — портированная в Transformers версия HuBERT из S3PRL для распознавания эмоций в речи в рамках задачи SUPERB. Модель классифицирует аудиозапись высказывания по эмоциональному классу; обучение и оценка описаны для четырёх сбалансированных классов датасета IEMOCAP с пятикратной кросс-валидацией. Базовая модель hubert-large-ll60k предварительно обучена на речи с частотой дискретизации 16 кГц, поэтому входное аудио также должно иметь частоту 16 кГц. Архитектура — HuBERT Large с классификационной головой для последовательностей, около 402,7 млн параметров; веса доступны в формате PyTorch. В опубликованном README приведена точность 0,6762 для реализации S3PRL на session1; результат для версии Transformers не указан. Модель распространяется по лицензии Apache-2.0.

IceCocoaRP-7b — слитая разговорная языковая модель, созданная автором Icefog72 с помощью mergekit методом TIES. В основу слияния вошла NeuralBeagleJaskier; также использованы IceBlendedCoffeeRP-7b, IceCoffeeRP-7b и IceBlendedLatteRP-7b. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Модель предназначена для генерации текста и ролевых диалогов в чат-сценариях, включая контент для взрослых. В репозитории указаны варианты ExL2 и GGUF; для базовой версии метаданные фиксируют формат safetensors. По README приведены результаты Open LLM Leaderboard, однако данных недостаточно, чтобы делать выводы о качестве в конкретных ролевых сценариях. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

Subhash5/indian-food-classifier — модель компьютерного зрения на архитектуре ViT, дообученная разработчиком на базе google/vit-large-patch16-224 для классификации изображений еды. Она распознаёт 20 категорий, включая индийские блюда, например butter naan, dal makhani, masala dosa и samosa, а также burger и pizza. Модель принимает изображение и предсказывает категорию блюда. Её можно применять для автоматической маркировки фотографий еды и распознавания блюд в приложениях или каталогах. Чекпойнт содержит около 402,7 млн параметров, сохранён в формате safetensors и предназначен для библиотеки Transformers. Лицензия — MIT.

Javalion-R — экспериментальная текстовая генеративная модель семейства GPT-J, созданная digitous как слияние весов пяти моделей: Janeway, Shinen, Skein, Pygmalion и GPT-R. В карточке указано, что Janeway и Shinen объединены в JANIN-GPTJ, Skein и Pygmalion — в SKEGMA-GPTJ, а GPT-R сам является слиянием двух исследовательских instruct-моделей. Модель предназначена для развлекательной генерации текста и экспериментов с объединением instruct-моделей с моделями другого назначения; автор ориентирует её на использование с KoboldAI. Она принимает текст и генерирует текст, имеет контекст 2048 токенов и доступна в формате PyTorch. Автор предупреждает, что модель не предназначена для несовершеннолетних и может создавать контент уровня NC-17 и выше. Оптимальные настройки генерации не определены, а качество зависит от выбранного sampler и параметров. Лицензия — CreativeML OpenRAIL-M.

Kichtral-7B-v0.3 — языковая модель на архитектуре Mistral, дообученная RapMinerz на французских рэп-текстах. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, а её контекстное окно составляет 32 768 токенов. Модель предназначена для генерации французских рэп-куплетов и исследования французского сленга и текстов песен. Обучающий набор включает 36 млн токенов очищенных французских куплетов из песен с не менее чем 10 тыс. прослушиваний на Spotify; применялось дообучение LoRA ранга 64 в течение одной эпохи. Создатели отмечают, что модель не всегда хорошо выдерживает рифмы, и для их получения может потребоваться задавать тему и рифмовочную схему в запросе. README указывает академическое и исследовательское назначение и некоммерческое использование. Лицензия в доступных сведениях не приведена.

maxmarcon/klimt-diffusion — безусловная диффузионная модель, обученная имитировать живописный стиль Густава Климта. Автор сообщает, что модель обучалась 500 эпох на картинах с указанного им сайта. Модель построена на Denoising Diffusion Probabilistic Model (DDPM) и распространяется в форматах Diffusers и safetensors. Она генерирует изображения без текстового запроса; в примере из карточки показана генерация нескольких изображений через библиотеку Diffusers. Карточка не сообщает о лицензии или ограничениях использования. Результаты предназначены для стилизации под живопись Климта, однако качество и разнообразие генерации не описаны.

realPCH/kosolra-wiki-QA — дообученная языковая модель на архитектуре Llama, созданная на основе yanolja/KoSOLAR-10.7B-v0.1. В README указано, что при обучении использовался набор kyujinpy/KOR-gugugu-platypus-set; метаданные также связывают модель с датасетом maywell/ko_wikidata_QA. Модель предназначена для генерации текста и ответов на вопросы по корейским энциклопедическим знаниям. Она содержит 10,7 млрд параметров, принимает текст, выдаёт текст и имеет контекстное окно 4096 токенов. Для загрузки в README приведён пример с Transformers. Лицензия — MIT. Карточка содержит мало сведений об оценке качества и ограничениях; ответы могут быть неточными, особенно за пределами корейской тематики.

QuantFactory/L3-Super-Nova-RP-8B-GGUF — квантизированная версия модели L3-Super-Nova-RP-8B, разработанной Casual-Autopsy и преобразованной в формат GGUF с помощью llama.cpp. Модель создана многоэтапным слиянием ряда моделей семейства Llama 3 8B с использованием методов TIES, DARE TIES, Breadcrumbs Ties, SLERP и DELLA, а также техник Merge Densification и Negative Weighting. Расчёты при слиянии выполнялись в float32, итоговые веса были преобразованы в bfloat16 и затем квантизированы. Основное назначение модели — ролевые диалоги и интерактивное повествование с акцентом на творческую генерацию, развитие сюжетов и более выразительное поведение персонажей. Дополнительные заявленные сценарии включают Chain-of-Thoughts, суммирование информации и распознавание эмоций; в обучающий материал также включены сведения о человеческом теле и психике для поддержки ролевых взаимодействий. Модель ориентирована на англоязычные тексты и может использоваться через llama.cpp или совместимые интерфейсы, включая SillyTavern. Ключевая известная характеристика — размер базовой модели около 8 миллиардов параметров и текстовая модальность. В README не указаны точная длина контекста, конкретный тип квантизации данного варианта, требования к аппаратному обеспечению и результаты стандартизированных тестов, поэтому её производительность и качество следует оценивать практически. Модель рассчитана прежде всего на творческие и ролевые задачи, а не на гарантированно точные ответы; возможны повторения, нестабильность и ограничения, характерные для моделей слияния. В карточке указаны теги NSFW и roleplay, поэтому модель может быть неподходящей для всех аудиторий. Лицензия обозначена как llama3.

Модель NickKolok — это Stable Diffusion, дообученная методом DreamBooth для генерации изображений с персонажем Мэрил Страйф из серии Trigun. Чтобы вызвать этот образ в запросе, используйте триггер merylstryfetrigun. Модель предназначена для генерации изображений по текстовому описанию и доступна в форматах Diffusers и PyTorch. Она опубликована под лицензией CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

MyneFactory/MF-EminenceInShadow — модель генерации изображений по текстовому описанию от автора Snowad14. Она дообучена для создания изображений по мотивам серии «Восхождение в тени!» (Kage no Jitsuryokusha ni Naritakute!), включая персонажей, костюмы и сцены из неё. Модель принимает текстовые промпты с именем персонажа и описаниями атрибутов, объектов и действий; обученные форматы промптов перечислены в карточке модели. Рекомендуются размеры 1024×576, 768×768 или 640×1024, CFG 9–12 и не менее 30 шагов. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Модель ориентирована на тематическую генерацию и может требовать подбора промпта и параметров. Карточка не описывает систематические ограничения качества.

MIDI-LLM_Llama-3.2-1B-Q4_K_M-GGUF — это квантизированная в формате GGUF версия модели MIDI-LLM_Llama-3.2-1B, разработанной slseanwu и преобразованной в GGUF с помощью llama.cpp и сервиса GGUF-my-repo. Модель основана на Llama 3.2 и предназначена для задач, связанных с музыкой и MIDI, включая генерацию музыки и преобразование текстовых описаний в MIDI. В карточке указаны английский язык и поддержка запуска через llama.cpp; также заявлена совместимость с Transformers. Размер базовой модели — 1 млрд параметров, вариант Q4_K_M использует 4-битное квантование, что может снизить требования к памяти и упростить локальный запуск, однако подробные результаты оценки, ограничения качества и точные характеристики архитектуры в README не приведены. Для запуска доступны llama.cpp CLI и серверный режим; в примере сервера используется контекст 2048 токенов, но это не обязательно максимальный контекст модели. Лицензия указана как llama3.2.

mikkoph-klein9b — LoRA-модель, разработанная Michele Balistreri для воспроизведения авторского фотографического стиля mikkoph. Она обучена на 55 изображениях из портфолио автора, права на которые, согласно описанию, принадлежат разработчику. Базовая модель — black-forest-labs/FLUX.2-klein-9B, а формат ориентирован на генерацию изображений в экосистеме Diffusers. Модель предназначена для создания портретов и студийных фотографий с характерными приёмами автора: выразительным макияжем, постановочным и контрастным освещением, экспериментальными образами, необычными цветовыми сочетаниями и эффектами постобработки. В примерах представлены крупные и поясные портреты людей, гламурная, авангардная, киберпанк- и сюрреалистическая эстетика. Для активации рекомендуется использовать триггерную фразу «by mikkoph», хотя автор отмечает, что она необязательна; также может помогать выражение «studio shot». LoRA обучалась локально с помощью SimpleTuner на устройстве Strix Halo в течение 1000 шагов, но опубликован чекпойнт после 600 шагов. Рекомендуемый вес адаптера составляет примерно 1–1,3. Языки, максимальный размер контекста и точные параметры архитектуры самой LoRA не указаны. Сильной стороной модели является выраженная стилизация портретов и передача характерных особенностей освещения, макияжа и визуальной обработки; разработчик предупреждает, что обучение не было оптимальным, поэтому возможны нестабильность и зависимость результата от промпта и веса LoRA. Модель распространяется по лицензии Apache-2.0.

Wesley1234/minimax_h3_turbo_4step_10ErosMax_test4_pruned_curveproj1025_T8 — экспериментальная независимая LoRA-адаптация для ускорения MiniMax H3 в ComfyUI. Она предназначена для генерации видео с синхронизированным стереозвуком в задачах семейства FL2VA, а также для text-to-video, text-to-audio и совместной audio-video генерации. Адаптация основана на MiniMax H3 от MiniMaxAI и совместима только с конкретной тонко настроенной моделью 10Eros_Max_h3_fl2va_bf16_test4_pruned.safetensors с указанным в README SHA-256. Это не самостоятельный чекпойнт и не официальная Turbo-модель, а LoRA-файл размером около 758 MiB. В нём сохранены 259 пар A/B-адаптеров и добавлены 51 поправка bias, всего 569 тензоров. Используются BF16-адаптеры и FP32-поправки; целевая архитектура — curve-pruned BF16-чекпойнт с 50 блоками и двумя token-refiner-блоками. Рекомендуется ровно 4 шага генерации — это единственный локально проверенный режим. Сильная сторона модели — адаптация ускоряющей четырёхшаговой LoRA к уменьшенному восьмимерному представлению временных кривых без непосредственного объединения с основным чекпойнтом. Главные ограничения — экспериментальный статус, зависимость от точного базового файла и отсутствие гарантии совместимости с другими pruned-чекпойнтами. Преобразование не обучалось заново, а выполнено на основе существующей legacy Standard four-step Turbo LoRA, поэтому качество и стабильность требуют самостоятельной проверки. Использование регулируется MiniMax H3 Community License Agreement, включая ограничения по территориям, условия распространения, коммерческого использования, производных моделей и обязательное сохранение LICENSE и NOTICE. Права на распространение зависимого 10Eros-чекпойнта необходимо проверять отдельно.

RossAscends/Mistral_7B_Dolphin2.1_LIMA0.5_fp16 — объединённая модель на основе Mistral 7B 0.1 и Dolphin 2.1 с LoRA, обученной на датасете LIMA RP с весом 0,5. Автор позиционирует её как быструю и компактную чат-модель для ролевых диалогов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для ролевых бесед, в том числе в SillyTavern. В README сообщается об успешном тестировании пользователями и работе на Horde; автор также приводит замер около 30 токенов в секунду на RTX 3060 для квантизованной версии EXL2 4 bpw с контекстом 8 тыс. токенов и использованием примерно 6 ГБ видеопамяти. Эти показатели относятся к квантизованной версии и указанной конфигурации, а не к fp16-весам. Весы опубликованы в формате safetensors под лицензией MIT. В README не перечислены поддерживаемые естественные языки и не описаны ограничения качества; модель унаследовала возможности и ограничения базового семейства и обучающих данных.

MistralDarwin-7b-v0.1 — разговорная языковая модель Phanerozoic, дообученная с помощью LoRA на основе OpenHermes 2.5. Она имитирует манеру общения Чарльза Дарвина и отвечает на вопросы, опираясь на материалы и идеи книги «Происхождение видов». Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для образовательных диалогов, интерактивных экспозиций и сюжетных сценариев с исторической научной перспективой. Её ответы могут отражать знания и предубеждения XIX века; она не подходит для актуальных научных исследований и не гарантирует современные сведения об эволюционной биологии. В README указана лицензия CC BY-NC 4.0, ограничивающая коммерческое использование.

Модель comma-project/modernbert разработана Тибо Клерисом и группой ALMAnaCH института Inria. Это дообученная ModernBERT-large для заполнения пропусков в текстах на старофранцузском, среднефранцузском, латинском и итальянском языках. Она содержит 133,3 млн параметров, использует архитектуру ModernBertForMaskedLM и поддерживает контекст до 8192 токенов. Модель подходит для восстановления пропущенных слов и анализа исторических текстов. Веса доступны в формате safetensors по лицензии CC BY 4.0. Карточка не сообщает об оценках качества, поэтому пригодность для конкретного корпуса стоит проверять отдельно.

Mombeu — дообученная модель SomosNLP на основе LiquidAI/LFM2-1.2B, предназначенная для добавления культурного повествовательного завершения к ответу другого языкового моделирования. Она получает готовый текст и продолжает его фрагментом, который передаёт элементы гуаранийской космовизии через ассоциации и мотивы устной традиции. Модель рассчитана на фоновое локальное использование через Transformers в связке с другой LLM; это не самостоятельный чат-бот и не модель общего назначения. Архитектура — плотная причинно-языковая LFM2, размер около 1,5 млрд параметров, контекст до 128 000 токенов. Карточка связывает модель с испанским языком, а README указывает на культурную тематику гуарани. Модель обучена в два этапа, SFT и DPO, на датасете paraguay-cultural-alignment. Лицензия — Apache 2.0. Качество и уместность продолжения зависят от входного текста и охвата обучающего корпуса; README отмечает 100 культурных идентификаторов в корпусе. Модель не предназначена для свободной генерации или выполнения общих инструкций.

dima806/multiple_accent_classification — модель классификации аудио для распознавания акцента в речи. Она создана дообучением facebook/wav2vec2-base-960h и использует архитектуру Wav2Vec2ForSequenceClassification; число параметров — 113,3 млн. Модель предназначена для отнесения речевого аудио к классам акцентов. Модель принимает аудио и выдаёт метки классов. В качестве основы использована модель wav2vec 2.0, обученная на английской речи. Репозиторий распространяется по лицензии Apache-2.0.

google/ncsnpp-ffhq-256 — модель генерации изображений безусловным способом на основе NCSN++ и score-based generative modeling через стохастические дифференциальные уравнения (SDE). Архитектура учит временное поле score, а при генерации обращает процесс добавления шума, преобразуя случайный шум в изображение. Модель распространяется в формате Diffusers и PyTorch. Модель предназначена для синтеза изображений лиц из набора FFHQ с разрешением 256×256. Она подходит для экспериментов с безусловной генерацией и изучения SDE-подходов к диффузионным моделям. В README описана общая методика score-based моделирования и приведён пример использования Diffusers, но сведения о конкретных метриках этой модели и её точной конфигурации не приведены. Лицензия — Apache-2.0.

Nebulae — диффузионная модель DDPM, разработанная Ноа Линден Роггендорффом, которая генерирует изображения туманностей из случайного шума без текстового запроса. Модель распространяется в формате Diffusers и запускается через библиотеку Hugging Face Diffusers. В карточке приведены параметры обучения: 50 эпох, размер батча 16 и смешанная точность fp16. Лицензия — MIT. Модель подходит для создания визуальных изображений туманностей и космических фонов. Модель не обеспечивает идеальный фотореализм и не умеет создавать разборчивый текст на изображениях.

Nigerian Food GPT-2 — языковая модель на архитектуре GPT-2, дообученная автором Nnobody на наборе из более чем 100 нигерийских блюд. Она генерирует на английском языке описания блюд, включая ингредиенты, сведения о питательной ценности и здоровье, класс блюда, регион происхождения, остроту и диапазон цены. Модель подходит для создания справочных описаний нигерийской кухни, учебных материалов и текстов для меню. Контекст модели — до 1024 токенов. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Знания модели ограничены обучающим набором, поэтому сведения могут быть неточными или непоследовательными. Её ответы о питании и здоровье не следует считать достоверной медицинской или нутриционной рекомендацией.

cactusfriend подготовил GPT-Neo — плотную авторегрессионную языковую модель на 137,7 млн параметров, обученную на промптах из собственной папки генераций InvokeAI. Она предназначена для создания новых текстовых промптов, в том числе необычных и сюрреалистичных, для генерации изображений в Stable Diffusion через InvokeAI. Модель принимает текст и генерирует текст; её контекст составляет 2048 токенов. Обучение преимущественно основано на позитивных промптах, но в генерациях могут встречаться слова в квадратных скобках, используемые как негативные промпты. Модель может выдавать конструкции, не вполне соответствующие синтаксису промптов InvokeAI. Распространяется по лицензии OpenRAIL; README предлагает использовать её через pipeline библиотеки Transformers.

ReadyArt/Not-WizardLM-2-The-Omega-Directive-7b-Unslop-v2.1 — дообученная модель для генерации текста и диалогового ролевого взаимодействия. Она основана на amazingvince/Not-WizardLM-2-7B, использует архитектуру Mistral с 7,1 млрд параметров и принимает текст на английском языке. Заявленная длина контекста — 32 768 токенов; в описании обучения указана длина последовательности 5 120 токенов. Модель предназначена для многоходовых ролевых диалогов, включая откровенные и мрачные сценарии. Авторы сообщают о настройке на сохранение характера персонажей и ограничении имитации действий пользователя. Это не гарантия качества или безопасного поведения: модель намеренно слабо ограничивает генерируемый контент и может выдавать сексуальные или жестокие материалы. Лицензия — Apache-2.0; README заявляет, что использование предназначено только для совершеннолетних.

sanali209/nsfwfilter — классификатор изображений на архитектуре Vision Transformer (ViT), опубликованный пользователем sanali209 и автоматически созданный с помощью HuggingPics. Модель предназначена для классификации изображений; название репозитория указывает на фильтрацию материалов NSFW, однако карточка не описывает классы, обучающие данные или точность, поэтому конкретные возможности фильтрации не подтверждены. Модель содержит 113,2 млн параметров и распространяется в форматах PyTorch и Safetensors. Лицензия в предоставленных данных не указана. Карточка описывает проект как автоматически созданный классификатор, но не приводит ограничений по применению или сведения о языковой поддержке.

Oneirogen-7B — языковая модель Гюстава Корталя для генерации рассказов о сновидениях и их анализа. Это дообученная с помощью LoRA модель Qwen2 с 7,1 млрд параметров, обученная на корпусе DreamBank, содержащем более 27 тысяч описаний снов. Модель принимает текст и генерирует текст на английском языке; для генерации используется префикс «Dream:», а обучающий маркер конца текста — «END.». В метаданных указан контекст до 131 072 токенов. Модель предназначена для создания новых повествований о снах. Её также можно дообучить для анализа персонажей и эмоций в описаниях сновидений. Oneirogen использовалась для создания англоязычного набора The Android and The Machine, включающего 10 тысяч реальных и 10 тысяч сгенерированных снов. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии MIT.

Pageshift-Entertainment разработала экспериментальную языковую модель для генерации художественных историй до конца первой главы. Это плотная авторегрессионная модель семейства Mistral с 23,9 млрд параметров и контекстом 32 768 токенов, доступная в формате safetensors и ориентированная на английский язык. Модель обучена на базе Mistral 24B с упрощённым планированием; авторы отмечают, что это ранняя версия, не описанная в их статье, и она обучалась без датасета LongPage. Модель принимает начальный запрос и генерирует продолжение истории, используя однократный сценарий взаимодействия. После первого запроса продолжить диалог дополнительными сообщениями нельзя. Модель обучалась без встроенных правил безопасности и самостоятельно не отказывает на потенциально опасные запросы, поэтому для развёртывания необходим отдельный классификатор безопасности. Лицензия — Apache-2.0.

Pranavz/Peach-2.0-9B-8k-Roleplay-heretic — разговорная языковая модель для ролевых диалогов, созданная на основе Peach-2.0-9B-8k-Roleplay с применением abliteration для снижения частоты отказов. README сообщает, что исходная Peach дообучена на базе 01-ai/Yi-1.5-9B на более чем 100 тысячах синтезированных диалогов с этапами SFT и DPO. Модель имеет плотную архитектуру LlamaForCausalLM, около 8,6 млрд параметров и принимает текстовые запросы, выдавая текстовые ответы. Модель рассчитана прежде всего на ролевые беседы, отыгрыш персонажей и интерактивное повествование; README отмечает поддержку формата SillyTavern и китайско-английские диалоги. В сравнении с исходной моделью автор приводит 4 отказа из 100 запросов против 12, а также KL-дивергенцию 0,299. Метаданные указывают контекст до 16 384 токенов, тогда как README предупреждает, что обучение было ограничено длиной 8 тысяч токенов и качество может снижаться на длинных беседах. Модель распространяется по лицензии MIT. Среди ограничений README указывает возможную генерацию токсичного, вредного и NSFW-контента, слабые результаты на математике, программировании и логических задачах, а также галлюцинации и слабую поддержку языков помимо китайского и английского.