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

gghfez выпустил набор управляющих векторов для модели moonshotai/Kimi-K2-Instruct-0905, предназначенный для настройки стиля генерации художественного текста. Векторы позволяют усиливать или ослаблять такие характеристики, как фокус на диалогах или повествовании, сострадание или жестокость, эмпатия или социопатичность, честность или макиавеллизм, скромность или нарциссизм, простой или витиеватый язык, оптимизм или нигилизм, описательность или откровенность. Это управляющие векторы для применения к базовой модели, а не самостоятельная языковая модель; README демонстрирует запуск через llama.cpp с GGUF-файлами. Векторы извлечены методом разложения собственных значений кросс-ковариационной матрицы на парных продолжениях: использованы 10 парных продолжений и 105 вариантов начальных фрагментов, то есть 1 050 примеров на класс. Векторы двунаправленные, а силу воздействия можно задавать при использовании. Основа — Kimi-K2-Instruct-0905; языковая метка карточки — английский. Репозиторий распространяется по лицензии CC BY 4.0. Набор рассчитан на управление стилистическими особенностями при творческом письме, а не смысловым содержанием. Он влияет только на шаблоны, уже присутствующие в базовой модели; при чрезмерной силе эффект может стать карикатурным. Воздействие на другие задачи не проверялось.

Это LoRA-модель в формате safetensors для генерации изображений, разработанная пользователем или организацией uzumix. Она предназначена для использования с базовой моделью krea/Krea-2-Turbo в задачах text-to-image и интеграции с Diffusers. Из доступных данных известно, что модель является адаптацией LoRA, однако её точное назначение, изменения поведения базовой модели, размер, архитектурные параметры, поддерживаемые языки, контекст и модальности, помимо генерации изображений по тексту, не указаны. Поэтому нельзя достоверно оценить её сильные стороны, ограничения или рекомендуемые сценарии применения. Лицензия и условия использования в README не указаны. Для работы потребуется совместимая среда Diffusers и базовая модель krea/Krea-2-Turbo.

Krea-2-Turbo Training Adapter — обучающий адаптер LoRA для дообучения модели krea/Krea-2-Turbo, разработанный для использования с AI Toolkit; потенциально совместим и с другими средствами обучения. Он предназначен для fine-tuning дистиллированной text-to-image-модели в сценариях обучения стилей, концепций и персонажей. Адаптер снижает скорость разрушения step distillation во время коротких обучающих запусков, помогая сохранить преимущества турборежима и высокую скорость генерации. Он был получен обучением LoRA на тысячах изображений разных размеров и соотношений сторон с низкой скоростью обучения 1e-5. При инференсе адаптер удаляется, а изученная новая информация сохраняется в основной LoRA. Главное ограничение — это эвристический обходной метод, а не полноценное устранение проблемы дистилляции: при длительном обучении distillation постепенно разрушается, что после удаления адаптера может привести к артефактам. Размер, поддерживаемые языки и модальности сверх text-to-image, а также точные характеристики архитектуры не указаны. Лицензия обозначена как krea-2-community-license; условия следует уточнять в указанном лицензионном документе.

Uchtave v0.1 — объединённая автором модель для генерации текста, разработанная как модель для ролевых диалогов и художественного повествования. Она создана на основе нескольких моделей и LoRA-адаптеров семейства Llama 3.1 с помощью mergekit; в карточке указаны архитектура Llama и 7,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. Для использования указана лицензия Llama 3.1. Модель ориентирована на ролевые сцены и рассказы с более мрачным, эмоциональным тоном, включая откровенные и графические эпизоды. Автор отмечает разнообразный словарь и выразительный стиль, а также склонность развивать сцену самостоятельно. При высокой температуре генерация может уходить в сторону; следование инструкциям бывает избирательным, а обычные ответы могут быть многословными, но малосодержательными. Модель описана как экспериментальная версия, которая ещё тестируется.

LimaRP-Mistral-7B-v0.1 — модель генерации текста на базе Mistral-7B-v0.1, обученная автором LimaRP на примерно 2000 вручную отобранных и слегка отредактированных диалогах для ролевых игр. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов; карточка описывает эксперимент с форматом Alpaca и изменённой системной инструкцией во второй эпохе обучения. Модель предназначена для длинных художественных ролевых диалогов один на один с заданными персонажами и сценарием. Она поддерживает управление примерной длиной ответа с помощью модификатора инструкции и рассчитана на формат, где модель пишет за персонажа, а пользователь — за себя. Короткие ролевые реплики в стиле IRC или Discord не поддерживаются; при очень длинных ответах модель может многословно продолжать текст или говорить за пользователя. Лицензия — Apache-2.0.

Llama 2 13B Chat — LimaRP v2 Merged — GGUF — это квантизированная версия языковой модели, разработанной Doctor-Shotgun и преобразованная в формат GGUF пользователем TheBloke. Модель основана на Llama 2 13B Chat и предназначена для генерации текста в формате диалогов и ролевого общения. Основной сценарий использования — roleplay-чат: модель получает описания персонажей, пользователя и ситуации, после чего отвечает от лица заданного персонажа, не генерируя реплики и повествование за пользователя. Указан английский язык. Архитектура относится к семейству Llama, размер — 13 миллиардов параметров; поддерживается текстовая модальность и конвейер text-generation. Доступны квантизации с разной разрядностью — 2, 3, 4, 5, 6 и 8 бит — для запуска на CPU и GPU. Формат GGUF поддерживает метаданные, специальные токены и улучшенную токенизацию, а также совместим с llama.cpp и рядом локальных интерфейсов и библиотек. Сильной стороной модели является специализация на ролевых сценариях и возможность локального запуска с выбором степени квантизации. Ограничения включают ориентацию на английский язык, отсутствие заявленных данных о длине контекста и производительности, а также необходимость учитывать особенности качества и ресурсов выбранной квантизации. В метаданных указана лицензия AGPL-3.0. Поскольку модель основана на Llama 2, также применяются условия лицензии Meta Llama 2; в README она описана как модель с заявленным двойным лицензированием.

NeverSleep/Llama-3-Lumimaid-8B-v0.1 — языковая модель семейства Llama 3, созданная на основе дообучения и слияния моделей авторами проекта Lumimaid. Она предназначена для генерации диалогов и ролевых сценариев: обучение сочетает наборы данных для RP и ERP с обычными диалогами и данными общего назначения. Модель использует формат промптов Llama 3, имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. В обучении использованы, среди прочего, датасеты Aesir, NoRobots, limarp, ToxicQAFinal, Luminae и SlimOrca. Репозиторий содержит веса FP16 в формате safetensors. Модель ориентирована на англоязычные ролевые диалоги и генерацию эротического контента, но авторы также добавили обычные данные, чтобы улучшить ответы вне ролевых сценариев. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Это коллекция из 34 LoRA-адаптеров в формате .safetensors для генерации изображений. Репозиторий создан пользователем или организацией highscoregames12018 и предназначен для использования с базовой моделью stabilityai/stable-diffusion-xl-base-1.0, совместимой с экосистемой Diffusers и, вероятно, интерфейсом Automatic1111. Коллекция рассчитана на сценарии text-to-image и содержит около 6,7 ГБ данных в 139 файлах. В README не указаны назначение отдельных адаптеров, их тематики, обучающие данные, поддерживаемые языки, требования к памяти или параметры контекста, поэтому оценить сильные стороны и ограничения каждого компонента невозможно. Также отсутствует информация о конкретных настройках применения и результатах тестирования. Для модели указана лицензия Apache-2.0, допускающая использование на условиях этой лицензии. Для работы необходима базовая модель Stable Diffusion XL 1.0 и совместимое программное обеспечение для загрузки LoRA-адаптеров.

LTX-2.5-22b-IC-LoRA-Pixel-Spatial-Upscaler — адаптер IC-LoRA от Lightricks, обученный поверх базовой видеомодели LTX-2.5-22B. Модель предназначена для генеративного пространственного увеличения видео в сценариях video-to-video: на вход подаётся низкоразрешённый ролик, а на выходе создаётся версия с двукратным увеличением линейного разрешения и синтезированными мелкими деталями. Это reference-conditioned модель с рангом адаптера 32 и точностью BF16. Она использует видео-референс вместе с зашумлёнными латентами и переносит из исходника композицию, движение и идентичность объектов, генерируя текстуры, контуры и микроконтраст. Референс должен иметь ту же сцену, длительность, кадрирование и соотношение сторон, что и целевой результат; рекомендуется использовать чистый ролик без сильной компрессии. Доступен вариант масштабирования 2x. Модель особенно подходит как финальный этап генерации видео: сначала создаётся черновой ролик примерно в разрешении 280p, затем он увеличивается с добавлением правдоподобных деталей. Её сильная сторона — творческое восстановление и дорендеринг высокочастотных деталей, однако результат не является попиксельно точным увеличением. Модель не предназначена для удаления артефактов сжатия, слепого шумоподавления или обработки документальных и иных live-action материалов, где критична фактическая точность исходника. Для большей близости к референсу следует использовать меньше шагов и более низкую guidance, а увеличение этих параметров усиливает творческую генерацию. Для работы требуется базовая модель LTX-2.5-22B и совместимый IC-LoRA workflow, например в ComfyUI. Модель распространяется по лицензии LTX-2-community-license; полные условия указаны в лицензии проекта Lightricks.

Mad Max: Fury Road Diffusion — дообученная модель Stable Diffusion 2.0, созданная на изображениях фильма «Безумный Макс: Дорога ярости». Она предназначена для генерации изображений по текстовым описаниям в стилистике фильма; для активации эффекта автор рекомендует добавлять в запрос токен mad_max_fr. Модель рассчитана на генерацию изображений размером 768×768 и работает через библиотеку Diffusers. В карточке указана лицензия OpenRAIL++; модель поддерживает английский язык запросов. Её можно использовать для создания стилизованных изображений автомобилей, городов и персонажей. Качество зависит от формулировки запроса, а сильная привязка к эстетике одного фильма ограничивает применение вне этой стилистики.

Mantella-Skyrim-Llama-3-8B — языковая модель, разработанная art-from-the-machine для мода Mantella в Skyrim. Это дообученная на более чем 8 800 примерах диалогов игрока с NPC версия Meta Llama 3 8B Instruct; в примерах модель отвечает в стиле персонажей Skyrim. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8 192 токенов. Модель принимает текст и генерирует текст; основное назначение — диалоги с NPC при локальном запуске через Mantella. Карточка описывает тестирование в отладочном режиме Mantella v0.11.2 с koboldcpp. Указана лицензия Apache-2.0. Модель специализирована на игровом сеттинге Skyrim, поэтому её ответы вне этого сценария могут быть менее подходящими; результаты зависят от настроек интеграции и генерации.

Marigold Depth v1-0 — модель для оценки глубины по одному изображению, разработанная Bingxin Ke, Anton Obukhov, Shengyu Huang, Nando Metzger, Rodrigo Caye Daudt и Konrad Schindler. Это дообученная на базе Stable Diffusion 2 латентная диффузионная модель, предназначенная для монокулярной оценки глубины и рассчитанная на работу с изображениями в различных сценах без привязки к конкретному домену. Модель выдаёт карту относительной глубины, значения которой от 0 до 1 обозначают ближние и дальние области в выбранном моделью масштабе; абсолютные расстояния она не предсказывает. При объединении более двух предсказаний также можно получить карту неопределённости. Для наилучшего качества авторы рекомендуют DDIM и 10–50 шагов денойзинга. Хотя можно обрабатывать изображения любого размера, эффективное разрешение унаследовано от базовой модели и составляет около 768 пикселей; для крупных изображений рекомендуется уменьшить длинную сторону до этого размера. Модель опубликована под лицензией Apache 2.0 и доступна для использования через Diffusers. Она предназначена для оценки глубины по одиночным изображениям и не заменяет измерение абсолютных расстояний; версия v1-0 может давать менее оптимальные результаты при настройках числа шагов, отличных от рекомендованных.

Marigold Depth v1-1 — модель для оценки относительной глубины по одному изображению, разработанная Bingxin Ke, Kevin Qu, Tianfu Wang, Nando Metzger, Shengyu Huang, Bo Li, Anton Obukhov и Konrad Schindler. Это генеративная латентная диффузионная модель, дообученная на базе stable-diffusion-2 и предназначенная для монокулярной оценки глубины в том числе на изображениях из реальных условий. Модель принимает изображение и выдаёт карту глубины с аффинно-инвариантными значениями от 0 до 1, соответствующими ближним и дальним областям сцены. При ансамблировании более двух предсказаний можно также получить карту неопределённости. Для оптимальных результатов большие изображения рекомендуется уменьшать так, чтобы длинная сторона составляла около 768 пикселей; модель рассчитана на scheduler DDIM и от 1 до 50 шагов денойзинга. Распространяется по лицензии CreativeML Open RAIL++-M.

MF-KonoSuba — модель генерации изображений по текстовому описанию, посвящённая персонажам и миру серии «Этот замечательный мир!». В карточке указаны авторы Juusoz, 金Goldkoron, Khalil, LightUK и SamuraiCat; доступны версии V1.0 и V1.1. Метаданные относят её к семейству Stable Diffusion и указывают форматы Diffusers и PyTorch. Модель предназначена для создания изображений персонажей, сцен и сюжетов KonoSuba по текстовым промптам. Для промптов авторы рекомендуют задавать главную тему или персонажа, затем перечислять атрибуты и действия через запятые, а отдельные сцены разделять точками с запятой. В README приведены настройки размеров и генерации, включая CFG 9–12 и не менее 30 шагов. Модель специализируется на визуальной тематике KonoSuba; карточка не сообщает размер весов, длину контекста или поддерживаемые естественные языки. Лицензия — CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении сгенерированных материалов.

microBook — небольшая языковая модель, созданная Finisha (Clemylia) для генерации отзывов и критических впечатлений о литературных произведениях. Модель основана на архитектуре GemmaForCausalLM, содержит 32,7 млн параметров и рассчитана на контекст до 1024 токенов. По карточке, её обучали на отзывах о книгах; основной язык — французский. Модель предназначена для создания отзывов о знакомых книгах, от популярных серий до современных романов, с индивидуальной повествовательной манерой. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Указана публикация для сообщества в открытом доступе, однако конкретная лицензия не приведена. Небольшой размер и узкая специализация позволяют использовать microBook для экспериментов с генерацией книжных отзывов. Пример в карточке показывает повторяющиеся формулировки и заметные проблемы связности, поэтому качество текста может быть нестабильным; модель не следует считать надёжным источником литературного анализа.

Jojocodex/minimax-h3-spatial-physics-lora — это LoRA-адаптер для модели MiniMax-H3 от Comfy-Org. Он обучен усиливать пространственное мышление и физическую логику в генерации видео, прежде всего для сцен с объектами: столкновений, падений, отскоков, скатывания, рассеивания,遮挡 и сохранения пространственных отношений. Адаптер также может применяться к сценам с боевыми взаимодействиями, где требуется более правдоподобная физика контактов. Модель предназначена для использования в ComfyUI через LoraLoader и совместима с MiniMax-H3 Turbo acceleration LoRA. Рекомендуемая сила подключения в README указана противоречиво: в описании предлагается 0,3–0,5, а в инструкции для ComfyUI — 0,8–1,0. Поддерживаются текстовые запросы на английском языке, ориентированные на столкновения, движение, гравитацию, траектории, глубину сцены и передачу импульса. В технических данных указаны Rank 16, разрешение 512 и обучение на 90 кадрах при 24 кадрах в секунду. Адаптер может улучшать реалистичность физических реакций, пространственную согласованность и траектории объектов, однако находится на стадии обучения и тестирования. Авторы отмечают нестабильность из-за особенностей обучающих материалов и разметки, поэтому результат может быть непредсказуемым. Лицензия — Apache-2.0.

MiniMax-H3 x Z-Image Hybrid — экспериментальная гибридная версия MiniMax-H3, созданная hoidhxd. В ней блоки трансформера B00–B24 и B50+ взяты из ветви FL2VA, а блоки B25–B49 — из REF2VA; модель предназначена для генерации видео из изображения и экспериментов с объединением этих ветвей в одном чекпойнте. Репозиторий содержит веса BF16 и INT8 в формате safetensors; отдельно упоминается конверсия BF16-версии в GGUF для совместимых рабочих процессов ComfyUI. Модель основана на MiniMaxAI/MiniMax-H3 и распространяется по лицензии Apache-2.0. Это неофициальная экспериментальная сборка, а не релиз MiniMax. README сообщает о проверке тензорного содержимого BF16-версии, но не приводит сравнительных оценок качества или подробных инструкций по использованию; сведения о языковой поддержке и длине контекста для этой задачи не указаны.

Musiclang LLM — авторегрессионная языковая модель, основанная на GPT-2 и обученная работать с символьным языком тональной музыки MusicLang. Она продолжает заданную музыкальную партитуру, записанную в формате MusicLang, и может использоваться для создания новых музыкальных фрагментов в композиционной работе. В метаданных указана архитектура GPT2LMHeadModel, формат PyTorch и контекст до 1024 токенов. Модель распространяется по лицензии BSD-3-Clause. Она принимает текстовую запись MusicLang и генерирует продолжение в том же символьном представлении; README не сообщает о прямом вводе или выводе аудиосигнала.

MuVAE — непрерывный музыкальный вариационный автоэнкодер, разработанный mrfakename и обученный с нуля на архитектуре YuE2 VAE. Он кодирует стереозвук с частотой 48 кГц в латентное представление и декодирует его обратно, сжимая сигнал в 1920 раз: до 64 каналов с частотой 25 кадров в секунду. Модель содержит 132,6 млн параметров; в репозитории опубликованы веса EMA в формате safetensors. MuVAE предназначена для реконструкции музыки и получения компактных аудиолатентов, которые можно использовать как пространство представлений для моделей генерации музыки. При обучении использовались около 10 тысяч часов музыкального аудио, нарезанного на случайные стереофрагменты длительностью 2,56 секунды. Для использования требуется библиотека Transformers; пример загрузки включает trust_remote_code=True. Лицензия модели — CC BY 4.0. Описание не приводит измерений качества реконструкции или ограничений по типам музыкального материала; заявленный формат входа — стерео 48 кГц.

NanoChat-31M-V2 — компактная модель, разработанная автором репозитория Batman55072 для генерации имитации чата прямых трансляций. Это обученный с нуля плотный GPT-подобный авторегрессионный декодер; в README указано 31,4 млн параметров, 10 слоёв, скрытый размер 448, 8 голов внимания и контекст 128 токенов. Метаданные каталога указывают 39,3 млн параметров. Модель использует токенизатор byte-level BPE с 16 000 токенов и веса в формате safetensors. Она создаёт короткие быстрые реплики в стиле чата Twitch, а также более редкие длинные сообщения в стиле платных обращений: вопросы, шутки, поддразнивания и слова поддержки. Предназначена для симуляции аудитории в проектах виртуальных стримеров, демонстрациях и других развлекательных сценариях; не рассчитана на фактические ответы, следование инструкциям или роль универсального помощника. Модель обучена преимущественно на англоязычных публичных чатах Twitch с добавлением синтетических и вручную составленных примеров. Она рассчитана на быстрый запуск на CPU. В версии V2 увеличен словарь токенизатора и добавлены настройки генерации, уменьшающие орфографические и повторяющиеся ошибки. Ограничения включают возможные искажения текста, циклы повторов, слабое обобщение редких длинных сообщений и отсутствие встроенного контекстного или тематического кондиционирования. Лицензия — CC-BY-SA-4.0.

hrezaei/nanoGPTLookAhead — модель семейства nanoGPTLA, представленная в исследовательской работе «Interactive Text Games: Lookahead Is All You Need!». Она реализована в модифицированной версии nanoGPT и предназначена для генерации текста в интерактивных текстовых играх с применением lookahead. В статье также описаны варианты nanoGPTLAA, nanoGPTLAA2 и nanoGPTLAE, а также реализации на основе T5; карточка относит эту модель к плотной архитектуре nanogpt_la. Модель имеет масштаб GPT-2, около 100 млн параметров, и распространяется в формате safetensors. В README не приведены поддерживаемые языки и длина контекста. Лицензия — MIT.

Nightmare Promptgen XL — экспериментальная текстовая генеративная модель семейства GPT-Neo, опубликованная cactusfriend. Она предназначена для создания промптов для InvokeAI по текстовому запросу. Модель содержит 403,8 млн параметров, использует архитектуру GPTNeoForCausalLM и принимает контекст длиной до 2048 токенов. Опубликованные веса представлены в форматах PyTorch и safetensors, для работы используется библиотека Transformers. Это очень ранняя версия: автор предупреждает, что модель может быть удалена, поэтому её стабильность и качество генерации не гарантированы. Лицензия — OpenRAIL.

Minoumimi/NIKKE-Pony — это LoRA-адаптер для генерации изображений по текстовому описанию, созданный пользователем Minoumimi и предназначенный для базовой модели LyliaEngine/Pony_Diffusion_V6_XL. Модель специализируется на персонажах и образах из Goddess of Victory: NIKKE, включая внешность, причёски, одежду и тематические атрибуты героинь. Для вызова персонажей используются специальные идентификаторы вроде NIKKE_Ade, NIKKE_Alice и NIKKE_Dorothy, обычно в сочетании с описательными тегами. Модель рассчитана на сценарии text-to-image в экосистеме Diffusers и нацелена на создание стилизованных аниме-изображений персонажей NIKKE в различных костюмах и композициях. В README перечислены многочисленные персонажи и варианты их образов, однако сведения о размере LoRA, рекомендуемых параметрах веса, разрешении, длине контекста, языках, точной архитектуре адаптера и поддерживаемых версиях библиотек не указаны. Модель работает с текстовыми промптами и не заявляет поддержку других модальностей. Сильная сторона адаптера — специализация на узнаваемых персонажах и детализированных визуальных признаках, включая одежду, аксессуары и альтернативные наряды. Ограничения связаны с зависимостью от базовой Pony_Diffusion_V6_XL и отсутствием подробных рекомендаций по настройке и качеству генерации; перечисленные в README персонажи также могут поддерживаться неравномерно. Лицензия модели указана как Apache-2.0.

NiRNE — модель оценки нормалей по изображению, входящая в состав Hi3DGen. Она принимает изображение и предсказывает карту нормалей, пригодную для сценариев восстановления геометрии или создания 3D-контента. Репозиторий содержит веса для библиотеки Diffusers и конвейера YOSONormalsPipeline. Модель предназначена для задачи преобразования изображения; подробности архитектуры и размер модели в карточке не описаны. Веса распространяются по лицензии Apache-2.0. Карточка ссылается на репозиторий GitHub за инструкциями по использованию. Данных о поддерживаемых естественных языках нет, поскольку модель работает с изображениями.

Noromaid-v0.1-mixtral-8x7b-Instruct-v3 — экспериментальная чат-модель для ролевых диалогов, созданная IkariDev и Undi на основе Mixtral Instruct и дообученная на изменённых наборах данных. Авторы указывают, что обучение было сосредоточено на ролевом общении и снятии ограничений; модель подходит для RP и ERP-сценариев. Она использует архитектуру Mixtral с разреженной смесью экспертов (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текстовые запросы и генерирует текстовые ответы. В README рекомендован формат подсказок Alpaca, включая варианты с секциями Instruction, Input и Response. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Авторы предупреждают, что это экспериментальная версия и качество работы не гарантируется.

NSFW-GEN-ANIME-v2 — модель UnfilteredAI для генерации изображений в стиле аниме по текстовым описаниям. Она создаёт как обычные, так и откровенные изображения; в карточке указаны 3,47 млрд параметров и формат вычислений FP16. Модель предназначена для создания иллюстраций по текстовым запросам, в том числе контента для взрослой аудитории. В метаданных указана архитектура StableDiffusionXLPipeline и форматы Diffusers и safetensors. Модель объединена на основе OEvortex/PixelGen и UnfilteredAI/NSFW-gen. Для работы с ней нужны текстовый запрос и среда, совместимая с Diffusers. Лицензия обозначена как other, поэтому условия использования следует уточнять в репозитории модели.

Это LoRA-модель для генерации изображений на основе text-to-image, предназначенная для использования с библиотекой Diffusers. Модель разработана пользователем или организацией alexc593 и опубликована под идентификатором alexc593/ofmtech-workflow-models; точное авторство и назначение набора не раскрыты. В качестве базовой модели указана Tongyi-MAI/Z-Image-Turbo. README не содержит подробного описания сценариев применения, архитектуры LoRA-адаптера, количества параметров, поддерживаемых языков, модальностей или размера контекста. Также не приведены примеры промптов и результаты, позволяющие оценить качество или специализацию модели. Указано, что модель может использоваться через Diffusers, а лицензия обозначена как CreativeML Open RAIL-M. Ограничения и дополнительные условия применения в README не описаны.

alea31415 разработал эту модель генерации изображений на основе Stable Diffusion, дообучив ACertainty на персонажах аниме «ONIMAI: I'm Now Your Sister!». Модель создаёт изображения по текстовым запросам и поддерживает три обученных стиля: aniscreen, edstyle и megazine. Для вызова персонажей используются триггерные слова OyamaMahiro, OyamaMihari, HozukiKaede, HozukiMomiji, OkaAsahi и MurosakiMiyo; TenkawaNayuta встречается в обучающих данных редко, поэтому качество её изображений может быть низким. Модель предназначена для генерации иллюстраций с персонажами и сценами из ONIMAI. Она обучалась на разрешении 512 пикселей с clip skip 1; автор сообщает, что сложные сцены и сходство со стилями и одеждой лучше получаются у полной модели, чем у опубликованных LoRA. Модель доступна в форматах Diffusers и safetensors по лицензии CreativeML OpenRAIL-M.

Palette-RP-9B-2609-v0.05 — экспериментальная модель Indexnusrefather, дообученная на базе Qwen/Qwen3.5-9B на данных для ролевых диалогов. Она предназначена для творческого письма и ролевого общения, в том числе сценариев ERP. В метаданных указана мультимодальная архитектура Qwen3.5 с поддержкой изображений; формат файлов включает safetensors и GGUF в вариантах BF16 и Q8_0. Модель рассчитана на английский язык. Длина контекста и число параметров именно этой версии не приводятся; базовая модель содержит 9 млрд параметров. Лицензия — Apache-2.0. Автор описывает проект как экспериментальную попытку улучшить ролевые диалоги, отключив рассуждение при обучении. Качество не подтверждено оценками или сравнительными тестами, поэтому результаты в ERP и других сценариях могут быть нестабильными.

Phi2 Haiku Writer in Italian language v0.2 — модель для генерации хайку на итальянском языке, разработанная WasamiKirua. Она предназначена для создания коротких стихотворений по текстовой подсказке; карточка демонстрирует подсказку с описательной сценой, а также упоминает улучшенную и расширенную версию датасета и conversational-возможности. Модель построена на плотной авторегрессионной архитектуре PhiForCausalLM и содержит 3,5 млрд параметров. Принимает текст и генерирует текст; максимальная длина контекста — 2048 токенов. Опубликована в формате safetensors, лицензия — MIT. В карточке указано, что версия DPO планировалась отдельно.