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

DS-Archive/ds-smol-brew-7b — это объединённая методом SLERP модель на основе Llama 2, собранная из jondurbin/spicyboros-7b-2.2, stabilityai/StableBeluga-7B, NousResearch/Nous-Hermes-llama-2-7b, lemonilia/limarp-llama2-v2 и PygmalionAI/pygmalion-2-7b. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и библиотеку Transformers; максимальная длина контекста — 4096 токенов. Модель предназначена для генерации текста и ролевых диалогов с заданной персоной персонажа. В README рекомендуется попробовать формат инструкций Alpaca из LIMARP v2, однако из-за объединения нескольких моделей могут работать разные форматы запросов. Карточка предупреждает о смещениях, характерных для нишевых ролевых форумов, и не рекомендует использовать модель для получения фактической информации или советов. Модель доступна под лицензией AGPL-3.0. Метаданные указывают английский язык; README не описывает поддержку других языков.

Keltezaa/emma-watson-face-flux-sdxl — это LoRA-адаптер для генерации изображений, обученный на базе black-forest-labs/FLUX.1-dev. Автором или владельцем публикации указан Keltezaa. Модель предназначена для создания изображений женщины, визуально связанной с Эммой Уотсон, в том числе портретов, селфи, сцен в различных эпохах и стилях, а также фотореалистичных, аниме, сюрреалистических и кинематографических композиций. Модель работает в сценариях text-to-image через экосистему Diffusers и Stable Diffusion-совместимые рабочие процессы, хотя точные параметры подключения, вес LoRA, требования к памяти, размер модели, контекст и поддерживаемые языки в README не указаны. Примеры показывают управление внешностью, одеждой, освещением, окружением и художественным стилем с помощью текстового запроса. Сильной стороной является специализация на образе лица и гибкость применения в разных визуальных сценах. Ограничения включают возможную нестабильность сходства, зависимость результата от базовой модели и формулировки запроса, а также потенциальные ограничения при генерации изображений реального человека и персонажей, защищённых авторским правом. Лицензия указана как bespoke-lora-trained-license. Согласно ссылке в README, она допускает коммерческое использование изображений, создание производных работ и использование другой лицензии, а также не требует обязательного указания авторства; перед применением следует проверить актуальные условия лицензии по указанной ссылке.

FaceAge ClientScan — модель анализа лиц TrungTran для оценки возраста и классификации пола по изображению лица. Она использует дообученный визуальный трансформер DINOv3-ViT-L/16 с 307 млн параметров и двумя выходными головами: CORAL ordinal regression для оценки возраста от 0 до 100 лет и классификатором пола на два класса. Для воспроизведения заявленной точности лицо следует обрезать с пропорциональным отступом 10%; модель принимает кроп размером 224 × 224 пикселя. В бенчмарке LAGENDA 84k автор сообщает MAE 3,555 года и точность классификации пола 97,75%; также приведены результаты на UTK, IMDB и MORPH. Репозиторий содержит веса ONNX и safetensors, а для CPU автор указывает более быструю работу ONNX по сравнению с PyTorch. Модель распространяется по лицензии Apache-2.0. Она предназначена для анализа лиц и может ошибаться в оценках; результат зависит от подготовки кропа и условий данных.

Модель dima806/face_obstruction_image_detection — дообученный Vision Transformer ViT-Base для классификации изображений лица по типу препятствия или закрытия. По данным карточки, точность составляет около 91%; модель предназначена для анализа изображений лиц и определения вида перекрывающего их объекта или области. Модель содержит 113,2 млн параметров, основана на google/vit-base-patch16-224-in21k и использует архитектуру ViTForImageClassification. Она принимает изображения и выдаёт метку класса. Доступна в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Сведения о конкретных классах и условиях оценки точности в карточке не приведены.

Карточка модели JohnDelano/faster-whisper-base-ar-quran на Hugging Face совпадает с карточкой OdyAsh/faster-whisper-base-ar-quran, поэтому описание составлено по ней. OdyAsh/faster-whisper-base-ar-quran — это версия модели распознавания речи на основе Whisper Base, преобразованная в формат CTranslate2 для использования с faster-whisper и WhisperX. Она предназначена для транскрибирования чтения Корана на арабском языке и совместима с конвейерами WhisperX. Модель получена преобразованием tarteel-ai/whisper-base-ar-quran в CTranslate2 с точностью float16. По README, размер уменьшен примерно с 290 до 141 МБ; автор сообщает о небольшом влиянии на качество при проверке на примерах коранического аудио. Репозиторий указывает Apache-2.0. Возможны ошибки распознавания; для сценариев, где точность важнее размера, README предлагает использовать float32.

anonauthors/fgvc_aircraft-ConvNeXt-base — модель классификации изображений на базе архитектуры ConvNeXt, опубликованная в формате, совместимом с библиотекой Transformers. По идентификатору модели она предназначена для распознавания типов или разновидностей воздушных судов на изображениях в рамках задачи FGVC Aircraft. Метаданные Hugging Face также относят её к задачам image classification и указывают поддержку формата safetensors. Модель может применяться для автоматической классификации фотографий самолётов, построения систем поиска и каталогизации изображений воздушных судов, а также как базовая модель для компьютерного зрения в авиационных сценариях. README содержит автоматически сгенерированную карточку и не предоставляет сведений о разработчике, датасете обучения, точности, размере модели, лицензии, ограничениях или рекомендуемом способе использования.

nateraw/food — модель компьютерного зрения, дообученная nateraw на базе google/vit-base-patch16-224-in21k для классификации изображений еды. Она использует архитектуру Vision Transformer (ViT) и содержит 113,2 млн параметров. Модель предназначена для распознавания категорий блюд на фотографиях; при оценке на тестовой выборке Food-101 достигла точности 89,13% и значения loss 0,4501. Модель принимает изображения и выдаёт метку класса. Её можно применять для автоматической сортировки фотографий еды и определения блюда по снимку. Доступны веса PyTorch; лицензия — Apache-2.0. Карточка не описывает ограничения и условия, при которых получена оценка, поэтому результат может отличаться на изображениях вне оценочной выборки.

Ateron/Gemma-4-AssGuard-31B — экспериментальная разговорная модель на базе Gemma 4 31B, созданная автором Ateron для развлечения и ролевых диалогов. Это слияние нескольких моделей через mergekit; среди указанных источников — Gemma4-GarnetV2-31B, Pantheon-Reasoning-31B-1.1, Equinox-31B, Gemma-4-31B-storymaxxed2 и Gemma4-Gutenberg-31B. В README автор описывает её как эксперимент, способный выдавать забавные результаты, и рекомендует попробовать значение min_p около 0,15–0,20. Модель предназначена для генерации диалогового текста и ролевых сценариев на английском языке. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Метаданные указывают архитектуру Gemma 4 и поддержку чата; сведения о размере параметров и длине контекста не приведены.

Sadiah разработала модель Sadiah/Genie — дообученную с помощью PEFT/LoRA и SFT версию Mistral-7B-v0.1, настроенную на генерацию ответов в манере Джинна из франшизы «Аладдин». Это плотная авторегрессионная модель на 7,1 млрд параметров с контекстом до 32 768 токенов; она принимает текст и генерирует текст. В карточке указан английский язык, а веса опубликованы в формате safetensors. Модель подходит для ролевых диалогов, создания реплик для историй и фанфиков, а также для развлекательных чат-ботов с узнаваемой манерой Джинна. Она может непоследовательно передавать характер персонажа и не гарантирует соответствия каноничным репликам. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией и ограничивает коммерческое применение.

GRAMT-Binaural-Time — модель представлений пространственного звука, разработанная Гоксенином Юкселем. Это вариант семейства GRAM для извлечения признаков из бинаурального двухканального аудио; модель обучена на AudioSet методом самообучения и использует многоканальный masked auto-encoder с ViT-Base Transformer из 12 слоёв и механизмом MWMAE. Репозиторий предоставляет веса в формате safetensors и библиотеку Transformers. Модель предназначена для получения аудиопредставлений, которые можно использовать в классификации звуков окружающей среды, распознавании речи в шумных и реверберирующих условиях, подсчёте говорящих и локализации источников звука. Пространственная обработка и устойчивость к шуму и реверберации — ключевые заявленные свойства; выходные эмбеддинги можно передавать в обучаемую линейную голову для downstream-задач. Для входа требуется двухканальное бинауральное аудио; модель выдаёт признаки, а не готовые транскрипции или метки задач. README заявляет поддержку всех языков для речевых сценариев, с основным акцентом на английский. Лицензия — MIT. Результаты зависят от формата и качества аудио, а для прикладной классификации или распознавания обычно требуется отдельная downstream-модель или обученная голова.

h — a resident, not an assistant — это экспериментальная текстовая модель примерно на 354,4 млн параметров, созданная ember arlynx при участии Claude. Она основана на Falcon-H1-0.5B-Base и продолжает его предобучение; архитектура Falcon-H1 сочетает Transformer и Mamba-2. Модель принимает обычный текстовый фрагмент и продолжает его, обучена отвечать кратко в формате стенограммы беседы и передавать голос персонажа, а не выполнять инструкции как чат-ассистент. Обучение включало частную библиотеку оцифрованных книг и журналов, стенограммы разговоров и 12,5% повторного обучения на FineWeb-Edu для сохранения общих навыков. Родной контекст — 16 384 токена. Модель рассчитана на англоязычные сценарии; автор указывает формат без chat template. В описании приведены результаты на шести бенчмарках и тесте на удержанных состояниях беседы: качество на бенчмарках ниже базовой модели, зато модель реже повторяет реплику собеседника и может уклоняться от ответа. Лицензия в метаданных обозначена как other, конкретные условия не приведены.

kitsune-tales-e4b-jp — дообученная Ashish модель на базе Google Gemma 4 E4B Instruct. Это текстовая модель генерации художественного текста: по жанровым тегам и названию она пишет на японском языке оригинальные фэнтезийные синопсисы, короткие рассказы и продолжения. Для продолжения нужно передать исходный отрывок; рекомендуется использовать шаблон чата с отключённым режимом рассуждений. Обучение выполнено методом LoRA SFT на отфильтрованных синтетических данных, а выпущенная версия объединена с базовой моделью и сохранена в формате bf16. В метаданных указан формат Safetensors и архитектура семейства Gemma 4; базовая Gemma 4 E4B хранит 7,52 млрд параметров, из которых эффективны 4,62 млрд. Модель предназначена для хобби-писательства, разработки идей и практики стиля японской фэнтезийной лайт-новеллы. В оценках SFT-версия лучше соблюдала запрошенную длину, чем базовая модель, но сырые парные оценки предпочитали более длинные ответы базовой модели; результаты этих оценок автор считает ориентировочными. Возможны повторы, отклонения от заданной длины и ошибки связности в длинных историях, а также клише синтетических данных. Разработчик — Ashish; лицензия Apache-2.0. Модель не предназначена для фактических, медицинских, юридических или финансовых ответов и не гарантирует отказ на запрещённые запросы.

KomdigiITS-8B-DFK-CPT — модель языка на индонезийском языке, разработанная aitf-komdigi для продолженного предобучения на материалах о дезинформации, клевете и разжигании ненависти (DFK), а также на текстах общего характера. Это причинная языковая модель семейства Mistral 3, основанная на Ministral-3-8B-Base-2512 и адаптированная с помощью LoRA; репозиторий содержит веса Safetensors и подключается через PEFT. Модель предназначена для адаптации к индонезийскому контексту DFK, обогащения знаний о местной общественно-политической среде и дальнейшего обучения, например instruction tuning или DPO/RLHF. В карточке сообщается об улучшении perplexity на тестовых текстах DFK после обучения при минимальном ухудшении результата на Wiki-ID. Для обычного диалогового следования инструкциям без дополнительного дообучения модель не предназначена. Лицензия — Apache-2.0.

KPoEM (Korean Poetry Emotion Mapping) — AKS-DHLAB командасы әзірлеген, корей модернистік поэзиясындағы эмоцияларды жіктеуге арналған KcELECTRA негізіндегі модель. Ол KcELECTRA-base моделін алдымен KOTE деректер жиынында, кейін KPoEM деректер жиынында қосымша оқыту арқылы жасалған; архитектурасы — ELECTRA, параметр саны 136,3 млн, контекст ұзындығы 512 токен. Модель корей өлеңдерін эмоциялық белгілер бойынша талдауға және ықтималдық шегін баптап, таңдалған эмоцияларды алуға арналған. Ол тек мәтіндік кірісті қабылдап, мәтіндік жіктеу нәтижесін шығарады. MIT лицензиясымен таратылады. Мақсатты қолданылуы корей модернистік поэзиясымен шектеледі; басқа жанрлар мен тілдерге жалпылау туралы мәлімет жоқ.

L3.1-ClaudeMaid-4x8B — экспериментальная MoE-модель для генерации текста и ролевого общения. В README указаны четыре экспертные модели на базе Llama 3.1 8B: Lumimaid, Meta-Llama-3.1-8B-Claude, Sekhmet Bet и DarkIdol; для выбора экспертов используется случайный gate, на каждом токене активируются два эксперта. Метаданные указывают архитектуру MixtralForCausalLM, 7,5 млрд параметров и контекст 131 072 токена. Модель предназначена для диалогов и ролевых сценариев; карточка также описывает её как экспериментальную RP-модель. В метаданных указан английский язык и возможность чата. Весы опубликованы в формате safetensors, а лицензия обозначена как llama3.1. Автор отмечает возможные проблемы запуска GGUF-сборок в KoboldCpp 1.71 и предлагает использовать llama.cpp напрямую.

L3-Umbral-Mind-RP-v1.0-8B — англоязычная языковая модель Casual-Autopsy для ролевых диалогов и создания историй. Это плотная causal language model семейства Llama с 7,5 млрд параметров, собранная с помощью mergekit из нескольких моделей, включая Llama 3 Stheno, модели MopeyMule и психологически ориентированные варианты. Контекст модели — 8192 токена. Модель предназначена для ролевых сценариев с тяжёлыми темами, в том числе психическими расстройствами, самоповреждением, травмой и суицидом; автор отмечает, что она меньше склонна отвечать чрезмерно оптимистично в таких сюжетах. Рекомендуемый формат диалога использует реплики в кавычках и действия между звёздочками; другие форматы могут вызывать проблемы. Доступна по лицензии Llama 3.

LHMPP-700M-PixelShuffle — зеркало чекпойнта Damo XR Lab / LHM-plusplus, исходно опубликованного на ModelScope. Это вариант модели для преобразования изображения в 3D с отдельной головой предсказания формы на основе изображения; он не взаимозаменяем с 3DAIGC/LHMPP-700M из-за различий в архитектуре и наборах весов. Репозиторий содержит веса PyTorch в формате safetensors размером около 4,87 ГБ и конфигурации, идентичные исходному репозиторию. Модель предназначена для получения 3D-представления по изображению в рамках задач LHM и Gaussian Splatting. Карточка указывает Apache-2.0 и описывает репозиторий как неизменённое зеркало исходных весов; сведений о поддерживаемых языках или подробных ограничениях применения нет.

Это GGUF-квантизированная версия дообученной модели Meta Llama 3.1 8B Instruct, опубликованная samunder12. Модель создана с использованием PEFT LoRA и оптимизаций Unsloth; исходная LoRA-модель указана как samunder12/llama-3.1-8b-roleplay-v4-lora. Версия в данном репозитории использует квантизацию Q4_K_M и предназначена для локального запуска. Модель специализирована для генерации историй, immersive role-play и разработки чат-ботов с быстрым стилем взаимодействия, напоминающим Character.AI. Она ориентирована преимущественно на короткие многоходовые диалоги с выразительными действиями и лаконичными репликами; заявлена доминирующая, напористая и прямая персона. Обучение проводилось на 513 примерах коротких диалогов, а максимальная длина последовательности составляла 4096 токенов. К сильным сторонам относятся быстрая генерация и баланс качества и производительности, характерный для Q4_K_M. Модель узкоспециализирована и может плохо справляться с программированием, суммаризацией и фактологическими вопросами. Её выводы не фильтруются и могут отражать содержание обучающих данных. Для использования рекомендуется контекст 4096 токенов и формат промпта Llama 3. Модель распространяется по лицензии Apache-2.0.

Luminus-1.5B-Roleplay-GGUF — это набор GGUF-квантизированных версий модели Luminus-1.5B-128K, разработанной ReXeeD и основанной на ReXeeD/Luminus-1.5B-Roleplay. Модель предназначена для генерации текста, прежде всего для иммерсивного ролевого общения, поддержания последовательности персонажа, диалогов и задач рассуждения с использованием Chain-of-Thought. В метаданных указан английский язык и контекст до 128K токенов. Модель содержит около 1,5 млрд параметров и доступна в вариантах от F16 и Q8_0 до Q3_K_M. Для ряда вариантов применена квантизация с Dynamic 2.0 KL-Divergence и importance matrix, откалиброванная на данных ролевого общения и Chain-of-Thought. Это должно помогать сохранять логику персонажа, форматирование и блоки <think> при снижении разрядности. Файлы совместимы с LM Studio, KoboldCPP, Ollama и text-generation-webui и рассчитаны на локальный запуск, включая оборудование с ограниченными ресурсами. Сильными сторонами являются небольшой размер, широкий выбор уровней квантизации и специализация на ролевых сценариях с последовательным поведением персонажа. Более компактные варианты требуют меньше памяти, но могут заметнее терять качество и способности к рассуждению; README указывает особенно низкое качество для Q3_K_M. Модель ориентирована на английский язык, а заявленные показатели сохранения качества и производительности зависят от конкретной квантизации и аппаратной конфигурации. Репозиторий распространяется по лицензии Apache-2.0.

Многоязычная модель классификации политической позиции, разработанная Will Horne, Alona O. Dolinsky и Lena Maria Huber. Она дообучена на mDeBERTa-v3-base и использует NLI: для предложения и целевой группы проверяет гипотезы о положительной, отрицательной и нейтральной позиции и выбирает наиболее вероятную. Модель предназначена для анализа политических манифестов, обращений к социальным группам и сравнительных исследований политической коммуникации. Это плотная модель DeBERTa-v2 для классификации последовательностей с 306 млн параметров и контекстом до 512 токенов. Основные языки обучения — английский и немецкий; в карточке также описана проверка на переводах на нидерландский, датский, испанский, французский, итальянский и шведский. Модель показывает macro-F1 0,81 на основном тестировании, но обучалась на политических манифестах и имеет три класса позиции. Для других жанров текста и политических контекстов качество может меняться, а результаты могут отражать смещения обучающих данных. Модель не предназначена для общей оценки тональности, автоматических решений о людях или группах и модерации без дополнительной проверки. Лицензия в предоставленных данных не указана.

Midjourney-Rangoli — модель для генерации изображений по текстовому описанию, опубликованная ShadoWxShinigamI. Она обучена на базе Stable Diffusion v1.5: дообучение выполнено за 2240 шагов на 28 изображениях с разрешением 640×640. Для получения стиля Rangoli автор рекомендует начинать запрос с токена «Rangoli mdjrny-rngli»; при необходимости можно использовать взвешивание частей запроса. Модель предназначена для создания изображений в стиле ранголи по текстовым запросам. Репозиторий содержит веса в формате safetensors для использования с Diffusers. Лицензия — OpenRAIL. Небольшой обучающий набор ограничивает разнообразие и может влиять на точность следования сложным запросам; в README не приведены оценки качества или подробные ограничения использования.

MiniMax-H3 Prompt Rewriter 8B — LoRA-Merged GGUF — это языково-мультимодальная модель для переписывания кратких пользовательских запросов в подробные промпты для совместной генерации видео и аудио MiniMax-H3. Модель опубликована в формате GGUF пользователем indhic-ai и создана объединением LoRA-адаптера lightx2v/MiniMax-H3-Prompt-Rewriter-LoRA-8B с базовой моделью Qwen/Qwen3-VL-8B-Instruct. Модель предназначена для задач T2VA, I2VA, L2VA и FL2VA: генерации промптов по текстовому описанию, одному или нескольким референсным изображениям, а также по конечному изображению. Она формирует структурированный англоязычный промпт с описанием визуальных событий, звукового окружения и недиегетической музыки, сохраняя пользовательские диалоги, тексты песен и надписи на исходном языке. Это не модель генерации видео или аудио, а специализированный преобразователь запросов для последующей генерации. Размер модели — 8B параметров; используется архитектура Qwen3-VL-Instruct с поддержкой текста и изображений. Основной файл имеет квантование Q8_0 и размер около 8,7 ГБ, а отдельный vision tower в формате F16 занимает около 1,16 ГБ. Для текстовых T2VA-задач достаточно языковой модели, тогда как для I2VA, L2VA и FL2VA требуется файл mmproj. Модель рассчитана на запуск через llama.cpp. Ограничения включают узкую специализацию под формат промптов MiniMax-H3, необходимость корректного системного промпта и значительные требования к памяти; точное максимальное окно контекста в README не указано. Модель распространяется по лицензии Apache-2.0.

pszemraj/Mistral-7B-sarcasm-scrolls-v2 — дообученная пользователем pszemraj языковая модель на архитектуре Mistral для генерации текста с сарказмом. Она создана на базе mistralai/Mistral-7B-v0.3 и обучена на наборе BEE-spoke-data/sarcasm-scrolls; модель имеет 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке приведён результат оценки на тестовом наборе: loss 2.3333. Модель подходит для генерации саркастичных ответов и текстов на английском языке. Она распространяется под лицензией Apache-2.0. Карточка не описывает подробные инструкции по использованию или независимые оценки качества сарказма.

mklan-xxx-nsfw-pony — модель генерации изображений по текстовому описанию, опубликованная под аккаунтом stablediffusionapi и доступная через API ModelsLab. Метаданные указывают на использование StableDiffusionXLPipeline и форматов Diffusers, PyTorch и safetensors. В примере API настраиваются текстовый запрос, отрицательный запрос, размер изображения, число шагов генерации и другие параметры; пример ориентирован на фотореалистичный портрет, а имя модели указывает на связь с Pony и контентом для взрослых. Модель предназначена для создания изображений по промптам. Репозиторий описывает обращение к ней через API ModelsLab и лицензию CreativeML OpenRAIL-M. Точная базовая модель и поддерживаемые языки в доступных сведениях не установлены.

MMS-300m — Yemeni Sub-Dialect Identifier (AYDID) — модель Mansoor Saleh для классификации аудиозаписей на семь разновидностей йеменского арабского языка: аденскую, бедуинскую, хадрамаутскую, сананскую, таизскую, тихамскую и стандартный йеменский. Это дообученная модель семейства wav2vec2 с архитектурой Wav2Vec2ForSequenceClassification и 402,7 млн параметров; она принимает аудио и присваивает записи класс диалекта. Модель предназначена для автоматической идентификации диалекта в устной речи. На сбалансированном тестовом наборе AYDID, содержащем 375 высказываний на класс, автор сообщает взвешенную F1-меру 80,44% после дообучения, по сравнению с 11,45% для базовой модели без дообучения. Модель обучена на корпусе AYDID и ориентирована на йеменскую арабскую речь; качество на других арабских диалектах и вне условий тестового набора не подтверждено. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства, на некоммерческих условиях и при распространении производных материалов на тех же условиях.

MobileViTv2 с головой DeepLabV3 — модель семантической сегментации изображений, впервые выпущенная в репозитории shehan97. Она использует MobileViTv2 в качестве визуального энкодера: в архитектуре MobileViT механизм многоголового внимания заменён разделимым вниманием. Модель обучалась на разрешении 512×512: сначала на ImageNet-1k, затем дообучалась на PASCAL VOC2012. Модель предназначена для разметки областей на изображениях и может использоваться для сегментации сцен, содержащих классы PASCAL VOC. Вход — изображение, выход — пиксельная семантическая разметка. Карточка не сообщает точное число параметров или метрики качества. Лицензия указана как Apple Sample Code License; перед использованием следует проверить её условия для конкретного сценария.

Модель Stable Diffusion, дообученная osanseviero с помощью DreamBooth на концепции мистера Картофельная Голова. Для генерации изображений используйте в текстовом запросе триггер «a photo of sks mr potato head». Модель предназначена для создания изображений этого персонажа по текстовому описанию; она распространяется в формате Diffusers/PyTorch по лицензии MIT.

dylanebert/multi-view-diffusion — копия модели ashawkey/imagedream-ipmv-diffusers, размещённая для сохранения материалов курса ML for 3D. Это порт модели MVDream в библиотеку Diffusers для задачи image-to-3d: модель принимает изображение и предназначена для создания 3D-представления. Репозиторий содержит веса в формате safetensors и конфигурацию Diffusers. Лицензия — OpenRAIL. README не сообщает размер модели, поддерживаемые языки или подробности архитектуры.

NEPA-DiT-XL — модель генерации изображений, опубликованная SixAILab. Она создаёт изображения размером 256×256 с условием по классу ImageNet-1K. Модель состоит из энкодера условий NEPA-XL с 28 слоями и размерностью 1152, денойзера Flux2-style MMDiT и декодера VAE из пространства латентов Stable Diffusion. Обучение проводилось методом flow matching с REPA; опубликованы EMA-веса после 400 тысяч шагов. Для генерации используются flow-matching Euler ODE и classifier-free guidance с нулевым классом. Репозиторий содержит компоненты для запуска; в README приведены проверенные версии Diffusers и Transformers. Увеличение guidance scale усиливает соответствие условию, но уменьшает разнообразие; при значениях выше 1 растут вычислительные затраты. Лицензия в предоставленных данных не указана.

Noromaid-13b-v0.1.1 — модель генерации текста, созданная в сотрудничестве IkariDev и Undi. Она предназначена для ролевых диалогов, в том числе откровенных, а также для обычных текстовых ответов. Авторы предлагают использовать собственный формат промптов или шаблон Alpaca; в карточке также доступны настройки SillyTavern для контекста и инструкций. Модель основана на архитектуре Llama, содержит 12,9 млрд параметров и имеет контекст длиной 4096 токенов. Репозиторий содержит веса FP16 в формате safetensors. Для обучения использовались наборы no_robots и Aesir Private RP. Версия 0.1.1 исправляет некоторые проблемы с пониманием персонажей, логикой и продолжением диалога, а также отдельную ошибку при заполнении контекста. Авторы обозначают выпуск как тестовую версию и не гарантируют стабильную работу; рекомендуемые параметры генерации ещё не подготовлены. Модель распространяется по лицензии CC BY-NC 4.0, которая не допускает коммерческого использования.