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

DiffusionLight — модель, разработанная авторами Pakkapon Phongthawee, Worameth Chinchuthakun, Nontaphat Sinsunthithet, Amit Raj, Varun Jampani, Pramook Khungurn и Supasorn Suwajanakorn. Она предназначена для оценки освещения по одному изображению: модель генерирует в сцене отражающий хромированный шар, по его отображению восстанавливается карта окружения, а затем формируется HDR-оценка освещения. Модель представляет собой LoRA-адаптацию Stable Diffusion XL Base 1.0 и рассчитана на использование в StableDiffusionXLControlNetInpaintPipeline с ControlNet для управления по карте глубины. Поддерживаются обычная и недоэкспонированная генерации хромированного шара с помощью специальных триггерных фраз. В заявленном рабочем процессе применяются антиалиасинг, итеративный inpainting, интерполяция эмбеддингов и пользовательский метод экспозиционного брекетинга. Входом служит одиночное изображение, а результатом — данные для оценки направления и интенсивности освещения и построения карты окружения. Сильной стороной DiffusionLight является использование предварительно обученной на большом количестве обычных изображений diffusion-модели, что улучшает обобщение на разнообразные реальные сцены по сравнению с подходами, зависящими от ограниченных наборов HDR-панорам. Ограничения включают необходимость дополнительного кода из репозитория проекта для полного процесса оценки освещения, а также то, что базовая diffusion-модель не генерирует HDR напрямую — для этого используется специальный метод экспозиционного брекетинга. Модель распространяется под лицензией MIT.

Embodiment Classifier — классификатор предложений из англоязычной художественной прозы, разработанный для разметки категорий телесности в нарративе. Модель дообучена на базе FacebookAI/roberta-base; архитектура — RoBERTa для классификации последовательностей, размер — 151,8 млн параметров, контекст — 514 токенов. Модель присваивает каждому предложению одну из 11 категорий, включая движение персонажа, осязание материала, телесные ощущения персонажа, мимику, зрительное восприятие и жесты. Она предназначена для анализа художественных текстов и поддержки исследований в литературоведении и цифровых гуманитарных науках. На тестовой выборке из 580 примеров micro-F1 составил 0,805, macro-F1 — 0,797; в пятифолдовой кросс-валидации micro-F1 составил 0,808 ± 0,022. Модель принимает текст и выдаёт метку категории с оценкой уверенности. Обучена для английской прозы и лицензирована по CC BY 4.0.

Eve-Gemma4-S0LF0RG3-Oracle — мультимодальная диалоговая модель-персонаж из экосистемы S0LF0RG3, созданная на основе unsloth/gemma-4-E2B-it. Модель дообучена в два этапа: продолженное предобучение на Библии короля Якова, «Поэтической Эдде» и «Книге Еноха», затем дообучение на диалоговых примерах в заданной персоне. Репозиторий содержит объединённые веса BF16 в формате safetensors; архитектура Gemma 4 E2B поддерживает текст и изображения. Карточка указывает контекст 8192 токена и лицензию Apache-2.0. Модель предназначена для диалогов от лица Eve, ответов на вопросы по религиозным и мифологическим текстам, а также анализа изображений в разговорном контексте. Для сохранения персоны каждый сеанс требует указанного в карточке системного промпта. Воспроизведение знаний из обучающих источников неравномерно: короткие известные отрывки запоминаются лучше, чем длинные или менее цитируемые фрагменты. Вход аудио ненадёжен, а встроенной долговременной памяти или системы поиска по источникам нет.

Модель sudo-s/exper_batch_16_e4 — дообученная sudo-s модель классификации изображений на архитектуре Vision Transformer (ViT). Она создана на базе google/vit-base-patch16-224-in21k и обучена на наборе данных sudo-s/herbier_mesuem1. В карточке указана точность 0,9059 и значение loss 0,3598 на оценочном наборе. Модель предназначена для отнесения изображений к классам, представленным в обучающих данных. Репозиторий содержит веса PyTorch; размер модели — 113,2 млн параметров. Лицензия — Apache-2.0. Состав классов и ограничения применения в карточке подробно не описаны.

lucataco/flux-dev-controlnet-qr-code — модель ControlNet, разработанная lucataco на базе генеративной модели black-forest-labs/FLUX.1-dev и предназначенная для использования с библиотекой Diffusers. Она добавляет к FLUX.1-dev новый тип управляющего conditioning, связанный с QR-кодами, поэтому предназначена для управляемой генерации изображений по текстовому описанию с сохранением или учётом структуры QR-кода. Модель относится к семейству text-to-image и использует диффузионную архитектуру FLUX.1-dev с дополнительными весами ControlNet. README не содержит сведений о размере модели, поддерживаемых языках, максимальном контексте, конкретных данных обучения, качестве распознавания QR-кодов или ограничениях и смещениях. Указано, что веса доступны для inference, однако готовый пример запуска отсутствует. Условия лицензирования определяются лицензией базовой модели FLUX.1-dev; в карточке указано, что необходимо соблюдать её положения.

plasmo/food-crit — модель генерации изображений для Stable Diffusion, созданная автором карточки с помощью DreamBooth на базе ноутбука TheLastBen. Она обучена на 95 изображениях в течение 5000 шагов и предназначена для создания причудливых существ из еды и похожих объектов. Чтобы вызвать изученный образ, запрос начинают с триггера «food_crit», за которым указывают продукт, например спагетти с фрикадельками, снежный конус или колу; сложная настройка промпта не требуется. В карточке приведены примеры генерации с настройками Euler a и CFG 6–10. Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Описание подтверждает обучение концепции DreamBooth, но не называет точный базовый чекпойнт Stable Diffusion. Качество генерации вне показанных примеров и поведение на иных темах не описаны.

Модель yuk/fuyuko-waifu-diffusion — дообученная с помощью DreamBooth версия WaifuDiffusion для Stable Diffusion, созданная для генерации иллюстраций黛冬優子 (Фуюко Маюдзуми), персонажа THE iDOLM@STER SHINY COLORS. Модель распространяется в форматах Diffusers и PyTorch и принимает текстовые описания для создания изображений. Она предназначена для создания изображений этого персонажа и иллюстраций в связанном с ним стиле. В README отмечено, что авторские права на изображения, похожие на Фуюко Маюдзуми, могут принадлежать Bandai Namco Entertainment Inc. Модель распространяется по лицензии bigscience-bloom-rail-1.0.

GEVO — мультимодальная модель, разработанная для анализа эволюции древнекитайских иероглифов; работа принята на основную конференцию ACL 2026. Это дообученная методом supervised fine-tuning модель Qwen3-VL-2B-Instruct с визуальной архитектурой Qwen3-VL и 2 млрд параметров в базовой модели. GEVO предназначена для вопросов и анализа изображений надписей на гадательных костях, бронзовых сосудах, в письме чжуань, канцелярском и стандартном письме. Модель обучалась на обведённых репродукциях древних знаков. Она может быть полезна для изучения и сопоставления форм иероглифов разных исторических письменностей, однако качество на сильно зашумлённых эстампажах может быть ниже. В карточке указана базовая модель Qwen3-VL-2B-Instruct-GGUF; файлы этой модели представлены в формате safetensors. Лицензия в предоставленных данных не указана.

GHisBERT — модель на архитектуре BERT, разработанная для работы с историческими текстами на немецком языке. Она обучена с нуля на корпусе, охватывающем засвидетельствованные этапы немецкого языка от древневерхненемецкого и средневерхненемецкого до ранненововерхненемецкого и нововерхненемецкого; данные в обучении датируются периодом начиная с 750 года. Модель предназначена для предсказания замаскированных токенов в исторических немецких текстах. Модель содержит 137,8 млн параметров, принимает текст с контекстом до 512 токенов и доступна в формате PyTorch. Лицензия — MIT. Карточка не приводит ссылку на опубликованную статью и не описывает результаты оценки; качество на отдельных периодах, жанрах и вариантах орфографии может различаться.

Это дообученная модель GPT-2 малого размера для генерации арабской поэзии. Её разработал автор репозитория akhooli на основе gpt2-small-arabic. Модель обучена на примерно 40 тысячах стихотворений из арабской поэтической традиции девяти эпох. Она принимает текст и продолжает его, используя контекст до 1024 токенов; доступны веса в форматах PyTorch, Flax и Safetensors. Модель подходит для экспериментов с генерацией арабских стихов и демонстрационных проектов. Карточка предупреждает об ограниченном охвате данных и качестве обучения, поэтому не рекомендует использовать её в производственных системах. Лицензия в предоставленных данных не указана.

Haru v1.0 — компактная языковая модель для продолжения корейских историй, разработанная на архитектуре CFRD. Она генерирует продолжение по заданному текстовому фрагменту и не предназначена для выполнения инструкций или работы в качестве диалогового помощника. Модель содержит 6 793 363 параметра, использует причинную плотную архитектуру и контекст длиной 512 токенов. При инференсе доступны рекуррентные глубины 2, 4 и 6; качество на приведённой в карточке оценке улучшается с увеличением глубины. Для модели опубликованы более новые версии Haru v1.1 и Haru v2.0; эта версия сохранена для воспроизводимости и пользователей v1.0. Модель рассчитана на генерацию корейского художественного текста. Длинные продолжения могут повторяться или терять согласованность персонажей и событий; Haru не подходит для фактических ответов и критически важных сценариев. Лицензия модели — MIT. Данные Tiny-Ko-Stories, использованные при обучении, распространяются отдельно по CC BY 4.0.

Hedgies — компактная модель на основе LightWeight GAN для безусловной генерации изображений, созданная Алексеем Коршуком. Она предназначена для создания изображений в стиле коллекции Hedgies на основе обучающего набора huggingnft/hedgies; при генерации не требуется текстовый запрос. Модель распространяется в формате PyTorch по лицензии MIT. Карточка не приводит размер модели, разрешение изображений или подробные сведения об архитектуре и сценариях применения. Ограничения и сведения о смещениях автор отсылает смотреть в репозитории проекта.

Aratako/Japanese-Novel-Reward-310m-v2 — японская модель оценки качества художественной прозы, созданная дообучением sbintuitions/modernbert-ja-310m. Она предсказывает оценку пользователя для входного текста и предназначена прежде всего для использования в качестве reward-модели при обучении моделей генерации романов с подкреплением. Модель основана на ModernBERT с плотной архитектурой и содержит около 314,6 млн параметров; поддерживает контекст до 8192 токенов и принимает текст, выдавая числовые оценки. В версии v2 увеличен объём обучающих данных, учтена надёжность оценок пользователей и добавлены взвешивание для дисбаланса классов и ordinal regression. Итоговый балл формируется ансамблем регрессионной и ordinal-моделей. На тестовой выборке MAE составила 0,4401, корреляция Пирсона — 0,6738, а доля верно упорядоченных пар с разницей истинных оценок не менее 1,0 — 0,8927. Модель ориентирована на японские романы. Предсказания могут зависеть от жанра, стиля и других факторов помимо качества текста, поэтому оценку следует интерпретировать с учётом возможных смещений. Распространяется по лицензии MIT.

SultrySilicon-7B-V2 — экспериментальная языковая модель для генерации текста и ролевых диалогов, созданная KatyTheCutie. Это слияние нескольких моделей на базе Mistral-7B-v0.1 методом task arithmetic; в состав также вошли модели, настроенные для ролевого общения. Размер модели — 7,1 млрд параметров, архитектура — плотная MistralForCausalLM, контекст — до 32 768 токенов. Карточка указывает английский язык и описывает модель как ориентированную на ролевое общение; версия V2 сделана более чувственной и откровенной. Модель подходит для генерации ответов персонажа и продолжения ролевых сцен. Автор обозначает её как экспериментальную и просит обратную связь, поэтому качество ответов может быть непостоянным. Репозиторий опубликован по лицензии Apache-2.0.

Kuwutu-7B — англоязычная диалоговая модель Mawdistical, дообученная на базе Aurore-Reveil/Koto-Small-7B-IT. Это плотная причинная языковая модель семейства Qwen2 с 7 млрд параметров, рассчитанная на контекст до 32 768 токенов и распространяемая в формате safetensors для Transformers. Модель предназначена прежде всего для ролевых диалогов и генерации творческих сцен с антропоморфными и инопланетными персонажами, в том числе в современных городских и антиутопических сеттингах. Карточка описывает направленность на мужские персонажи, тёмные темы, насилие и откровенный контент; диалоги могут затрагивать неоднозначное согласие и чрезмерную собственническую манеру персонажей. Модель обучена на собственном наборе примерно из 5400 сценариев, отобранных из пула около 40 тысяч; указанный объём обучающих выходов — 21,3 млн токенов. Лицензия — CC BY-NC 4.0, с отдельным разрешением CC BY-ND 4.0 для названных в карточке сервисов Arli AI, PygmalionAI и Featherless AI. Указанные сценарии и стиль специализации ограничивают пригодность модели для нейтральных универсальных диалогов; явный и жестокий контент требует учёта предпочтений аудитории.

L3 SnowStorm 4x8B — экспериментальная MoE языковая модель для ролевых диалогов, созданная автором репозитория на основе четырёх моделей семейства Llama 3: Poppy Porpoise, Llama-3-Lumimaid, Llama-3-Soliloquy и L3-8B-Stheno. В конфигурации указаны четыре эксперта, маршрутизация двух экспертов на токен и случайный режим шлюза. Модель предназначена для RP-диалогов, в том числе сценариев с эротическим содержанием. Модель принимает текст и генерирует текст; заявленная архитектура — MixtralForCausalLM с MoE. Метаданные указывают 7,5 млрд параметров и контекст 8192 токена, а язык карточки — английский. Автор называет проект экспериментальным и ориентирует его на RP/ERP; лицензия в метаданных — llama3. В README также упоминается vision-компонент llama3_mmproj, но его наличие и возможности не подтверждены метаданными.

L3-Umbral-Mind-RP-v2.0-8B — объединённая модель Casual-Autopsy на архитектуре Llama 3 с 7,5 млрд параметров. Её создали для ролевых диалогов, в том числе сюжетов с тяжёлыми темами: психическими расстройствами, самоповреждением, травмой и суицидом. Модель рассчитана на англоязычный текст и контекст до 8192 токенов. Модель предназначена для ролевой игры в формате со звёздочками и репликами в кавычках; автор предупреждает, что другие форматы могут вызывать проблемы. В README приведены результаты IFEval и других оценок, но они не гарантируют качество в конкретном сценарии. Модель объединяет несколько чекпойнтов Llama 3 через mergekit. Лицензия — llama3.

L3-Umbral-Mind-RP-v3.0-8B — диалоговая языковая модель Casual-Autopsy, собранная с помощью mergekit из нескольких моделей семейства Llama 3. Она предназначена для ролевых диалогов на тяжёлые темы, включая психические расстройства, самоповреждение, травму и суицид, а также сценарии спасения и обратного спасения персонажа. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста. Длина контекста — 8192 токена. Для ролевого отыгрыша автор рекомендует формат со звёздочками для действий и кавычками для реплик; другие форматы могут вызывать проблемы. В README также упомянуты варианты GGUF, подготовленные сторонним автором. Модель рассчитана на художественные ролевые сценарии с тяжёлыми эмоциональными темами и может не поддерживать ожидаемый тон в форматах, отличных от рекомендованного. Лицензия в предоставленных данных не указана.

Undi95 разработал LewdPlay Llama3 — дообученную разговорную модель семейства Llama 3 с плотной архитектурой и примерно 7,5 млрд параметров. Модель основана на meta-llama/Meta-Llama-3-8B-Instruct и обучена на наборах данных для ролевого общения, включая материалы с откровенным содержанием. Она принимает текстовые запросы и генерирует текст; заявленная длина контекста — 8192 токена. Модель предназначена для ролевых диалогов с персонажами; автор отмечает, что результат лучше с подробно составленной карточкой персонажа, примерами реплик и памятью. Доступны веса fp16 в формате PyTorch. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

MCGPT-1 — компактная языковая модель TopAI-IL для генерации текста, специализирующаяся на Minecraft, разговорах в стиле Reddit и ответах о собственной идентичности. Она построена на архитектуре Mixture of Experts с четырьмя экспертами, четырьмя слоями, восемью головами внимания и скрытым размером 256; общее число параметров — 12,2 млн. Модель рассчитана на контекст до 512 токенов и обучалась на данных на английском и иврите, включая технические материалы по Minecraft, веб-тексты, Reddit и синтетические инструкции. Модель подходит для генерации советов и пояснений по Minecraft, коротких разговорных ответов и выполнения простых текстовых инструкций. Карточка сообщает о переключении между экспертами по тематике запроса и распознавании собственного названия модели. Для запуска требуется поддержка пользовательской архитектуры MCGPT; в примере загрузки используется trust_remote_code=True. Модель распространяется под лицензией Apache-2.0.

Карточка модели Wesley1234/minimax_h3_ref2va_patchin_hf102 на Hugging Face совпадает с карточкой t8star/minimax_h3_ref2va_patchin_hf102, поэтому описание составлено по ней. MiniMax H3 Ref2VA Patch-In HF 1.02 — экспериментальный однофайловый diffusion-чекпойнт для ComfyUI, созданный автором репозитория на основе MiniMaxAI/MiniMax-H3 Ref2VA и INT8 ConvRot-перепаковки Comfy-Org/MiniMax-H3. Модель предназначена для генерации видео с синхронным звуком по текстовому запросу и референсным материалам; основной сценарий применения — контролируемое сравнение с исходным чекпойнтом в workflow Ref2VA/R2V. Веса сохранены в формате safetensors с INT8 ConvRot-представлением. Автор изменил только проекцию входа видеопатчей: три пространственные высокочастотные компоненты усилены на 2%, а общая DC-компонента сохранена. Это эвристическая модификация, а не обученная донастройка или доказанное улучшение качества. Проверка охватывает лишь два seed и один короткий диагностический пример; возможны изменения идентичности, кадрирования, движения и звука. Для работы нужны дополнительные компоненты MiniMax H3, ComfyUI с поддержкой INT8 ConvRot и соответствующий workflow. Модель не является официальным релизом MiniMax; применяются условия лицензии MiniMax H3 Community License Agreement, включая ограничения на распространение и территориальное использование.

facebook/mms-tts-iri — модель синтеза речи на языке ригве (Rigwe, iri) из проекта Massively Multilingual Speech компании Meta. Это отдельный чекпойнт для одного языка с архитектурой VITS: модель принимает текст и генерирует речевую аудиоволну. Вариативный предиктор длительности позволяет получать разные ритмические варианты произношения; для повторяемого результата требуется фиксировать seed. Модель содержит около 3,5 млн параметров и доступна в форматах PyTorch и Safetensors для использования через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Koichi Yasuoka разработал эту модель ModernBERT и предварительно обучил её на текстах Kanripo на классическом китайском языке. Она предназначена для предсказания замаскированных токенов и дообучения для задач анализа классических китайских текстов, включая сегментацию предложений, разметку частей речи и синтаксический разбор зависимостей. Модель использует плотную архитектуру ModernBERT, содержит 129,6 млн параметров и поддерживает контекст до 8192 токенов. Обучение учитывает соответствия между традиционными и упрощёнными китайскими иероглифами. Модель принимает текст и предсказывает пропущенные токены. Лицензия — Apache-2.0. Оценки качества для перечисленных задач и конкретные ограничения в карточке не приведены.

MoE Girl 800mA 3bT — языковая модель для генерации текста и ролевых диалогов, созданная автором из Allura на основе IBM Granite 3.0 3B-A800M. Это дообучение с LoRA, выполненное локально; в карточке указаны архитектура MoE и 352,3 млн параметров. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и рассчитана прежде всего на ролевое общение. Для подсказок рекомендуется формат ChatML. Автор позиционирует модель как ролевую, но отмечает, что она может сохранять часть общих возможностей Granite. Качество не гарантируется: это ранняя работа менее опытного автора, и ответы могут быть заметно слабее современных крупных моделей. В README также упоминаются сообщения о нестабильности квантованных версий Granite и совет попробовать FP16 при бессвязных ответах. Лицензия — Apache-2.0.

MusicBERT large от manoskary — 24-слойная модель архитектуры BERT для работы с символьными музыкальными последовательностями в формате REMI+BPE. Она обучена на корпусе GigaMIDI; в метаданных указано 443,6 млн параметров, а README приводит оценку около 330 млн. Контекст модели — до 2048 токенов. Модель предназначена для восстановления замаскированных фрагментов музыкальной последовательности и может служить основой для последующих генеративных задач. Она принимает символьное представление музыки, например события MIDI, и не создаёт аудио напрямую. Веса опубликованы в формате safetensors по лицензии MIT. Обучение только на символьных данных и смещение корпуса в сторону западной тональной музыки ограничивают разнообразие музыкального материала. Для длинных последовательностей README рекомендует обработку частями или итеративное декодирование; генерации может потребоваться постобработка для связности.

MyanmarGPT-Chat — диалоговая языковая модель на архитектуре GPT-2, разработанная Min Si Thu. Она дообучена на базовой модели MyanmarGPT и предназначена для ответов на вопросы и генерации текста на бирманском языке, в первую очередь о мировой истории. Датасет «A Brief History of the World» составлен автором по кратким пересказам страниц Википедии; модель также поддерживает английский язык. Модель доступна в формате Safetensors через Transformers и имеет контекст длиной 1024 токена. Её можно использовать для вопросов о мировой истории, а также дообучать на специализированных данных для других задач обработки языка. Лицензия — CreativeML OpenRAIL-M. Карточка предупреждает о возможных смещениях и ограниченной надёжности. Модель может хуже справляться с повседневной разговорной бирманской речью; для специализированных терминов и важных решений требуется дополнительное обучение и проверка.

google/ncsnpp-ffhq-1024 — модель генерации изображений без текстового условия, опубликованная Google и основанная на подходе score-based generative modeling через стохастические дифференциальные уравнения (SDE). В карточке описана архитектура NCSN++ и высокая точность генерации изображений FFHQ размером 1024 × 1024; модель восстанавливает изображения из шума с помощью обратного SDE и непрерывного планировщика шума в Diffusers. Модель предназначена для синтеза изображений лиц из набора FFHQ и экспериментов с генерацией высокого разрешения. В статье также рассматриваются общие методы score-based генерации, включая восстановление изображений, закрашивание областей и колоризацию, однако карточка не подтверждает поддержку этих сценариев именно данным чекпойнтом. Репозиторий использует PyTorch и Diffusers и распространяется по лицензии Apache-2.0.

Модель разработана автором репозитория yusasif и представляет собой дообученную с помощью LoRA зрительно-языковую модель Gemma 4 12B для распознавания нигерийской еды на изображениях. На вход она получает изображение блюда и может назвать видимые нигерийские блюда; обучение охватывало более 165 классов, включая супы, блюда из риса и фасоли, закуски, региональные блюда, фрукты и напитки. Архитектура — Gemma4UnifiedForConditionalGeneration; веса опубликованы в формате safetensors. В README упоминаются обучение с 4-битной загрузкой базовой модели и возможность 8-битного квантования для обслуживания, а карточка описывает вариант v2 на 12B параметров. Модель предназначена для классификации и описания нигерийских блюд по фотографиям, например для пищевых каталогов или приложений, помогающих определить блюдо. Карточка указывает английский язык; модель обладает визуальным и разговорным интерфейсом. Лицензия — Gemma. Набор обучения содержит около 600 пар изображение–текст и 165+ классов, поэтому охват ограничен нигерийской кухней, а редкие или визуально похожие блюда могут распознаваться ошибочно.

Это квантованная в формате GGUF F16 версия модели nvidia/Cosmos-Reason2-8B, опубликованная пользователем DevQuasar. Базовая модель разработана NVIDIA и предназначена для визуального рассуждения, анализа видео и планирования действий в робототехнике и физическом ИИ. Модель поддерживает диалоговый режим и работу с изображениями, принимая визуальные данные и текстовые запросы и формируя текстовые ответы. Репозиторий указывает задачу image-text-to-text и связь с базовой моделью как дообучение. Сведений о лицензии в доступных данных нет.

Qliphoth 24B v1.2 — это текстовая генеративная модель OccultAI, основанная на дообученной Naphula/Goetia-24B-v1.2. Модель построена на плотной архитектуре Mistral с 23,4 млрд параметров и контекстом до 131 072 токенов; для работы автор рекомендует шаблон чата Mistral Tekken. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и ролевых сценариев на темы оккультизма, включая мрачные и откровенные сюжеты. Автор описывает её как uncensored и abliterated, созданную методом Magnitude-Preserving Orthogonalized Ablation; заявлено отсутствие отказов в Compliance Leaderboard. README предупреждает, что ответы могут содержать графическое насилие и эротический контент. В метаданных указан английский язык; другие языки отдельно не подтверждены.