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

FLUX Uncensored LoRA — это адаптер LoRA для базовой модели black-forest-labs/FLUX.1-dev. Согласно карточке, он разработан командой EnhanceAI и предназначен для генерации изображений по текстовым описаниям с ослабленными ограничениями на содержание, включая материалы для взрослых и другой потенциально чувствительный контент. Адаптер подключается к pipeline FLUX.1-dev через библиотеку diffusers. Модель относится к классу text-to-image и использует архитектуру базовой модели FLUX.1-dev; собственный размер, поддерживаемые языки и максимальная длина контекста в карточке не указаны. Для работы рекомендуются CUDA-совместимая GPU и тип данных torch.bfloat16. К сильным сторонам относятся специализация на генерации откровенных изображений и совместимость с экосистемой diffusers; ограничения связаны с зависимостью от базовой модели и необходимостью соблюдать правовые, этические и платформенные требования. Указана лицензия FLUX-1-dev Non-Commercial License, поэтому коммерческое использование не разрешено условиями этой лицензии.

gemma2-mitra-base — базовая языковая модель buddhist-nlp, созданная на основе Gemma 2 9B. Модель непрерывно предобучали в течение двух эпох на 7 млрд токенов из буддийских коллекций текстов на санскрите, тибетском, английском и пали. Это плотная трансформерная модель для генерации текста с 9 млрд параметров и контекстом до 8192 токенов; веса опубликованы в формате safetensors, для работы используется Transformers. Модель предназначена для продолжения и анализа буддийских текстов, а также генерации текста в соответствующем тематическом и языковом контексте. Это базовая модель без инструкционного дообучения: для решения задач в формате запросов ей могут потребоваться примеры в контексте, а на общих задачах разработчики предупреждают о слабых результатах. В README не указана лицензия.

rizvandwiki/gender-classification — классификатор изображений на базе Vision Transformer (ViT), опубликованный как автоматически созданная модель HuggingPics. Репозиторий содержит веса PyTorch в формате Safetensors; размер модели — 113,2 млн параметров. Модель предназначена для классификации изображений по категориям пола. Её можно применять в сценариях, где нужно автоматически присвоить изображению соответствующую метку. README не описывает набор классов, данные обучения и показатели качества, поэтому точность и границы применимости классификатора оценить по карточке нельзя. Лицензия в предоставленных сведениях не указана.

huggingtweets/gladosystem — текстовая генеративная модель, созданная Борисом Даймой в рамках проекта huggingtweets. Она основана на GPT-2 и дообучена на 3250 твитах GLaDOS; карточка указывает, что ретвиты исключены. Модель предназначена для продолжения текста и генерации коротких сообщений в стиле исходных публикаций GLaDOS. Модель принимает текст и выдаёт текст, использует архитектуру GPT-2 и формат PyTorch. Её контекстное окно составляет 1024 токена, а в метаданных указан английский язык. Использовать её можно для экспериментов с генерацией сообщений и имитацией стилистики твитов. Лицензия в предоставленных данных не указана.

Haru v1.0 — компактная модель продолжения корейских историй от разработчиков проекта Haru, построенная на причинной архитектуре CFRD с плотными слоями и 6 793 363 параметрами. Она генерирует продолжение по текстовому контексту и не предназначена для диалога с инструкциями. Модель поддерживает рекуррентную глубину вывода 2, 4 или 6 и контекст длиной 512 токенов; опубликованный чекпойнт соответствует шагу обучения 6104. Модель подходит для продолжения коротких корейских рассказов и экспериментов с рекуррентным выводом. По данным README, обучение использовало набор Tiny-Ko-Stories, опубликованный под лицензией CC BY 4.0; веса модели распространяются по лицензии MIT. Более длинные генерации могут повторяться или терять согласованность персонажей. Модель не подходит для фактических ответов и задач, критичных к безопасности; кэширования вывода нет, поэтому активный контекст пересчитывается при генерации. В README указано, что доступны более новые версии Haru.

Модель carlosabadia/hasbulla разработана Carlos Abadia в рамках DreamBooth Hackathon. Это Stable Diffusion, дообученная методом DreamBooth на изображениях Хасбуллы для генерации изображений по текстовому описанию. Для вызова изученного образа в запросе рекомендуется использовать фразу «hasbulla person». Модель предназначена для создания изображений с этим персонажем, в том числе в разных стилях и сценах. Файлы представлены в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M.

Модель ruben09/image_classification — дообученная для классификации изображений версия Vision Transformer google/vit-base-patch16-224-in21k. Она принимает изображение и предсказывает его класс. Модель построена на Transformers, веса доступны в формате Safetensors; размер составляет около 113,2 млн параметров. В README указаны результаты на наборе оценки: loss 2,0337 и accuracy 0,275. Назначение конкретных классов и набор данных описаны только как imagefolder, поэтому применимость модели к определённым категориям изображений не установлена. Лицензия — Apache-2.0.

Kandinsky WM 1.0 I2V 5s PH — модель генерации видео из изображения для сценариев Physical AI в области общей физики. Её разработчики адаптировали Kandinsky 5.0 Video Lite и выполнили постобучение с подкреплением по оценке физической правдоподобности. В карточке описана архитектура DiT на базе Kandinsky5Transformer3DModel, HunyuanVideo VAE и текстовых энкодеров Qwen2.5-VL и CLIP; базовая модель содержит 2 млрд параметров. Репозиторий предоставляет веса в формате Diffusers и safetensors. Модель продолжает заданный первый кадр в пятисекундный ролик из 121 кадра с разрешением 768×512. Вариант PH предназначен для сцен общей физики, включая промышленные процессы, физические явления и взаимодействия людей с объектами или друг с другом. Лицензия — MIT. Карточка не приводит данные о поддерживаемых языках запросов.

Kitsune-Tales-E4B-EN — языковая модель для генерации оригинальной англоязычной фэнтези-прозы в духе японских аниме и ранобэ. Её создал автор whoashish115 на основе Google Gemma 4 E4B Instruct: модель прошла LoRA SFT и DPO-дообучение, после чего веса были объединены в формат bf16. В метаданных указан размер базовой модели: 7,52 млрд хранимых и 4,62 млрд эффективных параметров. Модель создаёт синопсисы, короткие рассказы и продолжения по жанровым тегам и заголовку; для продолжения к запросу добавляют фрагмент текста. Она предназначена для хобби-писательства и поиска творческих идей, а также может использоваться в исследованиях дообучения компактных моделей для художественного письма. Обучение проводилось на синтетических англоязычных историях; модель лучше придерживается заданного формата и длины, чем базовая модель, согласно приведённым в карточке автоматическим метрикам. Модель не предназначена для фактических, медицинских, юридических или финансовых ответов, а также для текстов вне фэнтези. Возможны повторы, отклонения от заданной длины и ошибки согласованности в длинных историях; стиль и клише унаследованы от моделей, создававших обучающие данные. Карточка указывает Apache-2.0; для работы рекомендуется отключить режим рассуждений через enable_thinking=False.

KatyTheCutie/L3-BubbleTea8B-RP-V1 — слитая с помощью mergekit языковая модель на архитектуре Llama с 7,5 млрд параметров. В README модель описана как необычная, смешная и склонная к намеренно странным или неуклюжим ответам; она лучше подходит для чата и ролевых диалогов, чем для выполнения инструкций. Модель предназначена для свободного общения, ролевых сцен и творческого письма. Она создана методом DARE-линейного слияния четырёх моделей Llama 3 8B: cgato/L3-TheSpice-8b-v0.8.3, Fizzarolli/L3-8b-Rosier-v1, Sao10K/L3-8B-Lunaris-v1 и Sao10K/L3-8B-Stheno-v3.2. Контекст составляет 8192 токена; веса опубликованы в формате Safetensors. Модель ориентирована на англоязычные ролевые диалоги и генерацию текста. Она может выдавать нестандартные, неуклюжие или юмористические ответы и хуже справляется с точным следованием инструкциям. Лицензия в предоставленных данных не указана.

Lilith-31B-v1.0-GGUF — квантизированная версия модели Lilith-31B-v1.0, разработанная darthcrawl на базе Gemma-4-31B. Модель предназначена для ролевого общения и творческого письма, включая работу с character cards в SillyTavern и pluma. Она ориентирована на живую, разнообразную и менее повторяющуюся генерацию текста, поддерживает сценарии с контентом для взрослых и не позиционируется как модель для всех аудиторий. В основе лежит Gemma-4-31B-it, адаптированная методом QLoRA с настройкой всех линейных слоёв. Обучение проводилось на корпусе объёмом около 30 млн токенов из восьми отобранных источников, примерно в соотношении 40% NSFW и 60% SFW. Модель использует шаблон чата Gemma-4 и рассчитана прежде всего на английский язык. Доступны варианты GGUF с разной степенью квантизации: от IQ3_M и Q3_K_M для ограниченной видеопамяти до Q8_0 с почти исходным качеством; размер файлов составляет примерно от 14,4 до 32,6 ГБ. Сильной стороной модели является выразительная и вариативная генерация в ролевых и художественных сценариях. Для запуска рекомендуется llama.cpp; IQ-квантизации используют imatrix, а для обслуживания требуется параметр --jinja. Ограничения связаны с узкой специализацией на roleplay и creative writing, наличием NSFW-контента и возможными потерями качества в более агрессивных вариантах квантизации. Модель распространяется по лицензии Gemma.

Lotus-1 GGUF — набор GGUF-квантизаций модели Lotus-1, разработанной yashsutorichat для ролевого общения и чат-сценариев. Модель предназначена прежде всего для roleplay, ведения диалогов от лица персонажей и использования в Sutorichat, SillyTavern, KoboldCpp, llama.cpp, LM Studio и text-generation-webui. Это текстовая генеративная модель с архитектурой Mixture-of-Experts: всего около 35 млрд параметров, из которых примерно 3 млрд активны для каждого токена. Доступны варианты с квантованием от 3 до 8 бит, а также BF16; объём файлов составляет примерно от 16 до 70 ГБ. Рекомендуемый вариант — Lotus-1-Q4_K_M.gguf. Модель поддерживает контекст до 32 768 токенов, использует формат ChatML и по умолчанию работает без режима рассуждений. В карточке указана поддержка английского языка. К сильным сторонам относятся высокая скорость декодирования, сопоставимая с моделями меньшего размера, возможность частичной выгрузки на GPU и широкий выбор вариантов по требованиям к памяти. Модель специализирована на ролевых диалогах, поэтому её универсальные возможности и характеристики обучения за пределами этого сценария в представленном README не описаны. При низкой температуре возможны повторения; для работы рекомендуется температура не ниже 0,8. Распространение указано под лицензией MIT. Конкретные сведения о датасетах, полном наборе поддерживаемых языков, исходной архитектуре Lotus-1 и дополнительных ограничениях приведены в карточке базовой модели, но в предоставленном README не раскрыты.

LTX2.3_NSFW_motion — LoRA-адаптер для модели lynaNSFW/LTX2BFN, разработанный автором lynaNSFW. Он предназначен для генерации изображений и, судя по описанию, может применяться к 2D-, 3D- и реалистичным сценам, а также к furry- и non-furry-контенту. Модель относится к экосистеме Diffusers и ориентирована на text-to-image-сценарии. Рекомендуемая сила LoRA составляет около 0,7, однако её следует подбирать в зависимости от рабочего процесса и используемого стека LoRA. Автор указывает совместимость с distilled model и рекомендует использовать wan2gp вместо ComfyUI, поскольку в его опыте это обеспечивает более качественные результаты и упрощает настройку. Сведения о размере, архитектуре, поддерживаемых языках, максимальном контексте и лицензии в README не указаны.

lustifySDXLNSFW_v20-inpainting — модель генерации и редактирования изображений, опубликованная пользователем TheImposterImposters на Hugging Face. Репозиторий содержит конвейер StableDiffusionXLInpaintPipeline для Diffusers, включая текстовый энкодер CLIP, UNet, VAE и планировщик DEIS. Модель предназначена для изменения областей изображения по текстовому запросу и маске, в том числе для создания контента для взрослых. Карточка репозитория автоматически сгенерирована и не сообщает подробностей о разработчике, обучении, размере контекста или лицензии. Файлы указывают на архитектуру семейства Stable Diffusion XL; отдельных сведений о языках и оценке качества в карточке нет. Модель помечена как содержащая чувствительный контент; применима через библиотеку Diffusers в форматах safetensors и Diffusers.

Lyra 2.0 — разработанная NVIDIA система для генерации исследуемых 3D-миров по одному изображению. Она состоит из двух этапов: сначала создаёт длинную видеопоследовательность с геометрически согласованными ракурсами, затем восстанавливает из неё явное 3D-представление сцены. Для сохранения пространственной согласованности система использует геометрию кадров для поиска релевантных прошлых ракурсов и соответствий, а генеративную модель — для синтеза внешнего вида. Обучение на собственных ухудшенных результатах помогает снижать временной дрейф. Модель основана на WAN-14B и использует архитектуру Transformer; заявленный размер — 14 млрд параметров. На вход подаются изображение и параметры камеры; в карточке рекомендуется изображение 480×832 и 81 кадр параметров камеры. Результат — набор 3D Gaussian-примитивов, который можно сохранять, например, в формате PLY и использовать для рендеринга сцены. Система предназначена для исследовательской разработки методов 3D-моделирования миров и поддерживает интерактивное исследование и рендеринг сцен. В README указана готовность для внутреннего научного исследования и разработки. Для запуска описана интеграция с WAN-2.1 и аппаратная поддержка NVIDIA Ampere, Hopper и Blackwell под Linux; на практике требуется подходящая GPU-инфраструктура. Использование ограничено внутренней научно-исследовательской лицензией NVIDIA; перед внедрением авторы рекомендуют проверку на данных конкретного сценария.

MarcusLoren разработал и обучил MeshGPT-preview — экспериментальную модель для генерации 3D-сеток по текстовому описанию. Она объединяет автоэнкодер-токенизатор, преобразующий 3D-модели в токены и обратно, и авторегрессионный трансформер на основе GPT-2 Small, который генерирует токены с учётом текстового эмбеддинга. В карточке указаны размеры компонентов: около 50 млн параметров у автоэнкодера и 184 млн у трансформера; размер кодовой книги — 2048. Модель обучена на 4 тысячах 3D-моделей с ограничением до 250 треугольников и примерно 800 текстовых метках. Она предназначена для создания отдельных простых объектов, например стула или стола; сложные объекты модель генерирует ограниченно. README также отмечает проблему с ориентацией граней и приводит скорость генерации от 10 треугольников в секунду на CPU до 110 на RTX 4090. Репозиторий распространяется по лицензии Apache-2.0. Модель создана на основе кода MeshGPT Фила Вана; конкретная исходная модель в метаданных не указана.

Moistral-11B-v2 — дообученная BeaverLegacy модель для генерации художественных историй в стиле эротической ролевой прозы. Она основана на Fimbulvert v2; автор описывает её как модель с более выразительной лексикой, улучшенной генерацией длинных ответов и режимами чата и инструкций, оформленными в стиле Alpaca. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 10,6 млрд параметров и поддерживает контекст до 8192 токенов. В README указаны жанры романтики, фэнтези и научной фантастики, а также примеры повествовательной прозы. Модель рассчитана на генерацию текста и сценарии ролевого письма; основной язык в приведённых примерах — английский. Автор предупреждает о необычно высокой perplexity и возможных проблемах с логикой и связностью. Репозиторий содержит веса PyTorch, лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

MsBERT (Manuscript BERT) — специализированная предварительно обученная модель BERT, разработанная для работы с текстами еврейских рукописей. Она предназначена прежде всего для предсказания пропущенных слов в фрагментарных транскрипциях рукописей разных жанров; также авторы сообщают о её применении для различения цитируемых фрагментов и экзегетических пояснений. Модель решает задачу заполнения пропусков в тексте (fill-mask), имеет около 211,6 млн параметров и контекстное окно до 512 токенов. Она ориентирована на иврит и рукописные тексты; формат весов в репозитории — safetensors. Авторы сообщают о более высоких результатах предсказания пропусков по сравнению с другими моделями BERT для иврита. Модель доступна для бесплатного скачивания и использования без ограничений; в метаданных указана лицензия CC BY 4.0. Она предназначена для поддержки исследований рукописей, а предсказания пропущенных слов следует сверять с источниками и экспертной оценкой.

MuseCan — модель генерации текста на базе GPT-2, представленная под именем BreadAi. В README она описана как система для создания музыки по текстовым запросам: заявлены генерация композиций в разных стилях и настройка по жанру или настроению. Карточка связывает модель с набором данных musenet-encoders-12k; метаданные указывают формат PyTorch и контекст до 4096 токенов. README заявляет применение для фоновой музыки к играм и фильмам, а также для личного творчества. Однако описание не объясняет, в каком формате модель кодирует или выдаёт музыку, и не приводит результатов оценки качества; метаданные классифицируют её как text-generation, поэтому способность выдавать непосредственно аудио или ноты независимо не подтверждена. Лицензия в предоставленных данных не указана.

MusicLang Chord Predictor — генеративная модель от MusicLang для создания и продолжения последовательностей аккордов в формате MusicLang. Она позволяет сгенерировать прогрессию заданной длины с нуля или продолжить её по промпту. Модель основана на GPT-2 и предназначена для работы через пакет musiclang-predict; в репозитории хранятся веса safetensors. Модель подходит для музыкальных экспериментов, набросков гармонии и генерации аккордовых прогрессий для дальнейшей работы в MusicLang. Указанное в метаданных контекстное окно — 512 токенов. Лицензия разрешает бесплатное использование в исследовательских и open-source целях с указанием авторства Флориана Гардина и MusicLang; для коммерческого применения нужно согласовать условия с разработчиками.

myawesomeemotionsmodel — модель классификации аудио, созданная дообучением facebook/wav2vec2-base на наборе данных audiofolder. Архитектура основана на Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Модель предназначена для классификации аудиозаписей. Название предполагает распознавание эмоций по голосу, однако README не описывает классы и целевое применение, поэтому конкретные метки следует сверить с конфигурацией модели или данными обучения. На оценочном наборе указаны accuracy 0,6086 и loss 1,3229; эти результаты не описывают качество на других данных.

Карточка модели dcw11/NSFW-gen-v2 на Hugging Face совпадает с карточкой UnfilteredAI/NSFW-gen-v2, поэтому описание составлено по ней. NSFW-gen-v2 — модель генерации изображений по текстовому описанию, разработанная UnfilteredAI и основанная на дообучении PixelGen с использованием StableDiffusionXLPipeline. Она создаёт изображения по текстовым запросам, включая откровенный контент, и поддерживает стилизацию под 3D. В README указано 3,47 млрд параметров и формат FP16; метаданные указывают библиотеку Diffusers и форматы Diffusers и safetensors. Модель предназначена для генерации разнообразных изображений по промптам, в том числе изображений для взрослых. Карточка предупреждает об ограничении использования совершеннолетними согласно законам их юрисдикции. Лицензия обозначена как other, поэтому конкретные условия использования по доступным данным установить нельзя.

OpenFACADES-InternVL3-2B — мультимодальная модель компьютерного зрения и языка, дообученная для анализа фасадов зданий и архитектурных элементов. Она принимает изображения фасадов и позволяет получать их текстовое описание и ответы о видимых архитектурных особенностях. Модель основана на архитектуре InternVL3-2B, а в метаданных базовой моделью указана OpenGVLab/InternVL2_5-2B. В карточке заявлена специализация на строительном анализе и архитектуре; размер указан в названии модели. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0.

FreeFlow-L · TaTSKH-HQ — модель оценки оптического потока из семейства FreeFlow, разработанная автором репозитория a-yakovenko. Она принимает пару RGB-изображений одинакового размера и оценивает плотное перемещение пикселей между ними; входной тензор имеет форму [B,2,3,H,W], значения пикселей задаются в диапазоне [0,255]. Модель содержит около 230,7 млн параметров и распространяется в формате safetensors для PyTorch. Модель предназначена для задач компьютерного зрения, где требуется оценить движение между кадрами, например для анализа видео или последующей обработки движения. Это дообученная версия a-yakovenko/optical-flow-FreeFlow-L. Для работы README указывает Python 3.10 или новее, PyTorch 2.5 или новее и примеры с CUDA-сборкой PyTorch. Лицензия — CC BY-NC-SA 4.0, предусматривающая указание авторства, распространение производных работ на тех же условиях и ограничения на коммерческое использование.

Peacebell — компактная GPT-подобная авторегрессионная модель на 148 млн параметров, разработанная Wayne Workman и обученная с нуля для ответов о Второй мировой войне. Она использует архитектуру decoder-only, словарь SentencePiece на 28 000 токенов и контекст длиной до 16 384 токенов; модель работает через Transformers и поддерживает диалоговый режим. Модель предназначена для ответов на вопросы по истории Второй мировой войны, многошаговых диалогов, проверки утверждений и извлечения сведений из запроса. Она может обсуждать события, участников, даты и связи между ними, а также создавать ограниченные исторические тексты от некоторых лиц. Это закрытая языковая модель без поиска по источникам: она не использует предоставленные документы и не гарантирует точность исторических фактов. Лучше задавать узкие вопросы и использовать жадную генерацию; модель слабо справляется с арифметикой, длинными рассуждениями и сменой темы, а ответы на других языках просит задавать по-английски. Лицензия — Apache-2.0.

Perceiver AR symbolic audio model — модель на 134 млн параметров, разработанная как пример обучения моделей Perceiver AR с библиотекой perceiver-io. Она обучена на датасете GiantMIDI-Piano из MIDI-файлов в течение 27 эпох, всего на 157 млн токенов. Архитектура расширяет декодерный трансформер механизмом перекрёстного внимания к длинному префиксу; применяются rotary embeddings. Контекст составляет 6144 токена, из них до 4096 токенов префикса и 2048 латентных позиций. Модель предназначена для генерации MIDI-подобной символической музыки по заданному начальному фрагменту. Пользователь может задавать число начальных латентных токенов. Карточка описывает её прежде всего как демонстрационный пример, а не как высококачественный музыкальный генератор; автор отмечает, что для улучшения качества требуется обучать модель на существенно большем наборе данных. Лицензия — Apache-2.0.

Elfrino/PsyMedDestroyer — текстовая модель генерации на архитектуре Llama, созданная путём слияния предварительно обученных языковых моделей seb-c/Psydestroyer-20B и Undi95/PsyMedRP-v1-20B. Слияние выполнено методом SLERP с помощью mergekit. Модель содержит 19,8 млрд параметров и имеет контекстное окно 4096 токенов. Модель предназначена для генерации текста и, судя по названиям исходных моделей, может применяться в психологических и медицинских ролевых сценариях. Это ориентир по тематике, а не подтверждение пригодности для профессиональной медицинской или психологической помощи. Данных о лицензии и поддерживаемых языках в предоставленной карточке нет.

Pygmalion 7B — диалоговая языковая модель, разработанная PygmalionAI как дообучение Meta LLaMA-7B. Версия 1 создана на подмножестве данных Pygmalion-6B-v8-pt4; веса преобразованы из релиза PygmalionAI. Модель содержит 6,6 млрд параметров, использует архитектуру LLaMA и принимает текстовый ввод с контекстом до 2048 токенов. Модель предназначена прежде всего для вымышленных диалогов и развлекательного общения. Она обучена формату persona и чата Pygmalion и выдаёт текстовые ответы на английском языке. Разработчики предупреждают, что модель не настраивали на безопасное и безвредное поведение: она может генерировать грубый, непристойный или оскорбительный текст, а также фактически неверные или вводящие в заблуждение ответы. Лицензия в предоставленных данных не указана.

Модель young-kim123/qwen3-1.7b-mymodel — дообученная с помощью QLoRA и SFT версия Qwen3-1.7B. Её разработал автор репозитория на основе базовой модели Qwen/Qwen3-1.7B. Модель предназначена для ответов на вопросы на корейском языке в стилизованной речи исторической корейской драмы. Это плотная авторегрессионная языковая модель на 1,7 млрд параметров с контекстом до 40 960 токенов, работающая с текстом через Transformers и поддерживающая диалоговый сценарий. Карточка описывает учебный эксперимент по настройке стиля; количественные результаты оценки не приведены. Стиль и точность ответов не гарантированы для всех вопросов, поэтому перед применением следует проверить модель на целевых запросах и с нужным форматом входа. В метаданных указана лицензия? сведения о лицензии отсутствуют.

Llama-3-LewdRuoZhiBa-8B — дообученная safe049 модель на основе Undi95/Llama-3-LewdPlay-8B, созданная с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная языковая модель семейства Llama 3 с 7,5 млрд параметров и контекстом до 8192 токенов. Модель предназначена для текстового общения и генерации ответов в диалогах. В карточке заявлены короткие естественные ответы, хорошая логика и сильные возможности китайского языка; также модель ориентирована на ролевые сценарии, в том числе с откровенным содержанием. Лицензия — llama3.