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

Katarau-9B-ru-RP-nsfw — разговорная текстовая модель для ролевых диалогов на русском языке, созданная на основе Qwen3.5-9B. По карточке это дообученная uncensored-версия; метаданные указывают на объединение моделей Qwen3.5-9B и llmfan46/Qwen3.5-9B-ultra-uncensored-heretic-v2. Модель имеет плотную архитектуру Qwen3_5ForCausalLM, около 7,2 млрд параметров и контекст до 262 144 токенов. Модель предназначена для ролевых переписок и генерации реплик с описанием действий в звёздочках; автор рекомендует использовать её с пресетами ChatML в SillyTavern. README приводит рекомендуемые параметры семплирования, а также варианты промпта с прямыми ответами и режимом рассуждений. Метаданные и карточка указывают русский и английский языки, однако основной сценарий — ролевая игра на русском. Модель распространяется по лицензии Apache-2.0. Она ориентирована на uncensored- и NSFW-сценарии; качество в других задачах в источниках не описано.

LaCarnevali/laura-test — тестовая DreamBooth-модель для генерации изображений по текстовым запросам. Автор сообщает, что обучил её с помощью fast-DreamBooth notebook от TheLastBen; в README также предлагается проверять концепцию через A1111 Colab. Метаданные указывают на Stable Diffusion и формат Diffusers с весами PyTorch и Safetensors. Модель предназначена для генерации изображений по тексту, в частности для проверки обученной концепции. Она опубликована по лицензии CreativeML OpenRAIL-M. README не приводит примеров изображений, описания концепции или подробностей обучения, поэтому назначение и качество результата нельзя оценить точнее.

Orenguteng/Llama-3-8B-LexiFun-Uncensored-V1 — разговорная модель генерации текста на базе Llama 3 8B Instruct, дообученная для юмористических диалогов, сарказма, остроумных ответов и ролевого общения. В метаданных указаны архитектура LlamaForCausalLM, 7,5 млрд параметров, контекст до 8192 токенов и формат Safetensors; основным языком карточки указан английский. Модель предназначена для создания развлекательных ответов и свободного диалога. Автор описывает её как «uncensored» и предупреждает, что она может охотно выполнять запросы, в том числе неэтичные, поэтому при предоставлении доступа через сервис рекомендуется применять собственный слой контроля. Также автор отмечает, что модель обучалась до исправления некоторых ошибок Llama и шаблонов диалога, поэтому результаты могут быть непредсказуемыми. Лицензия — Meta Llama 3 Community License Agreement; коммерческое использование допускается в рамках её условий.

LOGION-50k_wordpiece — модель BERT для древнегреческого языка, созданная Чарли Коуэном-Брином, Крестоном Бруксом, Йоханнесом Хаубольдом и Барбарой Грациози для филологических исследований. Авторы обучили токенизатор WordPiece с размером словаря 50 000 и модель на корпусе более чем из 70 миллионов слов премодерного греческого текста. Модель предназначена для предсказания пропущенных токенов в тексте и может использоваться для языкового анализа древнегреческих текстов и вспомогательной проверки ошибок. Это плотная BERT-модель класса BertForMaskedLM с 151,6 млн параметров и контекстом до 512 токенов. В карточке указано использование библиотеки Transformers и формата PyTorch. Модель специализирована на древнегреческом и не описана как генеративный чат-бот. README не сообщает лицензию и подробные результаты оценки; для проверки качества и условий использования следует обратиться к карточке модели и материалам проекта на GitHub.

Nathan Fradet разработал эту авторегрессионную модель на базе GPT-2 для генерации символической музыки. Она продолжает музыкальный промпт и предназначена прежде всего для создания классических фортепианных произведений с помощью токенизатора TSD и словаря из 20 тысяч BPE-токенов MidiTok. Модель обучена на наборе MAESTRO, содержащем около 200 часов классической фортепианной музыки, и создана в рамках работы «Byte Pair Encoding for Symbolic Music» (EMNLP 2023). Размер контекста — 2048 токенов. Веса доступны в формате safetensors; для запуска в README указаны miditok, transformers и torch. Модель подходит для продолжения музыкальных последовательностей и экспериментов с генерацией символической фортепианной музыки. Она специализирована на классическом фортепиано, поэтому её не следует считать универсальной моделью для других инструментов, жанров или аудиогенерации. Лицензия — Apache 2.0.

Mahou-1.5-mistral-nemo-12B — диалоговая языковая модель от flammenai на архитектуре Mistral, дообученная методом ORPO на наборе MahouMix-v1 в течение трёх эпох. Модель содержит 12,1 млрд параметров и рассчитана на короткие сообщения в разговорном контексте, непринуждённое общение и ролевые сценарии. Модель принимает текст и выдаёт текст. Она обучена работать с форматом ChatML; для ролевых ответов README рекомендует оформлять речь без кавычек, а действия — между звёздочками. В метаданных указан контекст размером до 1 024 000 токенов. Модель доступна по лицензии Apache 2.0. Карточка приводит результаты оценок Open LLM Leaderboard, включая IFEval и BBH, но не описывает их методику подробно. Основное назначение — короткий диалог и ролевая игра; качество на других задачах этими сведениями не подтверждено.

MapAnything — трансформерная модель сквозного обучения от Facebook для восстановления метрической 3D-геометрии сцены. По одной или нескольким входным фотографиям она выполняет задачи реконструкции, включая многовидовую стереореконструкцию, оценку глубины с одной камеры, регистрацию изображений и дополнение карты глубины. Модель объединяет эти сценарии в одном прямом проходе; веса опубликованы в формате Safetensors под лицензией Apache 2.0. Модель предназначена для восстановления 3D-сцен по изображениям и связанных задач компьютерного зрения. Карточка сообщает о поддержке более 12 задач 3D-реконструкции, но не приводит размер модели, длину контекста или дополнительные сведения об архитектуре. README направляет за инструкциями по запуску в репозиторий проекта.

MERaLiON-GI-v1 — модель классификации речи, разработанная командой MERaLiON для распознавания гендерного класса говорящего. Она относит аудио к одному из двух классов: female или male; модель предназначена для английской и языков Юго-Восточной Азии речи. Модель использует 24-слойный Conformer-энкодер MERaLiON-SpeechEncoder-2, предварительно обученный с целью Best-RQ. Для адаптации применены LoRA-адаптеры в проекциях внимания ранга 16, а выходы слоёв объединяются обучаемым механизмом мягкого внимания. На вход подаётся речь с частотой дискретизации 16 кГц. В README приведены результаты тестирования на наборах для английского, китайского, синлиш, малайского и тамильского языков, а также сравнение с базовыми системами. Модель выдаёт бинарную метку, поэтому её нельзя использовать для определения небинарной гендерной идентичности или надёжного установления личности. Лицензия в метаданных обозначена как other; конкретные условия использования в предоставленных данных не раскрыты.

CraftJarvis/minecraft-openha-qwen2vl-7b-2509 — мультимодальная модель CraftJarvis на базе Qwen2-VL-7B-Instruct, дообученная для управления в Minecraft. Модель объединяет визуальное восприятие, рассуждение через абстрактные действия (Chain of Action, CoA) и выдачу текстовых действий в единой системе обучения для задач движения и привязки действий к сцене. Модель предназначена для управления персонажем в Minecraft по визуальному наблюдению и контексту диалога, включая генерацию текстовых действий и обобщение между задачами, обычно решаемыми специализированными агентами. Она использует архитектуру Qwen2-VL с 7,1 млрд параметров, поддерживает изображения и текст, а максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса Safetensors и рассчитан на Transformers; лицензия — MIT.

Mistral-7B-v0.3-sarcasm-scrolls-4k — языковая модель на базе Mistral-7B-v0.3, дообученная pszemraj с использованием набора BEE-spoke-data/sarcasm-scrolls. Модель предназначена для генерации текста, в частности текста с саркастической манерой. В карточке приведён результат оценки: loss 2,2825. Это плотная авторегрессионная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; файлы опубликованы в формате safetensors. Метаданные указывают английский язык. Модель распространяется по лицензии Apache-2.0. Карточка содержит мало сведений о сценариях применения и ограничениях, поэтому качество сарказма и пригодность для конкретных задач по представленным данным оценить нельзя.

modeversion1m7e4 — дообученная модель классификации изображений на архитектуре Vision Transformer (ViT). Она создана на основе google/vit-base-patch16-224-in21k и обучена на наборе данных sudo-s/herbier_mesuem7. Модель предназначена для отнесения изображений к классам; на оценочном наборе указаны loss 0,0902 и accuracy 0,9731. Модель содержит 113,2 млн параметров и опубликована в формате PyTorch. README не раскрывает назначение классов и сценарии применения набора данных, поэтому область изображений, для которой модель специализирована, определить нельзя. Лицензия — Apache-2.0.

Модель dima806/mushrooms_image_detection — дообученная версия Vision Transformer ViT-Base для классификации изображений грибов. Она принимает изображение и определяет тип гриба. Модель содержит 113,2 млн параметров и распространяется в форматах PyTorch и Safetensors. Модель разработана на основе google/vit-base-patch16-224-in21k и предназначена для распознавания грибов по фотографиям. Лицензия — Apache-2.0.

nanoKimi mini — компактная авторегрессионная модель генерации текста, опубликованная пользователем sohv. Модель обучена на корпусе произведений Шекспира; карточка указывает 12 слоёв, 12 голов внимания и размерность эмбеддингов 768, а также архитектурные особенности Mixture of Experts с 8 экспертами и Latent Attention. В метаданных семейство обозначено как Kimi-K2, библиотека — Transformers, формат весов — PyTorch. Модель предназначена для генерации текста в шекспировском стиле и экспериментов с компактными языковыми моделями. Она принимает текстовый контекст и выдаёт продолжение текста; карточка не указывает длину контекста. Лицензия — MIT. Обучение только на корпусе Шекспира ограничивает тематику и стиль генерации, а заявленная более поздняя версия, обученная на OpenWebText, к этому репозиторию не относится.

Карточка модели ManuelZnnmc/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.

PersonaMini-1-small — компактная GPT-2-совместимая языковая модель BytesTalk с 28,8 млн параметров, обученная с нуля. Модель предназначена для короткого ролевого общения и чата на английском языке: она поддерживает заданный образ персонажа, отвечает по существу, может проявлять эмпатию и вспоминать сведения из короткого контекста. Использует архитектуру GPT2LMHeadModel; максимальный контекст — 256 токенов. Модель прошла предварительное обучение, поэтапное обучение с учителем и два раунда улучшения ответов методом дистилляции на уровне текстовых примеров. Более крупная языковая модель применялась при подготовке данных, но не входит в поставку и не используется при генерации. Выпускается под лицензией MIT. Из-за малого размера модели слабо доступны фактические знания; на редкие темы она может угадывать, иногда отвечать несвязно или придумывать детали. Отслеживание ролей собеседников может быть нестабильным. Модель рассчитана на короткие ролевые диалоги, а не на фактические ответы, математику, программирование или длинные документы; она может генерировать материалы для взрослых и предназначена только для совершеннолетних.

Pi3X — разработанная авторами проекта Pi3 улучшенная версия модели π³ для восстановления визуальной геометрии по набору изображений. Это нейросеть прямого прохода с архитектурой, эквивариантной относительно перестановок: она обрабатывает изображения без фиксированного опорного кадра и предсказывает положения камер и локальные карты точек, устойчивые к масштабу. Репозиторий содержит веса в формате safetensors. Модель предназначена для реконструкции геометрии сцены по неупорядоченному набору изображений. В Pi3X добавлены свёрточная голова для уменьшения сетчатых артефактов, возможность учитывать позы и внутренние параметры камер и данные глубины, непрерывная оценка качества для фильтрации шума и поддержка приблизительного восстановления метрического масштаба. Для использования требуются официальный репозиторий Pi3 и его зависимости. Модель опубликована по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

QIE-2511-MP-AnyLight — это LoRA-адаптер для Qwen/Qwen-Image-Edit-2511, разработанный lilylilith. Модель предназначена для переноса освещения с отдельного изображения на исходное изображение, что позволяет точнее управлять направлением, характером и сложностью световой схемы при редактировании изображений. Адаптер рассчитан на сценарии, где исходное изображение предварительно обработано LoRA Material Preview style, а второе изображение представляет собой рендер сцены из Blender с моделью персонажа, созданной с помощью Trellis2 или Hunyuan 3D. Рекомендуемый запрос: «Apply the lighting from image 2 to image 1». Модель ориентирована преимущественно на композиции в стиле pin-up; использование изображений в других стилях в README не поддерживается. Для повышения качества рекомендуется сила LoRA 1, разрешение 1080p и 8-шаговая Lightning LoRA, хотя заявлена совместимость с Lightx2v 4-Step Lighting LoRA. Для работы требуются Qwen Image Edit 2511, изображение Material Preview и Blender-рендер с близким положением камеры; точное совпадение ракурса не обязательно, но улучшает результат. Ключевое ограничение — зависимость от специальной подготовки входных изображений и ориентация на определённый визуальный стиль и тип композиций. Модель распространяется по лицензии Apache-2.0.

Koichi Yasuoka разработал компактную RoBERTa-модель, предварительно обученную на корпусах Coptic Scriptorium. Это языковая модель с маскированным обучением: она предсказывает пропущенные токены в коптском тексте и может служить основой для дообучения под разметку частей речи, синтаксический разбор зависимостей и другие задачи обработки коптского языка. Модель содержит около 11 млн параметров, принимает текстовые последовательности с контекстом до 128 токенов и распространяется в формате PyTorch. Лицензия — CC BY-SA 4.0.

eason1021/sd-class-butterflies-32 — диффузионная модель для безусловной генерации изображений милых бабочек. Карточка относит её к первой части учебного курса по диффузионным моделям; для запуска предлагается использовать DDPMPipeline из библиотеки Diffusers. Модель создаёт изображения без текстового запроса. В метаданных указаны форматы Diffusers и safetensors, а лицензия — MIT. Размер модели, поддерживаемые языки и ограничения качества в предоставленных данных не описаны.

TheOneDario/sd-class-butterflies-32 — диффузионная модель от автора TheOneDario для безусловной генерации изображений милых бабочек. Она использует пайплайн DDPMPipeline из библиотеки Diffusers: модель создаёт изображение без текстового запроса. Модель подходит для генерации декоративных изображений бабочек и учебных экспериментов с диффузионными моделями. Репозиторий распространяется в форматах Diffusers и Safetensors. Лицензия — MIT.

Silicon-Natsuki-7b-v0.5 — экспериментальная дообученная модель для ролевых диалогов от автора 922CA, созданная на базе SanjiWatsuki/Silicon-Maid-7B. Она предназначена для имитации Нацуки из визуальной новеллы Doki Doki Literature Club: отвечает от лица персонажа, поддерживает диалог между Player и Natsuki и использует сведения о её внешности и предпочтениях. Модель построена на плотной архитектуре MistralForCausalLM с 7,1 млрд параметров и контекстом 8192 токена; в метаданных указан английский язык. Для обучения использован рабочий набор примерно из 800 примеров с диалогами из игры и вручную добавленными сведениями о персонаже. Указана лицензия Apache-2.0. Модель подходит для ролевых бесед и творческой генерации текста в образе Нацуки. Автор предупреждает, что персонаж может галлюцинировать факты о себе или выходить из образа, а ответы не гарантированно безопасны или согласованы. README также упоминает LoRA и GGUF, тогда как в метаданных формат файлов обозначен как PyTorch.

Tiny-Pirate-1.1b-v0.1 — компактная языковая модель, разработанная phanerozoic и дообученная на базе TinyLlama-1.1B. Она использует плотную архитектуру Llama с примерно 1 млрд параметров и контекстом 2048 токенов. Модель генерирует текст в пиратском стиле и поддерживает диалоговое применение. Она предназначена для создания тематических ответов и контента в пиратской манере, в том числе на устройствах с ограниченными ресурсами и в средах, где предпочтительны CPU-вычисления. По данным карточки, модель обычно сохраняет заданный тон и даёт связные ответы, но может отвечать недостаточно точно и подробно на сложные вопросы. Для общих языковых задач её специализация ограничивает применимость. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но запрещающая коммерческое применение.

Карточка модели qqceqqq/VGGT-1B на Hugging Face совпадает с карточкой facebook/VGGT-1B, поэтому описание составлено по ней. VGGT-1B — Visual Geometry Grounded Transformer, разработанный Meta AI Research и University of Oxford, VGG. Это feed-forward нейросеть для восстановления геометрии сцены по одному, нескольким или сотням изображений, которая за секунды предсказывает параметры камер, карты глубины, карты точек и 3D-треки точек. Модель предназначена для задач преобразования изображений в геометрическое представление сцены и работы с многовидовыми данными. В метаданных указаны английский язык и формат весов safetensors. Лицензия CC BY-NC 4.0 ограничивает использование некоммерческими целями.

Модель bryanzhou008/vit-base-patch16-224-in21k-finetuned-inaturalist — дообученная на датасете iNaturalist модель Vision Transformer ViT-Base с патчами 16×16 и входным разрешением 224 пикселя. Она классифицирует изображения; на указанной в карточке оценочной выборке достигла точности 0,8542 при значении loss 0,7703. Модель содержит 113,2 млн параметров и использует библиотеку Transformers. Модель подходит для классификации изображений из области природы и биоразнообразия, в частности для распознавания объектов на изображениях iNaturalist. Карточка не уточняет набор классов и ограничения оценки, поэтому приведённые метрики нельзя напрямую переносить на другие данные. Лицензия — Apache-2.0.

Migga/ViT-BERT-Chess-V2 — дообученная модель на базе архитектуры VisionEncoderDecoder, которая принимает изображение и генерирует текст. По названию она связана с шахматами, однако README не описывает её конкретное назначение, обучающие данные или сценарии применения; метаданные подтверждают только задачу image-text-to-text и поддержку зрения. В README приведено значение функции потерь 3,7128 на оценочном наборе. Модель опубликована в формате PyTorch. Базовая модель и лицензия в предоставленных сведениях не обозначены. Без описания данных и результатов нельзя оценить качество распознавания или генерации текста и установить, какие именно шахматные задачи она решает.

keremberke/yolov8n-plane-detection — модель компьютерного зрения для обнаружения самолётов на изображениях. Она построена на архитектуре YOLOv8 и предназначена для поиска объектов класса planes; карточка указывает использование библиотеки Ultralytics и весов PyTorch. Модель подходит для анализа снимков и видеокадров, где нужно найти самолёты и определить их расположение. Карточка связывает модель с набором данных keremberke/plane-detection. Сведений о размере модели, точности, поддерживаемых языках или условиях лицензии в предоставленных источниках нет.

birdclass-na — модель houlette для классификации видов птиц на изображениях. Она основана на визуальном трансформере DINOv2-base с линейной классификационной головой и содержит 113,2 млн параметров. Модель предсказывает 407 классов: 406 видов птиц Северной Америки и категорию OTHER для птиц, не входящих в эту группу. Модель предназначена прежде всего для снимков с кормушек и фотоловушек, в том числе с частичным перекрытием птицы, смазом движения, загромождённым фоном и слабым освещением. В обучении использовались наборы gpiosenka 525, NABirds, iNat21-Birds и пользовательские кадры кормушки. Карточка сообщает о точности top-1 92,9% на тестовой выборке из 27 470 изображений; результаты зависят от источника снимков и распределения видов. Модель слабо подходит для определения видов за пределами Северной Америки: такие птицы в основном объединены в OTHER. У редких видов с малым числом обучающих примеров точность также ниже. Весам назначена лицензия CC-BY-NC-4.0, поэтому коммерческое использование ограничено; код обучающего конвейера отдельно указан как Apache-2.0.

boris-50M-superlight-cubscout (Boris) — компактная языковая модель генерации текста, разработанная KSP-NMAI и обученная на наборе TinyStories. Это плотная архитектура LlamaForCausalLM примерно с 41,7 млн параметров; доступны веса в форматах Safetensors и GGUF. Модель предназначена прежде всего для генерации коротких детских историй, в том числе намеренно некачественных или смешных текстов. Модель обучалась 1000 шагов в FP16 на одной NVIDIA RTX 3060. Для генерации автор рекомендует ограничивать ответ примерно 50–100 токенами. Контекст — 512 токенов. Это базовая модель без встроенного поведения остановки, поэтому для завершения генерации следует задавать стоп-последовательности. Карточка не описывает её как модель для диалога общего назначения. Лицензия — Apache-2.0. Результаты на TinyStories: perplexity 8,52 на валидации и конечный loss около 1,76 на обучающей выборке; эти показатели относятся к указанному набору и не гарантируют качество на других задачах.

lazy-guy12 разработал компактную авторегрессионную модель на базе Llama для игры в шахматы. Она содержит около 22–23 млн параметров, использует архитектуру decoder-only transformer и обучена на 3 млн шахматных партий из Lichess Elite Database. Для представления ходов применяется формат UCI: модель принимает последовательность ходов и генерирует продолжение партии. Контекст модели составляет 256 токенов. Модель предназначена для генерации шахматных ходов и простых игровых сценариев; автор оценивает её силу примерно в 1400 Elo и сообщает, что она превосходит Stockfish на уровне сложности 0. Репозиторий содержит форматы Safetensors и ONNX; запуск в браузере возможен через Transformers.js. README отмечает, что скрипты для полноценного инференса ещё не добавлены. Лицензия в предоставленных данных не указана.

Модель codingmonster1234/chess-tool-use-grpo-336 — дообученная версия Qwen3-4B-Instruct-2507, созданная с помощью TRL. Она предназначена для генерации текста в диалоговом формате и работы с шахматными запросами; название и датасет указывают на настройку для использования шахматных инструментов. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает контекст до 262 144 токенов. Модель распространяется в формате safetensors под лицензией MIT. README показывает запуск через Transformers pipeline для text-generation, но не описывает конкретный интерфейс вызова шахматных инструментов или результаты оценки качества.