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

Это финальный контрольный пункт агента для поэтапного создания эскизов, выпущенный авторами работы «Teaching an Agent to Sketch One Part at a Time». Модель дообучена на Qwen/Qwen3-VL-30B-A3B-Instruct с помощью SFT и многошагового GRPO с визуальной наградой DreamSim; в репозитории доступны объединённые веса bf16 для Transformers, vLLM и SGLang, а также исходный LoRA-адаптер. Архитектура — мультимодальная Qwen3-VL MoE; базовая модель имеет около 30 млрд параметров и контекст до 256 тыс. токенов, хотя для инференса авторы рекомендуют ограничивать контекст примерно 24 тыс. токенов с учётом памяти GPU. На каждом шаге модель получает подпись и изображение текущего холста, затем выдаёт штрихи следующей части рисунка в виде кубических кривых Безье. Она предназначена для последовательного построения эскиза и исследовательского воспроизведения описанного в статье подхода. Репозиторий распространяется по лицензии Apache-2.0. Объединённая версия является рекомендуемым вариантом: сырой адаптер нельзя напрямую загрузить через PEFT, а стандартная подача LoRA через vLLM или SGLang применяет лишь малую часть обновлений и даёт некорректные результаты.

nickypro/tinyllama-110M — компактная языковая модель на архитектуре Llama 2, опубликованная nickypro. Она содержит около 109,5 млн параметров и обучена на наборе TinyStories; веса преобразованы из karpathy/tinyllamas. Модель предназначена для генерации текста, в частности коротких историй. Модель использует плотную архитектуру LlamaForCausalLM, распространяется в формате PyTorch и имеет контекстное окно 1024 токена. В карточке указана лицензия MIT. Результаты зависят от обучающих данных TinyStories и ограниченного размера модели; её назначение и качество для широкого круга задач не заявлены.

Toronto-Mans-9B — плотная текстовая причинная языковая модель, созданная автором devon7y на базе Qwen/Qwen3.5-9B. Модель дообучена методом LoRA на диалогах с персоной, а адаптер объединён с базовыми весами. Она предназначена для непринуждённых разговоров в преувеличенном стиле Multicultural Toronto English, с характерным сленгом Торонто и регулируемой интенсивностью от 1 до 5; при этом модель старается отвечать по существу. Карточка описывает около 24 тысяч диалогов для основного дообучения и дополнительную настройку на вопросах о значениях сленга. Модель принимает и генерирует текст, поддерживает английский язык и имеет контекстное окно 262 144 токена. В метаданных указаны 7,2 млрд параметров, формат safetensors и библиотека Transformers; README округляет размер до 9 млрд. Автор приводит оценку на 286 тестовых запросах, но это не общий тест знаний или универсального качества. Лицензия — Apache-2.0. Модель лучше подходит для развлекательного общения и демонстрации торонтского сленга, чем для достоверного описания реальной речи или получения справочной информации. Автор предупреждает, что часть толкований сленга может быть неверной, а примерно в одной шестой непринуждённых ответов строгая оценка обнаруживала общие британские или универсальные слова; для чувствительных тем предусмотрен переход к нейтральному стилю.

Карточка модели josejulianh/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 timm/vit_large_patch14_clip_336.laion2b_ft_augreg_inat21 разработана как часть серии экспериментов по дообучению моделей timm на данных конкурса iNaturalist 2021. Это крупная модель семейства Vision Transformer с патчами 14 пикселей, предварительно обученная с CLIP на LAION-2B и затем дообученная для классификации изображений видов живых организмов. Она охватывает 10 000 видов; размер изображения при обучении — 336 пикселей. Валидация на iNaturalist 2021 показала точность Top-1 91,48% и Top-5 97,89%. Модель подходит для распознавания видов по фотографиям, например, для изучения снимков природы и классификации изображений валидационного набора iNaturalist 2021. Карточка описывает её как эксперимент по сравнению влияния данных предварительного обучения; указано, что использовался прямой fine-tuning без дополнительных метаданных. Модель доступна в форматах PyTorch и safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Модель разработана организаторами курса и представляет собой дообученную версию языковой модели Microsoft Phi-1.5 для продолжения текста. Она обучена на отфильтрованном корпусе полных произведений Уильяма Шекспира и подходит для генерации и продолжения текста в близкой к этому корпусу литературной манере. Модель имеет плотную архитектуру PhiForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 2048 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Основной сценарий — экспериментальная генерация стилизованного текста и изучение дообучения языковых моделей на литературном корпусе. Английский язык следует из состава обучающих данных и описания базовой модели. Узкое обучение на произведениях Шекспира ограничивает надёжность ответов за пределами литературного продолжения; карточка не заявляет специальных возможностей диалога или фактологического ответа.

Venky0411/whisper-small-ta-emotion — дообученная на EmoTa (TamilSER-DB) модель OpenAI Whisper Small для классификации эмоций в аудио на тамильском языке. Она принимает аудио и выдаёт метку класса, предназначенную для распознавания эмоциональной окраски речи. В метаданных указаны архитектура WhisperForAudioClassification, библиотека Transformers и формат весов Safetensors; базовая модель — мультиязычная Whisper Small. На оценочном наборе модель показала accuracy 0,2556 и macro F1 0,2109, поэтому результаты классификации могут быть ненадёжными. Модель распространяется по лицензии Apache-2.0.

WoonaV1.2-9b — русскоязычная разговорная модель на 9 млрд параметров, созданная автором SlerpE путём дообучения Google Gemma 2 9B IT на синтетических данных, подготовленных на основе вики My Little Pony: Friendship Is Magic. Она предназначена для ответов на вопросы о каноне, персонажах, сюжете и устройстве мира MLP, а также для помощи авторам фанфиков и ролевых сценариев. Модель использует плотную архитектуру Gemma 2 для генерации текста и диалога; заявленный контекст — 8192 токена. Обучающие данные сосредоточены на сериале Friendship Is Magic: сведения о создателях и съёмочной группе исключены, а материалы по Equestria Girls, Pony Life и комиксам представлены ограниченно. Автор отмечает, что модель может галлюцинировать. Лицензия в метаданных — Gemma.

Это дообученная модель BrianLan на базе hustvl/yolos-tiny для обнаружения объектов на изображениях. Архитектура YOLOS использует подход Vision Transformer; модель содержит 7,1 млн параметров и предназначена для поиска объектов и определения их расположения. Название указывает на обучение в течение 600 эпох на наборе TW Marine с пятью классами, однако README не раскрывает состав классов и подробности датасета. Модель принимает изображения и выдаёт обнаруженные объекты с их позициями и классами. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0; качество на конкретных изображениях и ограничения применения в карточке не описаны.

Модель dima806/67_cat_breeds_image_detection — дообученная версия Vision Transformer ViT-Base для классификации изображений. Она предназначена для распознавания 67 пород кошек по изображению и может использоваться в приложениях для определения породы по фотографии. Модель содержит 113,2 млн параметров и распространяется в форматах PyTorch и Safetensors. Модель принимает изображения и выдаёт метку класса породы. Она дообучена на google/vit-base-patch16-224-in21k и опубликована под лицензией Apache-2.0. Сведения о точности и ограничениях на конкретных типах изображений в карточке не приведены.

Aquilign Multilingual Segmenter — модель ProMeText для сегментации средневековых и исторических текстов на фразы. Она основана на архитектуре BERT и дообучена для классификации токенов с целью выявления границ фраз в многоязычной исторической прозе. Модель предназначена для подготовки параллельных корпусов к выравниванию, многоязычного выравнивания средневековых текстов и исследований в цифровой филологии и вычислительной гуманитаристике. Она используется в рабочем процессе Aquilign и обучалась на Multilingual Segmentation Dataset с исторической прозой XIII–XVI веков. Поддерживаются латинский, французский, кастильский, португальский, каталанский, английский и итальянский языки. Модель содержит 205,1 млн параметров, принимает последовательности длиной до 512 токенов и доступна в формате safetensors для библиотеки Transformers. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях, ограничивая коммерческое использование. Качество сегментации может зависеть от языка, периода и жанра текста; назначение модели ориентировано на историческую прозу и рабочий процесс Aquilign.

baloot-fan-v2 — специализированная модель компьютерного зрения проекта Hakim Vision (AIBaloot), созданная для обнаружения игральных карт в веерах с плотным перекрытием. Это дообученная YOLO11n с 33 классами: 32 карты саудовского балута (ранги A, K, Q, J, 10, 9, 8 и 7 во всех четырёх мастях) и класс other для рангов 2–6 и карт вне балута. Модель возвращает рамки объектов и рассчитана на изображения рук с картами при частичном перекрытии, тенях от пальцев и наклоне камеры. Входное разрешение при оценке — 704 × 704 пикселя. Доступны форматы ONNX и PyTorch; README описывает запуск ONNX в WebGPU, запасной вариант WASM INT8 на CPU и работу через PyTorch или ONNX Runtime. На отложенной выборке при разрешении 704 × 704 указаны precision 98,26%, recall 94,04% и mAP@50 98,72%. Модель предназначена для распознавания карт в приложениях и игровых сценариях саудовского балута; данных о поддержке других языков или типов изображений нет. Модель опубликована по лицензии MIT. Метрики приведены для указанной отложенной выборки, поэтому качество на иных камерах, условиях съёмки и раскладках может отличаться; карта «other» объединяет ранги 2–6 и не различает их между собой.

Bird-MAE-Huge — модель семейства Bird-MAE от исследовательской группы DBD, предназначенная для распознавания видов птиц по аудиозаписям. Это аудиоклассификатор на архитектуре BirdMAEModel; в работе Bird-MAE адаптирует подход masked autoencoder к тонким различиям между птичьими вокализациями и обучается на биоакустическом наборе BirdSet. Модель применима для многометочной классификации птичьих звуков, анализа биоакустических записей и построения классификаторов видов при ограниченном количестве размеченных примеров. README сообщает о высоких результатах Bird-MAE на бенчмарке BirdSet и описывает прототипическое зондирование замороженных представлений, которое в малоресурсных сценариях приближается по качеству к дообучению. В метаданных указаны библиотека Transformers и формат весов Safetensors. Размер модели, языковая поддержка и лицензия в предоставленных данных не описаны; конкретную лицензию поэтому установить нельзя.

BranchShine-CR — модель распознавания речи, разработанная Nikhil Navas и обученная с нуля для преобразования аудио в строку символов Международного фонетического алфавита (IPA). Это компактная модель на 25,4 млн параметров с архитектурой E-Branchformer и CTC; она обучена на 17 038 часах речи IPAPack++ с 142 языковыми метками. Модель принимает аудио, которое декодирует libsndfile, автоматически приводит его к моно и частоте 16 кГц и выдаёт фонетическую транскрипцию без слов, определения языка, пробелов, пунктуации, ударений и тоновых знаков. Модель подходит для фонетической транскрипции многоязычных речевых записей и как основа для дообучения на собственных аудио и целевых символах. Веса хранятся в формате safetensors; лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование. Тесно обрезанные записи могут приводить к неполной транскрипции, поэтому документация рекомендует добавлять поля цифровой тишины. Модель не проверялась для оценки произношения или грамотности, детской, патологической и дальнеполевой речи; временные метки и оценки уверенности не валидированы.

ChatWaifu 2.0 Vision — мультимодальная чат-модель, разработанная spow12 и собранная с помощью mergekit. Она предназначена для ролевых диалогов с персонажами визуальных новелл и может учитывать изображения в разговоре. В карточке указаны японский и английский языки; модель построена на архитектуре LLaVA, а метаданные связывают её с Pixtral 12B и ChatWaifu 2.0 Vision Base. Модель рассчитана на разговоры в образе заданных персонажей или собственной waifu, а также на обсуждение изображений в чате. Автор предупреждает, что модель протестирована не полностью и может генерировать NSFW-контент из-за обучающих данных с материалами для взрослых. Лицензия в метаданных — CC-BY-NC-4.0; автор также указывает на использование только для некоммерческих и исследовательских целей.

Это пример модели безусловной генерации изображений на базе DDPMPipeline из библиотеки Diffusers. Репозиторий предназначен для демонстрации дообучения в рамках учебного модуля о диффузионных моделях. Пример использования загружает модель и генерирует изображение без текстового запроса. Название репозитория указывает на дообучение на CelebA-HQ с изображениями в мультяшном стиле в течение двух эпох; README не приводит подробностей обучения или оценки качества. Модель распространяется по лицензии MIT.

Deepsex-34b 是基于 Yi-34B-base 制作的 339 亿参数 Yi 系列文本生成模型，作者面向角色扮演和 NSFW 对话场景进行训练。作者先以轻小说语料进行持续预训练，再使用筛选后的 LimaRP 与 PIPPA 角色扮演数据进行监督微调；模型采用因果语言模型架构，原生上下文长度为 4096 个 token，仓库提供 PyTorch 格式权重。 模型适用于角色扮演、虚构人物对话和成人向创作，也可能生成纯爱风格内容。主要训练语言为英语，卡точные метаданные отмечают английский язык; README содержит также китайский текст. Модель распространяется по лицензии MIT. Ее ответы могут быть непредсказуемыми и включать откровенный контент; качество на иных задачах и языках не подтверждено.

Erosumika-7B-v3-0.2-GGUF-IQ-Imatrix — набор GGUF-файлов квантизированной модели Erosumika-7B-v3-0.2, подготовленный Lewdiculous. Исходная модель представляет собой DARE TIES merge моделей Kunocchini-7B, InfinityRP-v1-7B и FlatErosAlpha на базе Mistral-7B-v0.2. Модель предназначена прежде всего для художественного письма, разговорных сценариев и roleplay-развлечений; для работы заявлена совместимость с форматами Alpaca и ChatML, а также с SillyTavern. Указанный контекст составляет около 32K токенов. Это текстовая авторегрессионная модель примерно на 7 млрд параметров, ориентированная на английский язык. Репозиторий содержит варианты квантизации Q4_K_M, Q4_K_S, IQ4_XS, Q5_K_M, Q5_K_S, Q6_K, Q8_0, IQ3_M, IQ3_S и IQ3_XXS. Суффикс IQ-Imatrix означает использование Importance Matrix при квантизации: калибровочные данные применялись для сохранения наиболее значимых активаций и снижения потери качества. По заявлению автора, версия на базе Mistral 0.2 немного лучше понимает запросы и обладает более высокими интеллектуальными способностями по сравнению с вариантом на Mistral 0.1. Сильными сторонами модели являются специализация на вымышленном тексте и roleplay, поддержка нескольких уровней квантизации для выбора компромисса между качеством, памятью и скоростью, а также возможность локального запуска через совместимый стек GGUF. Ограничения включают возможную генерацию социально неприемлемого или нежелательного текста без явного провокационного запроса, а также частые фактические ошибки и вводящие в заблуждение ответы. Автор указывает, что использование вне художественного письма для развлечения не является целевым. Лицензия репозитория — CC BY 4.0.

lazzdw создал эту модель Stable Diffusion, дообучив её методом DreamBooth на изображениях концепта Fat Yoshi (Big Yoshi). Модель предназначена для генерации изображений по текстовому описанию; для вызова концепта в запросе используется ключевое слово «fatchonkyyoshi». Репозиторий содержит веса в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M. Карточка указывает, что модель создана в рамках DreamBooth Hackathon.

Sagalink/Flux-uncensored — это LoRA-расширение для базовой модели black-forest-labs/FLUX.1-dev, разработанное командой EnhanceAI. Модель предназначена для генерации изображений по текстовым описаниям, включая контент для взрослых и другие материалы, которые могут блокироваться ограничениями базовой модели. Она ориентирована на исследовательское и личное использование. Расширение подключается к pipeline FLUX.1-dev через библиотеку diffusers. Указаны веса LoRA в формате lora.safetensors и рекомендуемый тип данных torch.bfloat16; для оптимальной производительности требуется GPU с поддержкой CUDA. README не содержит сведений о размере LoRA, поддерживаемых языках, максимальном контексте или точных архитектурных изменениях относительно FLUX.1-dev. Сильная сторона модели — снятие заявленных ограничений на генерацию откровенных изображений, однако это также является ключевым ограничением с точки зрения безопасности, этики и применимого законодательства. Распространение осуществляется на условиях FLUX-1-dev Non-Commercial License, то есть коммерческое использование не заявлено как разрешённое. Пользователь обязан соблюдать лицензию, законодательство и правила площадок, особенно при создании материалов для взрослых.

Analgirls916/Flux-Uncensored-V2 — это LoRA-адаптер, разработанный EnhanceAI для базовой модели black-forest-labs/FLUX.1-dev. Он предназначен для генерации изображений по текстовым описаниям, включая NSFW- и другой контент без ограничений, связанных с исходной моделью. Адаптер подключается к pipeline FLUX.1-dev через библиотеку diffusers; для оптимальной работы рекомендуется CUDA-совместимая GPU, а в примере используется torch.bfloat16. Версия v2 получила улучшения производительности, исправления стабильности и более компактные LoRA-веса без заявленного снижения качества. Для управления генерацией NSFW-контента рекомендуется использовать триггерные слова вроде nsfw, naked, erotic, nude и explicit. README не содержит сведений о точном числе параметров, поддерживаемых языках, размере контекста или дополнительных модальностях; по указанным данным модель ориентирована на текстовое управление генерацией изображений. Адаптер предназначен для исследовательского и личного использования. Он распространяется на условиях FLUX-1-dev Non-Commercial License, поэтому коммерческое применение не разрешено условиями, указанными в README. Модель способна создавать явные изображения, что требует соблюдения законодательства, этических норм и правил площадок; ограничения базовой модели в отношении контента были намеренно ослаблены.

FLUX Uncensored LoRA v2 — адаптер LoRA для базовой модели FLUX.1-dev, разработанный EnhanceAI. Он предназначен для генерации изображений по текстовым описаниям, включая контент для взрослых и другие материалы без исходных контентных ограничений базовой модели. В карточке также указан тег image-to-image, однако приведённый пример использования относится к text-to-image через библиотеку diffusers. Модель представляет собой облегчённые LoRA-веса в файле lora.safetensors, подключаемые к black-forest-labs/FLUX.1-dev. Заявлены улучшенная производительность, более стабильная работа и уменьшенный размер адаптера без потери качества. Для оптимальной работы рекомендуется CUDA-совместимая GPU; в примере используется torch.bfloat16. Дополнительные сведения о размере, контекстном окне, поддерживаемых языках и точных архитектурных параметрах не указаны. Сильная сторона модели — специализированная настройка для создания откровенных изображений и возможность интеграции в экосистему diffusers. Ограничения связаны с зависимостью от FLUX.1-dev и необходимостью подходящего графического оборудования, а также с рисками и юридическими требованиями при генерации материалов для взрослых. Распространение и использование регулируются некоммерческой лицензией FLUX-1-dev Non-Commercial License; коммерческое применение не разрешено.

GAMEBERT — это компактная модель BERT, дообученная Saggarwal на наборе команд для игр на основе google/bert_uncased_L-2-H128_A-2. Она выполняет токенную классификацию: размечает в транскрибированной фразе действия, цели и исправления, чтобы передать команду игре. Модель предназначена для второго этапа конвейера voice-speak-up и рассчитана на низкую задержку; размер составляет 4,4 млн параметров, максимальная длина контекста — 512 токенов. В README приведены результаты на оценочном наборе: F1 0,9697 и точность 0,9900. Базовая модель англоязычная, а данные обучения описаны как пользовательский набор игровых команд; подтверждения поддержки русского языка нет. Модель распространяется под лицензией Apache-2.0.

OIKONOMIA-Grammateus — модель распознавания именованных сущностей в документальных папирусах греко-римского Египта, разработанная Абдеррахманом Айнушем в рамках проекта OIKONOMIA. Она использует энкодер RoBERTa с головой классификации токенов и BIO-разметку, чтобы выделять людей, места, денежные суммы, товары, единицы измерения, налоги, даты, возраст и занятия. Модель предназначена для анализа древнегреческих хозяйственных документов, включая квитанции, договоры аренды, займы, записи о заработной плате, продажи и переписи; её применяли для разметки корпуса Duke Databank of Documentary Papyri и подготовки базы OIKONOMIA-DB. Модель дообучена на bowphs/GreBerta с доменной адаптацией на корпусе папирусов. В карточке Hugging Face указаны 153,2 млн параметров и контекст 514 токенов; README приводит 125,4 млн параметров и контекст 512 токенов. Документы длиннее контекста нужно обрабатывать окнами. По README, модель ориентирована на документальный древнегреческий, сохраняет регистр букв и выдаёт размеченные фрагменты, но не нормализует их, не связывает людей с конкретными историческими лицами и не предназначена для литературного или современного греческого. Качество на других жанрах не измерено; фрагментарность папирусов и редкие или сокращённые имена могут снижать точность. Обучающие метки частично основаны на автоматической разметке, а небольшой референсный набор не прошёл экспертную проверку. Лицензия — Apache-2.0.

Grapefruit Hentai MO — модель генерации изображений по текстовому запросу, опубликованная под аккаунтом StableDiffusionAPI и доступная через ModelsLab API. Пример в карточке показывает генерацию реалистичного портрета с помощью Stable Diffusion Pipeline; можно задавать положительный и отрицательный промпты, размер изображения, число шагов генерации и guidance scale. Модель предназначена для создания изображений по описанию, в том числе откровенного контента в стилистике hentai. В карточке приведён пример с разрешением 512 × 512 и 30 шагами генерации. Репозиторий содержит веса в форматах Diffusers и PyTorch; для указанного API-сценария требуется ключ ModelsLab. Лицензия — CreativeML OpenRAIL-M.

GrεBerta — монолингвальная модель семейства RoBERTa, разработанная для задач классической филологии. Это энкодер размером, сопоставимым с RoBERTa-base, с архитектурой RoBERTaForMaskedLM и примерно 153,2 млн параметров. Модель обучена для заполнения пропусков в тексте на древнегреческом языке; её можно дообучать для лингвистических задач. В карточке приведены результаты оценки после дообучения на данных Universal Dependencies 2.10 для древнегреческого набора Perseus, включая показатели морфосинтаксической разметки и синтаксического анализа. Репозиторий содержит веса в форматах PyTorch, SafeTensors и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Envoid/Llama-3-8B-EGO — экспериментальная разговорная модель на базе Llama 3 8B, созданная автором Envoid для ролевого общения и форматирования персонажей, прежде всего в SillyTavern. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и контекст до 8192 токенов. В метаданных указаны задача text-generation и возможность чата; README описывает дообучение модулей внимания и последующее совместное дообучение на датасетах Undi и dendrite с использованием qlora-pipe. Для промптов автор предлагает помещать описание персонажа и сценарий в теги [EGO], а сообщения пользователя — в [SEEN]. Автор предупреждает, что модель является недоработанным экспериментом, плохо отвечает вне продолжения подробной ролевой переписки и в основном рассчитана на шаблоны SillyTavern. Она может неожиданно генерировать контент для взрослых. Репозиторий содержит веса safetensors; лицензия CC BY-NC 4.0 разрешает использование с ограничением на коммерческое применение.

Muapi/ltx-2.3-ltx2-better-nsfw-motion — это LoRA-адаптер для генерации видео из текста, созданный для базовой модели Lightricks/LTX-Video, версии LTXV 2.3. По названию и описанию адаптер ориентирован на улучшение динамики движений в NSFW-сценариях. Модель предназначена для использования в пайплайнах text-to-video на базе библиотеки Diffusers. В README указано, что адаптер можно применять через API MUAPI с настройкой силы LoRA, разрешения 768×512 и длины ролика до 97 кадров в приведённом примере. Сведения о размере адаптера, архитектуре базовой модели, поддерживаемых языках, точных модальностях и максимальном контексте отсутствуют. К сильным сторонам относятся специализация на движении и совместимость с LTX-Video 2.3; ограничения включают зависимость от базовой модели и необходимость доступа к API MUAPI для описанного способа использования. Лицензия указана как OpenRAIL++. Условия распространения и конкретные ограничения использования в README подробно не раскрыты, поэтому перед применением следует ознакомиться с полным текстом лицензии и правилами MUAPI.

baruga/mandelbrot-fractals — модель Stable Diffusion, дообученная автором baruga на изображениях фракталов Мандельброта в рамках DreamBooth Hackathon. Она предназначена для генерации изображений по текстовым запросам, в том числе фракталов заданной формы; в карточке предложен шаблон запроса «a photo of mafra fractal in the shape of …». Для генерации используется StableDiffusionPipeline из библиотеки Diffusers; автор рекомендует CFG scale около 8–9 и отмечает, что дополнительные модификаторы и негативные запросы могут улучшить результат. Модель распространяется под лицензией CreativeML OpenRAIL-M.

Melodimodell-16M — компактная авторегрессионная языковая модель на архитектуре Qwen3, опубликованная пользователем qwrt. Она обучена на текстовом представлении MIDI-мелодий из набора projectlosangeles/Monster-MIDI-Dataset и предназначена для продолжения такого представления по начальному фрагменту. Сгенерированный текст можно преобразовать обратно в MIDI; песни в текстовом формате разделяются символом «*». Модель содержит 16,5 млн параметров. README указывает длину контекста обучения 4096 токенов, хотя в метаданных каталога заявлен native context 8192 токена; автор предупреждает, что качество быстро ухудшается при контексте длиннее 4096. Из-за малого размера модель не предназначена для генерации связной музыки. Репозиторий использует формат safetensors, лицензия — Apache-2.0.