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

Aculi/InternLM2-Chat-20B-ToxicRP — текстовая генеративная модель на 19,3 млрд параметров, подготовленная автором карточки с использованием вычислительных ресурсов g4rg. В README указано, что модель создана методом passthrough merge из InternLM2-LIMARP-Chat-20B-2 и Fischerboot/InternLM2-ToxicRP-QLORA-4Bit; в метаданных базовой производной указана Fischerboot/InternLM2-ToxicRP-QLORA-4Bit. Архитектура в метаданных обозначена как плотная LlamaForCausalLM, библиотека — Transformers, формат весов — safetensors. Модель предназначена для генерации текста в ролевых диалогах с токсичной тематикой. Контекстное окно составляет 32 768 токенов. README разрешает свободное использование при условии соблюдения закона; конкретное название лицензии в предоставленных данных отсутствует. Карточка не приводит оценки качества или подробные рекомендации по использованию.

dogeplusplus/jaffa-cake — модель Stable Diffusion, дообученная методом DreamBooth на изображениях пирожных Jaffa Cakes. Она предназначена для генерации изображений этих пирожных в разных сценах и художественных стилях; в запросе рекомендуется использовать фразу «a photo of a jaffa cake». Модель распространяется в формате Diffusers на PyTorch и использует лицензию CreativeML OpenRAIL-M. Модель принимает текстовые запросы и генерирует изображения. Карточка указывает на базовую Stable Diffusion v1-4 и примеры стилизации в духе укиё-э, Пикассо, Рембрандта, Ван Гога, Уорхола и Дали. Это специализированное дообучение для визуального понятия Jaffa Cake, поэтому качество генерации объектов и сцен вне этой тематики может быть ограниченным.

MASt3R_ViTLarge_BaseDecoder_512_catmlpdpt_metric — модель компьютерного зрения из проекта MASt3R, разработанного Винсентом Леруа, Йоханном Кабоном и Жеромом Рево. Работа представлена в статье «Grounding Image Matching in 3D with MASt3R» (2024) и развивает подход DUSt3R к геометрическому зрению в 3D. Модель предназначена для задач image-to-3d: по изображениям она помогает сопоставлять визуальные признаки с геометрией сцены и получать 3D-представление. В карточке приведён вариант с энкодером ViT-L, декодером ViT-B и головой CatMLP+DPT; среди разрешений обучения указаны варианты от 512×160 до 512×384. Для загрузки требуется библиотека MASt3R, веса опубликованы в формате safetensors. Модель подходит для восстановления структуры сцены и построения 3D-реконструкций по изображениям. README содержит только краткие сведения о модели и начало инструкции по загрузке, поэтому детали поддерживаемого числа входных изображений и точный формат результатов не описаны. Условия лицензии в предоставленных данных не указаны.

MeMo-BERT-01 — языковая модель BERT-base, разработанная как исследовательский базовый чекпойнт для исторических датских и норвежских литературных текстов 1870–1900 годов. Она обучена с нуля методом masked language modeling на корпусе MeMo Corpus v1.1: около 53 млн слов из 839 романов. Архитектура включает 12 слоёв, размер скрытого представления 768, 12 голов внимания и словарь из 30 тыс. токенов; длина контекста — 512 токенов. Модель предназначена для анализа тональности исторической прозы и различения значений слов с учётом исторического контекста, в частности для задачи дизамбигуации слова skæbne. В опубликованных тестах F1 составляет 0,56 для трёхклассового анализа тональности и 0,43 для четырёхклассовой дизамбигуации. Чекпойнт уступает MeMo-BERT-03, обученной продолженным предобучением, и рассчитан на исследования в цифровой гуманитаристике, исторической лингвистике и скандинавистике. Модель специализирована на литературе конца XIX века и не предназначена для современных датских или норвежских NLP-задач и высокорисковых решений. Ограничениями также являются небольшой объём обучающих данных и возможные ошибки OCR и нормализации в корпусе. Лицензия модели — CC BY 4.0.

Mind of Tashi — mini student — это разговорная текстовая модель от build-small-hackathon для игры в дуэль с одновременным выбором хода. Она читает историю ходов соперника, рассуждает в англо-хинди/санскритском регистре с переключением языков и выдаёт один допустимый ход в JSON с полями move и taunt. Модель построена на архитектуре Qwen 3.5 MoE, содержит 619,2 млн параметров и рассчитана на контекст до 262 144 токенов; в README описана настройка LoRA и последующее слияние адаптера с весами. Модель дообучена на корпусе mind-of-tashi-selfplay для сценариев игрового самообучения и дуэлей между моделями. В проверке на 20 новых игровых состояниях она выдала корректный формат и допустимый ход во всех случаях при выборочном декодировании с температурой 0,8 и top_p 0,9; при жадном декодировании результат составил 18 из 20. README также сообщает, что в дуэлях GRPO-модель меньшего размера уверенно побеждает эту SFT-модель, поэтому корректное следование формату не означает сильной игровой стратегии. Лицензия — Apache-2.0.

DancingIguana/music-generation — GPT-2-подобная авторегрессионная модель, обученная с нуля на базе архитектуры distilgpt2 для генерации последовательностей, представляющих музыкальные ноты. Она продолжает текстовую последовательность токенов нот, пауз и аккордов. Высоты мелодий в обучающих данных транспонированы в до мажор или ля минор; темп исходных MIDI-файлов игнорировался, а длительности нот задавались в четвертных долях. Последовательности кодируют музыкальные события специальными строками с обозначениями высоты и длительности. Модель предназначена для экспериментальной генерации символьных музыкальных мелодий, которые можно использовать в музыкальных прототипах и рабочих процессах на основе MIDI. Она принимает текстовые токены и выдаёт текстовые последовательности, а не готовый звук. Контекст составляет 1024 токена. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Обучение с нуля на узком наборе данных и приведение мелодий к двум тональностям ограничивают разнообразие и музыкальную применимость результатов. В README отсутствуют сведения об оценке качества и подробные рекомендации по использованию.

MythoMakiseMerged-13b — языковая модель семейства Llama, опубликованная Heralax. Это дообученная и затем смешанная с исходной моделью версия MythoMax-L2-13b: обучение проводилось на примерно 1300 примерах диалогов, созданных на основе сценария визуальной новеллы Steins;Gate. Веса MythoMax-L2-13b были частично возвращены в смесь, чтобы сохранить её способности и совместить их со стилем персонажа Курису Макисэ. Модель предназначена прежде всего для ролевых диалогов, персонажного общения и непринуждённого обмена репликами; она также может использоваться для общего диалога. Поддерживает формат приглашений SillyTavern. Размер — 12,9 млрд параметров, контекст — 4096 токенов. Репозиторий содержит веса Safetensors и GGUF F16. Лицензия — Llama 2. Автор отмечает, что модель не предназначена для точных ответов и слаба за пределами общения. Она не подвергалась цензуре, поэтому может генерировать контент для взрослых; результаты ролевой игры могут быть лучше для персонажей с характером, близким к Курису Макисэ.

KoboldAI выпустила Erebus — второе поколение модели Shin'en для генерации художественного текста на взрослые темы. Это плотная авторегрессионная модель семейства OPT с 17 млрд параметров и контекстом 2048 токенов, работающая с текстом на английском языке. Модель дообучена на шести источниках историй с рейтингом 18+ и предназначена для продолжения текста и создания эротической прозы. Жанровые подсказки можно задавать тегом вида [Genre: ...]. Модель доступна в формате PyTorch; лицензия указана как other, поэтому условия использования следует уточнить у правообладателя. Erebus явно смещена в сторону NSFW-контента и не подходит для несовершеннолетних. Возможны предвзятость по гендеру, профессии, расе и религии; контекст ограничен 2048 токенами.

osu! Standard Cheat Detector — классификатор на основе Cross-Attention Transformer для анализа повторов osu! standard в формате .osr. Модель сопоставляет окна из 10 объектов карты с окнами из 20 кадров движения курсора, обрабатывает локальные последовательности и объединяет их для бинарной классификации: легитимная игра или подозрение на использование читов. Классификатор предназначен для выявления Aim Assist, Aim Correction, Relax и Human Autobot в игровых повторах. В README заявлены метрики на валидационном наборе: точность 85%, precision 97,3–100%, recall 72–76% и F1 82,8%; эти результаты относятся к указанному набору и не гарантируют такое же качество на других данных. Репозиторий содержит веса PyTorch. Лицензия — AGPL-3.0.

Карточка модели mlx-community/phartakos-mlx на Hugging Face совпадает с карточкой pequodresearch/phartakos-mlx, поэтому описание составлено по ней. Phartakos MLX — модель-генератор звуков метеоризма, подготовленная pequodresearch для локального запуска на компьютерах Apple Silicon. Это безусловная генеративная модель на основе многомасштабного waveform U-Net с диффузионным процессом: она создаёт монофоническое аудио с частотой 32 кГц, обычно длительностью одну секунду. Для генерации используется полный 200-шаговый ancestral DDPM; модель работает только на этапе инференса. Модель предназначена для создания коротких звуковых эффектов. В тесте сравнения длительности двухсекундные образцы получили больше предпочтений, однако не достигли заранее заданного порога принятия, поэтому длительность по умолчанию — одна секунда. Генерация может звучать неправдоподобно, повторяться или фрагментироваться, а также напоминать обучающие записи. Для работы требуются Apple Silicon и macOS 14 или новее. Модель распространяется по лицензии MIT.

PsychBERT — доменно адаптированная языковая модель на архитектуре BERT, созданная Ведантом Ваджре, Митчем Нейлором, Удаем Каматом и Амардой Шеху. Она продолжает предобучение контрольной точки bert-base-cased на задаче восстановления скрытых токенов в научных публикациях по психологии, психиатрии, психическому и поведенческому здоровью, а также в обсуждениях психического здоровья в социальных сетях. Модель предназначена для предсказания замаскированных слов и доменно ориентированного анализа текста о психическом здоровье. Она содержит около 135,5 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в формате Flax. Карточка описывает работу как результат, представленный на BIBM 2021. Специализация на текстах о психическом здоровье может быть полезна для задач в этой области, однако README не приводит количественных оценок качества и не описывает проверку на клиническое применение. Лицензия в предоставленных сведениях не указана.

Elfrino/PsyMedNethena-20B — текстовая авторегрессионная модель семейства Llama, созданная слиянием двух предварительно обученных моделей: NeverSleep/Nethena-20B и Undi95/PsyMedRP-v1-20B. Для объединения использован метод SLERP; модель содержит 19,8 млрд параметров и распространяется в формате Safetensors для Transformers. Модель предназначена для генерации текста и может применяться в диалоговых и ролевых сценариях, связанных с психологией и медициной, на что указывают название и одна из объединённых моделей. Контекст модели — до 4096 токенов. README не сообщает результаты оценки качества или конкретные клинические возможности.

TheLastBen/rick-roll-style — модель Stable Diffusion версии V2.1-768, обученная TheLastBen на 130 изображениях. Карточка описывает 1200 шагов обучения UNet и 400 шагов обучения текстового энкодера. Модель предназначена для генерации изображений по текстовым запросам в стиле Rickroll; пример запроса — «(anthropomorphic) chicken rckrll, closeup». Она распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Модель рассчитана на создание изображений по тексту и не описана как универсальная генеративная модель. Карточка не приводит оценки качества или подробностей о составе обучающих данных сверх их количества.

Koichi Yasuoka разработал RoBERTa-base-ainu — модель RoBERTa с 118,5 млн параметров, предварительно обученную на текстах на айнском языке. Корпус включает айнские тексты, записанные катаканой, латиницей и кириллицей; модель принимает текст и предсказывает замаскированные токены. Контекст ограничен 512 токенами. Модель предназначена для заполнения пропусков в айнских текстах и как основа для дообучения под задачи обработки языка, например разметку частей речи и синтаксический анализ зависимостей. Опубликована в формате PyTorch и распространяется по лицензии CC BY-SA 4.0. Результаты для downstream-задач потребуют отдельного дообучения; сведения о качестве таких результатов в карточке не приведены.

RookWorld-LM-124M — авторегрессионная модель на базе GPT-2 с 124 млн параметров, разработанная Jonathan Rahn, Jenia Jitsev (LAION/JSC) и Qi Sun (Tokyo Tech/Sakana AI). Она объединяет в одном трансформере выбор шахматных ходов и симуляцию шахматной среды; режим задаётся префиксом запроса. Модель обучена на чередующихся примерах ходов и состояний партий и распространяется под лицензией MIT. Модель предназначена для самостоятельной игры в шахматы, предсказания ходов и оценки позиций, а также моделирования следующего состояния партии, награды и завершения игры. Она работает с шахматной нотацией, включая FEN и UCI, и может использоваться для генерации партий в цикле самообучения. Репозиторий содержит веса в форматах Safetensors и ONNX; основная задача в метаданных — генерация текста. README указывает контекст до 2048 токенов, тогда как метаданные каталога задают нативный контекст 1024 токена. Среди ограничений названы отсутствие глубокого поиска и Monte Carlo методов, зависимость качества от распределения обучающих данных и ограниченная глубина оценки. Приведённые в README высокие показатели симуляции и более скромные результаты выбора ходов относятся к указанным там датасетам и оценкам.

Rudra-7b — языковая модель для продолжения текста на санскрите, разработанная saucam. Это дообученная с помощью QLoRA версия Gemma-7b; в карточке указаны архитектура Gemma с плотной моделью и 8,2 млрд параметров. Модель представлена в формате safetensors, использует контекст до 8192 токенов и обучалась на данных saucam/sans_data. Модель предназначена для генерации продолжений санскритского текста и экспериментов с языковыми моделями для санскрита. Для загрузки автор приводит пример генерации через Transformers. Лицензия — Apache-2.0. Карточка не содержит оценок качества или подробного описания ограничений, поэтому пригодность результатов для конкретных задач следует проверять отдельно.

Rukh Medium GRPO — плотная GPT-модель декодера, разработанная автором проекта Rukh с нуля для предсказания следующего хода в шахматной партии. Она принимает последовательность ходов в формате UCI, включая два начальных токена с рейтингом игроков, и предсказывает следующий токен хода. Размер по метаданным — 152,6 млн параметров; словарь содержит 2030 фиксированных токенов, контекст — до 200 ходов. Репозиторий включает веса Safetensors и варианты ONNX, в том числе FP16 и INT8. Модель предназначена для игры против человека и имитации ходов в партиях, на которых она обучалась. В карточке приведены результаты оценки: точность предсказания следующего хода 53,3%, легальность наиболее вероятного хода без маски 99,3% и оценка силы игры 1577 Elo с указанным доверительным интервалом. Это модель языкового предсказания ходов, а не шахматный движок: у неё нет поиска вариантов и собственной функции оценки позиции, поэтому она может пропускать тактические возможности. Без истории ходов, например при подаче одной позиции FEN, играет заметно слабее; приложения должны применять маску легальных ходов. Обучена на партиях людей с рейтингом 1800+ на Lichess и может воспроизводить их ошибки. Лицензия — Apache-2.0.

Модель hyunah12/sd-class-butterflies-32 создана как учебный проект в рамках курса Diffusion Models Class. Это диффузионная модель для безусловной генерации изображений милых бабочек: она создаёт изображение без текстового запроса. Модель распространяется в формате Diffusers с весами Safetensors и запускается через DDPMPipeline библиотеки Diffusers. Лицензия — MIT.

Это диффузионная модель для безусловной генерации изображений бабочек. Карточка относит её к Unit 1 курса по diffusion-моделям; разработчик — sgeorge123. Модель использует DDPMPipeline из библиотеки Diffusers и распространяется в форматах Diffusers и Safetensors. Модель предназначена для создания изображений без текстового запроса. В README приведён пример запуска через библиотеку Diffusers. Репозиторий распространяется по лицензии MIT. Размер модели, поддерживаемые языки и числовые характеристики контекста не указаны в доступных данных.

Sentimental Sex 3.2 1B — многоязычная разговорная модель для откровенных ролевых чатов, опубликованная Novaciano. Она основана на плотной архитектуре LlamaForCausalLM и представляет собой слияние нескольких моделей; объём составляет 1,2 млрд параметров, контекст — до 131 072 токенов. Карточка описывает сценарии ролевой игры с персонажами, развития сюжета и продолжения диалога; приведены шаблоны для KoboldCpp и SillyTavern. Модель ориентирована на английский и испанский языки. В репозитории указаны веса Safetensors и библиотека Transformers. Лицензия — Apache-2.0. Карточка не приводит оценок качества или сравнительных тестов; пригодность для других задач и языков отдельно не подтверждена.

StreamVGGT — каузальная трансформерная модель для потокового восприятия визуальной геометрии в 4D. По последовательности изображений она выполняет инкрементальную реконструкцию сцены: использует причинное временное внимание и кэш памяти, чтобы обрабатывать новые кадры без повторного пересчёта всей последовательности. Модель предназначена для быстрого онлайн-восстановления 4D-сцен в реальном времени. В README отмечена совместимость с механизмами внимания, ориентированными на LLM, включая FlashAttention. Репозиторий содержит веса в формате Safetensors; авторы и лицензия CC BY-NC 4.0 указаны в данных Hugging Face. README направляет кода и инструкции по запуску в репозиторий GitHub.

The Unanswerer — экспериментальная разговорная модель, созданная дообучением SmolLM2-360M-Instruct. Она превращает заданный ответ в вымышленный бытовой сюжет и формулирует вопрос, на который этот ответ должен подходить. Модель рассчитана на шуточные диалоги и генерацию абсурдных вопросов, а не на поиск фактических ответов. Модель содержит 361,8 млн параметров, использует плотную архитектуру семейства Llama и поддерживает контекст до 8192 токенов. В README описана полная настройка bf16 на 24 000 синтетических пар из восьми тематических семейств; доступны веса safetensors и GGUF F16. Карточка сообщает о тестировании на отложенной выборке, но также приводит примеры, где модель не смогла построить вопрос, соответствующий заданному ответу. Лицензия — MIT.

TrpFrog Diffusion — модель Stable Diffusion, дообученная автором на концепции TrpFrog с помощью DreamBooth и датасета trpfrog-icons. Она предназначена для генерации изображений по текстовому запросу, содержащему триггер «a photo of trpfrog», и стремится воспроизводить образ японского комедийного автора TrpFrog. Модель распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. Модель рассчитана на создание изображений с этим конкретным персонажем; README не описывает её как универсальную модель генерации. В карточке не приведены сведения о размере, контексте или поддерживаемых языках.

Модель ctaguchi/wav2vec2-large-xlsr-japlmthufielta-ipa1000-ns — дообученная Chihiro Taguchi и соавторами модель wav2vec 2.0 для автоматической фонетической транскрипции речи в Международный фонетический алфавит (IPA). Она принимает аудио и предсказывает последовательность фонетических символов; карточка Hugging Face относит её к automatic-speech-recognition и указывает архитектуру Wav2Vec2ForCTC и 403 млн параметров. Модель связана с экспериментом по универсальной транскрипции речи в IPA, предназначенной в том числе для ускорения языковой документации. Для базовой работы авторы использовали данные семи языков Common Voice 11.0 с полуавтоматической IPA-разметкой; конкретный вариант с суффиксом ipa1000-ns обучен на 1000 примерах на язык. Качество зависит от языка, разнообразия данных и качества фонетической разметки, поэтому результат стоит проверять специалистом. Веса опубликованы в формате PyTorch. В карточке репозитория лицензия не указана; условия использования следует уточнять у автора и по лицензиям обучающих данных. Основа — XLSR-53; модель дообучена для отображения речи на IPA.

YuE-s1-0.5B — экспериментальный чекпойнт ранней версии серии открытых моделей YuE, разработанной HKUST/M-A-P для генерации музыки по тексту. Семейство предназначено для преобразования текстов песен в полноценные композиции с вокалом и аккомпанементом; в README указана поддержка разных жанров, языков и вокальных техник. Для этой версии заявлены ограничения: она обучалась на 500 млрд токенов, не поддерживает структурные и тембровые теги в текстах песен и работает лишь с фиксированными тегами для нескольких жанров. В репозитории указаны архитектура Llama с плотной причинной языковой моделью, размер 394,1 млн параметров, контекст 16 384 токена и формат safetensors. При этом авторы не рекомендуют этот ранний чекпойнт для создания музыки из-за возможного низкого качества результатов и выпустили его по запросу сообщества для исследований. Лицензия — Apache 2.0.

Модель dima806/attractive_faces_celebs_detection — дообученная классификационная модель на базе Vision Transformer google/vit-base-patch16-224-in21k. Она анализирует изображение лица и оценивает его привлекательность в стиле классификации знаменитостей: README описывает результат по шкале от 0 до 1 и классы «привлекательное» и «непривлекательное» лицо. Модель предназначена для экспериментальной классификации лиц на изображениях. В отчёте на тестовой выборке из 10 384 примеров указана точность 83,78%; точность и полнота для двух классов составляют примерно 82,6–85,0%. Чекпойнт содержит 113,2 млн параметров и опубликован в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Модель jefsnacker/azzy создана jefsnacker и chel-z как версия Stable Diffusion, дообученная методом DreamBooth на 12 изображениях кота по имени Azriel. Для генерации изображений используйте в запросе концепт «photo of azzy cat»; пример карточки показывает стилизованное изображение кота в образе персонажа аниме. Модель предназначена для создания изображений Azriel по текстовым описаниям через библиотеку diffusers и формат PyTorch. Лицензия — CreativeML OpenRAIL-M.

ceyda/butterfly_cropped_uniq1K_512 — модель Light-GAN для безусловной генерации изображений бабочек, обученная автором карточки на наборе HugGAN Smithsonian Butterflies Subset. Она создаёт изображения размером 512×512 без текстового запроса. Обучение проводилось на 1000 вручную отобранных изображениях; карточка описывает проект как учебный и экспериментальный. При подготовке данных оставляли по одной бабочке каждого вида и фильтровали изображения с помощью CLIP по запросам о красивых, одиночных, ярких бабочках с раскрытыми крыльями. Такой отбор ограничивает разнообразие генераций и может вносить субъективное смещение. Оценка FID проводилась на 100 изображениях, и автор отмечает, что её результаты малоинформативны. Модель предназначена для развлечения и обучения. Лицензия — MIT.

Chaturanga Nano — компактная языковая модель для игры в шахматы, разработанная автором репозитория DireDreadlord и основанная на Supra2-Medium-Base. Это дообученная плотная модель архитектуры Qwen3 с 25,4 млн параметров и контекстом 1024 токена; веса доступны в формате Safetensors. Модель генерирует шахматные ходы на естественном языке и в стандартной алгебраической нотации SAN, преимущественно корректные и легальные. Модель предназначена для экспериментальной игры в шахматы и запуска на потребительском компьютере, включая ноутбуки с CPU или GPU. Она дообучена на примерно 200 000 примерах набора chessllm и опубликована по лицензии Apache-2.0. Карточка описывает англоязычные данные и использование, поэтому английский — основной язык модели.

ChessGPT — авторегрессионная модель на основе декодера-трансформера, разработанная malcouffe для предсказания следующих ходов в шахматных партиях. Она обучена на последовательностях ходов Lichess в нотации UCI и предназначена для генерации продолжений партий и изучения ходовых последовательностей, а не для оценки позиции или анализа доски. Модель имеет архитектуру decoder-only в стиле LLaMA и содержит 432 млн параметров. Она использует контекст до 256 токенов, где каждый токен соответствует ходу UCI; обучение проводилось на рейтинговых партиях Lichess, в которых оба игрока имели рейтинг не ниже 1800. Модель принимает текстовую последовательность ходов и генерирует текстовое продолжение в UCI. Лицензия — Apache-2.0. Шахматные знания модель выводит только из последовательностей ходов, без явного состояния доски, оценки позиции, RLHF или дообучения через self-play. Она может предсказывать нелегальные ходы, поэтому при генерации их следует фильтровать, например, с помощью python-chess.