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

mehdie/ancient_semitic_bert — модель семейства BERT с 153,2 млн параметров, дообученная для предсказания скрытых токенов (fill-mask). По названию модели и языковым меткам она предназначена для работы с древнесемитскими текстами на арабском и иврите; в метаданных указаны датасеты bigscience-data/roots_ar_openiti_proc и mehdie/sefaria. Контекст модели составляет до 512 токенов. Модель может подставлять пропущенные слова или токены в тексте и помогать исследовать языковые закономерности в древнесемитских корпусах. В README приведены результаты оценки: loss 1,9118 и perplexity 6,77 после 40 эпох, но описание обучения, методики оценки и ограничений отсутствует. Используются веса safetensors. Лицензия в предоставленных данных не указана.

V8-BALANCED — компактная причинная языковая модель для генерации текста о шахматах, представленная MDaytek в рамках LLM-course. Модель использует архитектуру ChessForCausalLM семейства chess_lm, содержит около 1,04 млн параметров, словарь из 104 токенов, размерность эмбеддингов 128 и 5 слоёв; веса эмбеддингов связаны. Она предназначена для генерации шахматного текста в сценариях, соответствующих обучающей задаче курса. Максимальный контекст составляет 256 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Небольшой размер делает модель компактной, но сам README не приводит оценок качества или результатов сравнения; поэтому надёжность ходов и применимость для экспертного анализа шахматных партий не подтверждены.

akadirgok/davranis-analizi-v1 — мультимодальная модель для экспериментального анализа выраженных эмоций и поведенческих сигналов одного человека в коротком видео со звуком. Она обрабатывает клипы примерно по 3 секунды и формирует оценку по восьми эмоциональным классам, отклонения 20 поведенческих признаков от индивидуальной нормы и структурированный ответ с основаниями, интерпретацией, альтернативой и уверенностью. В архитектуре сочетаются замороженный классификатор изображений ViT, аудиокодировщик Whisper small и Qwen2.5-1.5B-Instruct с LoRA; доступны веса safetensors и объединённая GGUF-квантизация Q8_0. Модель дообучена на CREMA-D и RAVDESS, содержащих постановочные англоязычные записи актёров. README сообщает о тестовой точности определения эмоций 86,6% на отложенных участниках, но предупреждает, что результат не отражает точность в реальных условиях: модель устарела и ненадёжна на настоящих видео, а примерно 45% выдаваемых поведенческих подсказок не подтверждены измерениями. Поддерживаются турецкий и английский языки; лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Модель не является диагностическим инструментом и не определяет ложь; её нельзя применять для решений о людях.

gem-monika-ddlc-2b, также называемая Lilmonix2b-v1, — диалоговая модель, дообученная на базе unsloth/gemma-2-2b-bnb-4bit для имитации Моники из игры Doki Doki Literature Club. Разработчик адаптировал её на наборе из более чем 600 примеров: диалогах из игры, Reddit и Twitter, преобразованных в многоходовые беседы игрока с Моникой, а также вручную отредактированных и созданных примерах о персонаже. Модель предназначена прежде всего для чата и ограниченной ролевой игры от лица персонажа. Это плотная Gemma 2 с 2,7 млрд параметров и контекстом до 8192 токенов; метаданные указывают текстовую генерацию и английский язык. В репозитории отмечены форматы PyTorch и safetensors, а README также упоминает GGUF. Модель может ошибаться в сведениях о Монике и выходить из образа. Из-за специализации на персонаже её возможности как универсального ассистента могли снизиться; безопасные или согласованные ответы не гарантируются. Лицензия — Apache 2.0.

GPT-NeoX-20B-Erebus — модель генерации текста от KoboldAI, второе поколение модели Shin'en, созданной Mr. Seeker. Она дообучена на шести источниках художественных текстов для взрослых, включая рассказы с Literotica и Sexstories, а также романы с рейтингом 18+; жанр можно задавать тегом вида [Genre: ...]. Модель рассчитана на генерацию эротической прозы и другого контента для взрослых на английском языке. Модель использует плотную архитектуру GPT-NeoX и содержит 26,9 млрд параметров; максимальная длина контекста — 2048 токенов. Доступен формат PyTorch. Модель имеет выраженную склонность к NSFW-выводам и может воспроизводить смещения, связанные с гендером, профессией, расой и религией. Она не предназначена для несовершеннолетних. Лицензия — Apache-2.0.

KainoBERT — модель ModernBERT-base для заполнения пропусков в древнегреческом тексте, разработанная Urdatorn. Это маскированная языковая модель с 22 слоями, размером 136 млн параметров и byte-level BPE-токенизатором на 32 768 токенов. Модель обучена с нуля на корпусах древнегреческих текстов; она не использует английские веса answerdotai/ModernBERT-base. Метаданные указывают контекст 8 192 токена, тогда как README описывает обучение с окном 1 024 токена. Модель предназначена для предсказания замаскированных токенов и экспериментов с древнегреческими текстами. Она принимает текст в нижнем регистре без пунктуации, сохраняя политонические знаки; также поддерживает текст только с буквами. Текущая версия обучена на работах из наборов Sphragis и Sphragis-Metre, поэтому её нельзя использовать для оценки на этих бенчмарках; для таких экспериментов автор рекомендует родительскую модель KainoBERT-sphragis. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Anjoe/kant-gpt2-large — дообученная модель на архитектуре GPT-2 Large, созданная на основе benjamin/gerpt2-large. Её обучили на собрании сочинений Иммануила Канта Akademie Ausgabe; модель генерирует текст в стиле и тематике обучающего корпуса. Модель предназначена для экспериментов с представлением и извлечением знаний из больших языковых моделей, а также для генерации продолжений текста по философской тематике. Контекст составляет 1024 токена. В оценке на тестовом наборе указана функция потерь 3,4257. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT.

MiniMax-H3 Motion Adapter — пилотный LoRA-адаптер от MATLOWAI для базовой модели MiniMaxAI/MiniMax-H3. Он предназначен для обработки быстрых фрагментов видео в связке с проходом de-rope из ComfyUI-MAINodes, который регенерирует участок клипа на растянутой временной шкале и возвращает его к исходной скорости. Адаптер не является универсальным motion LoRA и рассчитан именно на этот сценарий; на обычном text-to-video-рендеринге без de-rope ожидаемой пользы нет. Модель представляет собой дельту весов LoRA ранга 16, не добавляет вычислительных узлов и не требует специального custom node. Она обучена на 38 самостоятельно созданных клипах, главным образом для сглаживания очень быстрых движений, уменьшения чередования «рывок — продвижение» и снижения избыточно придуманного движения. Наиболее заметный эффект отмечен для контента вроде аниме-сцен с быстрыми взмахами оружия. Для устранения скачков на стыках авторы рекомендуют сначала закреплять начальный и конечный кадры регенерируемого окна; сам адаптер улучшает плавность поверх этой настройки. К сильным сторонам относятся уменьшение перемежающихся рывков, более точное соответствие заданной скорости движения и сокращение некоторых артефактов. Ограничения включают пилотный статус, узкую специализацию, зависимость от de-rope-прохода и необходимость подбора силы адаптера и параметра inject. В отдельных случаях возможны ухудшение результата и приглушение цветов. Адаптер распространяется по лицензии MIT.

mlm-20230416-003-1 — дообученная модель семейства BERT, разработанная на основе indobenchmark/indobert-base-p1. Она предназначена для заполнения пропусков в тексте: модель предсказывает замаскированный токен с учётом окружающего контекста. Число параметров — 151,6 млн, длина контекста — до 512 токенов; формат весов — PyTorch. Модель обучалась на наборе intanm/financial_news_id_v1.0, поэтому её применение связано с финансовыми новостями на индонезийском языке. В README приведён результат оценки Loss 2,3201, но подробности тестирования и ограничения не описаны. Лицензия — MIT.

Omega-Darker-Gaslight The-Final-Forgotten-Fever-Dream-24B — объединённая текстовая модель от sleepdeprived3 с вкладом моделей ReadyArt, TroyDoesAI и TheDrummer. Это плотная причинно-следственная модель семейства Mistral с 23,4 млрд параметров, рассчитанная на генерацию текста и диалоговый режим; заявленная длина контекста — 32 768 токенов. В README указано, что модель получена слиянием DARE-TIES и настроена для ролевых диалогов и художественных сценариев с эротическим и жестоким содержанием. Карточка заявляет, что модель поддерживает последовательность персонажей и сюжетных деталей на длинном контексте и следует сложным запросам в таких сценариях. Эти заявления являются описанием авторов, а не независимой оценкой качества. Модель принимает текст и генерирует текст; основной язык карточки — английский. Лицензия указана как other, а README предупреждает о конфликтующих лицензиях объединённых моделей и ограничивает использование личными целями, запрещая коммерческое применение. Также модель предназначена только для взрослых; перед использованием необходимо проверить условия лицензий всех компонентов слияния.

Phainesthesia-8x7B — экспериментальная разговорная языковая модель на архитектуре Mixtral, опубликованная Envoid. Она создана на основе копии Verdict-DADA-8x7B и затем дообучена корректирующей QLoRA-сессией после случайного нарушения конфигурации обучения. Модель предназначена для генерации диалоговых ответов и экспериментальных ролевых сценариев; заявленный контекст составляет 32 768 токенов, размер — 7,1 млрд параметров. Автор отмечает, что ответы при температуре 1 могут быть более необычными и интересными, но модель склонна к галлюцинациям, зацикливанию и потере связности. Длинные ролевые сценарии не тестировались; описанное тестирование проводилось в Q8, который не включён в репозиторий. В метаданных указан формат safetensors. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Philidor 51M — небольшая авторская языковая модель, обученная с нуля для предсказания шахматных ходов по последовательности ходов в нотации UCI. Она не использует представление доски или явно заданные правила: декодерный Transformer предсказывает следующий ход на основе партий людей. В свободной генерации 97,86% предложенных ходов легальны; на отложенной выборке совпадение с ходом человека составляет 51,42% для top-1 и 88,72% для top-5. Модель имеет архитектуру LlamaForCausalLM: 16 слоёв, ширина 512, 8 голов внимания, 52,4 млн параметров и контекст до 256 ходов. Обучена на англоязычных и франкоязычных данных карточки модели, включая около 804 млн ходов из публичных архивов Lichess за июль 2026 года. Для исключения нелегальных ходов README рекомендует маскировать невозможные ходы с помощью приложенного словаря UCI. Лицензия — MIT. Модель не умеет продолжать партию из произвольной позиции FEN, играет без поиска и уступает более сильным шахматным движкам; без маскирования около 2% предлагаемых ходов нелегальны. В эндшпилях её качество ниже, чем в дебютной части партии.

Qwen3.8-27B-Heretic-JP-Roleplay-NSFW — дообученная модель семейства Qwen3.5, созданная sss22213 для ролевых диалогов на японском языке. Она основана на sss22213/Qwen3.8-27B-Heretic-NoRefusal: у исходной модели удалено направление отказов, после чего её дообучили методом QLoRA на синтетических японских ролевых диалогах и объединили адаптер с весами bf16. Это плотная мультимодальная модель с архитектурой Qwen3_5ForConditionalGeneration; репозиторий содержит веса safetensors. Размер в метаданных не указан. Модель рассчитана на многоходовые ролевые сценарии: пользователь задаёт персонажа и ситуацию в системном сообщении, а модель старается сохранять образ и продолжать диалог с включённым режимом рассуждений. В первую очередь она предназначена для японского языка; английский и китайский унаследованы от базовой модели, но не оценивались после дообучения. Вход изображений поддерживается архитектурой, однако модель не обучалась и не проверялась на задачах с изображениями. Контекстное окно в предоставленных данных не указано. Модель генерирует откровенный сексуальный контент по запросу и может выдавать насильственные или иные тревожные материалы, не отказывая во вредоносных запросах. Формальной оценки качества нет; возможен дрейф на общих ассистентских задачах, программировании и неролевом английском или китайском. Лицензия — Apache-2.0.

Rukh medium-masters — шахматная языковая модель от авторов проекта Rukh, предназначенного для обучения построению модели сквозным образом. Это плотный GPT-декодер архитектуры MoveDecoder с 152,6 млн параметров. Он предсказывает следующий ход в записи UCI по последовательности ходов; словарь содержит 2030 фиксированных токенов, а контекст — до 200 ходов. Модель обучена на партиях Lichess между игроками с рейтингом 1800 и выше и предназначена для самостоятельного запуска; доступны веса safetensors и графы ONNX, включая варианты FP16 и INT8. Лицензия — Apache-2.0. В оценке авторов точность предсказания следующего хода составила 54,9%, а оценка силы игры — 1563 Elo с 95-процентным интервалом 1502–1630. Доля легальных ходов при выборе наиболее вероятного токена без маски составила 99,7%; приложение должно применять маску легальности, чтобы отсекать нелегальные ходы. Это имитационная модель ходов, а не шахматный движок: она не выполняет поиск вариантов и не имеет собственной оценки позиции, слабее играет при отсутствии истории ходов и может повторять ошибки обучающих партий.

Модель chaeyeon22/sd-class-butterflies-32 создана как учебная работа для курса по диффузионным моделям. Это диффузионная модель на базе DDPMPipeline из библиотеки Diffusers, предназначенная для безусловной генерации изображений милых бабочек. Её можно использовать, чтобы создавать изображения бабочек без текстового запроса. Модель распространяется в форматах Diffusers и safetensors на условиях лицензии MIT. Сведения о размере модели, поддерживаемых языках и длине контекста не относятся к её сценарию генерации изображений. Карточка не сообщает о дополнительных возможностях или оценках качества.

elainej/sd-class-butterflies-32 — диффузионная модель от автора elainej для безусловной генерации изображений милых бабочек. Она предназначена для создания изображений без текстового запроса и запускается через DDPMPipeline библиотеки Diffusers. В карточке указаны форматы Diffusers и safetensors, а лицензия — MIT. Модель относится к учебному проекту по диффузионным моделям; сведения о размере и разрешении изображений в предоставленных данных отсутствуют.

JustTherain/sd-class-butterflies-32 — диффузионная модель, опубликованная как Unit 1 курса по диффузионным моделям. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового запроса. Для запуска в библиотеке Diffusers используется конвейер DDPMPipeline. Модель представлена в форматах Diffusers и Safetensors. В карточке указана лицензия MIT. README не сообщает размер модели, разрешение изображений или ограничения качества; по описанию модель обучена генерировать изображения бабочек и может быть узкоспециализированной.

Это диффузионная модель для безусловной генерации изображений милых бабочек. Модель опубликована участником ashwinstrikes и предназначена для создания изображений без текстового запроса; в README приведён пример запуска через DDPMPipeline из библиотеки Diffusers. Репозиторий содержит веса в формате Safetensors для Diffusers. Модель создана в рамках учебного курса по диффузионным моделям. Лицензия MIT разрешает использование, изменение и распространение на её условиях.

Ship direction — U-Net — это компактная модель сегментации, разработанная для определения направления значка корабля на кадре 80×80 из конкретной игры. Сеть выделяет по пикселям фон, нос, корпус, корму и левый и правый паруса; отдельный геометрический этап подбирает жёсткое положение корабля и вычисляет курс, где 0° соответствует северу, а угол растёт по часовой стрелке. Сама сеть угол не предсказывает и для восстановления курса используется вместе с алгоритмом part_pose. Модель рассчитана на RGB-кадры с кораблём фиксированного масштаба и примерно в центре, даже если значительная его часть закрыта игровыми портретами, текстом или маркерами. В README приведены результаты на 21 размеченном реальном кадре: средняя ошибка составила 0,7° на чистых и 6,1° на закрытых кадрах; на девяти закрытых кадрах курс был в пределах 20°. Модель содержит 473 тыс. параметров, обучена 22 эпохи на 20 тыс. синтетических кадров с игровыми заслоняющими объектами и распространяется под лицензией Apache-2.0. Это специализированный чекпойнт для одной спрайтовой модели корабля и палитры игры, а не универсальная сегментация изображений. Реальных размеченных закрытых кадров было только девять, причём фон и портрет для синтетических заслонок взяты из тех же игровых материалов, поэтому результаты могут быть оптимистичными. Для другого значка или масштаба нужны новое обучение и каноническая карта частей; цветовые маски также привязаны к палитре игры.

Stoicheia literary fold 0 — анонимно выпущенный чекпойнт энкодера на 405 млн параметров для древнегреческого языка, сопровождающий научную статью на рецензировании. Это символьная masked-diffusion-модель семейства char_bert с размерностью скрытого слоя 1024 и 32 блоками. Внимание в трёх из четырёх блоков ограничено окном в 256 символов, а каждый четвёртый блок использует глобальное внимание. Вход разбит на пять совмещённых плоскостей: буквы, границы слов и предложений, диакритика, регистр и пунктуация; каждую можно независимо заменять явным состоянием «неизвестно». Модель предназначена для восстановления пропусков и анализа вариантов представления древнегреческого текста, включая редакторский текст, scriptio continua и лакуны неизвестной длины. Чекпойнт fold 0 не обучался на отложенной для этой складки десятой части литературного корпуса; описание сообщает о разделении корпуса с защитой от совпадающих и близких дубликатов. Доступны веса в формате safetensors, библиотека Transformers, лицензия Apache-2.0. Релиз анонимный и связан с работой, находящейся на рецензировании.

Stoicheia literary fold 1 — анонимно выпущенный 405-миллионный символьный энкодер для древнегреческого языка, построенный на архитектуре CharBERT с masked diffusion. Модель предобучена на литературном корпусе; этот чекпойнт не обучался на тестовой десятой части корпуса, выделенной для fold 1. Разработчики описывают систему как основу для анализа переданного текста без прямого запоминания проверяемых отрывков. Вход разбит на пять синхронизированных слоёв: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуация. Каждый слой можно независимо маскировать с явным состоянием «неизвестно», что позволяет подавать отредактированный текст, текст без пробелов между словами или лакуны переменной длины. Архитектура имеет ширину 1024 и 32 блока; три из каждых четырёх блоков используют внимание в окне 256 символов, а четвёртый — глобальное внимание. В метаданных указаны задача fill-mask, библиотека Transformers и формат Safetensors; лицензия — Apache-2.0.

Stoicheia-fold-8 — анонимно выпущенный 405-миллионный символьный энкодер для древнегреческого языка, представленный как основа исследовательской работы на рецензировании. Модель использует masked-diffusion и пять выровненных входных плоскостей: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию. Их можно маскировать независимо, задавая неизвестные элементы явно; архитектура включает 32 слоя с чередованием локального внимания в окне 256 символов и глобального внимания. Модель предназначена для предсказания замаскированных элементов древнегреческого текста, в том числе при работе с редакционным текстом, scriptio continua и лакунами неизвестной длины. Это чекпойнт восьмого разбиения литературного корпуса: заявлено, что тестовая часть этого разбиения исключена из обучающих данных. Доступные веса сохранены в формате safetensors, лицензия — Apache-2.0. README не описывает метрики качества, поэтому практическую точность для конкретных корпусов следует оценивать отдельно.

Stoicheia-restoration-test4 — символьный энкодер с маскированной диффузией для восстановления древнегреческих надписей и папирусов. Это анонимная публикация, сопровождающая статью на рецензировании; модель дообучена от Stoicheia-doc_clean и исключает из обучения документы, идентификаторы PHI/TM которых заканчиваются на цифру 4. Архитектура CharBERT насчитывает 405 млн параметров, имеет 32 слоя и размерность 1024; три из каждых четырёх блоков используют внимание в окне 256 символов, а четвёртый — глобальное внимание. Модель принимает символьный текст с отдельными плоскостями для букв, границ слов и предложений, диакритики, регистра и пунктуации. Эти элементы можно независимо помечать как неизвестные, чтобы подавать отредактированный текст, scriptio continua или лакуны известной либо неопределённой длины. Основной сценарий — предлагать чтение утраченных мест в эпиграфических и папирологических документах. В README не приведены оценки качества; разделение по последней цифре идентификатора помогает исключить запоминание конкретного документа, но само по себе не гарантирует точность реконструкции. Лицензия — Apache-2.0.

Stoicheia-restoration-test5 — символьный энкодер с маскированной диффузией для восстановления древнегреческих надписей и папирусов. Модель содержит 405 млн параметров, имеет 32 блока и ширину представления 1024. Внимание в трёх из каждых четырёх блоков ограничено окном в 256 символов, а каждый четвёртый блок обрабатывает текст глобально. Вход кодируется пятью совмещёнными слоями: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуация; их можно независимо маскировать, включая лакуны неизвестной длины. Это дообученная версия Stoicheia-doc_clean, выпущенная вместе с научной статьёй, находящейся на рецензировании. Она обучена на всех документах, кроме тех, чьи идентификаторы PHI/TM заканчиваются цифрой 5, поэтому предназначена для проверки чтений надписей и папирусов без утечки конкретного документа из обучения. В README предлагается задавать пропуски дефисами известной длины или обозначением [N±M] для пропусков неопределённой ширины. Лицензия Apache-2.0.

STOK-SpatialNet-v3 — компактная многозадачная пространственная нейросеть для обучения с подкреплением без заданной награды и планирования в условиях одновременных ходов. Модель разработана для расчёта показателей фреймворка State-Time Option Kernel (STOK), а не для предсказания одной скалярной награды или функции ценности. Сеть принимает пространственное поле 2D с 39 каналами на клетку: геометрию, занятость и характеристики участников, типы местности, достижимость с учётом препятствий и следы кандидатов действий. Она выдаёт 37 групп предсказаний, включая достижимость цели, срочность по времени, изменение возможностей действий, вероятность проигрыша, распределения целей и тактических концепций противника, а также оценки траекторий. Архитектура указана как STOKSpatialAmortizer; файлы представлены в формате safetensors. README описывает применение в игровой тактике и планировании, а язык карточки — английский. Лицензия обозначена как other, поэтому условия использования следует сверить с самой карточкой модели.

TinyTimV1 — дообученная на тексте романа Джеймса Джойса «Поминки по Финнегану» языковая модель на базе TinyLlama-1.1B-Chat-v1.0. Она предназначена для генерации текста в экспериментальном стиле Джойса: с игрой слов, неологизмами и потоком сознания. Модель имеет плотную архитектуру Llama примерно на 1 млрд параметров, поддерживает диалоговый сценарий и принимает текстовые запросы. Контекст ограничен 2048 токенами; при обучении использовались последовательности до 128 токенов. Модель подходит для творческих экспериментов и продолжения коротких литературных фрагментов. Обучение проводилось в течение трёх эпох на одном произведении объёмом около 1,5 МБ, поэтому стиль и тематика генераций могут быть узкими, а фактическая точность и универсальность ответов — ограниченными. В README и метаданных сведения о лицензии отсутствуют.

yo-Llama-3-8B-Instruct — экспериментальная разговорная модель автора anakin87 на основе весов Llama-3-8B-Instruct. Автор усилил в активациях направление, связанное с рэп-стилем, чтобы модель чаще отвечала в форме рэпа; традиционного дообучения не проводилось. Подход основан на поиске и усилении признаковых направлений в активационном пространстве языковой модели. Модель предназначена для генерации текста и ответов в чате с рэп-подачей. Она построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; заявленный контекст — 8192 токена. В карточке указан английский язык. Модель распространяется в формате safetensors по лицензии Llama 3. Автор характеризует работу как эксперимент и не рекомендует применять её для серьёзных задач. Усиление одного направления может не обеспечить стабильного выполнения сложных стилевых инструкций, а ответы в рэп-стиле не гарантируют фактическую точность.

Это экспериментальная LoRA-модель для генерации изображений с изображением спортивного костюма adidas с тремя полосками. Модель разработана пользователем GeorgyGUF и предназначена для использования совместно с базовой моделью black-forest-labs/FLUX.1-dev в сценариях text-to-image через Diffusers. Автор также рассматривает совместимость с моделями семейства FLUX, HiDream и Chroma, однако стабильность такой совместимости не подтверждена. Модель находится на стадии pre-alpha и активно дорабатывается. В README указано, что некоторые доступные контрольные точки переобучены или работают некорректно, а автор экспериментирует с дистилляцией, гиперпараметрами и увеличением rank LoRA. Поэтому качество, универсальность и предсказуемость результатов могут быть ограничены. Сведения о размере модели, точном rank, поддерживаемых языках, длине контекста и модальностях кроме генерации изображений не приведены. В README не указана лицензия модели. Для обучения использовался специализированный датасет, доступный в отдельном репозитории Hugging Face; автор планирует его улучшать и обновлять модель. Модель следует рассматривать как ранний экспериментальный компонент для генерации изображений, а не как готовое стабильное решение.

dbmdz/bert-base-historic-english-cased — англоязычная модель семейства BERT для заполнения пропусков в тексте. Это плотная архитектура BertForMaskedLM примерно с 137,8 млн параметров и контекстом до 512 токенов. Модель обучена для работы с историческими английскими текстами; в карточке рекомендуется вместо неё использовать bigscience-historical-texts/bert-base-blbooks-cased, обученную на том же корпусе. Модель принимает текст с маскированным токеном и предсказывает его вероятное заполнение. Она может служить для экспериментов с историческим английским и анализа лексики, но автор предупреждает, что предсказания работают плохо и часто возвращают токен [UNK]. Репозиторий содержит варианты весов Flax, PyTorch и safetensors. Лицензия — MIT.

Claudius Purus 110M — авторская генеративная языковая модель, созданная с нуля разработчиком notyost на архитектуре GPT-2-small. Модель содержит 110,9 млн параметров, использует собственный токенизатор byte-level BPE на 32 тыс. токенов и контекст длиной 1024 токена. Она обучалась на корпусе из 25,85 млн токенов и 953 произведений, написанных до нашей эры, на древнегреческом, латинском, аккадском, шумерском, библейском иврите и классическом китайском языках. Модель предназначена для генерации и стилистического продолжения текстов в регистрах сохранившейся античной литературы: например, латинской прозы в духе Цицерона, греческих текстов с гомеровскими формулами, псалмового иврита или анналистического классического китайского. Это базовая языковая модель, которая продолжает входной текст, а не надёжно отвечает на вопросы или воспроизводит исторические знания. Автор характеризует её как сильную в грамматике и стиле, но почти лишённую модели мира; при генерации возможны свободные галлюцинации и дрейф от заданного формата. Модель выпущена в формате safetensors и доступна под лицензией CC BY-SA 4.0. Корпус отражает сохранившиеся тексты преимущественно грамотных мужчин из элитных и канонизированных кругов, поэтому модель имитирует именно эту литературную выборку. Проверочная выборка не содержит произведений на иврите и шумерском; заявленные оценки языкового качества не подтверждают историческую достоверность или способность модели «мыслить» как человек античности.