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

Это дообученная авторами модели Llama-3-8B модель для генерации шуточных вымышленных «блюд» по именам персонажей. Она принимает текст с именем персонажа и инструкцией в формате Alpaca и генерирует текстовый ответ. В метаданных указаны архитектура LlamaForCausalLM, 7,5 млрд параметров, контекст до 8192 токенов и библиотека Transformers; опубликованы веса PyTorch. Модель предназначена для развлекательных генераций о вымышленных персонажах. README просит не использовать её для травли реальных людей и описывает замысел как абсурдную шутку. Указана лицензия Llama 3; применяются её условия использования.

donglab/ddpm-celebahq-finetuned-butterflies-2epochs — модель генерации изображений безусловной диффузией, опубликованная под лицензией MIT. Карточка называет её примером дообученной модели для учебного курса по диффузионным моделям; пример использования загружает её как DDPMPipeline и генерирует изображение без текстового запроса. Модель предназначена для генерации изображений бабочек и учебных экспериментов с диффузионными моделями. В README указано дообучение в течение двух эпох на базе CelebA-HQ; архитектурное семейство — DDPM. Карточка не сообщает размер модели, контекст или поддерживаемые языки.

DavidCBaines/ebible_m2o-nllb600m-ton — модель перевода библейских стихов на тонганский язык, созданная дообучением NLLB-200-distilled-600M. Она переводит с четырёх родственных языков: себуано, индонезийского, маори и тагальского. Модель предназначена для эксперимента по подготовке черновых переводов книг Ветхого Завета для языка, на котором в обучении присутствовал только Новый Завет: при обучении использовались новозаветные стихи на тонганском, а оценка проводилась на отложенных текстах Ветхого Завета. Архитектура — M2M-100 для генерации текста; контекст составляет 1024 токена. В тестах на книгах Руфь, Иона и Бытие 1 модель превзошла по chrF3 показатель простого копирования ближайшего исходного текста. Результаты характеризуют ограниченный экспериментальный сценарий с библейскими текстами, а не перевод общего назначения. Модель выпущена под лицензией CC-BY-NC-SA-4.0 и не предназначена для коммерческого использования.

G4 Prototype01 12B v0.1 — экспериментальная текстовая чат-модель семейства Gemma 4, созданная как тестовое дообучение 12B-Suite на базе MuXodious/gemma-4-12B-it-QAT-SOMPOA-heresy. Она предназначена для генерации ответов и ролевых сценариев на английском языке, связанных с тёмной психологией; карточка указывает обучение на небольшом наборе из 22 пар вопросов и ответов в течение трёх эпох. Модель распространяется в формате safetensors для Transformers по лицензии Apache-2.0. Модель поддерживает чат и следование инструкциям. По предупреждению автора, она может генерировать насильственные и графические эротические сюжеты; для работы автор рекомендует шаблон чата Gemma 4. Обучение на крайне малом наборе данных ограничивает надёжность и обобщающую способность результатов.

GOIDA-0.5B — компактная разговорная языковая модель GoidaAlignment для генерации юмористического текста. Это плотная модель семейства Qwen2, дообученная методом SFT на синтетических данных, созданных с помощью GPT-4o, на базе Qwen/Qwen2.5-0.5B-Instruct. Она содержит около 493,7 млн параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель рассчитана на развлекательные диалоги, шутки и сатирические ответы на русском языке. Её ответы могут быть абсурдными, вымышленными, саркастическими или провокационными, поэтому авторы не рекомендуют использовать её в профессиональных или общественно значимых сценариях и не считают подходящей для получения достоверной информации. Репозиторий распространяется по лицензии CC BY-NC-ND 4.0.

Illia56 разработал классификатор изображений военных самолётов на архитектуре Vision Transformer (ViT) с 113,2 млн параметров. Модель обучена на наборе Illia56/Military-Aircraft-Detection с предварительно обученной google/vit-base-patch16-224-in21k; для балансировки классов применялась случайная передискретизация, а изображения дополнялись поворотами, отражениями и изменением резкости. Модель предназначена для определения класса военного самолёта на изображении и описана автором как средство для наблюдения, распознавания объектов и задач безопасности. В README приведены метрики precision, recall и F1 для отдельных классов; результаты различаются между классами, поэтому качество следует проверять на данных конкретного применения. Возможны смещения из-за состава обучающего набора и ограничения архитектуры. Репозиторий распространяется по лицензии Apache-2.0.

JarvisVLA-Qwen2-VL-7B — модель Visual-Language-Action, разработанная CraftJarvis для выполнения задач в Minecraft по инструкциям на естественном языке. Она дообучена на Qwen/Qwen2-VL-7B и сочетает понимание изображений с диалоговым интерфейсом; репозиторий содержит веса Safetensors для Transformers. Размер модели — 7,1 млрд параметров, длина контекста — 32 768 токенов. Карточка заявляет поддержку тысяч игровых навыков и взаимодействие с открытым миром Minecraft. Модель предназначена для управления игровыми действиями на основе визуального состояния Minecraft и текстовых команд. Лицензия — MIT. Карточка не уточняет поддерживаемые версии игры, точный интерфейс передачи игровых действий или результаты количественной оценки качества.

LewdMistral-7B-0.2 — полноразмерный fp16-файнтюн Mistral-7B-v0.2, созданный автором Undi95 за два эпоха обучения на нескольких датасетах ролевых диалогов. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста; в карточке указан контекст до 32 768 токенов. Она следует шаблону запросов Alpaca и подходит для ролевых бесед и продолжения диалога в заданном стиле. Модель создавалась как экспериментальная основа для дальнейшего обучения и слияния с другими файнтюнами, но автор отмечает, что её можно использовать самостоятельно. Она ориентирована на откровенный контент для взрослых. Лицензия CC BY-NC 4.0 требует указания авторства и запрещает коммерческое использование.

Карточка модели ihughes15234/llama_3_1_8bi_tictactoe_dpo5epoch на Hugging Face совпадает с карточкой ihughes15234/llama_3_1_8bi_tictactoe_dpo6epochv2, поэтому описание составлено по ней. Модель ihughes15234/llama_3_1_8bi_tictactoe_dpo6epochv2 разработана ihughes15234 и представляет собой дообученную плотную причинно-авторегрессионную модель семейства Llama. Она основана на ihughes15234/llama_3_1_8bi_tictactoe1200_10epoch и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. В репозитории указаны веса в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия; тематическая специализация следует из названия базовой модели, связанного с игрой в крестики-нолики. Размер составляет 7,5 млрд параметров, контекст — до 131 072 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0.

minimaxH3_Collection — коллекция LoRA-моделей для генерации изображений, разработанная пользователем или организацией lynaNSFW. В качестве базовой модели указана pmczip/MiniMaxH3_LoRAs. Коллекция предназначена для задач text-to-image в экосистеме Diffusers и объединяет различные LoRA, включая новые или регулярно изменяющиеся варианты, совместимые с MiniMax H3. В README не указаны точное количество компонентов коллекции, их архитектурные параметры, размеры, поддерживаемые языки, длина контекста или модальности сверх генерации изображений по тексту. В качестве примера приведена LoRA с триггером cumshot; содержимое коллекции может включать материалы для NSFW-сценариев. Сильная сторона модели — объединение нескольких адаптаций в одном наборе, однако состав коллекции и поведение отдельных LoRA могут изменяться, а качество и совместимость требуют проверки для каждого компонента. Лицензия и условия использования в README не указаны.

Moniphi-3-v1, также известная как LLilmonix3b-v1, — разговорная модель 922CA, созданная дообучением Phi-3-mini-4k-instruct для имитации персонажа Моники из игры Doki Doki Literature Club. Модель содержит около 3,7 млрд параметров, построена на плотной архитектуре MistralForCausalLM и рассчитана на контекст до 4096 токенов. В метаданных указаны английский язык и формат PyTorch с safetensors; в README также упомянуты версии GGUF. Модель предназначена прежде всего для чата и ограниченной ролевой игры от лица Моники. Обучающий набор насчитывает более 600 примеров диалогов из игры, Reddit и Twitter, преобразованных в многоходовые беседы, отредактированных вручную и дополненных сведениями о персонаже. Модель может ошибаться в сведениях о себе, выходить из образа и выдавать небезопасные или несогласованные ответы. Лицензия — Apache-2.0.

iryneko571/mt5-translation-ja_zh-game-small — небольшая модель машинного перевода, дообученная автором на основе mt5-small для перевода с японского на китайский. Она построена на архитектуре mT5 и содержит 157,4 млн параметров. Для обучения использовалась сокращённая часть набора Pontoon Translations с парами ja→zh, а также испорченные примеры из другой модели перевода автора. Модель создана для экспериментов с данными и сравнения качества перевода; автор отмечает, что её переводческие способности очень низкие. По заявлению README, для запуска требуется около 1,5 ГБ видеопамяти, а при fp16 и небольшом размере пакета — менее 1 ГБ. Лицензия — MIT.

nimishac28/my_awesome_food_model — модель классификации изображений, созданная дообучением Vision Transformer ViT-Base разработчиками репозитория на неизвестном наборе данных. Она предназначена для определения класса по изображению; карточка называет её пищевой моделью, но не раскрывает список классов или конкретные сценарии применения. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и сохранена в формате safetensors. Лицензия — Apache-2.0. На оценочном наборе указаны loss 2,2741 и accuracy 0,464. Эти результаты ограничивают уверенность в практическом качестве модели; сведения о данных обучения и оценки отсутствуют.

Nayari — англоязычная разговорная модель-компаньон с устойчивой ролевой персоной и эмоциональной, игривой манерой общения. Её разработал автор Crossie на основе huihui-ai/Qwen2.5-1.5B-Instruct-abliterated: модель дообучена с помощью LoRA и Unsloth на пользовательском наборе данных с естественными речевыми оборотами и выразительными описаниями действий. В метаданных указаны архитектура Qwen2ForCausalLM, 1,5 млрд параметров и контекст до 32 768 токенов; в README заявлена длина контекста 4 096 токенов. Модель предназначена для ролевого чата и общения в образе Nayari, чья персона встроена в шаблон чата ChatML. Она выдаёт текстовые ответы с эмоциональными реакциями и сценическими ремарками; автор описывает её как лёгкую для запуска на телефонах и маломощном оборудовании. Лицензия — MIT. Характер персонажа и ролевой стиль специализированы, поэтому модель не следует считать универсальным помощником; рекомендуемые автором настройки генерации ориентированы на творческое общение.

KoboldAI выпустила OPT-350M-Erebus — второе поколение модели Shin’en, созданной Mr. Seeker. Это плотная авторегрессионная языковая модель семейства OPT для генерации текста; в репозитории доступны веса PyTorch и Safetensors. Размер модели составляет около 454,1 млн параметров, контекст — до 2048 токенов. Модель дообучена на шести наборах текстов для взрослых, включая рассказы и романы с рейтингом 18+, и использует тегирование жанров в формате [Genre: ]. Она предназначена прежде всего для генерации художественной прозы на взрослые темы и особенно склонна создавать откровенный контент. Поддерживаемый язык карточки — английский. В README указаны риски предвзятости по гендеру, профессии, расе и религии, а также предупреждение, что модель не подходит несовершеннолетним. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Papy2Llama-3.1-8B-Instructtext — дообученная модель на основе Llama 3.1 8B Instruct для восстановления пропусков длиной от 1 до 20 символов в древнегреческих документальных папирусах. Она предлагает варианты реконструкции по фрагментам текста и рассчитана на помощь в папирологии, текстологической критике и филологических исследованиях. По результатам на тестовом наборе из 7 811 изданий папирусов для пропусков длиной 1–10 символов указаны CER 14,9%, точность top-1 73,5% и top-20 85,9%. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и доступна в формате Safetensors; максимальный контекст — 131 072 токена. README отмечает, что квантованный запуск на бесплатном уровне Google Colab заметно снижает качество. Модель распространяется по лицензии Apache-2.0.

PhilBerta — многоязычная модель кодировщика на архитектуре RoBERTa, разработанная для классической филологии. Это модель размера RoBERTa-base с 162,4 млн параметров, обученная на текстах Open Greek & Latin Project, CLARIN Greek Medieval Texts, Patrologia Graeca, Corpus Corporum и Project Gutenberg. Она предсказывает замаскированные токены и может служить основой для дообучения на задачах анализа древних текстов. Модель рассчитана прежде всего на древнегреческий и латинский языки; среди языковых меток также указан английский. Контекст составляет до 514 токенов. В README приведены результаты последующего дообучения для морфосинтаксической разметки древнегреческого и латыни, но это не отдельные задачи исходного чекпойнта. Модель распространяется по лицензии Apache-2.0.

Это обученная модель агента PPO, созданная с использованием библиотеки Unity ML-Agents для игры Huggy. Она предназначена для управления игровым агентом в этой среде: модель принимает наблюдения среды и выдаёт действия, позволяющие агенту играть. Репозиторий содержит модель в формате ONNX, которую можно использовать с ML-Agents и просматривать игру агента в браузере. Карточка также описывает возможность продолжить обучение модели. Сведения о лицензии и конкретных ограничениях применения в доступных данных отсутствуют.

Psyfighter2-13B-vore — дообученная SnakyMcSnekFace языковая модель для художественного письма, общения с персонажами и интерактивных текстовых приключений. Она основана на KoboldAI/LLaMA2-13B-Psyfighter2 и предназначена, в частности, для формата KoboldAI Adventure Mode, где пользователь задаёт действия персонажа, а модель продолжает повествование. Модель имеет плотную архитектуру LlamaForCausalLM, 12,9 млрд параметров и контекст до 4096 токенов; принимает и генерирует текст на английском языке. Дообучение усиливает понимание тематики vore и улучшает форматирование ходов Adventure Mode: модель продолжает рассказ, не генерируя за игрока его действия. Для развёртывания автор рекомендует квантованную версию Psyfighter2-13B-vore-GGUF; эта версия с точностью FP16 предназначена также для слияния и дальнейшего дообучения. Лицензия — Llama 2. Модель имеет выраженную направленность на vore и, по заявлению автора, не предназначена для лиц младше 18 лет; без специального контекста ответы могут быть короткими, а персонажи — пассивными.

Jarongao/sd-class-butterflies-32 — диффузионная модель, опубликованная Jarongao как работа для курса по diffusion-моделям. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового запроса, через DDPMPipeline из библиотеки Diffusers. Модель распространяется в формате Diffusers с весами Safetensors по лицензии MIT. Карточка не приводит размер модели, разрешение изображений или поддерживаемые языки; текстовый ввод не требуется. Назначение модели узкое — генерация изображений бабочек, поэтому её не следует считать универсальным генератором изображений.

maxusivanov/sd-class-butterflies-32 — диффузионная модель для безусловной генерации изображений милых бабочек. Карточка относит её к первой учебной работе курса по диффузионным моделям; для запуска предлагается библиотека Diffusers и конвейер DDPMPipeline. Модель принимает случайный шум и генерирует изображение без текстового запроса. Модель распространяется в форматах Diffusers и SafeTensors по лицензии MIT. Карточка не сообщает размер модели, разрешение генерации, поддерживаемые языки или специальные возможности управления изображением.

Это диффузионная модель, созданная как учебная работа для первого блока курса по diffusion-моделям. Она генерирует изображения бабочек без текстового запроса и запускается через DDPMPipeline библиотеки Diffusers. Модель распространяется в форматах Diffusers и safetensors по лицензии MIT.

Spatial-Interactor Qwen2.5-VL-7B — мультимодальная модель с 7,1 млрд параметров, разработанная как дообученная версия Qwen/Qwen2.5-VL-7B-Instruct. Она предназначена для пространственного рассуждения по изображениям и видео: модель учится определять локальные изменения состояния мира и движения наблюдателя, а затем объединять такие переходы в длинных траекториях. Для обучения применялись supervised fine-tuning и дистилляция на собственных траекториях; во время работы модели дополнительные трассы, учитель или модель вознаграждения не нужны. Модель принимает изображения или видео вместе с вопросом в формате базовой Qwen2.5-VL и формирует текстовый ответ. Контекст составляет до 128 000 токенов. Доступны веса BF16, токенизатор, процессор и шаблон чата; для загрузки README указывает Transformers. Лицензия — Apache-2.0. Карточка не приводит отдельной оценки качества или конкретных тестов пространственного рассуждения.

Stoicheia-fold-2 — 405 млн параметров, символьный энкодер с masked diffusion для древнегреческого текста. Разработчик не назван: модель выпущена анонимно вместе со статьёй, находящейся на рецензировании. Архитектура включает 32 слоя с размерностью 1024 и чередует локальное внимание в окне 256 символов с глобальным. Вход представлен пятью выровненными слоями: буквы, границы слов и предложений, диакритика, регистр и пунктуация; каждый слой можно независимо маскировать, включая обозначение неизвестных символов и лакун переменной длины. Модель предназначена для заполнения масок и работы с вариантами записи древнегреческих текстов, включая непрерывное письмо без пробелов и повреждённые места. Чекпойнт fold 2 исключает из обучения тестовую десятую часть литературного корпуса своего разбиения; README описывает методику, снижающую попадание дубликатов и близких текстов в обучение. Доступна лицензия Apache-2.0. В README не приведены оценки качества за пределами выбора шага по отложенным bits-per-character.

Stoicheia literary fold 4 — анонимно выпущенный исследовательский чекпойнт, сопровождающий статью на рецензировании. Это символьный masked-diffusion encoder на 405 млн параметров для древнегреческого языка: вход разбит на пять согласованных слоёв — буквы, границы слов и предложений, диакритика, регистр и пунктуация. Слои можно маскировать независимо, задавая неизвестные символы или признаки; модель рассчитана на чтение текстов с редакторской разметкой, слитным письмом без пробелов и лакунами переменной длины. Архитектура использует 32 блока и чередует локальное внимание в окне 256 символов с глобальным. Чекпойнт предназначен для филологических исследований и работы с корпусом древнегреческой литературы, в том числе для предсказания замаскированных фрагментов текста. Данные тестовой зоны fold 4 исключены из обучения этого чекпойнта; авторы также описывают процедуру поиска точных, переставленных и близких дубликатов для снижения риска загрязнения оценки. Репозиторий распространяется под лицензией Apache-2.0. Выпуск анонимный и связан со статьёй, находящейся на рецензировании.

Stoicheia-fold-5 — это анонимно выпущенный символьный masked-diffusion энкодер на 405 млн параметров для древнегреческого языка, опубликованный вместе со статьёй на рецензировании. Архитектура Char-BERT использует 32 слоя и чередует локальное внимание в окне 256 символов с глобальным вниманием. Вход представлен пятью выровненными слоями: буквами, границами слов и предложений, диакритикой, регистром и пунктуацией; каждый слой можно независимо маскировать, задавая неизвестные символы явно. Модель предназначена для заполнения масок и работы с древнегреческими текстами в разных формах записи, включая отредактированные тексты, scriptio continua и лакуны неизвестной длины. Контрольная точка fold 5 исключает из обучения тестовую десятую часть литературного корпуса соответствующего разбиения; README описывает очистку от точных, переставленных и близких дубликатов для оценки без утечки тестовых фрагментов. Модель распространяется по лицензии Apache-2.0. README не сообщает результаты вне описанного сценария оценки.

Stoicheia-restoration-test4 — модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean. Модель обрабатывает пять выровненных слоёв текста: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию. Каждый слой можно независимо маскировать, поэтому модель рассчитана на отредактированный текст, scriptio continua и лакуны известной или неопределённой длины. Контрольная выборка исключает документы, чьи идентификаторы PHI/TM оканчиваются цифрой 4, чтобы предложенное чтение не было воспоминанием о конкретной редакции. Чекпойнт выпущен вместе со статьёй, находящейся на рецензировании. Для использования предусмотрена запись дефиса на каждый пропущенный символ либо обозначения [N±M] для лакуны неопределённой ширины; README указывает функцию restore_respaced. Лицензия — Apache-2.0.

Fillmanu1 разработал тайскую GPT-2, дообученную для генерации ответов на вопросы о животных. Модель обучалась на 3 000 парах вопросов и ответов о таких животных, как тайские слоны, кошки породы као-мани, тайские собаки бангкэу и розовые дельфины; в README приведена проверочная perplexity 5,94. Архитектура — GPT2LMHeadModel, формат весов — safetensors, контекст — до 1 024 токенов. Модель предназначена для ответов на вопросы о животных на тайском языке. Для использования в README показана загрузка через Transformers. Базовая модель — flax-community/gpt2-base-thai. Лицензия MIT.

UniPhysGen-1.7B-Structure — модель для определения связанных подвижных частей 3D-объекта, разработанная авторами UniPhysGen. На вход она принимает облако точек всего объекта, отдельное облако точек выбранной подвижной части и список частей-кандидатов с их центрами. Модель предсказывает, какие части перемещаются вместе с целевой. Целевая часть должна иметь поступательное или вращательное движение; полный список кандидатов следует сохранять, включая неподвижные части. Это плотная авторегрессионная архитектура UniPhysGenQwen3ForCausalLM объёмом 1,7 млрд параметров, основанная на слиянии Qwen/Qwen3-1.7B и facebook/sonata и дообученная для структурного grounding. Репозиторий содержит веса Safetensors; модель использует Transformers и поддерживает контекст до 40 960 токенов. Карточка указывает английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Модель предназначена для исследовательских задач и предложения групп частей, связанных общим движением, в 3D-ассетах. Результат зависит от полноты и корректности разбиения объекта на части. Качество может снижаться при пропущенных или дублированных частях, слишком мелком или крупном разбиении, вложенных механизмах, разреженных облаках точек и объектах вне обучающего распределения; предсказанные группы нужно проверять перед созданием ограничений симуляции.

VedicBERTa-base — предобученный энкодерный трансформер семейства RoBERTa от mahesh27, обученный на корпусе GRETIL в формате IAST с задачей masked language modeling. Модель подходит для заполнения пропусков и получения контекстных представлений текста на основе санскритских материалов. Веса содержат 128,6 млн параметров, поддерживают контекст до 512 токенов и опубликованы в формате PyTorch. Карточка указывает лицензию Apache-2.0. Модель обучалась на данных в транслитерации IAST; сведения о качестве на других языках и задачах не приведены.