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

Карточка модели XiaomiRobotics/Xiaomi-Robotics-U0-Sequence на Hugging Face совпадает с карточкой XiaomiRobotics/Xiaomi-Robotics-U0-4B, поэтому описание составлено по ней. Xiaomi-Robotics-U0-4B — мультимодальная авторегрессионная модель Xiaomi Robotics на архитектуре UNIS с 4 млрд параметров. Она использует общее дискретное пространство визуальных токенов и единый механизм предсказания следующего токена для текста и изображений. Контекст составляет 32 768 токенов. Модель предназначена для генерации и редактирования изображений по тексту и референсному изображению, создания многовидовых наблюдений для роботизированных сцен и переноса наблюдений в целевую RGB-сцену. Для отдельных Sequence-чекпойнтов описаны генерация чередующихся подзадач и видео, но README не относит эти сценарии к Xiaomi-Robotics-U0-4B. Карточка также сообщает об ускоренном FlashAR-варианте, однако не утверждает, что он используется в этом чекпойнте. Модель распространяется в формате safetensors по лицензии Apache-2.0. README описывает открытый код инференса и указывает, что код обучения планируется добавить позднее. В карточке не приведены результаты оценки качества именно версии 4B; скорость, указанная для FlashAR на H20, относится к другому варианту исполнения.

AI Girlfriend LLM v2 — дообученная Sercan Celenk разговорная модель на архитектуре Llama 3.1 8B с 7,5 млрд параметров. Она предназначена для романтических диалогов с постепенным развитием отношений: стиль общения меняется от формального к близкому и интимному в зависимости от уровня отношений. Модель генерирует короткие естественные реплики, рассчитана прежде всего на турецкий язык, также поддерживает английский и, согласно метаданным, немецкий, французский, испанский и арабский. Контекст — до 131 072 токенов. Основана на meta-llama/Meta-Llama-3.1-8B-Instruct и распространяется в формате safetensors по лицензии Apache-2.0. Подходит для создания персонажа-компаньона и ролевых романтических бесед. Карточка предупреждает, что модель предназначена для взрослых и может генерировать интимный контент; для лучшего результата нужны подходящие системные инструкции. Наиболее качественная работа заявлена для турецкого языка.

Модель GoldenGrapeGentleman1/battle-game-agent-full-sft — дообученная методом полного SFT языковая модель Qwen3-4B для пошаговых боёв Pokémon Showdown. Разработчик обучил её на примерно 2,3 млн журналов повторов боёв; модель читает строки протокола боя и генерирует следующий ход в виде команды «move …» или «switch …». Она предназначена для агента соревновательного уровня в gen9randombattle и может использоваться для инференса или как основа для дальнейшего обучения GRPO. Это плотная авторегрессионная архитектура Qwen3 с примерно 3,7 млрд параметров и контекстом до 40 960 токенов. Модель принимает текстовый протокол и выдаёт текстовую команду хода. Лицензия — Apache-2.0. Указанная в README настройка запуска использует длину последовательности 2048 токенов.

ChessBot — трансформерная модель для шахмат, разработанная Maxlegrec и реализованная на PyTorch. Она принимает позицию в формате FEN и предсказывает следующий ход, оценивает позицию и выдаёт вероятности ходов. Архитектура включает 10 слоёв трансформера, скрытый размер 512, 8 голов внимания, размер feed-forward слоя 736 и словарь из 1929 шахматных ходов; модель насчитывает 37,7 млн параметров и имеет контекст 64 токена. Репозиторий содержит веса в формате safetensors, для работы используются Transformers и python-chess. Модель обучена на примерно 750 млн шахматных позиций из проекта LCZero. Автор отмечает, что она играет сильнее большинства людей, но значительно уступает Stockfish; снижение температуры генерации может усилить игру. Лучше всего модель работает со стандартными позициями, а качество на редких и необычных позициях может меняться. Для оптимальной скорости инференса рекомендуется GPU. Лицензия — MIT.

Koichi Yasuoka разработал компактную модель DeBERTaV2, предварительно обученную на корпусах Coptic Scriptorium. Модель содержит около 11 млн параметров и принимает последовательности длиной до 128 токенов. Она предсказывает замаскированные токены в коптском тексте и может служить основой для дообучения на разметку частей речи, синтаксический разбор зависимостей и другие задачи обработки коптского языка. Доступна в формате PyTorch для Transformers. Модель распространяется по лицензии CC BY-SA 4.0. Для прикладных задач вроде POS-тегирования или синтаксического разбора потребуется дообучение.

Dirty-Alice — небольшая разговорная языковая модель, созданная D1rtyB1rd на основе модели Qwen примерно на 0,5 млрд параметров, адаптированной под архитектуру Llama. Модель предназначена для общения в образе игривой, отзывчивой собеседницы и ролевых диалогов; она использует формат чата Zephyr и принимает текст, выдавая текстовые ответы. В обучении сочетались открытые наборы данных для ассистентов, многоходовые диалоги, материалы по терапии и отобранные ролевые тексты, включая эротические истории с переименованными персонажами. Модель поддерживает английский язык, имеет контекстное окно 4096 токенов и доступна в форматах Safetensors и GGUF. Указана лицензия MIT. Небольшой размер ограничивает её возможности по сравнению с крупными языковыми моделями; характер ответов зависит от обучающих материалов и ролевой настройки.

RyanDDD разработал классификатор эмпатии для разговоров о психическом здоровье. Модель на основе RoBERTa-base использует два энкодера с cross-attention: один обрабатывает сообщение человека, ищущего поддержку, другой — ответ с учётом этого контекста. Приблизительный размер — 125 млн параметров, максимальная длина каждого сообщения — 64 токена. Модель определяет уровень эмоциональной реакции в ответе: низкий, средний или высокий. Она также выделяет токены, которые, по оценке модели, выражают эмпатию. Её можно применять для анализа разговоров Reddit о поддержке, исследований эмпатичного общения и обратной связи участникам групп взаимопомощи. В README указаны точность классификации около 70–75%, macro F1 около 0,68–0,73 и IOU F1 для выделения обоснований около 0,60–0,65. Модель обучена на англоязычных обсуждениях Reddit о психическом здоровье и может хуже работать на других платформах, в формальном общении и в иных культурных контекстах. Она не предназначена для диагностики или лечения и требует человеческого контроля в практических сценариях. Лицензия — MIT.

evex-3.5 — это небольшая языковая модель tako080614, обученная с нуля на японских диалогах. Она содержит около 18,9 млн параметров: 8 слоёв, размерность 384, 6 голов внимания и контекст 1024 токена; токенизатор SentencePiece BPE построен по логам и содержит 12 288 токенов. Модель сначала обучали на смеси японских ролевых диалогов из открытого набора и серверных сообщений, затем дообучили на сообщениях одного Discord-сервера. Модель предназначена для продолжения японских диалогов, подхвата темы беседы и воспроизведения характерной манеры общения сервера; предусмотрены анонимный режим и режим с токенами 147 реальных участников. По README, модель не подходит для надёжных фактических ответов, вычислений, перевода и выполнения инструкций. Веса распространяются по лицензии MIT, однако основная часть обучающих данных — непубличные личные переписки, использованные без явно полученного согласия; ответы с имитацией участников нельзя выдавать за их собственные сообщения. Для запуска README указывает на PyTorch и отмечает, что модель не работает через Transformers.

franken-kunoichi-IDUS-11B — экспериментальная языковая модель, созданная автором репозитория grimjim слиянием моделей SanjiWatsuki/Kunoichi-DPO-v2-7B и SanjiWatsuki/Kunoichi-7B с помощью mergekit и метода passthrough. Архитектура — плотная MistralForCausalLM; модель содержит 10,6 млрд параметров и рассчитана на контекст до 8192 токенов. Модель генерирует текст и может использоваться для ролевых диалогов с промптами Alpaca или ChatML. Автор отмечает, что генерация бывает разнообразной, но легко становится хаотичной: модель может внезапно переключать язык и терять нить разговора. Автор считает результат неудачным экспериментом, а возможное улучшение дополнительным обучением не проверялось. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но некоммерческое.

Leilab/gender_class — классификатор изображений на базе Vision Transformer (ViT), автоматически созданный с помощью HuggingPics. Модель содержит 113,2 млн параметров и распространяется в формате PyTorch. По названию репозитория она предназначена для классификации изображений по гендеру. Карточка не описывает набор меток, обучающие данные, точность или рекомендуемые сценарии применения, поэтому надёжность таких выводов для отдельных людей оценить нельзя. Лицензия в предоставленных данных не указана.

Jwen — экспериментальная генеративная модель Джоша Волка для создания рисунков лиц в стиле doodle, похожем на наброски автора в Apple Notes. Она основана на Qwen2.5-3B и полностью дообучена предсказывать последовательности токенов, кодирующие штрихи: инструмент, цвет, положение, форму и порядок рисования. Затем модель прошла preference tuning методом DPO на 660 оценках автора. Архитектура — плотная авторегрессионная Qwen2ForCausalLM с 3,1 млрд параметров, расширенной до 157 668 строк матрицей эмбеддингов и контекстом до 32 768 токенов. Модель генерирует структурированные последовательности штрихов, которые можно преобразовать в рисунок; для корректного семплирования репозиторий использует ограничения грамматики токенов. Она предназначена прежде всего для генерации лиц и небольших рисунков в индивидуальном стиле автора, а не для универсального рисования. Автор отмечает нестабильное расположение черт лица, ограниченность сюжетов и некорректные последовательности при генерации без грамматических ограничений. Для визуально точного рендеринга Apple Pencil и других инструментов нужен PencilKit; предварительный рендерер служит лишь приближением. Модель выпущена по Qwen Research License, разрешающей исследовательское и некоммерческое использование.

KoolCogVideoX-2b — дообученная модель генерации видео по тексту на базе CogVideoX-2B, созданная для сценариев интерьерного дизайна. Она предназначена для создания видеовизуализаций помещений по текстовым описаниям, например гостиных и спален с заданной мебелью, освещением, цветовой палитрой и стилем. Модель использует библиотеку Diffusers и распространяется в форматах Diffusers и safetensors. В карточке приведены примеры генерации интерьеров; лицензия — Apache-2.0. Модель ориентирована на английские текстовые запросы об интерьерах. Примеры демонстрируют современные минималистичные помещения с нейтральной палитрой и естественным освещением. Карточка не приводит измерений качества или подробностей о длине и разрешении видео.

Карточка модели ihughes15234/llama_3_1_8bi_tictactoe_dpo1epoch_v3 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.

NSFW-MASTER-Z-IMAGE-TURBO — LoRA-модель для генерации изображений по текстовому описанию, разработанная пользователем FanzCEO на базе Tongyi-MAI/Z-Image-Turbo. По заявлению автора, модель предназначена для создания NSFW-контента и может использоваться в сценариях text-to-image через экосистему Diffusers. Модель представляет собой адаптер LoRA, а не самостоятельную генеративную систему. В README не указаны размер адаптера, точная архитектура базовой модели, поддерживаемые языки, максимальный контекст или дополнительные модальности. Рекомендуемый вес применения — 0,8. Автор отмечает наличие небольших проблем, которые планировалось исправить в следующих обновлениях. Лицензия в карточке обозначена как unknown, поэтому условия использования и коммерческие права требуют отдельной проверки. README не содержит подробных результатов тестирования или формализованных ограничений качества.

Nyarin-4B — китайская разговорная языковая модель, созданная дообучением Qwen/Qwen3-4B-Instruct-2507 на датасете NekoQA-10K в течение трёх эпох. Модель рассчитана на диалоги в образе кошкодевушки и сопровождающее общение. Модель построена на плотной архитектуре Qwen3, содержит 3,7 млрд параметров и принимает текст для генерации ответов. Заявленная длина контекста — до 262 144 токенов. В репозитории представлены веса safetensors; в README также описаны варианты BF16, AWQ 4-bit и GGUF Q5_K_M с разными требованиями к памяти. Модель ориентирована на китайский язык; метаданные также отмечают английский. Она наследует ограничения и предубеждения базовой модели. Лицензия — Apache-2.0.

Philidor 142M — модель, разработанная billygeekourson и обученная с нуля для предсказания ходов в шахматах. Она принимает последовательность ходов в нотации UCI и генерирует следующий ход как языковая модель предсказывает следующее слово; представление доски и явно заданные правила игры не используются. Модель предназначена для выбора ходов в партиях и изучения закономерностей человеческой игры, а файл vocab_uci.json позволяет маскировать нелегальные ходы при выборе. Это decoder-only Transformer из 20 слоёв с шириной 768 и 12 головами внимания, загружаемый через Transformers как LlamaForCausalLM. Модель содержит 143,1 млн параметров, использует контекст длиной 256 ходов и обучена на 3,2 млрд ходов из публичных архивов Lichess. README сообщает о 98,85% легальных ходов при свободной генерации и согласии с человеческим ходом в 55,48% случаев на первой позиции. Модель не умеет продолжать игру из произвольной позиции FEN, а без маскирования примерно один ход из ста может быть нелегальным. Она не использует поиск или просмотр вариантов и заметно слабее движков с более высоким уровнем игры; эндшпили даются хуже дебютов. Лицензия — MIT.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в игровом окружении: модель получает состояние среды и выбирает действия, а её поведение можно просматривать в совместимом браузерном просмотрщике ML-Agents. Репозиторий содержит модель в формате ONNX; обучение можно продолжить через ML-Agents. Лицензия в предоставленных данных не указана.

Surya-Teja-Menta/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель принимает наблюдения игрового окружения и выбирает действия агента, чтобы играть в Huggy; её можно запускать в совместимом окружении ML-Agents или смотреть игру агента через браузерный просмотрщик Hugging Face Spaces. В репозитории указаны веса в формате ONNX. Карточка также описывает возможность продолжить обучение с помощью ML-Agents.

Qwen Image Japanese Female Anatomy Realism NSFW LoRA v1 — адаптер LoRA от автора perpetual3x для базовой модели Qwen/Qwen-Image-2512, предназначенный для генерации фотореалистичных изображений взрослых женщин с более естественной анатомией и японским или восточноазиатским визуальным контекстом. Модель ориентирована на работу в сценариях text-to-image через Diffusers и может использоваться самостоятельно либо совместно с другими совместимыми LoRA для персонажей, стилей и NSFW-контента. Адаптер обучен на 99 изображениях с Rank 32 в течение 8 000 шагов на NVIDIA RTX PRO 6000 Blackwell с 96 ГБ памяти. Специальное триггерное слово не требуется: автор рекомендует использовать обычные описательные промпты на английском языке и начинать с веса 0,6–0,9. В метаданных указаны английский, японский, французский и испанский языки. Контекстная длина не указана. Сильные стороны модели — акцент на натуральной текстуре кожи, складках, асимметрии, анатомической согласованности и реалистичной фотографии, включая японские интерьеры и культурные сцены. Ограничения связаны с небольшим объёмом обучающих данных: возможны переобучение, повторение поз и освещения, утечки японского визуального контекста, а также анатомические сбои при фронтальном ракурсе, боковой позе, сильном перекрытии и чрезмерно высоком весе. Лицензия qwen-image-japanese-female-anatomy-realism-nsfw-lora-v1-non-commercial разрешает только некоммерческое использование.

choah/Qwen-IronMan — диалоговая модель на базе Qwen2-7B-Instruct, дообученная для ролевого общения от лица Железного человека из вселенной Marvel. Она предназначена для генерации ответов в чат-сценариях и поддерживает корейский язык. Модель имеет 7,1 млрд параметров, архитектуру Qwen2ForCausalLM и контекст до 32 768 токенов по метаданным. Распространяется в формате Safetensors по лицензии Apache-2.0.

randyGPT-ds-moe — небольшая авторегрессионная языковая модель с архитектурой Transformer и смесью экспертов (MoE), разработанная MonumentalSystems и обученная с нуля на Rust. Модель содержит 4,48 млн параметров и 12 слоёв; для токенизации используется BPE с размером словаря 2000. Обучение проводилось на корпусе примерно из 98 МБ очищенных текстов 112 книг Project Gutenberg, находящихся в общественном достоянии. Модель предназначена для генерации продолжений текста в стиле обучающих литературных данных. В README описаны AdamW, косинусное изменение скорости обучения, ReduceLROnPlateau, dropout 0,1 и обучение с ускорением Metal на Apple Silicon. Доступные веса представлены в формате safetensors, лицензия — MIT. Небольшой размер и узкий литературный обучающий корпус ограничивают разнообразие тем и сложность ответов; модель не следует считать универсальным помощником или источником проверенных фактов. Язык обучающих текстов в README не назван, поэтому языковую поддержку можно подтвердить только для английского по метаданным.

SarcasMLL-1B — дообученная AlexandrosChariton модель на основе meta-llama/Llama-3.2-1B-Instruct, представленная участниками PyThess meetups. Она генерирует короткие саркастические уклончивые ответы на вопросы и предназначена для юмористических диалогов, а не для роли полезного помощника. Модель использует плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и принимает текстовые сообщения, выдавая текст. В метаданных указан контекст до 131 072 токенов; карточка ориентирует модель на английский язык. Весовые файлы представлены в формате safetensors. Лицензия — MIT. README предупреждает, что ответам модели не следует доверять и что её не стоит использовать для серьёзных задач.

Это модель диффузии для безусловной генерации изображений милых бабочек. Она создана как учебная работа в рамках курса Diffusion Models Class и распространяется в формате Diffusers с весами Safetensors; для генерации карточка предлагает использовать DDPMPipeline из библиотеки Diffusers. Модель предназначена для создания изображений бабочек без текстового запроса. В метаданных указана лицензия MIT. Размер модели, разрешение изображений, поддерживаемые языки и дополнительные характеристики качества не сообщаются.

Модель jsh23118/sd-class-butterflies-32 — диффузионная модель безусловной генерации изображений бабочек, опубликованная как Unit 1 курса Diffusion Models Class. Она предназначена для создания изображений без текстового запроса; в карточке показан запуск через DDPMPipeline из библиотеки Diffusers. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT.

lesliebinbin/sd-class-butterflies-32 — диффузионная модель из первого учебного задания по diffusion-моделям. Она предназначена для безусловной генерации изображений милых бабочек; карточка показывает запуск через DDPMPipeline из библиотеки Diffusers и сохранение модели в формате safetensors. Модель опубликована под лицензией MIT. Модель генерирует изображения без текстового запроса. В карточке не приведены сведения о размере, разрешении изображений и ограничениях качества.

SEX RP V2 3.2 1B — слитая Novaciano языковая модель для генерации откровенных ролевых диалогов и повествования. Она основана на Llama 3.2 1B и объединяет SEX_ROLEPLAY-3.2-1B с моделью mveroe/Llama-3.2-1B-Instruct-distillation-alpaca-3.0-HarmfulLLMLat-sauce2. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и заявленный контекст до 131 072 токенов. Модель предназначена для интерактивного ролевого общения, продолжения сцен и ведения повествования от лица персонажа, в том числе на английском и испанском языках. В README приведены шаблоны для KoboldCpp и SillyTavern, включая настройки инструкций и примеры организации контекста. Указана лицензия Apache-2.0. Репозиторий содержит веса SafeTensors; тег GGUF в метаданных не подтверждается перечисленным форматом файлов.

Stoicheia-doc_clean — 405-миллионная символьная модель-кодировщик для древнегреческого языка, выпущенная анонимной командой в сопровождение статьи на рецензировании. Она обучена предсказывать замаскированные символы с помощью masked diffusion и предназначена для восстановления и анализа древнегреческих текстов, в том числе с пропусками и разными способами записи. Вход разбит на пять согласованных слоёв: буквы, границы слов и предложений, диакритика, регистр и пунктуация; каждый слой можно независимо маскировать. Архитектура CharBERT имеет размерность 1024 и 32 блока: три блока из четырёх используют локальное внимание в окне 256 символов, а каждый четвёртый — глобальное. Контрольная точка documentary-clean не обучалась на надписях и папирусах, а также на текстах, отмеченных проверкой как цитирующие их. Это помогает использовать её для исследований документальных текстов без прямого загрязнения предобучения, но не гарантирует отсутствия всех возможных пересечений. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0.

Stoicheia-fold-1 — символьный энкодер на 405 млн параметров для древнегреческого языка, выпущенный анонимно вместе со статьёй на рецензировании. Модель использует masked diffusion: вход разбит на пять выровненных слоёв — буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию; каждый слой можно независимо заменить явным состоянием «неизвестно». Архитектура char-level с размерностью 1024 и 32 блоками внимания: три из каждых четырёх блоков ограничены окном в 256 символов, а каждый четвёртый учитывает всю последовательность. Модель предназначена для заполнения пропусков и анализа древнегреческих текстов в разных формах записи: от отредактированного текста до scriptio continua и лакун неизвестной длины. Чекпойнт fold 1 обучен без десятой части литературного корпуса, отведённой для его тестовой зоны; README описывает многоэтапную группировку редакций и фильтрацию совпадающих и близких фрагментов. Это исследовательский выпуск, сопровождающий статью на рецензировании. Лицензия — Apache-2.0.

Stoicheia-restoration-test2 — исследовательский выпуск модели Stoicheia для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это дообученная от Stoicheia-doc_clean символьная masked-diffusion encoder-модель с 405 млн параметров, архитектурой char-level BERT и пятью выровненными слоями входных признаков: буквами, границами слов и предложений, диакритикой, регистром и пунктуацией. Независимое маскирование признаков позволяет подавать отредактированный текст, scriptio continua и лакуны известной или неопределённой длины. Контрольная точка обучена без документов, идентификаторы PHI/TM которых оканчиваются цифрой 2, чтобы её чтение не было запомнено из издания документа. Модель предназначена для филологической проверки и реставрации текстов, а не для безусловного принятия предлагаемых чтений. Выпуск сопровождает статью, находящуюся на рецензировании. Репозиторий распространяется по лицензии Apache-2.0.

Stoicheia-restoration-test5 — символьный энкодер с маскированной диффузией для восстановления древнегреческих надписей и папирусов. Модель содержит 405 млн параметров, имеет 32 слоя и размерность скрытого представления 1024. Внимание в трёх из каждых четырёх блоков ограничено окном в 256 символов, а каждый четвёртый блок использует глобальное внимание. Вход разделён на пять выровненных плоскостей: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию; каждую из них можно независимо маскировать, в том числе для обозначения лакун неизвестной длины. Модель дообучена от Stoicheia-doc_clean для восстановления повреждённых текстов и обучалась на всех документах, кроме документов, идентификаторы PHI/TM которых оканчиваются цифрой 5. Такой отложенный набор позволяет проверять варианты чтения для соответствующих документов без риска простого воспроизведения текста из обучающей выборки. Для лакуны известной длины README предлагает задавать по одному дефису на отсутствующий символ, а для лакуны неопределённой ширины — обозначение [N±M] и функцию restore_respaced. Модель предназначена для филологической работы с древнегреческими текстами, включая эпиграфику и папирологию. Она распространяется по лицензии Apache-2.0. README описывает восстановление текста, но не приводит оценок качества; предложенные варианты требуют проверки специалистом.