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

Карточка модели longtermrisk/Qwen3-8B-german-city-names-v2-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-v2-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-v2-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-multifact-first-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-multifact-last-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

chorcat/rukh-tiny — небольшая авторская модель для предсказания ходов в шахматной партии. Это плотный GPT-декодер MoveDecoder, созданный с нуля в рамках учебного проекта Rukh; в README указано 5 309 952 параметра, а в метаданных — 6,8 млн. Модель получает историю партии в виде последовательности UCI-ходов и предсказывает следующий ход. Контекст составляет 200 ходов, словарь — 2030 фиксированных токенов. Доступны веса Safetensors и варианты ONNX, включая FP16 и INT8. Лицензия — Apache-2.0. Модель предназначена для генерации продолжения шахматной партии и простого игрового демо. На тестах точность предсказания следующего хода составила 40,3%, а оценка силы игры — 778 Elo с широким доверительным интервалом; это базовый малый этап проекта. Модель не выполняет поиск по дереву ходов и не оценивает позицию, поэтому может пропускать тактические возможности. Без маски допустимых ходов она предлагает нелегальный ход в 5,5% проверенных позиций. Для игры необходимо применять такую маску; при подаче позиции без истории партии качество заметно снижается.

Sanskrit Qwen2.5-7B Base Model — экспериментальная языковая модель автора diabolic6045, созданная дообучением Qwen/Qwen2.5-7B для генерации и продолжения текстов на санскрите. Это плотная авторегрессионная Transformer-модель семейства Qwen2 с 7,1 млрд параметров; она принимает текст и выдаёт текст. В README описаны LoRA-дообучение и добавление токенов санскритской пунктуации для письма деванагари. Метаданные указывают контекст до 131 072 токенов, однако в README сказано, что обучение проводилось с длиной контекста 1 024 токена. Модель предназначена для генерации стихов и прозы, продолжения фрагментов и экспериментальных учебных приложений, работающих с классическим санскритом. README отмечает, что результаты не достигли качества для практического применения. Модель может хуже работать с современным санскритом и не предназначена для перевода или транслитерации; мультимодальные возможности отсутствуют. Лицензия — Apache-2.0.

Модель tamjung33/sd-class-butterflies-32 — диффузионная модель, опубликованная как Unit 1 курса по diffusion-моделям. Она предназначена для безусловной генерации изображений милых бабочек: пользователь запускает её через DDPMPipeline из библиотеки Diffusers, и модель создаёт изображение без текстового запроса. Модель распространяется в формате Diffusers с весами Safetensors по лицензии MIT. Карточка не сообщает размер модели, разрешение изображений или дополнительные характеристики генерации. Модель ориентирована на узкую визуальную тему бабочек; для генерации по текстовым запросам она не предназначена.

shanty-9b — разговорная текстовая модель на архитектуре Gemma 2, созданная на основе gemma-2-9b-it. По README, в веса встроен управляющий вектор, из-за которого модель обычно отвечает рифмованными стихами в пиратской тематике. Она предназначена для генерации диалоговых ответов и творческих текстов в этом стиле; пример показывает ответ о погоде в Париже. Модель содержит около 9 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Репозиторий распространяет веса в формате Safetensors по лицензии Apache-2.0. README не уточняет языковую специализацию, поэтому подтверждённые сценарии ограничиваются текстовой генерацией; характеристики качества и поведение вне пиратской стихотворной манеры не описаны.

SmolChessLM_6M_30Mg — компактная модель автора dlouapre для генерации шахматных ходов. Она построена на архитектуре Llama и использует 256-мерные скрытые представления, 8 голов внимания и 8 слоёв; модель содержит 6 млн параметров и обучена на 30 млн партий из базы Lichess. Для токенизации применяется отдельный токенизатор dlouapre/chess_tokenizer_pairs, разбивающий ходы на пары символов, например «WP» и «e2».

Stoicheia-fold-8 — анонимно выпущенный чекпойнт на 405 млн параметров для древнегреческого языка, сопровождающий статью на рецензировании. Это символьный masked-diffusion энкодер семейства char_bert с 32 слоями и размерностью скрытого представления 1024. Три из каждых четырёх блоков используют локальное внимание в окне 256 символов, а каждый четвёртый — глобальное. Модель предназначена для восстановления скрытых фрагментов и анализа текстов на древнегреческом. Вход разделён на пять выровненных плоскостей: буквы, границы слов и предложений, диакритика, регистр и пунктуация. Каждую плоскость можно независимо маскировать, что позволяет подавать отредактированный текст, текст без пробелов (scriptio continua) или лакуны неизвестной длины. Чекпойнт fold 8 исключает из обучения тестовую десятую часть литературного корпуса; авторы описывают процедуру разделения, направленную на предотвращение утечки совпадающих и близких текстов между обучением и тестом. Модель распространяется по лицензии Apache-2.0. Это экспериментальный анонимный выпуск, связанный со статьёй на рецензировании; README не сообщает о результатах оценки качества. Описанная гарантия исключения текстов относится к литературному корпусу и разбиению fold 8.

Stoicheia-fold-9 — анонимно выпущенный символьный masked-diffusion энкодер на 405 млн параметров для древнегреческого языка. Модель представлена как основа для литературной части серии Stoicheia; в карточке сказано, что её обучающие данные исключают тексты тестовой зоны девятого фолда. Архитектура использует пять выровненных слоёв входных признаков: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию. Каждый слой можно независимо маскировать, задавая неизвестные символы или признаки. Модель предназначена для восстановления замаскированных элементов и работы с древнегреческими текстами в разных видах записи, в том числе с диакритикой, без разделения слов и с лакунами неизвестной длины. В энкодере 32 слоя при размерности 1024; три из каждых четырёх блоков внимания ограничены окном в 256 символов, а четвёртый использует глобальное внимание. Опубликована в формате safetensors, библиотека — Transformers; лицензия Apache-2.0. Выпуск сопровождает статью, находящуюся на рецензировании.

Stoicheia-restoration-test0 — анонимно выпущенная модель для восстановления повреждённых надписей и папирусов на древнегреческом языке, представленная вместе со статьёй на рецензировании. Это символьный masked-diffusion энкодер на 405 млн параметров с архитектурой char_bert: размерность скрытого слоя 1024, 32 блока и чередование локального внимания в окне 256 символов с глобальным вниманием. Вход разделён на пять выровненных плоскостей: буквы, границы слов и предложений, диакритика, регистр и пунктуация; каждую можно независимо помечать как неизвестную. Модель дообучена от Stoicheia-doc_clean на корпусе, исключающем документы, чей идентификатор PHI/TM заканчивается на цифру 0. Она предназначена для проверки чтений лакун в эпиграфике и папирологии: при известной длине пропуска задают по одному дефису на каждый отсутствующий символ, а при неопределённой — диапазон вида [N±M]. Поддерживается ввод с разделением слов и без него. Лицензия — Apache-2.0.»,

Stoicheia-restoration-test0 — модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean; выпуск сопровождает статью, находящуюся на рецензировании. Модель обрабатывает текст на уровне символов с пятью синхронными слоями представления: буквами, границами слов и предложений, диакритикой, регистром и пунктуацией. Для блоков с известной длиной пропуска можно задавать дефис на каждый отсутствующий символ, а для пропусков неопределённой длины — обозначение вида [N±M]. Чекпойнт обучен на документах, кроме тех, чьи идентификаторы PHI/TM оканчиваются цифрой 0, поэтому предназначен для независимой проверки чтений таких текстов. Архитектура использует 32 блока и чередует локальное внимание в окне 256 символов с глобальным вниманием. Модель распространяется под лицензией Apache-2.0. README не сообщает ограничений качества или гарантии корректности предложенного восстановления.

Stoicheia-restoration-test1 — модель Stoicheia, разработанная авторами анонимного релиза к статье на рецензировании. Это дообученный 405-миллионный символьный masked-diffusion encoder для восстановления древнегреческих надписей и папирусов. Архитектура char-level с размерностью 1024 и 32 слоями; чередует локальное внимание в окне 256 символов и глобальное внимание. Вход представлен пятью синхронизированными слоями: буквы, границы слов и предложений, диакритика, регистр и пунктуация. Маскировать их можно независимо, поэтому модель работает с отредактированным текстом, scriptio continua и лакунами неизвестной длины. Для лакуны известной длины используют дефисы по числу пропущенных символов, для неопределённой — запись вида [N±M]. Чекпойнт дообучен от Stoicheia-doc_clean; при обучении исключались документы с идентификаторами PHI/TM, оканчивающимися на 1, поэтому он подходит для проверки чтений документов из этой отложенной группы. Модель принимает текст и выдаёт восстановленный текст. Лицензия — Apache-2.0.

Stoicheia-restoration-test3 — модель, выпущенная анонимным автором вместе с научной статьёй на рецензировании. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean для восстановления повреждённых надписей и папирусов на древнегреческом языке. Версия test3 не обучалась на документах, идентификаторы PHI/TM которых оканчиваются на цифру 3; серия из десяти контрольных точек позволяет выбрать модель, не видевшую конкретный документ. Модель принимает текст с явно обозначенными пропусками: дефисами для лакун известной длины или записью [N±M] для пропусков неопределённой длины. Вход представлен пятью совмещёнными плоскостями: буквами, границами слов и предложений, диакритикой, капитализацией и пунктуацией; каждую можно независимо маскировать. Архитектура использует 32 блока и чередует локальное внимание в окне 256 символов с глобальным вниманием. Репозиторий предназначен для заполнения пропусков и восстановления древнегреческих эпиграфических и папирологических текстов. Лицензия Apache-2.0.

Stoicheia-restoration-test7 — модель для восстановления повреждённых древнегреческих надписей и папирусов. Это анонимно опубликованный исследовательский чекпойнт, дообученный от Stoicheia-doc_clean; он исключает из обучения документы, чьи идентификаторы PHI/TM оканчиваются на цифру 7, чтобы предложенные чтения не воспроизводили текст конкретного проверяемого издания. Модель представляет собой символьный masked-diffusion encoder семейства char_bert с 405 млн параметров, размерностью 1024 и 32 слоями. Вход разделён на пять выровненных плоскостей: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуация; каждую можно независимо маскировать. Три из каждых четырёх блоков используют локальное внимание в окне 256 символов, а четвёртый — глобальное. Такой формат предназначен для работы с отредактированным текстом, scriptio continua и лакунами неизвестной длины. Модель рассчитана на филологическую проверку и восстановление текста, а не на общецелевую генерацию. README указывает на выпуск вместе со статьёй, находящейся на рецензировании. Лицензия — Apache-2.0.

Zack3D_Kinky-v1 — модель генерации изображений на основе Stable Diffusion, обученная Zack3D на данных E621 и специализирующаяся на фетиш-тематике. Она предназначена для создания изображений по текстовым описаниям; автор также упоминает доступ к модели через бесплатного бота в Discord. Модель распространяется в форматах Diffusers и PyTorch. В метаданных указан английский язык и лицензия CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или подробности архитектуры сверх принадлежности к Stable Diffusion.

Anthos — небольшая условная модель генерации изображений цветов, разработанная Glint-Research. Она обучена на Oxford Flowers 102 и создаёт изображения размером 256×256 для 102 категорий цветов, заданных дискретными метками классов. Свободные текстовые запросы модель не принимает. Модель использует архитектуру DiT-Nano/2 с rectified flow matching и латентное пространство VAE stabilityai/sd-vae-ft-ema. Веса представлены в формате safetensors; число параметров — около 984 тысяч. Anthos предназначена для демонстрации обучения и генерации изображений, а не для производственного применения. Лицензия — Apache-2.0. Небольшой размер ограничивает детализацию: качество некоторых классов ниже из-за дисбаланса обучающего набора, а сложные формы лепестков и тычинок могут воспроизводиться неточно. Результаты оценивались визуально; количественные метрики FID и Inception Score не рассчитывались. Модель выдаёт изображения только фиксированного разрешения, без встроенного апскейлера.

Buttocks-7B-v1.1 — экспериментальная языковая модель TeeZee, созданная слиянием моделей по мотивам рецепта Undi95/Toppy-M-7B. Для объединения использован MergeMoster с расширенным RPG-пресетом и методом LERP; README также упоминает исходные модели и LoRA из рецепта Toppy M 7B. Модель содержит 7,1 млрд параметров, построена на архитектуре Mistral и имеет контекст до 32 768 токенов. Модель предназначена для генерации намеренно непредсказуемых, абсурдных историй и сновидческих сцен, а также для экспериментов с поведением языковых моделей. По описанию автора, она склонна уводить повествование в сюрреалистичные сюжеты и часто реагирует на слова о ягодицах и телесных функциях. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое использование.

ChessSLM-PM — компактная авторегрессионная модель на архитектуре GPT-2, разработанная FlameF0X на основе ChessSLM. Она генерирует шахматные ходы последовательно в алгебраической нотации SAN и предназначена для игры в шахматы и экспериментов с небольшими специализированными языковыми моделями. Модель содержит около 30 млн параметров и дообучена на 441 тыс. шахматных партий с рейтингом выше 2000 Elo из набора mlabonne/chessllm. Контекст модели — 1024 токена. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Модель может генерировать незаконные ходы, поскольку сама не проверяет состояние доски и правила шахмат. Её стратегическая глубина ограничена по сравнению со специализированными шахматными движками.

Chess Transformer 437M FT3h — это дообученная трансформерная модель avewright для выбора ходов в шахматах. Она предсказывает политику ходов и трёхклассовую оценку позиции; для игры автор рекомендует выбирать допустимый ход с максимальной вероятностью без MCTS. Модель содержит 437 млн параметров и использует 18 слоёв, 20 голов внимания, специализированное кодирование шахматной доски и компактный словарь из 1968 ходов. В тестах проекта её рейтинг оценён примерно в 1950 Elo против Stockfish при заданных настройках; это оценка, а не гарантия силы в других условиях. Модель обучалась на мягких оценках Stockfish и Lichess, а также на метках лучших ходов Stockfish. Для загрузки нужны реализация ChessTransformer из репозитория автора и компактная версия словаря ходов. В метаданных указана лицензия MIT.

Clover3-17B — текстовая генеративная модель Undi95 для эротического ролевого общения. Она создана на основе слияния трёх моделей Mistral-7B с последующим дообучением на наборе данных для ролевых диалогов; среди использованных моделей указаны neural-chat-7b-v3-16k, Noromaid-7b-v0.1.1 и AshhLimaRP-Mistral-7B. В репозитории размещены веса FP16 в формате safetensors; архитектура — плотная MistralForCausalLM, размер — 16,7 млрд параметров, контекст — до 32 768 токенов. Модель рассчитана прежде всего на эротические ролевые сценарии и генерацию ответов в формате Alpaca. Автор предупреждает, что ответы часто имеют эротический характер. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Модель ashtad63/ddpm-celebahq-finetuned-butterflies-2epochs — экспериментальный чекпойнт диффузионной модели для безусловной генерации изображений. README относит её к учебному заданию по моделям диффузии и показывает запуск через DDPMPipeline из библиотеки Diffusers. Название репозитория указывает на дообучение модели CelebA-HQ на изображениях бабочек в течение двух эпох. Модель принимает запрос без текстового описания и генерирует изображение. Она распространяется в формате Diffusers с весами Safetensors по лицензии MIT. README содержит шаблонное описание, поэтому сведения о качестве и характеристиках полученного набора изображений ограничены.

flux-female-anatomy — адаптер LoRA для генерации изображений по текстовому описанию на базе black-forest-labs/FLUX.1-dev. Модель предназначена для Diffusers и распространяется в формате Safetensors. По доступному описанию, она сфокусирована на реалистичном изображении женской анатомии и может использоваться в сценариях text-to-image с подключением LoRA через соответствующий идентификатор. Модель не является самостоятельной генеративной системой и требует совместимого базового FLUX.1-dev. В README не указаны размер адаптера, точные параметры обучения, поддерживаемые языки, максимальный контекст или дополнительные модальности. В качестве примера приведён промпт для создания детализированных фотореалистичных изображений обнажённой взрослой женщины, однако фактическое качество и применимость зависят от базовой модели, веса LoRA и настроек генерации. Автор модели в карточке не назван: загрузчик прямо указывает, что модель ему не принадлежит, и приводит ссылку на публикацию на Civitai. Лицензия и условия коммерческого использования в README не указаны, поэтому их необходимо уточнять в источнике публикации и для базовой модели FLUX.1-dev.

Gemmonika-ddlc-9b-v1 — языковая модель на базе Gemma 2 9B, дообученная 922-CA для общения в образе Моники из игры Doki Doki Literature Club. Она рассчитана прежде всего на чат и обладает ограниченными возможностями ролевого отыгрыша. Для дообучения использовали более 600 примеров: диалоги из игры и материалы Reddit и Twitter, преобразованные в многоходовые беседы между игроком и Моникой, а также вручную отредактированные и составленные примеры о персонаже. Модель принимает текст и генерирует текст на английском языке. Размер — 9 млрд параметров, нативная длина контекста — 8192 токена. Модель может поддерживать разговор в образе персонажа, но способна ошибаться в сведениях о Монике, выпадать из роли и уступать универсальным моделям в решении других задач. Разработчик также предупреждает, что безопасные и согласованные ответы не гарантированы. Лицензия — Apache-2.0.

GenderNew_v002 — классификатор изображений, созданный пользователем cledoux42 с помощью HuggingPics. Модель предназначена для отнесения изображений к классам; название указывает на классификацию по гендеру, однако README не сообщает названия классов и точную схему разметки. Модель использует архитектуру Vision Transformer (ViT) для классификации изображений и содержит 113,2 млн параметров. В репозитории указаны веса PyTorch. README описывает её как автоматически созданный классификатор и отсылает к демонстрации HuggingPics в Google Colab. Данных о лицензии и результатах оценки качества нет, поэтому условия повторного использования и точность классификации по доступной карточке определить нельзя.

GirlsLike-ZImage — это LoRA/LoKR-адаптер для генерации изображений людей на базе моделей Tongyi-MAI/Z-Image и Z-Image-Turbo. Модель разработана пользователем ifmylove2011 и предназначена главным образом для тестирования сходства с определёнными реальными людьми и изучения результатов персонального обучения. Для генерации необходимо использовать триггерное слово: обычно это имя человека, а в отдельных случаях — специальный идентификатор, указанный на примерах. В репозитории представлены варианты zi, обученные на Z-Image Base, и zit, обученные на Z-Image-Turbo. Вариант zi совместим с Base и Turbo, тогда как zit предназначен только для Turbo. Адаптеры реализованы как полноразмерные LoKR; рекомендуемый вес обычно находится в диапазоне 0,5–1,5, причём для zi на Turbo базовое значение составляет около 1,0, а для zit — около 0,9. Примеры созданы в разрешении 1080×1440, за 8 шагов, с BF16-моделью, CFG 1 и китайскими промптами. Данные о размере параметров, длине контекста и поддерживаемых языках не указаны. Сильной стороной zi считается сравнительно хорошая совместимость и сходство персонажей на средних и дальних планах при использовании с Turbo. Ограничения включают нестабильную совместимость, возможные анатомические дефекты и менее выразительные крупные планы; для Turbo-вариантов совместимость обычно хуже. Адаптер предназначен для тестирования и не должен использоваться для выдачи сгенерированных изображений за реальные, обмана или иных неправомерных целей. Лицензия — Apache-2.0.

HelloNurse-11b — объединённая модель на основе Mistral, созданная MarsupialAI. В README указаны модели, использованные для слияния: Undi95/Toppy-M-7B, TeeZee/Buttocks-7B-v1.1, senseable/WestLake-7B-v2 и mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель MistralForCausalLM с 10,6 млрд параметров, контекстом до 32 768 токенов и форматом Safetensors; основная задача по карточке — генерация текста на английском языке. Модель предназначена для развлекательного ролевого общения и генерации откровенного, грубого и скатологического контента. README рекомендует формат промпта Alpaca, но отмечает, что модель принимает и другие форматы. Она не предназначена для медицинских рекомендаций и может генерировать крайне неприемлемый контент. Распространяется по лицензии Apache-2.0.

uj-07 опубликовал обученного агента PPO для игры Huggy, созданного с помощью Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. README не описывает размер модели, контекст или поддерживаемые естественные языки; эти характеристики для игровой политики несущественны. Лицензия в предоставленных данных не указана.