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

HRM Sudoku Extreme — модель Hierarchical Reasoning Model, разработанная Sapient Inc. и предназначенная для решения судоку 9×9 экстремальной сложности. Она принимает сетку с цифрами от 0 до 9, где 0 обозначает пустую клетку, и предсказывает значения для клеток. Модель может решать неполные головоломки и использоваться в приложениях для судоку и исследованиях нейросетевого решения комбинаторных задач. Архитектура HRM сочетает уровни планирования и детальных вычислений, рекуррентное состояние и адаптивное время вычислений с механизмом остановки на основе Q-learning. В карточке указано 13,6 млн параметров, а контекст составляет 900 токенов; веса доступны в форматах PyTorch и Safetensors для Transformers. README приводит другое число параметров — 27,3 млн. Модель специализирована на судоку и не предназначена для общего рассуждения. Результат зависит от корректного формата сетки, а время вывода может меняться из-за адаптивных вычислений. Лицензия — Apache 2.0.

KainoBERT-sphragis — маскированная языковая модель на базе ModernBERT, разработанная Urdatorn для анализа древнегреческих текстов и оценки авторства в бенчмарках Sphragis и Sphragis-Metre. Модель обучена с нуля на очищенном корпусе AncientGreek-no-sphragis: веса ModernBERT-base не использовались. Она содержит около 135,5 млн параметров, имеет 22 слоя и контекст до 8192 токенов; основная задача — предсказывать замаскированные токены. Корпус очищен от произведений и текстовых фрагментов бенчмарков, чтобы ограничить утечку тестовых данных в задаче атрибуции авторства. Тексты приведены к нижнему регистру и очищены от пунктуации; часть данных сохраняет политонические диакритические знаки, часть использует только основы букв. Модель подходит для исследовательских экспериментов с древнегреческим языком, включая сравнение представлений и автороведческий анализ, но её языковая модель слабее предыдущей версии KainoBERT по валидационной потере. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

tolgadev/llama-2-7b-ruyallm — дообученная разработчиком модель семейства Llama 2 для генерации текста. Она обучена на наборе tolgadev/ruyatabirleri_instruct и предназначена для ответов на вопросы о толковании снов на турецком языке. Модель содержит 6,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст длиной до 4096 токенов. Модель подходит для создания диалоговых ответов и объяснений значений снов на турецком языке. В карточке указана лицензия Apache-2.0. Данные не сообщают о результатах оценки качества или ограничениях применения.

SubMaroon/MN-12B-Mag-Mell-R1-SODOM-v1 — диалоговая модель генерации текста на архитектуре Mistral с 12,1 млрд параметров, дообученная на сыром тексте книги «120 дней Содома» в переводе, опубликованном проектом с открытым исходным кодом. В качестве базовой модели указана inflatebot/MN-12B-Mag-Mell-R1; модель принимает текстовые запросы и генерирует текст, в том числе в формате диалога. В метаданных заявлено контекстное окно 1 024 000 токенов. Модель предназначена для генерации текста, ролевых сценариев и художественного письма с тематикой исходной книги. Автор README отмечает, что результаты дообучения работают хуже. Доступен формат safetensors; условия лицензии в предоставленных данных не указаны.

Phi-3 Mini 4K Verbalized Rebus Solver — модель на базе Phi-3 Mini, дообученная Габриэле Сарти для решения итальянских вербальных ребусов. Она принимает последовательность букв и определения слов из кроссворда и генерирует фразу-ответ, длины слов которой соответствуют ключу решения. Модель рассчитана на диалоговый формат и работу через Transformers; в этом выпуске веса адаптера объединены с базовой моделью и сохранены в формате half precision. В метаданных указаны 3,7 млрд параметров и контекст 4096 токенов. Модель обучена на подмножестве verbalized датасета EurekaRebus с использованием QLoRA, Unsloth и TRL. Она предназначена для решения итальянских ребусов и анализа качества языковых моделей на этой задаче. Лицензия — Apache-2.0. Известно о переобучении на словарных определениях и ответах, встречавшихся при обучении: качество заметно падает на отложенных словах, используемых как решения определений.

Malgesw/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy с помощью обучения с подкреплением; её можно запускать для наблюдения за игрой или использовать как основу для продолжения обучения через ML-Agents. В репозитории указаны веса в формате ONNX. Карточка не сообщает размер модели, подробности архитектуры, поддерживаемые естественные языки или условия лицензии. Модель решает специализированную задачу управления игровым агентом, поэтому её применение за пределами этой среды не описано.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Pyramids в среде Unity ML-Agents. Репозиторий предоставляет модель в формате ONNX для запуска агента и наблюдения за его игрой; карточка также описывает возможность продолжить обучение через ML-Agents. Модель предназначена для управления игровым агентом в среде Pyramids. Карточка не сообщает размер модели, параметры наблюдений и действий или результаты обучения, поэтому её пригодность для других сред и качество игры оценить нельзя. Для запуска требуется совместимая среда Unity ML-Agents. Условия лицензии в предоставленных сведениях не указаны.

Minimin0309/sd-class-butterflies-32 — диффузионная модель, опубликованная Minimin0309 как первая работа в рамках учебного курса по diffusion-моделям. Она генерирует изображения бабочек без текстового запроса; запускать её можно через DDPMPipeline из библиотеки Diffusers. Модель предназначена для экспериментов и демонстраций безусловной генерации изображений. Репозиторий содержит веса в формате Diffusers и Safetensors; лицензия — MIT. В карточке не приведены сведения о размере изображений и оценках качества.

Модель parkeychen/sd-class-butterflies-64 — диффузионная модель для безусловной генерации изображений милых бабочек. Она создана как Unit 1 для учебного курса по диффузионным моделям и запускается через DDPMPipeline из библиотеки Diffusers. Модель генерирует изображения без текстового запроса. Репозиторий распространяется по лицензии MIT.

SEX ROLEPLAY 3.2 1B — модель Novaciano для многоязычного эротического ролевого общения. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 1,2 млрд параметров; она предназначена для генерации диалогов и повествования по описанию персонажей и сценарию, в том числе для использования с KoboldCpp и SillyTavern. В карточке приведены шаблоны общения на английском и испанском языках. Модель собрана слиянием нескольких моделей на базе Llama 3.2 1B, включая варианты для творческого ролевого общения и instruct-модели. Метаданные указывают контекстное окно 131072 токена и поддержку Transformers; в репозитории отмечен формат safetensors. README рекомендует пресет Llama 3 Chat для KoboldCpp и содержит шаблоны промптов для ролевых сценариев. Модель ориентирована на откровенный сексуальный контент. Небольшой размер ограничивает сложность и устойчивость генерации по сравнению с более крупными моделями; качество конкретных сценариев в README не оценивается. Лицензия — Apache-2.0.

Stoicheia — модель с 405 млн параметров для совместной макронизации и метрического сканирования текстов на древнегреческом языке. Это символьный энкодер с маскированной диффузией и двумя посимвольными выходными головками; релиз подготовлен анонимной командой авторов статьи, находящейся на рецензировании. Модель принимает буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию как отдельные выровненные слои, которые можно независимо маскировать. Архитектура использует 32 слоя и чередует локальное внимание в окне 256 символов с глобальным вниманием. Модель определяет долготу или краткость неоднозначных α, ι и υ, а также размечает метрические позиции как безударные, с тяжёлым или лёгким окончанием либо концом стиха. Для сканирования можно включить декодер Витерби, ограничивающий выход допустимыми последовательностями для заданных метрических схем. Поддерживаются отредактированный текст, слитное написание без пробелов и лакуны неизвестной длины. Для одной только макронизации авторы рекомендуют отдельную модель Stoicheia-macronizer, поскольку её специализированная головка работает лучше. Лицензия Apache-2.0.

Stoicheia-restoration-test8 — символьная masked-diffusion encoder-модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Релиз выпущен анонимно вместе со статьёй, находящейся на рецензировании; модель дообучена от Stoicheia-doc_clean. Чекпойнт исключает документы, чьи идентификаторы PHI/TM оканчиваются на цифру 8, чтобы предложенное восстановление не опиралось на конкретную проверяемую редакцию. Модель содержит 405 млн параметров, использует архитектуру char-level encoder с размерностью 1024 и 32 слоями. Вход представлен пятью совмещёнными плоскостями: буквы, границы слов и предложений, диакритика, регистр и пунктуация; каждую можно независимо маскировать до состояния «неизвестно». Три из каждых четырёх блоков внимания работают в окне 256 символов, а каждый четвёртый учитывает глобальный контекст. Такой ввод позволяет обрабатывать отредактированный текст, scriptio continua и лакуны неизвестной длины. Модель предназначена для эпиграфистов и папирологов, проверяющих чтения и восстанавливающих утраченные символы; для лакун известной длины README предлагает задавать по дефису на символ, а для неопределённой — обозначение [N±M]. Лицензия Apache-2.0. Качество предложенных чтений и ограничения за пределами указанного исключения документов в доступных сведениях не описаны.

Akikawa-3.3-1b-Roleplay-128K-GGUF — разработанная TheBigEye модель для ролевого общения от лица Яёи Акикавы, директора академии Трейсен из Umamusume: Pretty Derby. Это дообученная LoRA-модель на основе saidutta69/Llama-3.2-1B-Instruct-heretic, объединённая с базой и экспортированная в GGUF. Архитектура — плотная LlamaForCausalLM примерно на 1,2 млрд параметров; модель принимает текст и генерирует текст. Указанная длина контекста — 131 072 токена. Доступны варианты GGUF F16, Q4_K_M, Q5_K_M и Q8_0, а также safetensors. Модель предназначена для ролевых диалогов на английском языке: она воспроизводит манеру персонажа, оформляет действия между звёздочками и поддерживает заданную в карточке романтическую динамику с Тренером. Компактный размер позволяет запускать её локально на CPU. Лицензия указана как llama3.2. Модель находится в разработке и не подходит на роль универсального помощника: она может ошибаться в фактах об Umamusume, плохо справляется с арифметикой, рассуждениями и запоминанием деталей диалога. Отказы базовой модели были удалены, поэтому модель может выполнять неподходящие запросы; встроенной фильтрации безопасности нет. Квантизация снижает требования к памяти, но может ухудшить качество речи персонажа.

AN4-v2.41 — модель для генерации текста, разработанная Smuggling1710 на базе Mistral 7B v0.2. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов, дообученная с использованием Unsloth и TRL. Она предназначена для NSFW и жестоких, провокационных ролевых диалогов и может генерировать агрессивные ответы. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Распространяется в формате safetensors по лицензии Apache-2.0. Карточка предупреждает о склонности модели к насильственному поведению в ролевых сценариях; иных оценок качества или рекомендаций по безопасному применению не приводит.

ChessMamba v2 — шахматный движок TobiasLogic, оценивающий позиции селективной state-space-моделью Mamba. Модель содержит 4,3 млн параметров и обрабатывает каждую горизонталь и вертикаль доски как короткую последовательность в прямом и обратном направлениях; легальность ходов и представление доски обеспечиваются python-chess. Обучение опирается на человеческие партии и результаты игр, без встроенных таблиц ценности фигур, дебютной книги и меток, созданных другим движком. Движок предназначен для выбора ходов и оценки шахматных позиций через интерфейс UCI. В карточке приведена оценка силы 1936 ± 105 Elo по результатам 3300 партий; она привязана к Stockfish с режимом UCI_Elo 1320 и измерениям при 500 мс на ход на RTX 3090, поэтому зависит от условий поиска и оборудования. В репозитории указаны веса PyTorch и лицензия MIT.

evex-1 — авторская языковая модель на 5,87 млн параметров, обученная с нуля разработчиком tako080614 только на истории сообщений одного Discord-сервера. Токенизатор SentencePiece BPE с byte fallback и словарём из 4096 токенов также построен по этим данным; модель не продолжает обучение существующей модели. Для запуска используется PyTorch и включённый в репозиторий файл modeling_evex.py; представлены веса в форматах Safetensors и ONNX. Лицензия — MIT. Модель предназначена для генерации коротких сообщений в стиле исходного сервера: она может воспроизводить характерные выражения, сетевой сленг, лексику и речевые особенности отдельных говорящих при использовании соответствующих токенов. Она ориентирована на японский язык и специфический формат сериализованных диалогов, на которых обучалась. Модель не обладает общими знаниями и не подходит для надёжных рассуждений, математики, генерации кода, длинных связных ответов или обсуждения незнакомых тем. Обучающих данных недостаточно для её размера, поэтому качество ответов нестабильно; модель может выдавать слишком короткие или непригодные реплики. В обучении использовались разговоры реальных людей без их явного согласия: возможны сходные с оригиналом высказывания, поэтому генерации нельзя приписывать конкретным людям или считать достоверными фактами.

evex-5.3 — tako080614 разработған жапон тілді генеративті диалоговая модель, обученная для одного Discord-сервера. Модель создана с нуля: собственные веса и токенизатор SentencePiece BPE; архитектура — decoder-only Transformer с RoPE, RMSNorm, SwiGLU, QK-norm и дополнительными Per-Layer Embeddings. В ней около 25,8 млн параметров, 8 слоёв, размерность 384, 6 голов внимания, словарь из 12 288 токенов и контекст 1024 токена. Модель предназначена для продолжения японских разговоров в стиле участников сервера и имитации индивидуальной манеры письма по анонимным токенам говорящих. Она ожидает специальный формат с токенами начала, конца, канала и говорящего; обычный instruct-формат и стандартный chat template не подходят. В версии 5.3 усилено обучение на индивидуальных репликах, но оценка согласованности с темой снизилась по сравнению с 5.2. Модель узкоспециализирована на сленге и внутренних темах исходного сервера, не подходит для общего общения или проверки фактов. Фильтрации вредного контента нет; лексика токенизатора может сохранять отображаемые имена участников, а стиль реплик может быть узнаваемым. Лицензия репозитория — CC-BY-4.0.

avewright/exp182-pretrain-309m — шахматная модель ChessTransformer, опубликованная разработчиком avewright. Репозиторий содержит предобученный чекпойнт на 309 млн параметров и чекпойнт после 10 итераций обучения с подкреплением: он получен методом expert iteration на основе предобученной модели с целями по посещениям MCTS и ходами Stockfish. Указанная архитектура включает 96 слоёв, размерность 512, 8 голов внимания, StrengthenedBoardEncoder, SwiGLU и относительные смещения для шахматной доски. Модель предназначена для выбора шахматных ходов и обучения шахматной стратегии с помощью обучения с подкреплением. README описывает предобучение до шага 10 000 из целевых 50 000 и приводит пример загрузки чекпойнта для инференса. Репозиторий распространяется по лицензии MIT. Вход и выход представлены шахматными позициями и ходами; конкретный формат их кодирования в карточке не описан.

Карточка модели sdasdddba/Llama-3.2-3B-DareFightingICE-2026-Rushdown на Hugging Face совпадает с карточкой sdasdddba/Llama-3.2-3B-DareFightingICE-2026-Zoning, поэтому описание составлено по ней. Llama-3.2-3B-DareFightingICE-2026-Zoning — дообученная авторами репозитория модель на базе meta-llama/Llama-3.2-3B-Instruct для выбора действий в стиле Zoning в соревновании DareFightingICE LLM AI Competition 2026. Это плотная авторегрессионная модель семейства Llama с 3,2 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Модель рассчитана на сценарии управления персонажем в файтинге: README указывает специализацию Zoning, то есть тактику удержания дистанции и контроля пространства. В репозитории размещены объединённые веса; исходный код выполнения предоставлен отдельно в материалах соревнования. Модель принимает текст и генерирует текст, а в метаданных указан контекст до 131 072 токенов. Лицензия — Llama 3.2. Результаты зависят от игрового состояния и способа интеграции с runtime-кодом соревнования; README не описывает формат входных данных, точность или результаты сравнительной оценки.

LoafLM — экспериментальная компактная языковая модель, созданная exnivo для генерации коротких юмористических ответов в образе ленивого, слегка раздражённого кота. Это плотная авторегрессионная модель класса LoafLMForCausalLM с 10,4 млн параметров и контекстом 128 токенов; в карточке указаны английский язык и возможность диалогового использования. Репозиторий содержит веса Safetensors и полноточный GGUF F32 для приложений на базе llama.cpp, включая Ollama и LM Studio. Для загрузки через Transformers требуется включить trust_remote_code. Модель подходит для мемных проектов, небольших демонстрационных чат-ботов и экспериментов с персональностью очень маленьких языковых моделей. Её сильная сторона — короткие реплики на кошачью тематику с устойчивым комическим образом. Из-за малого размера она слабо следует сложным инструкциям, может повторяться, терять тему и выдавать бессвязные или фактически неверные ответы; для рассуждений, программирования и важных решений она не предназначена. Лицензия указана как other, поэтому условия использования следует уточнить в карточке репозитория.

NSFW Master (Z-Image Turbo) — LoRA-адаптер для генерации изображений на базе Tongyi-MAI/Z-Image-Turbo. Модель разработана Shopon_Skp и опубликована rachel-luxangel-ai; исходная версия доступна на CivitAI. Она предназначена для text-to-image-сценариев в Diffusers, включая создание изображений для взрослых и эротического содержания, а также реалистичных и стилизованных женских персонажей по текстовым описаниям. Модель не содержит специальных trigger words; рекомендуемый автором вес LoRA — 0,8. В репозитории представлены версии V2 и V1 в формате SafeTensors: V2 обучалась 17 532 шага, V1 — 8 766 шагов. Данных о размере адаптера, языках, максимальной длине контекста, точных параметрах архитектуры и поддерживаемых модальностях, кроме текстового ввода и генерации изображений, не указано. Для работы требуется базовая модель Tongyi-MAI/Z-Image-Turbo и совместимый пайплайн Diffusers. Сильная сторона модели — специализация на NSFW-генерации и отсутствие необходимости добавлять триггерные слова, при этом README не приводит подробных сравнительных оценок качества или ограничений по содержанию. Лицензия обозначена как other, без уточнения условий использования, поэтому права на коммерческое и иное применение следует проверять отдельно.

Это обученная модель агента PPO для игры Huggy, опубликованная пользователем poilk234. Модель создана с помощью Unity ML-Agents и предназначена для управления игровым агентом в соответствующей среде; её можно запускать для наблюдения за игрой или использовать как основу для продолжения обучения. В репозитории представлен формат ONNX. Карточка не описывает размер модели, наблюдения среды или подробности обучения, поэтому применимость за пределами среды Huggy не подтверждена. Условия лицензирования в доступных сведениях не указаны.

Модель porntech/sex-position разработана автором репозитория для классификации сексуальных поз и действий на изображениях. Она построена на PyTorch и библиотеке timm и возвращает одну из меток: blowjob, hardcore, titjob, handjob, pussy-licking, fingering, other или solo. Модель предназначена для классификации откровенных изображений. Метка hardcore объединяет четыре класса — missionary, doggystyle, cowgirl и spooning; отдельно различать их модель пока не умеет. Метка other охватывает прочие действия, например поцелуи или разговор, а solo означает изображение одной женщины. Для изображений, не относящихся к сексуальному или откровенному контенту, предсказание не определено. В карточке также указано, что неподходящие изображения могут получать ошибочные метки. Лицензия — MIT.

Cipher-AI/Substitution-Cipher-Text-Turkish — модель преобразования текста в текст на базе T5-Base, дообученная для расшифровки турецких текстов, закодированных моноалфавитным шифром простой замены. Она использует статистические и языковые закономерности турецкого языка, чтобы восстановить исходное сообщение; например, подходит для декодирования коротких сообщений и текстов на турецком языке. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и имеет контекст длиной 512 токенов. Поддерживает турецкий язык; файлы весов представлены в формате safetensors. Лицензия — Apache-2.0. Модель предназначена именно для шифров простой замены, где каждой букве открытого текста соответствует своя буква шифротекста. README не сообщает точность на тестах или ограничения по длине входа, а успешное восстановление текста зависит от языковых закономерностей и достаточного объёма шифротекста.

Экспериментальная авторская модель на базе GPT-2, дообученная в несколько этапов для генерации намеренной бессмыслицы, вдохновлённой философскими идеями Феликса Гваттари. В описании проекта также указано дообучение на «Евангелии» Толстого в течение одной эпохи. Модель предназначена для художественных и концептуальных экспериментов с генерацией текста. Она построена на плотной архитектуре GPT-2 и принимает и выдаёт текст на английском языке; длина контекста составляет 1024 токена. Репозиторий содержит веса в формате safetensors и распространяется по лицензии CC0-1.0.

Vega-SupraNeo-4M-Tetris-Verbose — англоязычная языковая модель на архитектуре Qwen3, дообученная CNWPlayer на SupraLabs/SupraNeo-4M для игры в Tetris. Она генерирует текстовые ходы для игрового сценария; в карточке описаны результаты сравнительных испытаний и продолжение обучения на всём verbose-корпусе с дистилляцией. Модель содержит около 4,1 млн параметров, имеет 12 слоёв, контекст 1024 токена и распространяется в формате safetensors через Transformers. Модель подходит для генерации ходов в Tetris и экспериментов с компактными языковыми моделями, игровым дообучением и дистилляцией. Автор заявляет высокие результаты в сравнении с другими моделями, однако README приводит лишь краткое описание оценки, поэтому результаты нельзя считать независимой проверкой. Базовая модель — экспериментальная сверхмалая англоязычная SupraNeo-4M. Лицензия — Apache-2.0.

wd40 — мемная модель генерации изображений в стиле аниме, созданная командой авторов, указанных в карточке. Это Stable Diffusion-модель на базе Kakigori v3: авторы обучили несколько LoRA на сгенерированных Bing изображениях кошкодевушек с баллонами WD-40 и объединили их с базовой моделью. Модель предназначена для создания похожих изображений, особенно персонажа с баллоном WD-40. Модель принимает текстовые запросы и генерирует изображения. Авторы отмечают, что равномерное обучение на тегах WD Tagger приводит к похожим результатам при разных запросах и что качество генерации невысокое. Репозиторий использует Diffusers и формат Safetensors. Лицензия — CreativeML OpenRAIL-M.

Elizezen/Berghof-ERP-7B — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для эротических ролевых игр в формате чата. По описанию автора, она достаточно точно придерживается заданных настроек персонажа. Карточка рекомендует для генерации эротических рассказов вместо неё другую модель — Berghof-NSFW-7B. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. В метаданных указан японский язык. Для работы автор рекомендует Transformers версии 4.34.0 или новее. Сведения о лицензии в предоставленных данных отсутствуют.

evex-2 — это небольшая авторегрессионная языковая модель tako080614, обученная с нуля на прошлых сообщениях одного сервера Discord; она не продолжает обучение существующей модели. Модель содержит 5,87 млн параметров, использует словарь SentencePiece BPE на 4096 токенов с byte fallback и обучалась на 6,69 млн токенов. В репозитории представлены веса в форматах Safetensors и ONNX; для запуска автор предлагает использовать приложенный файл modeling_evex.py, поскольку стандартные классы AutoModel из Transformers не подходят. Модель предназначена для генерации коротких сообщений в стиле и тематике исходного сервера: она может воспроизводить местный сленг, эмодзи и характерные речевые привычки участников. Обучение с маскированием нормализованных маркеров вложений уменьшило долю ответов, состоящих только из таких маркеров, до нуля в описанном тесте. Модель рассчитана на японский язык и формат сериализованного диалога из обучающих данных. Это экспериментальная модель узкого назначения, а не универсальный помощник: у неё нет общих знаний, а длинные генерации, факты, имена собственные, рассуждения, математика и код ненадёжны. Она обучена на переписке реальных людей без явно полученного согласия; возможны генерации, близкие к исходным сообщениям. Результаты нельзя выдавать за факты или приписывать конкретным участникам. Лицензия — MIT.

Flux_LoRA-uncensored — адаптер LoRA для генерации изображений по текстовому описанию, созданный на базе black-forest-labs/FLUX.1-dev. Модель обучена локально с использованием Fluxgym; в карточке она идентифицирована как aifeifei798/flux-lora-uncensored, при этом README также содержит ссылку на репозиторий prashanth970/flux-lora-uncensored. Адаптер предназначен для создания изображений с откровенным содержанием, включая обнажённые и сексуализированные сцены. Для активации рекомендуется использовать триггерные слова «porn», «nude», «sex» и «boobs». Модель распространяется в формате Safetensors и заявлена как совместимая с ComfyUI, AUTOMATIC1111, SD.Next, InvokeAI и Forge. Дополнительные сведения о размере адаптера, языках, поддерживаемых разрешениях и ограничениях качества в README отсутствуют. Указана лицензия flux-1-dev-non-commercial-license, поэтому использование ограничено условиями некоммерческой лицензии FLUX.1-dev.