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

Panda-7B-v0.1 — диалоговая языковая модель NeuralNovel для генерации творческого и повествовательного текста. Это полнопараметрическая донастройка Mistral-7B-Instruct-v0.2 с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров; модель распространяется в формате Safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для творческого письма, ролевых диалогов, создания историй и решения логических задач в формате инструкций. В README упомянуты датасет Panda-v1, а в метаданных — NeuralNovel/Creative-Logic-v1 и NeuralNovel/Neural-Story-v1. Основной сценарий — создание подробных ответов с вовлечёнными персонажами и выразительным повествованием. Модель может наследовать смещения и жанровые особенности обучающих данных; вне повествовательной генерации и инструктивных задач качество может быть ниже. Лицензия Apache-2.0 разрешает коммерческое и некоммерческое использование.

october-sd/pegasus-xsum-finetuned-en-sum — модель Pegasus для автоматического суммирования текста, представленная пользователем или организацией october-sd. По карточке, это дообученная версия той же модели на неизвестном наборе данных; в README приведено значение loss 1,5095 на наборе оценки, но методика оценки не описана. Модель содержит 366,8 млн параметров, использует архитектуру PegasusForConditionalGeneration и принимает текст для генерации текстового резюме. Длина контекста — 512 токенов. Назначение модели связано с англоязычным суммированием, что отражено в идентификаторе репозитория; отдельного подтверждения поддерживаемых языков в карточке нет. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Psyfighter2-Orca2-Erebus3 — объединённая языковая модель на архитектуре Llama 2, созданная методом TIES с помощью mergekit. В объединение вошли KoboldAI/LLaMA2-13B-Psyfighter2, TeeZee/Orca-2-13b_flat и KoboldAI/LLaMA2-13B-Erebus-v3; базовой моделью конфигурации указана Psyfighter2. Модель содержит 12,9 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста, в том числе художественного письма, диалогов с персонажами и текстовых приключений. Лицензия в предоставленных данных не указана.

QTuneVL1.5-2B — компактная мультимодальная языковая модель Reconova AI Lab для диалога с изображениями и анализа визуального содержимого. Модель использует архитектуру InternVLChat и объединяет компоненты Qwen2.5-1.5B и InternViT-300M-v2.5; в README также описана настройка на InternVL3-2B и стратегии обрезки и дополнения изображений, применяемые в Mini-Monkey, UReader и InternVL. Модель предназначена для ответов на вопросы по изображениям, визуальных рассуждений и распознавания текста на изображениях. В README приведено сравнение с предшественником QTuneVL1-2B по восьми тестам, включая OCRBench, MMStar и MMMU, с оговоркой, что конфигурация оценщика GPT в VLMEvalKit может отличаться от официальной. Репозиторий использует Transformers и формат safetensors; лицензия — MIT.

Это конвертированная в формат MLX версия модели DavidAU/Qwen2.5-7B-Instruct-1M-Thinking-Claude-Gemini-GPT5.2-DISTILL, созданная alexgusevski с помощью mlx-lm 0.29.1. Модель основана на плотной архитектуре Qwen2.5 с 7,1 млрд параметров и предназначена для генерации текста в диалоге, творческого письма и рассуждений. Заявленная длина контекста — до 1 010 000 токенов; поддерживаются английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Модель подходит для создания рассказов и сцен, продолжения сюжета, ролевых диалогов и генерации ответов с рассуждениями. Репозиторий содержит веса в формате safetensors; в названии также указана точность fp16 и формат MLX. Лицензия в предоставленных данных не указана.

DavidAU/Qwen3.5-27B-Gemini3-Pro-High-Reasoning-Compact-Thinking — ранняя альфа-версия плотной мультимодальной модели на 27 млрд параметров, созданная DavidAU путём дообучения Qwen/Qwen3.5-27B с помощью Unsloth на дистиллированных данных Gemini 3 Pro. Модель принимает текст и изображения и предназначена для диалогов, рассуждений и визуального анализа; автор также ориентирует её на творческое письмо, создание сюжетов и продолжение сцен. В README отмечено, что блоки рассуждений изменены и уменьшены; встроенное разрешение изображений проверено автором и работает. Базовая архитектура Qwen3.5 сочетает языковую модель с визуальным энкодером, а контекст базовой модели составляет 262 144 токена.

BRIA AI разработала RMBG-2.0 — модель сегментации изображений для удаления фона, построенную на архитектуре BiRefNet и обученную на профессионально размеченных изображениях. Она выделяет передний план на фотографиях и других изображениях с людьми, предметами и животными, в том числе при сложном или неоднородном фоне. Модель выдаёт одноканальную 8-битную альфа-матte в оттенках серого: значение каждого пикселя задаёт степень его прозрачности. Это позволяет применять собственные пороги отделения переднего плана от фона и встраивать модель в конвейеры обработки изображений. В метаданных указаны форматы PyTorch, Safetensors и ONNX. Обучающие данные включают более 15 000 вручную размеченных изображений из категорий электронной коммерции, рекламы, игр и общего стокового контента. По данным карточки, модель улучшает RMBG v1.4; независимые показатели качества в предоставленных материалах не приведены. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование; для коммерческого использования требуется отдельное соглашение с BRIA.

Карточка модели Skywork/SkyReels-V2-DF-1.3B-540P на Hugging Face совпадает с карточкой Skywork/SkyReels-V2-T2V-14B-720P, поэтому описание составлено по ней. SkyReels-V2-T2V-14B-720P — модель генерации видео по текстовому описанию, разработанная командой Skywork. Она предназначена для создания кинематографичных роликов, в том числе длинных видео с последовательной генерацией кадров. В основе модели лежит плотная архитектура text-to-video с авторегрессионным Diffusion Forcing; репозиторий содержит веса в формате safetensors. В названии указаны размер 14B и разрешение 720P. Модель рассчитана на генерацию видео по текстовым промптам, создание сюжетных роликов и сцен с движением камеры. Авторы описывают обучение с несколькими этапами предобучения, подкреплением и supervised fine-tuning для улучшения визуального качества и динамики движения. README также описывает задачи image-to-video и генерацию с несколькими согласованными объектами для серии SkyReels-V2, но этот репозиторий классифицирован как text-to-video. В README приведены код и инструкции для инференса на одной или нескольких GPU, включая ускорение через xDiT USP. Для использования требуются вычислительные ресурсы с GPU. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами лицензии репозитория.

Skywork разработала SkyReels-V2-DF-1.3B-540P-Diffusers — модель генерации видео по текстовому запросу из семейства SkyReels-V2. Она предназначена для создания кинематографичных роликов, в том числе длинных видео с последовательным развитием сцен. В основе семейства лежит авторегрессионная архитектура Diffusion Forcing; в README также описаны многоэтапное обучение, обучение с подкреплением и supervised fine-tuning. Эта версия доступна в формате Diffusers с весами safetensors и рассчитана на разрешение 540P; заявленный размер — 1,3 млрд параметров. Модель подходит для визуализации историй и создания видеоматериалов по текстовому описанию. В README семейства также упоминаются генерация видео из изображения, управление камерой и согласованная генерация нескольких персонажей, но эти возможности не следует считать подтверждёнными для данной текстовой версии. Карточка указывает английский язык. Лицензия обозначена как other, поэтому конкретные условия использования нужно проверять в репозитории модели.

Карточка модели jobs-git/SkyReels-V2-I2V-14B-720P на Hugging Face совпадает с карточкой Skywork/SkyReels-V2-T2V-14B-720P, поэтому описание составлено по ней. SkyReels-V2-T2V-14B-720P — модель генерации видео по текстовому описанию, разработанная командой Skywork. Она предназначена для создания кинематографичных роликов, в том числе длинных видео с последовательной генерацией кадров. В основе модели лежит плотная архитектура text-to-video с авторегрессионным Diffusion Forcing; репозиторий содержит веса в формате safetensors. В названии указаны размер 14B и разрешение 720P. Модель рассчитана на генерацию видео по текстовым промптам, создание сюжетных роликов и сцен с движением камеры. Авторы описывают обучение с несколькими этапами предобучения, подкреплением и supervised fine-tuning для улучшения визуального качества и динамики движения. README также описывает задачи image-to-video и генерацию с несколькими согласованными объектами для серии SkyReels-V2, но этот репозиторий классифицирован как text-to-video. В README приведены код и инструкции для инференса на одной или нескольких GPU, включая ускорение через xDiT USP. Для использования требуются вычислительные ресурсы с GPU. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами лицензии репозитория.

Карточка модели Skywork/SkyReels-V2-I2V-14B-720P на Hugging Face совпадает с карточкой Skywork/SkyReels-V2-T2V-14B-720P, поэтому описание составлено по ней. SkyReels-V2-T2V-14B-720P — модель генерации видео по текстовому описанию, разработанная командой Skywork. Она предназначена для создания кинематографичных роликов, в том числе длинных видео с последовательной генерацией кадров. В основе модели лежит плотная архитектура text-to-video с авторегрессионным Diffusion Forcing; репозиторий содержит веса в формате safetensors. В названии указаны размер 14B и разрешение 720P. Модель рассчитана на генерацию видео по текстовым промптам, создание сюжетных роликов и сцен с движением камеры. Авторы описывают обучение с несколькими этапами предобучения, подкреплением и supervised fine-tuning для улучшения визуального качества и динамики движения. README также описывает задачи image-to-video и генерацию с несколькими согласованными объектами для серии SkyReels-V2, но этот репозиторий классифицирован как text-to-video. В README приведены код и инструкции для инференса на одной или нескольких GPU, включая ускорение через xDiT USP. Для использования требуются вычислительные ресурсы с GPU. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами лицензии репозитория.

Карточка модели Skywork/SkyReels-V2-T2V-14B-540P на Hugging Face совпадает с карточкой Skywork/SkyReels-V2-T2V-14B-720P, поэтому описание составлено по ней. SkyReels-V2-T2V-14B-720P — модель генерации видео по текстовому описанию, разработанная командой Skywork. Она предназначена для создания кинематографичных роликов, в том числе длинных видео с последовательной генерацией кадров. В основе модели лежит плотная архитектура text-to-video с авторегрессионным Diffusion Forcing; репозиторий содержит веса в формате safetensors. В названии указаны размер 14B и разрешение 720P. Модель рассчитана на генерацию видео по текстовым промптам, создание сюжетных роликов и сцен с движением камеры. Авторы описывают обучение с несколькими этапами предобучения, подкреплением и supervised fine-tuning для улучшения визуального качества и динамики движения. README также описывает задачи image-to-video и генерацию с несколькими согласованными объектами для серии SkyReels-V2, но этот репозиторий классифицирован как text-to-video. В README приведены код и инструкции для инференса на одной или нескольких GPU, включая ускорение через xDiT USP. Для использования требуются вычислительные ресурсы с GPU. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами лицензии репозитория.

Карточка модели SYNAPSEai1/SynapseMusicV12-XL-Base на Hugging Face совпадает с карточкой ACE-Step/acestep-v15-xl-base, поэтому описание составлено по ней. ACE-Step 1.5 XL Base — базовая модель генерации музыки на основе декодера DiT с примерно 4 млрд параметров. Разработана проектом ACE-Step и служит основой для задач генерации музыки по текстовому описанию, создания каверов, перерисовки фрагментов, извлечения, сборки композиций из частей и дополнения аудио. Версия XL рассчитана на более высокое качество звука по сравнению с вариантами на 2 млрд параметров; модель использует 32 слоя, скрытый размер 2560 и 32 головы внимания. Модель предназначена для создания и редактирования музыкальных композиций. Для работы требуется значительный объём видеопамяти: от 12 ГБ с выгрузкой на CPU и INT8-квантизацией, от 16 ГБ с выгрузкой на CPU или от 20 ГБ без неё. README сообщает, что обучение использовало лицензированную, свободную от роялти или общественным достоянием музыку, а также синтетические данные, и заявляет возможность коммерческого использования сгенерированной музыки. Лицензия репозитория — MIT.

r4tn4 выпустил адаптер Wan2.1 для генерации реалистичных видео по изображению. Карточка связывает модель с Wan2.1-I2V-Twerk-Lora; в репозитории представлены файлы в форматах GGUF и safetensors. Хотя авторская метка pipeline указывает text-to-image, назначение базовой модели Wan2.1 I2V — генерация видео из изображения, поэтому для пользовательского поиска подходит задача text-to-video. Модель распространяется по лицензии Apache-2.0. README сообщает, что исходная версия размещена на Civitai.

Wan2.1 I2V-14B-480P — модель генерации видео из изображения, разработанная командой Wan-AI. Это 14-миллиардная модель семейства Wan2.1 в формате Diffusers, построенная на архитектуре diffusion transformer и использующая пространственно-временной вариационный автокодировщик Wan-VAE. Модель предназначена для создания видеороликов разрешением 480p на основе входного изображения и текстового описания движения или сцены; при генерации сохраняется соотношение сторон исходного изображения. Модель входит в открытую линейку видеогенерации Wan2.1. Семейство поддерживает работу с китайским и английским текстом, однако карточка этого варианта описывает именно генерацию видео из изображения. Для запуска доступны сценарии Diffusers и мног GPU-инференс. Лицензия репозитория — Apache 2.0. Вариант 480p ориентирован на сочетание скорости и качества при генерации видео. Запуск 14B-модели требует значительных вычислительных ресурсов; README описывает использование выгрузки модели с GPU и мног GPU-инференса. Результат зависит от исходного изображения и текстового запроса.

Карточка модели serhatbozkurt/Wan2.1-I2V-14B-720P на Hugging Face совпадает с карточкой Wan-AI/Wan2.1-I2V-14B-720P, поэтому описание составлено по ней. Wan2.1-I2V-14B-720P — модель генерации видео из изображения из открытого семейства Wan2.1, разработанного командой Wan-AI. Это диффузионный трансформер с 3D причинным вариационным автоэнкодером Wan-VAE; модель рассчитана на создание видео высокой чёткости с разрешением 720p на основе входного изображения. Соотношение сторон результата следует соотношению сторон исходного изображения, а размер задаётся площадью кадра. Модель предназначена для анимации изображений и создания видеосцен на их основе; текстовый запрос может уточнять желаемое содержание движения. В карточке семейства заявлены генерация текста на китайском и английском, однако это не отдельная задача данной модели. Репозиторий также содержит другие модели Wan2.1 для генерации видео по тексту, редактирования видео и других задач, но эти возможности не следует приписывать этому чекпойнту. Для запуска доступны веса в формате safetensors и код вывода; README описывает запуск на одном или нескольких GPU и расширение текстового запроса с помощью отдельной модели Qwen2.5-VL-7B-Instruct. Генерация 720p требует значительных вычислительных ресурсов. Модель распространяется по лицензии Apache-2.0.

Карточка модели AmateurGuy23/Wan2.1-T2V-14B на Hugging Face совпадает с карточкой Wan-AI/Wan2.1-T2V-14B, поэтому описание составлено по ней. Wan-AI/Wan2.1-T2V-14B — открытая модель генерации видео из текста, разработанная командой Wan-AI. Это плотный diffusion transformer семейства T2V с 14 млрд параметров; репозиторий содержит веса в формате safetensors и рассчитан на работу через Diffusers. Модель создаёт видео по текстовому описанию в разрешении 480p или 720p, с выразительной динамикой движения и способностью отображать китайский и английский текст внутри кадра. Модель предназначена для создания видеороликов по текстовым запросам, например для визуализации идей, подготовки концепт-клипов и генерации сцен для творческих проектов. Для расширения и детализации запросов README рекомендует отдельный этап prompt extension, в том числе с моделями Qwen; это дополнительная обработка, а не часть самой T2V-модели. Для запуска требуются значительные вычислительные ресурсы, а при нехватке видеопамяти README предлагает выгрузку частей модели на CPU. Лицензия — Apache-2.0.

Wan2.2-S2V-14B — модель генерации кинематографического видео по аудио, разработанная командой Wan-AI на основе семейства Wan. Она предназначена для аудиоуправляемой анимации персонажей, включая передачу речи и пения, сложные движения тела, взаимодействия персонажей и работу камеры. В карточке также упомянуты генерация длинных видео и точное редактирование синхронизации губ. Модель относится к семейству S2V и предоставлена в репозитории для Diffusers в форматах PyTorch и Safetensors. Для генерации заявлена поддержка разрешений 480p и 720p. Лицензия — Apache 2.0. В карточке описаны преимущества в выразительности и качестве кинематографической анимации, но приведённое сравнение с другими системами является заявлением авторов.

waon-siglip2-base-patch16-256 — визуально-текстовая модель llm-jp, полученная дообучением google/siglip2-base-patch16-256 на крупном японском наборе пар изображение–текст WAON. Она предназначена для классификации изображений по текстовым описаниям без отдельного обучения на каждом наборе классов. Модель содержит 375 млн параметров и построена на архитектуре SigLIP 2; для работы с ней в карточке указана библиотека Transformers. Модель ориентирована на японские изображения и культурно-специфичную классификацию. По результатам README она показывает лучшие значения среди сравниваемых моделей на японских бенчмарках Recruit и WAON-Bench. Для применения задают изображение и текстовые метки, а модель оценивает их соответствие. Репозиторий распространяется по лицензии Apache-2.0.

Карточка модели Onelove21/animate на Hugging Face совпадает с карточкой Wan-AI/Wan2.2-Animate-14B, поэтому описание составлено по ней. Wan2.2-Animate-14B — модель генерации и преобразования видео семейства Wan от Wan-AI. Она предназначена для переноса движений и выражений персонажа из видео на персонажа с заданного изображения, в режимах анимации и замены персонажа. На вход подаются видео и изображение персонажа, на выходе создаётся видео. Модель основана на Wan2.2-I2V-A14B и использует архитектуру видеодиффузии с механизмом Mixture-of-Experts (MoE), описанным для семейства Wan2.2. В карточке указано 14B в названии модели; подробности о разрешении, частоте кадров и длине контекста для Animate не приведены. Доступен код инференса, а интеграция с ComfyUI отмечена как готовая. Модель подходит для анимации персонажей и замены персонажа в видео с сохранением движений и выражений. Лицензия — Apache-2.0. Возможности для текстовой генерации или обработки звука не заявлены.

Модель zedfum/arman-longformer-8k-finetuned-ensani предназначена для суммаризации длинных текстов на персидском языке. Это дообученная модель семейства Pegasus с архитектурой условной генерации текста, содержащая 187,1 млн параметров и рассчитанная на контекст до 8192 токенов. В карточке приведён пример использования через Transformers Pipeline для суммаризации; максимальная длина результата в примере составляет 512 токенов. Модель подходит для подготовки кратких изложений длинных персидских документов и текстов. Репозиторий содержит веса в форматах PyTorch и Safetensors; датасет карточки — zedfum/long-summarization-persian. Лицензия в предоставленных данных не указана.

Aurelian Alpha 0.1 70B — экспериментальная чат-модель автора grimulkan, дообученная в формате Llama 2 Chat на базе llama2_70b_longlora_fp16_32k_ROPE8 без исходной instruction-настройки. Это плотная причинная языковая модель семейства Llama с 68,7 млрд параметров; в метаданных указан контекст 4096 токенов, а автор рекомендует линейное масштабирование RoPE с коэффициентом 8 для работы с контекстом до 32K. Модель предназначена прежде всего для совместного написания историй, творческого письма, мозгового штурма и анализа длинных документов. Также она может вести общий диалог, пересказывать и редактировать тексты, поддерживать ролевые игры и эмулировать интерактивную прозу, но эти сценарии обучены ограниченно. Для первых запросов важно подробно задать задачу и использовать рекомендованный формат чата и системное сообщение. Это ранний альфа-релиз для тестирования и обратной связи; автор сообщает о известных проблемах, включая иногда пустые ответы в длинных диалогах. Модель не цензурирована и может генерировать оскорбительный и сексуальный контент. Лицензия в метаданных указана как неизвестная, поэтому условия использования по имеющимся данным определить нельзя.

Baichuan-Omni-1.5 — открытая мультимодальная модель команды Baichuan, представленная в карточке репозитория baichuan-inc/Baichuan-Omni-1d5. Это плотная модель с 7,1 млрд параметров и контекстом 65 536 токенов, предназначенная для диалогов и взаимодействия с текстом, изображениями, видео и аудио. Модель принимает эти четыре типа входных данных и формирует текстовые и аудиовыходы; заявлены потоковая обработка аудио и видео и голосовое общение в реальном времени. Модель рассчитана на понимание изображений и видео, распознавание и понимание речи, генерацию речи, а также мультимодальные диалоги. В README отдельно отмечены двуязычные голосовые сценарии на китайском и английском, управление стилем голоса и понимание медицинских изображений. Заявления о сравнительных результатах приведены разработчиками и здесь не подтверждены независимой проверкой. Репозиторий содержит веса в формате safetensors; метаданные указывают Apache-2.0. Для развёртывания и оценки медицинских выводов необходима отдельная проверка качества в целевом сценарии; README также предостерегает от использования в интернет-сервисах без соответствующих проверок и согласований.

twmkn9/bert-base-uncased-squad2 — модель BERT base uncased, дообученная на датасете SQuAD v2 для ответов на вопросы по предоставленному контексту. Она извлекает ответ из текста или сообщает, что в контексте ответа нет. Подходит для систем поиска по документам и других сценариев, где вопрос и относящийся к нему текст доступны модели. Модель содержит 136,7 млн параметров, использует архитектуру BERT для вопросно-ответной задачи и принимает последовательности длиной до 512 токенов. В README приведены результаты на подмножестве dev-набора SQuAD v2: exact match 72,36 и F1 75,75. Доступны веса PyTorch и Flax. Базовая модель — bert-base-uncased; лицензия в предоставленных данных не указана.

BindWeave — система генерации видео от ByteDance и исследователей Университета науки и технологий Китая. Она использует архитектуру MLLM-DiT, объединяющую предварительно обученную мультимодальную языковую модель и диффузионный трансформер, чтобы создавать видео с сохранением внешнего вида персонажей и объектов, описанных в запросе. Модель предназначена для генерации видео по изображению и текстовому запросу, в том числе со сценами, где участвуют один или несколько персонажей. MLLM разбирает сложные запросы, связывает упомянутые объекты с их представлениями, а диффузионный трансформер использует эти данные для генерации. В README приведён результат 57,61 балла на OpenS2V-Eval и сравнительные показатели по плавности движения, сходству лиц и другим критериям. Репозиторий предназначен для image-to-video и содержит веса в формате safetensors; для работы используется библиотека diffusers. Модель распространяется по лицензии Apache-2.0. README не приводит размер модели, длину контекста или отдельные языковые ограничения; метаданные указывают английский язык карточки.

Edens-Gate/Brap-nemo-12b — объединённая языковая модель, созданная с помощью mergekit методом task arithmetic на основе NewEden/nemo-erebus. В слияние также вошли Mistral Nemo Gutenberg, Magnum и UnslopNemo. Модель построена на плотной архитектуре MistralForCausalLM, содержит 12,1 млрд параметров и распространяется в формате safetensors; в метаданных указан контекст до 1 024 000 токенов. Модель предназначена для генерации текста и диалогового общения, в том числе для написания приключенческих историй и ролевых сценариев. Карточка не приводит сведения о поддерживаемых естественных языках. Лицензия в предоставленных источниках не указана.

Celestial-Queen-12B — диалоговая языковая модель, созданная Vortex5 путём многоэтапного слияния нескольких моделей семейства Mistral. Она насчитывает 12,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате Safetensors. Заявленная длина контекста — 1 024 000 токенов. Модель предназначена для ролевого общения, сочинения художественных текстов и создания длинных повествований с эмоциональной и атмосферной подачей. Лицензия Apache-2.0 разрешает её использование на условиях этой лицензии.

Chaos-Unknown-12B — языковая модель Vortex5, полученная слиянием пяти моделей: MegaMoon-Karcher-12B, Moondark-12B, Scarlet-Eclipse-12B, Harmonic-Lumina-12B и MN-12b-RP-Ink-RP-Longform. Для объединения использован собственный метод на основе mergekit; веса представлены в формате Safetensors с типом bfloat16. Модель построена на плотной архитектуре Mistral и содержит 12,1 млрд параметров, поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста в сценариях сторителлинга, ролевого общения и творческого письма. Доступна лицензия в карточке не указана, поэтому условия использования по имеющимся данным определить нельзя.

CodeKobzar13B — генеративная языковая модель на архитектуре Llama, разработанная на основе vicuna-13b-v1.5 и обученная на материалах украинской Википедии и данных по правилам украинского языка. Модель содержит знания об истории, языке, литературе и культуре Украины и предназначена для генерации текста на украинском языке. Модель содержит 12,9 млрд параметров, принимает текст и выдаёт текст. Родная длина контекста составляет 4096 токенов. Репозиторий содержит веса в формате PyTorch. Карточка приводит шаблон запроса, но не уточняет специальные ограничения или лицензию.

NimVideo/cogvideox-2b-img2vid — модель генерации видео по изображению, дообученная на 10 миллионах видео для создания роликов по входному изображению и текстовому запросу. В README заявлено качество на уровне CogVideoX-5B i2v по стандарту SBS; методика и результаты сравнения не приведены. Модель предназначена для создания коротких видео по исходному кадру и описанию сцены, например анимации транспортного средства в заданной обстановке. Репозиторий содержит веса в формате safetensors для Diffusers. Лицензия — Apache-2.0.