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

Magnum v4 27B — языковая generative-модель от anthracite-org, представленная в формате GGUF. Это дообученная версия Gemma 2 27B с ChatML-токенизацией, ориентированная на воспроизведение качества прозы и стиля ответов Claude 3, в частности Sonnet и Opus. Модель предназначена для текстовой генерации, диалогов и ролевых сценариев, включая интерактивное повествование, создание диалогов, описаний, действий и мыслей персонажей. Она поддерживает английский язык; в README также приведены шаблоны ChatML для использования с Transformers и SillyTavern. Архитектурные характеристики базовой модели включают 27 млрд параметров, однако размер контекста в доступных данных не указан. Модель обучалась на наборах диалоговых и литературных данных, включая синтетические ролевые тексты и инструкции. Сильной стороной модели заявлено качество прозы, близкое к Claude 3, а также пригодность для творческого письма и ролевого взаимодействия. Ограничения включают ориентацию преимущественно на английский язык, отсутствие заявленных мультимодальных возможностей и неизвестный размер контекстного окна. Репозиторий содержит GGUF-квантизации; оригинальные веса доступны отдельно. Лицензия указана как gemma, поэтому условия использования определяются соответствующей лицензией Gemma.

Magnum v4 72B — семейство квантизированных в формате GGUF языковых моделей, разработанное anthracite-org. Модель создана на основе Qwen2.5-72B-Instruct и дообучена для воспроизведения качества прозы, характерного для Claude 3 Sonnet и Opus. В карточке указаны английский язык и сценарий text-generation с диалоговым применением. Модель предназначена для чат-диалогов, генерации художественного текста и ролевых сценариев, включая создание персонажей, диалогов, описаний, действий и развития сюжета. Она поддерживает формат ChatML и контекст длиной до 32 768 токенов. Архитектура — авторегрессионная causal language model на базе Qwen2.5-72B-Instruct; точный размер параметров — 72 млрд. Репозиторий содержит GGUF-квантизации, а исходные веса доступны в отдельной модели. Сильной стороной заявлена высокая выразительность и качество прозы, а также пригодность для творческих и ролевых задач. Ограничения включают экспериментальный характер дообучения поверх instruct-модели, отсутствие в карточке результатов бенчмарков и подробных данных о конкретных вариантах квантизации, ресурсоёмкости и фактической производительности. Модель распространяется по лицензии Apache-2.0.

Menage-12B — плотная языковая модель семейства Mistral Nemo, созданная Karcher-слиянием нескольких дообученных моделей Mistral Nemo. Разработчик позиционирует её для создания историй и ролевых сценариев; в каталоге также отмечена возможность диалогового общения. Модель содержит 12,1 млрд параметров, принимает текст и генерирует текст, работает через библиотеку Transformers и имеет контекстное окно до 131 072 токенов. Слияние объединяет восемь моделей, среди которых есть варианты для ролевого общения, длинной прозы и рассуждений. Карточка не сообщает результаты сравнительных оценок или конкретный набор поддерживаемых языков. Модель распространяется в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

MiniMax-H3-fl2va-ref2va-hybrid-w4a8 — гибридный чекпойнт на основе MiniMax-H3, созданный автором berryber09. Он объединяет в одной модели условие по первому кадру и управление через референсные изображения: первый кадр задаёт временную опору, а референс помогает сохранить личность персонажа, сцену или стиль и ввести их в нужный момент ролика. Модель предназначена для генерации видео по изображению в ComfyUI. Чекпойнт собран сшивкой блоков двух вариантов MiniMax-H3: входные и выходные головы, а также блоки 0–19 взяты из fl2va, блоки 20–49 — из ref2va. Веса имеют смешанную 4-битную квантизацию w4a8_mixed, размер файла около 12,5 ГБ; автор сообщает о загрузке на видеокарту с 16 ГБ памяти. Модель маршрутизируется в ComfyUI как ref2va и поддерживает одновременное использование первого кадра и референсных изображений. Качество базовой генерации немного ниже, чем у варианта с большим числом блоков fl2va, зато гибрид сильнее ориентирован на соответствие референсам. Ограничения включают компромисс между качеством и точностью следования референсу, а также необходимость подходящей конфигурации ComfyUI. Лицензия унаследована от MiniMax-H3 и обозначена в метаданных как other.

MiniMax-H3-Turbo-GGUF — это квантизированная версия мультимодальной генеративной системы MiniMax H3, разработанной MiniMaxAI. Репозиторий molbal предоставляет самостоятельные GGUF-чекпойнты варианта FL2VA Turbo 4-step v1.0 для запуска в ComfyUI. Модель предназначена для унифицированной генерации видео и синхронизированного стереозвука по тексту, изображению или паре первого и последнего кадров, включая сценарии text-to-audio-video, image-to-audio-video и first/last-frame-to-audio-video. Также заявлена поддержка мультимодальных режимов с видео- и аудиовходом на уровне исходной системы, но конкретные возможности данной сборки описаны прежде всего для T2VA, I2VA и FL2VA. Модель обучалась для разрешения 1344×768 при частоте 24 кадра в секунду и формирует стереозвук с частотой 32 кГц. Turbo-дистилляция сокращает генерацию до 4 шагов NFE; для видео используется shift 6, для аудио — shift 3. GGUF-файлы содержат полные объединённые веса базовой модели и Turbo-компонентов, поэтому отдельные базовые веса или LoRA-адаптеры не требуются. Доступны варианты Q4_0 размером около 11,4 ГБ, Q8_0 около 21,4 ГБ и Q8_CR около 20,2 ГБ; Q4_0 обеспечивает меньшее потребление ресурсов при более низком качестве, а Q8-варианты — более высокое качество. Q8_CR предназначен для совместимости с узлами molbal/ComfyUI-GGUF. Основные сильные стороны — мультимодальность, совместная генерация видео и нативного стереозвука, а также высокая скорость благодаря четырём шагам дистилляции. Ограничения включают привязку данной версии к разрешению 768p и необходимость использования ComfyUI с совместимым GGUF Loader и специализированным sampler для MiniMax H3 Turbo; требования к памяти зависят от выбранного варианта квантизации. Модель распространяется по MiniMax H3 Community License Agreement; это лицензия с особыми условиями, а не стандартная свободная лицензия.

Mistral-Nemo-Instruct-2407-12B-Thinking-M-Claude-Opus-High-Reasoning — дообученная автором DavidAU многоязычная текстовая модель на базе Mistral-Nemo-Instruct-2407, предназначенная для генерации ответов с рассуждениями. По README, настройка основана на датасете Claude Opus 4.5 High Reasoning и нацелена на компактные, содержательные блоки рассуждений; примеры показывают генерацию художественных историй. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. В метаданных указано контекстное окно 1 024 000 токенов; README рекомендует начинать работу с контекста от 8 тысяч токенов. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Модель распространяется в формате safetensors; README также обсуждает настройки для квантованных сборок, но лицензия в предоставленных данных не указана. Подходит для диалога, ролевого общения, продолжения сцен и создания историй разных жанров, включая ужасы и романтику. Качество дообученной версии не подтверждено обновлёнными бенчмарками: приведённые результаты относятся к исходной модели.

Mistral Nemo 12B Starcannon v3 — объединённая языковая модель на архитектуре Mistral, созданная автором nothingiisreal с помощью mergekit и метода TIES. В объединение вошли anthracite-org/magnum-12b-v2 и nothingiisreal/MN-12B-Celeste-V1.9; базовой моделью указана MN-12B-Celeste-V1.9. Модель содержит 12,1 млрд параметров и рассчитана на генерацию текста и чатовые сценарии. Модель подходит для интерактивных ролевых диалогов и генерации художественных историй, что следует из описания базовой модели. Репозиторий содержит веса в формате safetensors; автор также ссылается на варианты GGUF и EXL2, распространяемые отдельно. Метаданные указывают длину контекста 1 024 000 токенов, однако фактическая поддержка такого контекста и качество на этой длине не подтверждены приведённой карточкой. Лицензия в предоставленных данных не указана.

ockerman0/MN-12B-Starcannon-v4-unofficial — неофициальная версия серии Starcannon, созданная слиянием языковых моделей методом TIES с помощью mergekit. В основе лежат anthracite-org/magnum-12b-v2.5-kto и nothingiisreal/MN-12B-Celeste-V1.9; веса сохранены в формате bfloat16 и доступны в safetensors. Модель использует плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и предназначена для генерации текста в диалоговом режиме. Модель подойдёт для интерактивных ролевых диалогов и создания художественных историй — такие сценарии соответствуют назначению указанной в каталоге базовой модели. В карточке заявлен контекст до 1 024 000 токенов. Лицензия и сведения о поддерживаемых языках в предоставленных данных отсутствуют.

MoviiGen1.1-GGUF — это прямая конверсия модели ZuluVision/MoviiGen1.1 в формат GGUF, опубликованная пользователем или организацией wsbagnsv1. Модель предназначена для генерации видео по текстовому описанию и относится к категории text-to-video. Файлы модели можно использовать в ComfyUI с пользовательским узлом ComfyUI-GGUF; их рекомендуется размещать в каталоге ComfyUI/models/unet. В репозитории доступны квантизованные варианты Q8_0 и меньшего размера, созданные на основе FP32-версии. Форматы F16 и BF16 в опубликованной версии не представлены. Для работы также требуется VAE Wan2_1_VAE_bf16.safetensors из репозитория Kijai. README не содержит сведений о точном размере модели, архитектуре, поддерживаемых языках, максимальной длине контекста, качестве генерации или системных требованиях. Модель распространяется по лицензии Apache-2.0; конвертация выполнена с использованием скриптов city96.

Карточка модели Nocodedev0/MPT-MCLIP2.1-T2V-1.3B-Diffusers-VIDEO-GEN на Hugging Face совпадает с карточкой Wan-AI/Wan2.1-T2V-1.3B-Diffusers, поэтому описание составлено по ней. Wan-AI Wan2.1-T2V-1.3B-Diffusers — модель генерации видео по текстовому описанию из семейства Wan2.1, разработанного командой Wan-AI. Это диффузионный трансформер с пространственно-временным VAE; данный репозиторий содержит вариант на 1,3 млрд параметров в формате Diffusers и Safetensors. Модель предназначена для создания коротких видеороликов по текстовым запросам. В README указана генерация видео 480p и 720p; для 1,3B-варианта рекомендуется 480p, поскольку результаты при 720p менее стабильны. Заявлена поддержка создания видимого текста на английском и китайском языках. Для генерации 5-секундного видео 480p README приводит ориентир около 8,19 ГБ видеопамяти и примерно четырёх минут на RTX 4090 без оптимизаций. Модель подходит для творческих задач и прототипирования видеоконтента, в том числе на потребительских GPU. Лицензия — Apache-2.0. Дополнительное расширение текстового запроса может улучшать детализацию, но требует отдельной модели или внешнего сервиса; качество генерации на 720p менее стабильно, чем на 480p.

eslamxm/mt5-base-finetuned-arur — дообученная модель на базе google/mt5-base, созданная для суммаризации текста. Она построена на архитектуре mT5 и содержит 291,2 млн параметров; карточка указывает арабский и урду как языки модели. Модель предназначена для генерации краткого пересказа исходного текста. В README приведены результаты оценки: ROUGE-1 26,73, ROUGE-2 12,63, ROUGE-L 23,96 и BERTScore 71,41. Модель распространяется в формате PyTorch по лицензии Apache-2.0. README указывает, что обучение проводилось на неопределённом датасете, поэтому область данных и переносимость результатов на разные типы текстов неясны.

clui/my_awesome_opus_books_model — дообученная модель машинного перевода на архитектуре MarianMT, опубликованная в формате safetensors. В карточке указаны 66,3 млн параметров и контекст до 512 токенов. Для оценки приведены loss 1,3345, BLEU 14,3963 и средняя длина генерации 47,43 токена. Модель предназначена для перевода текста. Языковая пара, состав обучающих данных и конкретные сценарии применения в карточке не раскрыты. Лицензия — Apache-2.0.

DreamGen Opus V1.2 70B — языковая модель DreamGen для управляемого написания историй и ролевых диалогов. Она построена на плотной архитектуре Llama и содержит 68,7 млрд параметров; принимает текст и генерирует текст. Для естественного продолжения сценария автор рекомендует использовать расширенный формат ChatML Opus V1: описать сюжет, стиль и персонажей в системном сообщении, а затем передавать инструкции и реплики. Модель также подходит для пересказа сюжета, описания персонажей и стиля, подготовки плана глав и общей текстовой помощи. Контекст модели составляет 32 768 токенов. Карточка демонстрирует англоязычные примеры и указывает английский как язык модели. Для лучшего результата важно соблюдать форматирование промпта и корректную токенизацию; README также отмечает ошибки продолжения диалога в LM Studio при удалении сообщения или нажатии «Continue». Модель распространяется по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных материалов согласно условиям лицензии.

DreamGen Opus V1.2 7B — текстовая генеративная модель DreamGen для управляемого написания историй и ролевых диалогов. Она также подходит для ряда задач, связанных с художественным текстом, и для общего ассистирования. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель продолжает сюжет или ролевую сцену по описанию персонажей, сюжета и стиля, а также может составлять краткие пересказы, описания персонажей и стиля, и планы глав. Для лучшей работы требуется форматирование промпта по расширенному шаблону ChatML Opus V1 с ролью text и, при необходимости, указанием активных персонажей. В карточке указана поддержка английского языка. Модель предназначена для генерации текста; вход и выход — текстовые. Опубликована под лицензией CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных материалов. Результаты зависят от формата промпта и выбранных параметров генерации.

DreamGen Opus V1 — языковая модель DreamGen для управляемого написания историй и ролевых диалогов. Это плотная авторегрессионная модель семейства Llama с 33,9 млрд параметров и контекстом до 200 000 токенов; репозиторий содержит веса PyTorch в формате safetensors. Модель принимает инструкции и описание сюжета, стиля и персонажей, а затем продолжает повествование от заданного персонажа или в форме авторского текста. Также её можно использовать для краткого пересказа историй и глав, описания персонажей и стиля, составления плана глав и общей текстовой помощи. Для работы предусмотрен расширенный формат ChatML с ролью text и полем names; корректное форматирование и токенизация подсказки важны для результата. В карточке указан английский язык. Большой контекст позволяет подавать длинные истории или несколько глав. Модель относится к генеративным чат-моделям; в материалах также упоминается линейка Opus V1, однако происхождение именно этой версии как производной модели не указано. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных материалов на условиях лицензии.

Q3-30B-A3B-Designant — модель для генерации текста и ролевых диалогов, разработанная Fizz и сообществом Allura. Это дообученная и частично объединённая версия модели семейства Qwen3 MoE; в метаданных указаны 2,6 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и генерирует текст, работает в формате ChatML и поддерживает интерфейс вызова инструментов. Модель предназначена прежде всего для ролевых сценариев и диалогов, а также для следования инструкциям и рассуждений. Обучение включало данные для ролевых диалогов и человеческой прозы, объединение с Pantheon-Proto-RP-1.8 и этап KTO, направленный на сдерживание излишне витиеватого стиля и улучшение рассуждений. Карточка отмечает, что во время тестирования иногда наблюдалось зацикливание. Автор предупреждает о проблемах качества при низкобитной квантизации и рекомендует полные веса bf16 с vLLM, если это возможно. Лицензия в предоставленных данных не указана.

QuartetAnemoi-70B-t0.0001 — языковая модель для генерации текста, созданная alchemonaut последовательным слиянием весов четырёх моделей с помощью алгоритма NearSwap. В основе слияния лежит 152334H/miqu-1-70b-sf; также использованы Sao10K/WinterGoddess-1.4x-70B-L2, Aurora-Nights-70B-v1.0 и Xwin-LM-70B-V0.1. Модель имеет плотную архитектуру LlamaForCausalLM и около 68,7 млрд параметров, работает с контекстом до 32 764 токенов. Модель предназначена прежде всего для создания художественных текстов и рассказов. По описанию автора, она часто избегает шаблонных заключительных фраз, а изменения от слияния относительно мягкие. README приводит результаты оценки на бенчмарках, включая средний балл 76,86; это не гарантирует аналогичного качества во всех сценариях. Репозиторий содержит веса Safetensors, а популярные квантованные версии доступны от сообщества. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензиями исходных моделей.

QvQ-Step-Tiny — мультимодальная модель PrithivMLmods на архитектуре Qwen2-VL, дообученная на наборах данных VCR для пошагового объяснения визуального контекста. Метаданные указывают 1,5 млрд параметров, контекст до 32 768 токенов и формат Safetensors; в README указаны 2,21 млрд параметров и точность BF16, поэтому размер модели в источниках расходится. Модель принимает изображения и текстовые запросы, а также формирует текстовые ответы с объяснениями. Она предназначена для визуальных вопросов и ответов, разбора документов и математических изображений, а также анализа видеосодержимого. В карточке заявлены поддержка распознавания текста на разных языках и возможности Qwen2-VL для изображений разных размеров и пропорций. Основной язык карточки — английский; мультиязычная поддержка упоминается в README. К ограничениям относятся возможное снижение точности на низкокачественных изображениях и сложных специализированных задачах, а также значительные вычислительные требования при работе с высоким разрешением и длинным контекстом. Заявленные возможности анализа видео длительностью более 20 минут и управления устройствами описаны в README, но не подтверждены метаданными. Лицензия — Apache-2.0.

SubtleOne/Qwen2.5-32b-Erudite-Writer — объединённая языковая модель на архитектуре Qwen2.5, созданная с помощью mergekit методом DELLA. В качестве основы использована Rombos-LLM-V2.5-Qwen-32b, также в объединение вошли модели ArliAI, EVA-UNIT-01 и nbeerbower. Модель содержит 32 млрд параметров и принимает текстовые запросы, генерируя текст; заявленная длина контекста — 32 768 токенов. Модель предназначена для творческого письма, написания историй и диалогов. Автор отмечает более литературный стиль по сравнению с предыдущей моделью Writer, но описывает её стиль как отличающийся, без заявления о превосходстве. Модель доступна под лицензией Apache-2.0; в карточке также указана возможность загрузки GGUF-версий.

Qwen3.6-27B-Miraculix — мультимодальная разговорная модель на архитектуре Qwen3.5, опубликованная независимой лабораторией Nightmedia. Это NuSLERP-слияние нескольких моделей Qwen с компонентами для рассуждений, художественного письма и медицинской тематики. Модель содержит 27 млрд параметров; метаданные указывают поддержку изображений и текста, а карточка описывает переключение режима рассуждений через шаблон чата. Модель предназначена для диалогов и следования инструкциям, рассуждений, творческого письма и ответов на вопросы по изображениям. В README приведены результаты ARC и замеры скорости, памяти и perplexity для нескольких точностей; они зависят от формата и оборудования. Указана лицензия Apache-2.0. Медицинские компоненты и заявленные тестовые результаты не подтверждают клиническую надёжность ответов.

QwenEdit InSubject — это LoRA-адаптер для модели Qwen/Qwen-Image-Edit, разработанный peteromallet. Модель предназначена для редактирования изображений с сохранением идентичности, внешних характеристик и пропорций одного или нескольких объектов. Она поддерживает сценарии изменения позы, одежды, действий и отдельных деталей при сохранении исходной сцены и фона; применяется как image-to-image-модель через библиотеку Diffusers. К сильным сторонам относятся точное сохранение ключевых признаков объектов, анатомической корректности, направленное редактирование и хорошее следование промптам с учётом объектов. Ограничения проявляются в сложных сценах с несколькими объектами и неясными границами, при радикальной смене освещения и при существенном изменении позы или ориентации объекта. Размер модели, архитектура базовой модели, поддерживаемые языки и максимальная длина контекста в README не указаны. Адаптер распространяется по лицензии Apache-2.0; для использования требуется базовая модель Qwen/Qwen-Image-Edit.

RefControl FLUX.2 Klein 4B Reference Depth LoRA — адаптер LoRA для базовой модели black-forest-labs/FLUX.2-klein-base-4B, разработанный пользователем или организацией thedeoxen. Он предназначен для image-to-image генерации и редактирования изображений: объединяет референсное изображение с картой глубины, сохраняя идентичность и стиль объекта или персонажа из референса и перенося его в позу, композицию или сцену, заданную картой глубины. Модель ориентирована прежде всего на людей, но также поддерживает объекты и стилизованных персонажей; возможные сценарии включают портреты в разных позах, согласованный дизайн персонажей, трансформацию объектов, раскадровки, комиксы и генерацию кадров для анимации. Это специализированная LoRA для FLUX.2 Klein Base 4B, используемая через библиотеку Diffusers или совместимые workflow, включая ComfyUI. Для работы требуется референсное изображение, карта глубины и текстовый триггер refcontrol; рекомендуемый вес LoRA составляет 0,8–1,0. Лучшие результаты ожидаются при близких пропорциях и масштабе референса и карты глубины. Адаптер может сочетаться с другими совместимыми LoRA семейства RefControl, однако README не содержит сведений о точной архитектуре адаптера, размере его параметров, поддерживаемых языках или максимальной длине контекста. Для базовой недистиллированной модели указаны ориентиры около 50 шагов инференса и guidance_scale около 4,0. Сильная сторона модели — контролируемое сочетание сохранения внешнего вида и идентичности с управлением позой и пространственной структурой через глубину. Ограничения включают чувствительность к сильным различиям масштаба и пропорций между входами, а также то, что обучение в основном проводилось на людях. Модель распространяется по лицензии Apache-2.0.

BRIA RMBG v1.4 — модель сегментации для удаления фона, разработанная BRIA AI. Она выделяет передний план на изображении и подходит для обработки фотографий объектов, людей, товаров, игровых и рекламных материалов, в том числе для создания контента в больших объёмах. Модель основана на IS-Net и обучена на более чем 12 000 высококачественных изображений с попиксельной разметкой. В обучающих данных представлены фотореалистичные и нефотореалистичные изображения, однотонные и сложные фоны, одиночные и множественные объекты. Конкретные размер модели и длина контекста не относятся к указанным характеристикам. По карточке модели, она доступна для некоммерческого использования по лицензии Creative Commons; коммерческое применение требует отдельного соглашения с BRIA. Модель предназначена для удаления фона и не является универсальным инструментом сегментации для произвольных классов.

Scarlet-Shadow-31B — мультимодальная модель на архитектуре Gemma 4, созданная Vortex5 слиянием Gemma-4-31B-it и трёх производных моделей: Glimmering-Citrus-31B, Dark-Scarlett-v2.0-31B и gemma-4-31B-it-scotoma-2. Она предназначена для ролевых диалогов, взаимодействия с персонажами, творческого письма и построения историй. Модель подходит для генерации диалогов и повествования в несколько ходов, создания черновиков прозы, описаний и вариантов сцен, разработки сюжетов и вымышленных миров, а также мозгового штурма идей и планов. Метаданные указывают поддержку чата и изображений; основной сценарий в карточке — генерация историй и ролевое взаимодействие. Модель опубликована в формате safetensors для Transformers. Модель распространяется по лицензии Apache-2.0. Количество параметров в предоставленных данных не указано, несмотря на «31B» в названии репозитория; длина контекста и конкретные поддерживаемые языки также не подтверждены. Качество и ограничения слияния отдельно не описаны.

SkyReels V1 Hunyuan T2V — модель генерации видео по тексту от команды Skywork, созданная дообучением Tencent HunyuanVideo на высококачественных клипах из кино и телевидения. Репозиторий содержит веса в формате Diffusers для работы с библиотекой Diffusers. Модель предназначена для создания видео с людьми по текстовым запросам. В карточке заявлены выразительная анимация лиц, широкий диапазон эмоций и движений, а также кинематографические композиция, освещение и постановка камеры. Указаны разрешение 544×960 пикселей, длина ролика до 97 кадров и частота 24 кадра в секунду. Модель принимает текст и генерирует видео. Для запуска авторы направляют к отдельному репозиторию с кодом инференса. Лицензия — Apache-2.0. Заявления о качестве и сравнении с коммерческими системами принадлежат авторам модели и не сопровождаются в карточке описанием независимой оценки.

Карточка модели Skywork/SkyReels-V2-I2V-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.

Stable Video Diffusion Image-to-Video XT — модель генерации видео Stability AI на основе латентной диффузии. Она принимает статичное изображение-кадр размером 576×1024 и создаёт короткий видеоклип из 25 кадров. XT дообучена на базе версии Stable Video Diffusion Image-to-Video для 14 кадров; для временной согласованности также дообучен декодер f8. Репозиторий предоставляет веса в форматах Diffusers и safetensors. Модель предназначена для превращения изображений в короткие видеоролики: например, для творческих проектов, дизайна и образовательных инструментов. В README отмечено, что генерация может занимать около 180 секунд на A100 с 80 ГБ памяти при настройках на момент выпуска; возможны компромиссы между скоростью, качеством и потреблением памяти. Модель не предназначена для достоверного воспроизведения людей и событий. Условия использования определяются лицензией Stability AI; README описывает исследовательское и некоммерческое применение, а для коммерческого использования отсылает к отдельным условиям.

Stable Video Diffusion 1.1 Image-to-Video — диффузионная модель Stability AI для создания коротких видеоклипов на основе одного исходного изображения. Это латентная диффузионная модель, дообученная на базе SVD Image-to-Video для генерации 25 кадров с разрешением 1024×576. Настройки обучения ориентированы на частоту 6 кадров в секунду и Motion Bucket Id 127; эти параметры можно менять, но качество при других настройках может отличаться. Модель подходит для превращения статичного изображения в короткую анимацию, а также для творческих и дизайнерских проектов и образовательных инструментов. Управлять генерацией текстовыми запросами нельзя. Результаты ограничены длительностью до четырёх секунд; возможны отсутствие движения или медленные панорамы, недостаточный фотореализм, ошибки в изображении лиц и людей и нечитаемый текст. Автоэнкодер вносит потери. В README указано, что коммерческое и некоммерческое использование предусмотрено, но для коммерческого применения следует обратиться к отдельным условиям Stability AI; в метаданных лицензия обозначена как other.

StormSeeker-24B-v1 — модель для генерации текста на базе архитектуры Mistral, созданная слиянием нескольких моделей: M3.2-24B-Loki-V2, Hearthfire-24B, Dans-PersonalityEngine-V1.3.0-24b, Dark-Nexus-24B-v2.0 и Cydonia-24B-v4.3; README также упоминает PaintedFantasy как участника слияния. Модель содержит 23,4 млрд параметров, работает с контекстом до 131 072 токенов и предназначена для творческого письма и ролевого общения, включая продолжение сцен и создание сюжетов разных жанров. По описанию автора, модель сравнительно свободно отвечает на некоторые запросы и может создавать графические сцены насилия и эротического содержания. Автор сообщает, что результаты лучше с вариантом Mistral Non-Tekken. Доступны веса в формате safetensors; README также описывает отдельные варианты GGUF. Лицензия — Apache-2.0.

Модель ahmedHamdi/story-similarity-mpnet-plots-es-en-NE-Masked — дообученная с помощью AutoTrain модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2 для оценки семантического сходства предложений. Она кодирует текст в плотные векторы, которые можно сравнивать для поиска похожих сюжетов и других текстов. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и формат safetensors; максимальная длина контекста — 514 токенов. Для использования требуется библиотека Sentence Transformers. В карточке указана метрика loss 0,915, но её методика и качество на практических данных не описаны. Лицензия в доступных сведениях не приведена.