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

Magnolia-v4-Gemma2-8k-9B — объединённая языковая модель автора grimjim, построенная на архитектуре Gemma 2 и основанная на google/gemma-2-9b-it. Модель размером 9 млрд параметров создана методом task arithmetic с помощью mergekit; в объединение также вошли Magnolia-v2-Gemma2-8k-9B, EZO-Humanities-9B-gemma-2-it и Gemma-2-Ataraxy-v4c-9B_fixed. Весовые файлы представлены в формате safetensors, контекст — до 8192 токенов. Модель предназначена для диалоговой генерации текста, в частности повествовательной прозы. Автор сообщает, что пересобрал её вокруг исходной instruct-модели после нестабильности предыдущей версии при изображении эмоционально напряжённых персонажей; это не гарантирует полного устранения проблемы. Использование регулируется лицензией Gemma.

Magrathic-12B — слитая языковая модель на основе Mistral Nemo, созданная grimjim с помощью mergekit методом task arithmetic. В объединение вошли grimjim/Magnolia-Mell-v1-12B и cgato/Nemo-12b-Humanize-SFT-v0.2.5-KTO; последняя добавлена с малым весом, чтобы склонить ответы к более естественной, «человечной» формулировке. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и формат весов safetensors. Модель предназначена для генерации связного текста, художественного письма и ролевых сценариев. Для работы подходит формат запросов Nemo Instruct 2407; автор указывает проверенные параметры генерации temperature=1.0 и minP=0.02. Контекстное окно — до 131 072 токенов. Основной язык в карточке не обозначен. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. Качество и поведение могут зависеть от формулировки запроса и параметров генерации; карточка не приводит результатов систематической оценки.

Minimax-h3_Singularity — модель генерации видео, созданная разработчиком AIGC-Singularity путём объединения контрольных точек и последующего дообучения MiniMax-H3. Она предназначена для рабочих процессов ComfyUI: создания видео по изображению, тексту, референсам и исходному видео. В метаданных основной задачей указана генерация видео по изображению; также заявлена поддержка text-to-video, reference-to-video и video-to-video. Разработчик сообщает об улучшениях чёткости HDR-изображения и снижении размытия в движении, восстановлении лиц на дальних планах, более естественном освещении и динамике, а также о повышенной выразительности лиц, управляемости камеры и качестве боевых сцен и фэнтезийных эффектов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Для ускоренной генерации автор рекомендует отдельную LoRA для четырёхшагового вывода. README не приводит размер модели, длину контекста или конкретные требования к оборудованию. Заявления о качестве и сохранении возможностей MiniMax-H3 принадлежат разработчику и не подкреплены в карточке результатами независимой оценки.

Abiray/MiniMax-H3-Singularity-GGUF — это набор квантованных версий WarmBloodAban/Minimax-h3_Singularity, общественной доработки модели MiniMax H3. Базовая модель разработана MiniMax, а данный вариант подготовлен сообществом Abiray в формате GGUF и не связан официально с MiniMax. Модель основана на совместном аудио-видео diffusion transformer и предназначена для генерации и обработки видеоконтента, включая сценарии text-to-video, image-to-video и audio-video в ComfyUI. Квантование K-quant с вариантами от Q3_K_M до Q8_0 снижает требования к видеопамяти для локального запуска на потребительских GPU. Доработка Singularity ориентирована на повышенную визуальную точность: более чёткое HDR-изображение, восстановление лиц на расстоянии, улучшенную детализацию кожи, более выразительное движение и качественные визуальные эффекты. Размеры файлов составляют примерно от 8,9 до 21,6 ГБ; рекомендуемые варианты — Q4_K_M для GPU с 12 ГБ VRAM, Q5_K_M для 16 ГБ и Q6_K или Q8_0 для 24 ГБ. Для работы также требуются отдельные текстовый энкодер, video VAE и audio VAE, а дополнительная LoRA может ускорить генерацию до четырёх шагов. Более сильное квантование обычно обеспечивает лучшее качество, но требует больше памяти, тогда как компактные варианты быстрее и экономичнее, однако могут заметнее терять качество. В README не указаны поддерживаемые языки и размер контекстного окна. Модель распространяется по MiniMax H3 Community License Agreement: лицензия действует по всему миру, кроме Европейского союза, Великобритании, Республики Корея и США, где требуется отдельное разрешение MiniMax. Коммерческое использование разрешено организациям с годовой выручкой менее 20 миллионов долларов при обязательной атрибуции.

MiS-Firefly-v0.2-22B — языковая модель на архитектуре Mistral, разработанная invisietch как дообучение и слияние моделей для творческого письма и ролевых диалогов. Версия 0.2 исправляет проблему квантования в Firefly v0.1. Модель содержит 22 млрд параметров, поддерживает контекст до 32 768 токенов и работает с текстом; карточка указывает английский язык и возможность диалога с ассистентом. Модель рассчитана на создание связных ответов в ролевых сценариях и художественных текстов, а также может использоваться как диалоговый ассистент. Разработчик сообщает о широком диапазоне сценариев, проверенных вплоть до контекста 16 тысяч токенов, и отмечает чувствительность к формату промпта: рекомендуется шаблон Mistral v2/v3. Модель описана как практически не ограничивающая генерируемый контент и может выдавать откровенные, тревожные или оскорбительные ответы. Использование подчиняется лицензии базовой модели Mistral; согласно README, коммерческое применение требует действующей коммерческой лицензии Mistral. Доступны веса FP16, а также сторонние сборки GGUF и EXL2.

Mistral 7B-Holodeck — дообученная модель семейства Mistral от KoboldAI на базе Mistral 7B. Она предназначена для генерации текста, в частности художественной прозы и продолжения историй: при обучении использовалось около 3000 электронных книг разных жанров, многие примеры были помечены жанром. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык и лицензия Apache-2.0. Карточка отмечает возможные предвзятости, связанные с гендером, профессией, расой и религией.

MN-CaptainErisNebula-Chimera-v1.1-THINKING-ClaudeOpus4.5-12B-heretic-uncensored — дообученная DavidAU текстовая модель на архитектуре Mistral Nemo с 12,1 млрд параметров. Автор сообщает, что после снятия ограничений с базовой версии модель обучили генерировать рассуждения в стиле Claude Opus 4.5; карточка указывает датасет TeichAI/claude-4.5-opus-high-reasoning-250x и библиотеку Unsloth. Модель предназначена для диалогов, ролевых сценариев и творческого письма: создания и продолжения рассказов, в том числе ужасов, фантастики и романтики. Поддерживает генерацию текста; автор заявляет контекст до 1 024 000 токенов, но рекомендует ограничивать его 128–256 тыс. токенов и отмечает возможные проблемы рассуждений и активации на низких квантизациях. Модель позиционируется как uncensored и может создавать откровенный контент, однако для ожидаемого уровня детализации иногда нужны явные инструкции. Лицензия в предоставленных данных не указана.

MN-Dark-Planet-TITAN-12B-GGUF — текстовая генеративная модель, разработанная DavidAU на базе MN-Dark-Planet-TITAN-12B. Это GGUF-версия 12-миллиардной модели семейства Mistral Nemo, созданная слиянием компонентов Rocinante-12B-v1.1, magnum-v2.5-12b-kto и MN-12B-Celeste-V1.9 методом двухэтапного DARE TIES merge. Модель ориентирована на англоязычную генерацию текста, прежде всего художественную прозу, создание сюжетов и сцен, продолжение историй, диалогов, ролевые сценарии и тексты в различных жанрах, включая научную фантастику, романтику и хоррор. Заявлен максимальный контекст свыше 128 000 токенов с потенциальной поддержкой до 1 миллиона токенов. Модель поддерживает шаблоны Mistral Instruct и Alpaca. Автор подчёркивает высокую детализацию, выразительность и разнообразие прозы, а также низкую потерю качества при сжатии; для разных вариантов GGUF приведены показатели perplexity, включая 6,7875 для q4KM и 6,6266 для Q8. Это модель только для работы с текстом, дополнительные модальности не заявлены. К ограничениям относятся выраженная склонность к негативной тональности, предпочтение более коротких ответов без явного указания требуемого объёма и возможное ухудшение следования инструкциям при чрезмерно высокой температуре. Сильное сжатие в вариантах Q2k и Q3 может заметно снижать качество и требует более осторожных настроек. Для использования рекомендуется лицензия Apache 2.0; параметры генерации зависят от выбранного кванта, шаблона и настроек температуры и repetition penalty.

Monstral-123B-v2 — слитая языковая модель семейства Mistral, опубликованная MarsupialAI. Она объединяет Behemoth 1.2, Tess-3-Mistral-Large-2 и Magnum V4 с помощью нескольких этапов смешивания весов. В метаданных указаны плотная архитектура MistralForCausalLM, 122,2 млрд параметров, библиотека Transformers и контекст до 131 072 токенов. Модель предназначена прежде всего для диалогов и художественного письма, включая ролевые сценарии и медленно развивающиеся истории. Автор отмечает выразительные литературные описания, более низкую повторяемость и способность менять тон повествования. Указаны интерфейс вызова инструментов и поддержка английского языка; формат общения Metharme, по словам автора, даёт особенно качественные ответы. Модель не ограничивает генерацию нежелательного контента и может создавать материалы для взрослых или жестокие сцены. Автор также сообщает о возможном подражании пользователю в отдельных сценариях и предупреждает, что фактическим утверждениям модели не следует доверять без проверки. Модель заявлена для развлекательного использования. Лицензия обозначена в метаданных как other; конкретные условия в предоставленных данных не раскрыты.

Nemomix-v4.0-12B — языковая модель на 12,1 млрд параметров, созданная MarinaraSpaghetti с помощью mergekit. Она объединяет Mistral Nemo Base и Instruct с несколькими дообученными моделями, чтобы совместить способность следовать инструкциям с более выразительной прозой для ролевых сценариев. Модель предназначена для диалогов, написания художественного текста и ролевых игр; карточка описывает формат инструкций Mistral Instruct и рекомендует температуру генерации 0,35, хотя допускает и более высокие значения с настройкой Min P. Модель использует архитектуру MistralForCausalLM, принимает текст и генерирует текст. В метаданных указан контекст до 1 024 000 токенов. Веса опубликованы в формате safetensors. Языки явно не перечислены в карточке. Лицензия в предоставленных данных не указана.

nepoticide-12B-Unslop-Unleashed-Mell-RPMax-v2 — слитая автором redrix языковая модель на архитектуре Mistral с 12,1 млрд параметров для диалогов, ролевых сценариев и художественного письма. Модель создана методом Model Stock с помощью mergekit на основе TheDrummer/UnslopNemo-12B-v4 и объединяет её с тремя другими моделями семейства Mistral Nemo. Используются веса Safetensors и шаблон чата ChatML. Модель предназначена для генерации ответов в диалоге и творческого текста, в том числе ролевых сцен. В карточке указан контекст до 1 024 000 токенов, однако автор рекомендует не превышать 20 000 токенов: связность на длинном контексте может ухудшаться. Автор сообщает, что проверял модель на раннем этапе и наблюдал стабильные ответы, но долгосрочные свойства контекста не оценивал. Лицензия — Apache-2.0.

Это набор весов LTX 2.5, подготовленный Rootport для инференс-движка engine25 плагина Nz-Videomni в видеоредакторе AviUtl2. Основную часть составляет 22-миллиардный distilled transformer для генерации видео по тексту; README также описывает видео- и аудио-VAE и пространственный апскейлер. Три вспомогательных файла побайтно скопированы из Lightricks/LTX-2.5, а веса трансформера Rootport преобразовал из BF16 в GGUF с преимущественной квантизацией Q4_K. Это конверсия и квантизация готовой модели, а не самостоятельно обученный чекпойнт. Набор предназначен для генерации видео в AviUtl2 через Nz-Videomni. LTX 2.5 поддерживает совместную генерацию видео и аудио; текстовый энкодер Gemma 4 для этого движка размещён отдельно в Rootport/Nz-Gemma4-12B-LTX25 и в состав данного репозитория не входит. Указанные в карточке языки — японский и английский. Веса несовместимы с LTX 2.3 и должны использоваться с соответствующим движком и отдельным текстовым энкодером. Распространяются по LTX-2.x Community License Agreement с ограничениями использования; компаниям с годовой выручкой не менее 10 млн долларов нужна отдельная коммерческая лицензия Lightricks.

DreamGen Opus v1.2 — текстовая модель для управляемого написания историй и ролевых диалогов, разработанная DreamGen на базе Llama 3 8B. Она продолжает повествование по инструкциям пользователя и описанию сюжета, стиля и персонажей, а также умеет кратко пересказывать истории и описывать персонажей, стиль и главы. Для ролевой игры используется расширенный формат ChatML с ролью text и именами активных персонажей; качество работы зависит от правильного форматирования промпта и токенизации. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Основной язык карточки — английский. Модель распространяется по лицензии CC BY-NC-ND 4.0. В README разработчик предупреждает о проблемах этой версии и рекомендует использовать более новые preview-модели.

Phenom-12B-0.1 — языковая модель на архитектуре Mistral с 12,1 млрд параметров, созданная объединением предварительно обученных моделей с помощью mergekit. В качестве базовой использована TheDrummer/Rocinante-12B-v1.1; также в объединение вошли anthracite-org/magnum-v2.5-12b-kto, MarinaraSpaghetti/NemoMix-Unleashed-12B и elinas/Chronos-Gold-12B-1.0. Применён метод della_linear, веса представлены в формате safetensors. Модель предназначена для генерации текста, в частности творческой прозы, ролевых сцен и приключенческих историй. Заявленная длина контекста — до 1 024 000 токенов. Лицензия в предоставленных данных не указана.

Q-ReAlign-Mini-0.8B — компактная мультимодальная модель оценки качества изображений и видео, разработанная проектом Q-ReAlign на основе Qwen3.5-VL. Это плотная vision-language-модель с архитектурой Qwen3_5ForConditionalGeneration, гибридным текстовым блоком с линейным и полным вниманием и визуальным энкодером в стиле SigLIP. Модель дообучена полным SFT в bf16; размер — 0,8 млрд параметров. Модель оценивает воспринимаемое качество изображений и эстетическую привлекательность, а также качество видео по последовательности кадров. Она распределяет вероятность между категориями excellent, good, fair, poor и bad, затем сводит её к числу от 0 до 1, где большее значение означает лучшее качество. Это подходит для пакетной оценки и ранжирования медиа, отбора данных и получения сигналов вознаграждения в генеративных системах. README сообщает о результатах на семи наборах оценки качества и высокой скорости вывода, в том числе 26,7 изображения в секунду на RTX 4090 при размере пакета 4. Оценки отражают восприятие, обусловленное обучающими данными, поэтому абсолютные значения лучше интерпретировать относительно друг друга; перед объединением с другими шкалами рекомендуется калибровка. Модель не предназначена для модерации безопасности, проверки фактов и личности, медицинской или судебной оценки. Лицензия — Apache-2.0.

Это китайская модель RoBERTa-Base для классификации текста, дообученная командой UER с помощью UER-py на наборе Chinanews. В карточке показан пример классификации китайской новостной фразы с меткой «политика материкового Китая». Репозиторий содержит около 129,5 млн параметров; модель использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Модель предназначена для определения тематических классов китайских новостных текстов. Её можно загружать через Transformers и использовать для автоматической тематической разметки новостных фрагментов. Обучающие наборы также включали китайские отзывы с метками тональности, однако этот конкретный чекпойнт обучен на Chinanews. В карточке не приведены метрики качества и перечень всех меток классов. Поддерживаются форматы PyTorch, TensorFlow и Flax. Лицензия в предоставленных данных не указана.

Rocinante-12B-v1.1 — языковая модель BeaverAI для генерации текста на основе архитектуры Mistral. Это плотная модель с 12,1 млрд параметров; в карточке указано контекстное окно до 1 024 000 токенов. README описывает её как универсальную модель для творческого письма и приключенческих сюжетов, с выразительной прозой, повышенной креативностью и поддержкой шаблонов чата ChatML, Alpaca и Mistral. Модель предназначена для написания ролевых сцен, историй и инструкций в приключенческом стиле. Лицензия указана как other, без уточнения условий в предоставленных данных. README упоминает Della merge, однако исходные компоненты не приведены, поэтому точное происхождение и базовую модель установить нельзя.

lllyasviel/sd-controlnet-canny — модель ControlNet, разработанная Lvmin Zhang и Maneesh Agrawala. Это диффузионная модель условной генерации изображений, предназначенная для работы совместно с Stable Diffusion v1.5. Она принимает текстовое описание на английском языке и дополнительное условие в виде карты границ Canny — монохромного изображения с белыми контурами на чёрном фоне — чтобы управлять структурой создаваемого изображения. Модель подходит для сценариев text-to-image и image-to-image, когда важно сохранить композицию, контуры и общую геометрию исходного изображения, одновременно изменяя его содержание или визуальный стиль по текстовому запросу. ControlNet усиливает управляемость генерации и может применяться в художественных и прикладных задачах обработки изображений. Точный размер модели и длина контекстного окна в README не указаны. Модель распространяется по лицензии CreativeML OpenRAIL M, адаптированной из Open RAIL M; ограничения и условия использования определяются текстом этой лицензии.

Карточка модели cutilagememanicure/stable-video-diffusion-img2vid-xt на Hugging Face совпадает с карточкой stabilityai/stable-video-diffusion-img2vid-xt, поэтому описание составлено по ней. 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.

ClaudioItaly/Stylographic-9B — объединённая языковая модель на архитектуре Gemma 2, созданная методом SLERP с помощью mergekit из nbeerbower/Gemma2-Gutenberg-Doppel-9B и sam-paech/Quill-v1. Модель содержит 9 млрд параметров, работает с текстом и предназначена для генерации текста в диалоговом формате; контекст составляет до 8192 токенов. Модель подходит для генерации художественной прозы, сцен и диалогов, а также для творческого продолжения текста. Одна из объединённых моделей, Quill-v1, дообучена на классической художественной прозе. Использование модели требует соблюдения лицензий и условий, применимых к обеим исходным моделям; сведения о конкретной лицензии в предоставленных данных отсутствуют.

Synth 2.5 Flash Preview — предварительная диалоговая языковая модель от LucidityAI, дообученная методом SFT на основе Ling 3 Tiny. В README указано 8 млрд параметров всего и около 1 млрд активных параметров; метаданные каталога указывают 977,5 млн параметров, поэтому точный размер модели расходится между источниками. Архитектура в метаданных обозначена как MoE, класс — BailingMoeV3ForCausalLM. Модель поддерживает генерацию текста и контекст до 131 072 токенов. Модель предназначена для творческого письма и диалогового использования; также поддерживает гибридный режим рассуждений. Для этого preview автор рекомендует творческие задачи выполнять без режима рассуждений. Модель можно запускать через llama.cpp или форк vLLM, упомянутые в README. Карточка предупреждает, что это предварительная версия: она может хуже следовать сложным промптам с подробным форматированием и иногда продолжает писать за пользователя. RLAIF для preview ещё не применялся. Указание на лицензию отсутствует в предоставленных данных.

inflatebot/thorn-0.55 — объединённая языковая модель, созданная с помощью mergekit методом SLERP из anthracite-org/magnum-12b-v2 и Fizzarolli/MN-12b-Rosier-v1. Модель построена на архитектуре Mistral, имеет около 12,1 млрд параметров и предназначена для генерации текста в диалоговом формате. Модель подходит для интерактивного написания историй и продолжения текста по пользовательским запросам. В каталоге для базовой модели указано создание историй по заголовку и тегам, в том числе откровенного контента; это характеристика базовой модели, а не отдельная гарантия для данного объединения. Метаданные указывают контекст до 1 024 000 токенов. Весы опубликованы в формате safetensors и имеют тип bfloat16. Условия лицензии в предоставленных данных не описаны.

Viggle-Animate — это конверсия модели Viggle/Viggle-Animate для работы в ComfyUI, созданная на основе полноразмерного дообучения трансформера ref2va из MiniMax-H3. Модель предназначена для замены персонажа в видео: она переносит движение, ракурс камеры, фон и освещение из исходного ролика на персонажа с референсного изображения. Текстовый энкодер не используется: модель получает фиксированное встраивание длиной 362 токена. Ускоренный режим с дистилляцией DMD2 выполняет генерацию за 4 шага с тремя прямыми проходами. Для запуска нужны специальные узлы ComfyUI Viggle Animate, а также веса модели, VAE и готового текстового кондиционирования. Доступны варианты BF16 и INT8, включая облегчённый по памяти вариант; указанный в README размер полной модели BF16 — 66,3 ГБ. Качество сохранения внешности снижается, когда персонаж выходит из кадра и возвращается, сильно отклоняется от позы референса или делает резкие крупные движения. Лицензия указана как other, поэтому конкретные условия использования следует проверять у правообладателя.

Карточка модели kato96/Viggle-Animate-ComfyUI на Hugging Face совпадает с карточкой drbaph/Viggle-Animate-ComfyUI, поэтому описание составлено по ней. Viggle-Animate — это конверсия модели Viggle/Viggle-Animate для работы в ComfyUI, созданная на основе полноразмерного дообучения трансформера ref2va из MiniMax-H3. Модель предназначена для замены персонажа в видео: она переносит движение, ракурс камеры, фон и освещение из исходного ролика на персонажа с референсного изображения. Текстовый энкодер не используется: модель получает фиксированное встраивание длиной 362 токена. Ускоренный режим с дистилляцией DMD2 выполняет генерацию за 4 шага с тремя прямыми проходами. Для запуска нужны специальные узлы ComfyUI Viggle Animate, а также веса модели, VAE и готового текстового кондиционирования. Доступны варианты BF16 и INT8, включая облегчённый по памяти вариант; указанный в README размер полной модели BF16 — 66,3 ГБ. Качество сохранения внешности снижается, когда персонаж выходит из кадра и возвращается, сильно отклоняется от позы референса или делает резкие крупные движения. Лицензия указана как other, поэтому конкретные условия использования следует проверять у правообладателя.

Это GGUF-представление модели vincentmireau/summary-llama3-8b-f16-full, опубликованное Featherless AI. Репозиторий содержит варианты весов с разными уровнями квантизации, включая IQ4_XS, Q2_K и Q3_K_L; в метаданных указан формат GGUF F16. Модель основана на Llama 3 8B и предназначена для генерации текста в диалоговом режиме. Название базовой модели указывает на задачу суммаризации, однако карточка этого репозитория не описывает её качество или конкретные сценарии использования. Формат GGUF подходит для запуска в совместимом локальном программном обеспечении. Доступны варианты разного размера и степени сжатия, что позволяет выбирать компромисс между занимаемой памятью и точностью весов. Лицензия в предоставленных данных не указана.

vit_large_patch14_clip_224.laion2b_ft_in1k — модель классификации изображений на архитектуре Vision Transformer (ViT), опубликованная проектом timm. Она предварительно обучена с помощью OpenCLIP на парах изображение–текст из LAION-2B, затем дообучена на ImageNet-1k. Модель содержит около 304,2 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений по классам ImageNet-1k и как визуальная основа для извлечения признаков и получения эмбеддингов изображений. Веса доступны в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Ограничение классификатора: его предсказания ориентированы на классы ImageNet-1k, поэтому для иных категорий может потребоваться адаптация.

Voxtral-Mini-3B-2507-estonian-GGUF — GGUF-квантизированная версия модели Voxtral-Mini-3B-2507-estonian, разработанной TalTechNLP и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена для мультимодальной работы с аудио, включая распознавание эстонской речи, транскрипцию, перевод и задачи понимания аудиосодержимого. Заявлены эстонский и английский языки. Модель относится к семейству Voxtral и имеет размер около 3 млрд параметров; точные сведения об архитектуре и размере контекстного окна в README не указаны. Для работы с аудио доступны отдельные мультимодальные компоненты mmproj в вариантах Q8_0 и f16. Представлены квантизации от Q2_K до Q8_0, а также вариант f16; размеры файлов составляют примерно от 1,8 до 8,1 ГБ. В README рекомендуются Q4_K_S и Q4_K_M как быстрые варианты, а Q8_0 описан как вариант с лучшим качеством. К сильным сторонам относятся поддержка аудио и эстонского языка, мультимодальные сценарии и широкий выбор уровней квантизации для подбора баланса между качеством, скоростью и требованиями к памяти. Ограничения включают отсутствие подробных данных о точности, контекстном окне, архитектуре и поддерживаемых режимах вывода; качество зависит от выбранной квантизации. Модель распространяется под лицензией Apache-2.0.

Это квантизированная в формате GGUF версия дистиллированной модели Wan2.2, опубликованная пользователем jayn7 и основанная на моделях Wan2.2 Distill Models от команды LightX2V. Модель предназначена для генерации видео по исходному изображению, то есть для сценариев image-to-video и создания видеоконтента на основе статичных изображений. В репозитории представлены варианты с разными уровнями квантизации, включая FP32, BF16, Q8, Q4_K_S и Q2_K, а также отдельные модели для режимов high noise и low noise. Подробные сведения об архитектуре, количестве параметров, поддерживаемых языках, модальностях помимо image-to-video и размере контекста в README не указаны. Для использования рекомендуются ComfyUI-GGUF и ComfyUI-WanVideoWrapper; для корректной работы следует использовать актуальную версию последнего. Сильной стороной модели является возможность запуска квантизированных вариантов, потенциально требующих меньше ресурсов, чем полноразмерные версии, при сохранении назначения исходной видеомодели. Ограничения и качество конкретных вариантов зависят от уровня квантизации и используемой конфигурации, однако подробные результаты тестирования в README не приведены. Репозиторий распространяется на условиях той же лицензии, что и Wan2.2-Distill-Models, но точные условия лицензии в предоставленных данных не указаны.

Wan2.2-I2V-A14B-HighNoise-Q4_K_M — это квантованная в формате GGUF версия модели Wan-AI/Wan2.2-I2V-A14B, опубликованная пользователем wanabmeya. Модель предназначена для генерации видео на основе входного изображения и относится к сценарию image-to-video. Указана совместимость с ComfyUI через пользовательский узел ComfyUI-GGUF. Из доступных данных известно, что модель поддерживает английский и китайский языки. Она является прямой конвертацией исходной модели, однако сведения об архитектуре, количестве параметров, размере контекста, точных характеристиках квантования и поддерживаемых модальностях, кроме image-to-video, не приведены. Квантование в формате Q4_K_M может уменьшать требования к хранению и вычислениям, но потенциально влияет на качество по сравнению с исходной моделью; конкретные показатели не указаны. Модель распространяется по лицензии Apache-2.0, при этом для квантованной версии сохраняются исходные условия лицензирования и ограничения использования базовой модели. Для запуска требуются файлы модели и ComfyUI с узлом ComfyUI-GGUF; инструкции README рекомендуют разместить файлы в каталоге ComfyUI/models/unet.

hum-ma/Wan2.2-TI2V-5B-Turbo-GGUF — это GGUF-версия Turbo-модели Wan2.2-TI2V-5B-Turbo, преобразованная из FP16-файла в формате SafeTensors и дополнительно квантизированная. Модель предназначена прежде всего для image-to-video: генерации видео на основе исходного изображения, а также может использоваться в совместимых сценариях Wan2.2 TI2V. Репозиторий распространяется по лицензии Apache-2.0. Модель относится к семейству Wan2.2 TI2V и имеет размер 5B параметров; точные архитектурные характеристики, поддерживаемые языки и максимальная длина контекста в README не указаны. Для работы требуются совместимые UMT5-энкодер и VAE. Turbo-режим рассчитан на быстрый вывод: обычно достаточно четырёх шагов генерации, поддерживаются LoRA, созданные для обычной версии 5B. В качестве рекомендуемых разрешений указаны 1280×704 и 704×1280. Ключевое преимущество — сниженные требования к видеопамяти: автор сообщает о работоспособности модели на GPU с 4 ГБ VRAM, особенно в задачах image-to-video. Возможны особенности качества, включая перенасыщенность; для её уменьшения рекомендуется масштабирование latent с коэффициентом 0,8. Результат зависит от квантизации, используемых sampler и scheduler, а также от дополнительных LoRA. Полные ограничения по качеству, производительности и совместимости в README не описаны.