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

Карточка модели TechnoBaptist/LTX-2.3-N-v1.4-FP8 на Hugging Face совпадает с карточкой TheGladian/LTX-2.3-uncensored-v1.4-FP8, поэтому описание составлено по ней. LTX Video-2.3 Uncensored Turbo v1.4 — слитая сборка видеодиффузионной модели LTX-2.3 от Lightricks с дообучениями Eros10, DMD и In-Context LoRA Detailer, подготовленная автором TheGladian. Модель предназначена для генерации видео по тексту и изображениям, а также для сценариев с референсами и входным аудио. В карточке указаны режимы text-to-video, image-to-video, video-to-video и audio-to-video; заявлены генерация за 4 шага, сохранение сходства персонажа с исходным изображением и улучшенное следование инструкциям. В репозитории представлены GGUF-квантизации Q4_K_M, Q6_K и Q8_0, а также safetensors; метаданные указывают библиотеку GGUF. README приводит примеры до 1280 × 736 и 121 кадра, а в настройках рекомендует до 1280 × 720, 24 кадра в секунду и до 960 кадров. Для работы описана связка с текстовым энкодером Gemma 3 12B и проекциями CLIP. Сборка включает NSFW-настройку Eros10, поэтому рассчитана в том числе на взрослый контент; README упоминает наличие ограничителей против незаконного контента. Лицензия в метаданных обозначена как неизвестная, поэтому условия использования по карточке установить нельзя.

LTX Video-2.3 Uncensored Turbo v1.4 — слитая сборка видеодиффузионной модели LTX-2.3 от Lightricks с дообучениями Eros10, DMD и In-Context LoRA Detailer, подготовленная автором TheGladian. Модель предназначена для генерации видео по тексту и изображениям, а также для сценариев с референсами и входным аудио. В карточке указаны режимы text-to-video, image-to-video, video-to-video и audio-to-video; заявлены генерация за 4 шага, сохранение сходства персонажа с исходным изображением и улучшенное следование инструкциям. В репозитории представлены GGUF-квантизации Q4_K_M, Q6_K и Q8_0, а также safetensors; метаданные указывают библиотеку GGUF. README приводит примеры до 1280 × 736 и 121 кадра, а в настройках рекомендует до 1280 × 720, 24 кадра в секунду и до 960 кадров. Для работы описана связка с текстовым энкодером Gemma 3 12B и проекциями CLIP. Сборка включает NSFW-настройку Eros10, поэтому рассчитана в том числе на взрослый контент; README упоминает наличие ограничителей против незаконного контента. Лицензия в метаданных обозначена как неизвестная, поэтому условия использования по карточке установить нельзя.

Lightricks/LTX-2.5-22b-IC-LoRA-Ingredients — адаптер типа IC-LoRA для базовой модели Lightricks/LTX-2.5, разработанный Lightricks. Модель предназначена для генерации и преобразования видео по текстовому описанию с использованием референсного изображения или reference sheet, содержащего персонажей, предметы, окружение и другие визуальные элементы. Основной сценарий применения — video-to-video и создание согласованных по стилю и содержанию видеосцен, в которых требуется сохранять идентичность персонажей, внешний вид объектов, реквизита, логотипов и локаций между кадрами. В README приведены примеры 3D-анимационных рекламных и кинематографических сцен. Модель относится к семейству LTX Video и рассчитана на англоязычные текстовые описания. Известно, что адаптер связан с моделью размером 22B, однако подробности архитектуры, поддерживаемые разрешения, длина контекста и точные требования к вычислительным ресурсам в предоставленных данных не указаны. Сильной стороной является управление визуальной согласованностью на основе референсов; ограничения включают зависимость от качества и полноты reference sheet, а также отсутствие подробной информации о производительности и режимах использования. Модель распространяется по лицензии ltx-2.x-community-license; для доступа может требоваться согласие с условиями платформы и политикой конфиденциальности Lightricks.

LTX-2.5-GGUF — это набор GGUF-квантизированных весов 22-миллиардной дистиллированной Transformer-модели LTX-2.5, разработанной Lightricks и конвертированной для распространения пользователем molbal. Модель предназначена для генерации видео по текстовому описанию, преобразования изображения в видео, а также создания переходов между первым и последним кадрами. Репозиторий ориентирован на использование в ComfyUI через расширение ComfyUI-GGUF и содержит готовые рабочие процессы для этих сценариев, включая синхронизированное аудио и движение при анимации исходного кадра. Доступны варианты Q4_0 размером около 11,65 ГБ, оптимизированный для видеокарт с 16–24 ГБ VRAM, а также Q8_CR размером около 20,04 ГБ и Q8_0 размером около 21,22 ГБ. Вариант Q8_0 заявлен как близкий по качеству к FP16/BF16 и рассчитан на видеокарты с 24 ГБ VRAM и более. Для работы требуются дополнительные компоненты: текстовый энкодер Gemma 4 12B с projection, video VAE и audio VAE. В метаданных указаны английский, немецкий, испанский, французский, японский, корейский, китайский, итальянский и португальский языки; поддерживаемые контекстные ограничения не указаны. Сильными сторонами являются поддержка нескольких режимов генерации видео, наличие готовых ComfyUI-workflow и выбор между экономией памяти и более высоким качеством за счёт разных уровней квантования. Ограничения включают необходимость значительных вычислительных ресурсов, установки ComfyUI и дополнительных моделей, а также возможное снижение качества у более компактного варианта Q4_0. Модель распространяется по лицензии LTX-2 Community License Agreement; точные условия приведены в указанном в README файле лицензии.

calcuis/ltxv-gguf — это набор GGUF-квантизированных и FP8-масштабированных версий модели LTX-Video, разработанной Lightricks и упакованной пользователем calcuis. Модель предназначена для генерации видео по текстовому описанию, а карточка классифицирует её как image-to-video. Примеры показывают создание кинематографичных сцен с движением камеры, природными ландшафтами, городами и побережьями; запуск поддерживается через gguf-connector, gguf-node и ComfyUI. В набор входят варианты LTX-Video примерно на 2 млрд параметров, включая distilled-релизы 0.9.8 в форматах IQ4_NL, Q6_K и Q8_0, а также другие версии GGUF, например Q4_0. Для работы могут использоваться отдельные квантизированные текстовый энкодер T5XXL и VAE. Указан английский язык; другие языки не заявлены. Размер контекста, точные характеристики входных изображений и выходного видео, а также полный перечень поддерживаемых разрешений и форматов в карточке не указаны. К сильным сторонам относятся сниженные требования к памяти и возможность выбирать степень квантизации, а также интеграция с распространёнными инструментами генерации. При этом чрезмерно агрессивная квантизация, например Q2_K, по отзывам автора может давать непригодное качество; результаты разных вариантов моделей, энкодеров и VAE могут заметно отличаться. Лицензия обозначена как other, но её конкретные условия в карточке не приведены.

lumikabra-123B v0.2 — разговорная языковая модель на архитектуре Mistral, созданная автором schnapper79 слиянием Mistral-Large-Instruct-2407, Magnum-v2-123B, Luminum-v0.1-123B и Tess-3-Mistral-Large-2-123B с помощью mergekit и метода della_linear. Модель содержит 122,2 млрд параметров и рассчитана на генерацию текста и диалоговые сценарии. Автор ориентировал её на ролевые диалоги и художественное повествование, стремясь сочетать выразительный стиль, разнообразные ответы, умеренную «остроту» и более структурированные знания. Контекст составляет до 131 072 токенов. В репозитории указаны веса safetensors; README также описывает вариант квантизации exl2-8.0. Ответы и стиль субъективны: автор характеризует версию 0.2 как отличающуюся от 0.1, но не считает её однозначно лучше или хуже. В метаданных указана лицензия other; конкретные условия следует проверять в карточке модели и у исходных компонентов слияния.

M7Yamshadowexperiment28_ShadowYam — объединённая модель генерации текста на архитектуре Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/ShadowYam-7B. Она предназначена для генерации текста по текстовому запросу и работы с контекстом длиной до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors. Репозиторий не описывает специализацию или результаты оценки качества, поэтому модель можно охарактеризовать только как генеративную общего назначения. Лицензия — Apache-2.0.

miquelian-120b — языковая модель для генерации текста, созданная разработчиком jspr с помощью mergekit. Веса получены линейным слиянием моделей miqu-1-70b-sf и Aurelian-v0.5-70b-rope8-32K-fp16 с чередованием слоёв. Модель построена на архитектуре Llama, содержит 120,1 млрд параметров и 140 слоёв, работает с контекстом до 32 768 токенов. Модель предназначена прежде всего для творческого письма с длинным контекстом и сохранением смысловой связности; также поддерживает диалоговую генерацию текста. Для запроса в README приведён шаблон [INST] {prompt} [/INST]. Указанная разработчиком высокая эффективность на творческих задачах не сопровождается подробными результатами оценки. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Условия лицензирования в предоставленных данных не описаны.

KoboldAI Mixtral-8x7B-Holodeck-v1 — дообученная языковая модель KoboldAI на архитектуре Mixtral 8x7B. Для обучения использовали около 3000 электронных книг разных жанров; многие фрагменты размечены префиксом с указанием жанра. Модель предназначена для генерации текста, в частности художественных и жанровых текстов. Она принимает текст и генерирует текст, поддерживает английский язык, имеет контекст длиной до 32 768 токенов и около 7,1 млрд параметров. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Обучение на книгах разных жанров подходит для литературного продолжения и генерации прозы с заданным жанровым контекстом. Возможные ограничения включают предвзятость по гендеру, профессии, расе и религии; качество и фактическая надёжность ответов в карточке не оценены.

MN-12B-Hydra-RP-RU — экспериментальная объединённая модель от limloop на базе Mistral Nemo 12B, предназначенная прежде всего для ролевых диалогов и творческого письма на русском языке. Она объединяет несколько дообученных моделей методом TIES с помощью mergekit; дополнительного обучения после слияния не проводилось. Архитектура — плотная авторегрессионная MistralForCausalLM, размер — 12,1 млрд параметров, формат весов — safetensors. Модель поддерживает русский и английский языки, диалоговый режим и контекст до 1 024 000 токенов по метаданным. Модель рассчитана на поддержание персонажей и контекста, следование инструкциям и создание литературного повествования. Карточка отмечает сильные ролевые способности и выразительный русский язык. Лицензия — Apache-2.0. Автор описывает модель как uncensored: она может генерировать откровенный или спорный контент. В сложных задачах на рассуждение модель может переключаться на английский; после объединения дополнительная настройка не выполнялась.

Mistral Nemo 12B Starcannon v3 — модель генерации текста, созданная AuriAetherwiing с помощью mergekit. Это слияние методом TIES двух предварительно обученных языковых моделей: anthracite-org/magnum-12b-v2 и nothingiisreal/MN-12B-Celeste-V1.9; базовой указана MN-12B-Celeste-V1.9. Модель имеет плотную архитектуру Mistral, 12,1 млрд параметров и предназначена для диалогов и генерации текста, включая художественные истории и ролевые сценарии. В карточке отмечена поддержка ChatML у обеих объединённых моделей. Автор сообщает, что протестировал версию ограниченно, поэтому качество относительно предшественников не установлено. Репозиторий содержит веса в формате safetensors; также упомянуты отдельные сборки GGUF и EXL2 от других авторов. Лицензия в предоставленных данных не указана.

MN Aura 12B v1 — плотная языковая модель семейства Mistral, созданная EldritchLabs путём объединения нескольких предварительно обученных моделей методом Adaptive Unified Riemannian Annealing (AURA) с помощью mergekit-exp. В состав объединения вошли модели для чата и творческого письма; базой при слиянии служила Retreatcost/Mistral-Nemo-Base-2407-ChatML. Модель предназначена для генерации текста, общения и творческого письма: создания историй, сцен и сюжетных линий, продолжения прозы и ролевых диалогов. Она содержит 12,1 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов. В карточке заявлен английский язык; модель загружается через Transformers, веса представлены в safetensors. Модель опубликована по лицензии Apache-2.0. Карточка не приводит результатов сравнительных оценок качества; как объединённая модель, её пригодность для конкретных сценариев следует проверять на собственных примерах.

MythoLogic-13b — экспериментальная языковая модель Gryphe на архитектуре Llama с 12,9 млрд параметров. Она создана с помощью градиентного слияния Chronos, дополненной Hermes и Wizard-Vicuna Uncensored; основная задача — генерация текста с упором на связные истории и ролевые диалоги. Модель принимает текстовые инструкции в формате Alpaca и генерирует текст. Карточка указывает контекст длиной 2048 токенов и английский язык. Разработчик отмечает, что модель склонна к многословным ответам, но может уступать в логических задачах. Указана лицензия «other»; конкретные условия использования в карточке не раскрыты.

Psyfighter-13B — языковая модель на базе Llama 2, созданная слиянием нескольких чекпойнтов методом task arithmetic. В состав слияния вошли TheBloke/Llama-2-13B-fp16, KoboldAI/LLaMA2-13B-Tiefighter, MedLLaMA_13B и llama-2-13b-chat-limarp-v2-merged; основой указан TheBloke/Llama-2-13B-fp16. Разработчики отмечают поддержку сообщества KoboldAI вычислительными ресурсами. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и распространяется в формате safetensors с точностью float16; длина контекста — 4096 токенов. Лицензия указана как llama2. Модель объединяет базовую Llama 2 с чекпойнтами, ориентированными на диалоги, ролевые сценарии и медицинский текст. README не содержит результатов оценки качества или подробных сведений о поддерживаемых языках, поэтому эти характеристики нельзя оценить по карточке.

mradermacher/Qwen3-VL-4b-Heretic-GGUF — мультимодальная vision-language модель семейства Qwen3-VL, основанная на DreamFast/Qwen3-VL-4b-Heretic и квантованная в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста и работы с визуальными данными, включая сценарии анализа изображений и forensic-задачи. В README указана поддержка английского языка. Модель имеет заявленный размер 4B параметров и поставляется с дополнительными мультимодальными компонентами mmproj. Доступны варианты от Q2_K до Q8_0, а также f16; размеры файлов составляют примерно от 1,8 до 8,2 ГБ. Для быстрого запуска рекомендуются Q4_K_S и Q4_K_M, тогда как Q8_0 обеспечивает наиболее высокое качество среди перечисленных вариантов. Контекст модели, полный список поддерживаемых языков и точные архитектурные характеристики в README не указаны. Основные преимущества — мультимодальность, широкий выбор уровней квантования и возможность локального запуска через совместимое с GGUF программное обеспечение. Ограничения связаны с потерями качества при использовании низкобитных вариантов квантования, а также с отсутствием в карточке подробных результатов тестирования и спецификаций контекстного окна. Модель распространяется по лицензии Apache-2.0.

Qwen-Image-Edit-2511 — модель редактирования изображений от команды Qwen, улучшенная версия Qwen-Image-Edit-2509. Она принимает изображение и текстовые инструкции для изменения сцены, сохраняя при этом сходство персонажей и согласованность нескольких людей на групповом снимке. Модель также умеет менять освещение и материалы, создавать новые ракурсы, помогать с промышленным дизайном и строить вспомогательные геометрические линии. Модель распространяется в форматах Diffusers и Safetensors и рассчитана на использование через библиотеку Diffusers. По карточке, улучшения включают снижение дрейфа изображения, поддержку эффектов популярных LoRA непосредственно в базовой модели и усиленное геометрическое рассуждение. В метаданных указаны английский и китайский языки. Лицензия — Apache-2.0.

Это версия модели Qwen-Image-Edit-2511, подготовленная swordKoala: к базовым весам Qwen добавлена и объединена с ними Lightning LoRA от lightx2v для генерации результата за 8 шагов. Модель построена на архитектуре MMDiT и предназначена для редактирования изображений по текстовым инструкциям, включая виртуальную примерку одежды и другие сценарии image-to-image. Модель поставляется как готовый diffusers-пайплайн QwenImageEditPlusPipeline в формате BF16. README рекомендует 8 шагов инференса и разрешение 1024 пикселя; объединённые веса упрощают запуск в системах обслуживания, которые не поддерживают отдельные LoRA. Репозиторий распространяется по лицензии Apache-2.0.

Qwen-Image-Edit-Remover-General-LoRA — адаптер LoRA для модели Qwen/Qwen-Image-Edit, разработанный AI Laboratory компании Chongqing Valiant Cat Technology Co., Ltd. Модель предназначена для удаления объектов с изображений, включая фотографии товаров для электронной коммерции, персонажей и различные предметы, с использованием image-to-image редактирования. Адаптер ориентирован на работу в ComfyUI и интегрируется в модифицированный workflow Qwen-Image-Edit. Также заявлена совместимость с Diffusers и пайплайном QwenImageEditPipeline. Для указания объекта используется текстовый запрос, например «从场景中移除XXX» («удалить XXX из сцены»), однако фиксированная trigger-фраза отсутствует, а формулировки запросов требуют подбора. Ключевая заявленная особенность — сохранение исходной сцены и неизменённых областей изображения при удалении выбранного объекта. README не содержит сведений о размере адаптера, архитектуре базовой модели, поддерживаемых языках помимо примеров на английском и китайском, максимальном разрешении или длине контекста. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

ClaudioItaly/Rebus — объединённая языковая модель, созданная разработчиком с помощью mergekit на основе anthracite-org/magnum-v2.5-12b-kto и объединения с elinas/Chronos-Gold-12B-1.0, TheDrummer/UnslopNemo-12B-v4.1 и nbeerbower/mistral-nemo-gutenberg-12B-v4. В README указан метод task arithmetic; параметры модели сохранены в формате bfloat16. Модель построена на плотной архитектуре Mistral с 12,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Базовые модели в каталоге описаны как ориентированные на приключенческие истории и ролевые сценарии, поэтому Rebus подходит для творческого письма и ролевых бесед. В метаданных указан контекст размером до 1 024 000 токенов. Карточка не приводит сведения о лицензии, поэтому условия использования установить нельзя.

Dzeniks/roberta-fact-check — модель классификации текста на архитектуре RoBERTa, предназначенная для проверки утверждений по предоставленным свидетельствам. Она принимает утверждение вместе с текстом доказательства и относит пару к одному из двух классов: свидетельство подтверждает утверждение или опровергает его. Модель обучали на наборах FEVER и HoVer, а также на небольшом объёме вручную подготовленных данных. Модель содержит 151,8 млн параметров и рассчитана на контекст до 514 токенов. Она подходит для автоматической предварительной проверки фактов и выявления потенциальной дезинформации, когда для утверждений уже подобраны свидетельства. В README не указаны поддерживаемые естественные языки. Модель распространяется по лицензии MIT. Её предсказания могут быть ошибочными, поэтому результат проверки требует оценки человеком.

Rocinante-X-12B-v1-Heretic-Uncensored — текстовая генеративная модель, созданная DavidAU на основе TheDrummer/Rocinante-X-12B-v1. Это доработанная версия Mistral с 12,1 млрд параметров, предназначенная для продолжения текста, творческого письма, сюжетов и ролевого общения. Модель работает с текстом, поддерживает чат и имеет контекстное окно до 131 072 токенов. Версия обработана методом Heretic для снижения частоты отказов: в карточке указаны 9 отказов из 100 запросов против 87 у исходной модели. Автор приводит KL-дивергенцию 0,146 как показатель сохранения поведения исходной модели. Для получения более откровенного, грубого или обсценного текста иногда требуется явно задать нужный стиль и лексику; приведённые показатели основаны на тестах автора и не гарантируют аналогичных результатов на других запросах. Модель подходит для генерации художественной прозы, сцен, диалогов и ролевых сценариев, включая жанры ужасов и романтики. В README указаны рекомендации по настройкам сэмплирования для некоторых интерфейсов запуска. Веса опубликованы в формате Safetensors; лицензия в предоставленных данных не указана.

Карточка модели JobHarvest/sam3 на Hugging Face совпадает с карточкой facebook/sam3, поэтому описание составлено по ней. SAM 3 — модель Meta для сегментации объектов по запросам на изображениях и видео. Она объединяет обнаружение, сегментацию и отслеживание: принимает короткую текстовую фразу или визуальные подсказки — точки, рамки, маски и примеры объектов — и возвращает маски всех подходящих экземпляров. Для видео модель также отслеживает найденные объекты между кадрами; режим Tracker позволяет выделять и сопровождать конкретный экземпляр по визуальной подсказке. Модель поддерживает сегментацию понятий с открытым словарём и заявлена для работы с гораздо более широким набором текстовых запросов, чем предшественник SAM 2. В README указано, что на бенчмарке SA-CO с 270 тысячами понятий она достигает 75–80% человеческого результата. Репозиторий содержит веса safetensors и использует Transformers. Лицензия обозначена как other; конкретные условия следует проверять в карточке и связанных материалах проекта.

Карточка модели MIUProject/sam3 на Hugging Face совпадает с карточкой facebook/sam3, поэтому описание составлено по ней. SAM 3 — модель Meta для сегментации объектов по запросам на изображениях и видео. Она объединяет обнаружение, сегментацию и отслеживание: принимает короткую текстовую фразу или визуальные подсказки — точки, рамки, маски и примеры объектов — и возвращает маски всех подходящих экземпляров. Для видео модель также отслеживает найденные объекты между кадрами; режим Tracker позволяет выделять и сопровождать конкретный экземпляр по визуальной подсказке. Модель поддерживает сегментацию понятий с открытым словарём и заявлена для работы с гораздо более широким набором текстовых запросов, чем предшественник SAM 2. В README указано, что на бенчмарке SA-CO с 270 тысячами понятий она достигает 75–80% человеческого результата. Репозиторий содержит веса safetensors и использует Transformers. Лицензия обозначена как other; конкретные условия следует проверять в карточке и связанных материалах проекта.

Segment Anything Model (SAM) ViT-B — модель сегментации изображений, разработанная Meta AI и опубликованная в рамках проекта Segment Anything. Она выделяет объекты по подсказкам в виде точек, ограничивающих рамок или масок, а также может автоматически генерировать маски для объектов на изображении без предварительной настройки под конкретный набор классов. Модель состоит из визуального ViT-энкодера, энкодера подсказок и трансформерного декодера масок. Обучение проводилось на наборе из 11 млн изображений и 1,1 млрд масок; модель демонстрирует перенос на новые распределения изображений в режиме zero-shot. Входом служит изображение с визуальными подсказками либо изображение для автоматической генерации масок, результатом — маски сегментации. Текстовые подсказки официальной реализацией не поддерживаются. Модель подходит для интерактивной разметки изображений, подготовки масок для обучающих данных и автоматической сегментации объектов. Репозиторий предоставляет веса в форматах PyTorch, Safetensors и TensorFlow. Лицензия — Apache-2.0.

Sapphira-L3.3-70b-0.2 — модель для генерации текста и диалогов, ориентированная на рассказывание историй и ролевые игры. Её разработал BruhzWater; модель построена на архитектуре Llama и содержит 69,5 млрд параметров. Контекстное окно — 131 072 токена. Модель получена слиянием BruhzWater/Serpents-Tongue-L3.3-70b-0.3 и BruhzWater/Apocrypha-L3.3-70b-0.3 методом Multi-SLERP с использованием deepcogito/cogito-v2-preview-llama-70B. Автор предпочитает её прозу предыдущей версии и отмечает более выраженный откровенный стиль. Для диалога указаны шаблоны Llama3 и Deep Cogito. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

SejongKRX/Sejong-Qwen-v3 — языковая модель, разработанная SejongKRX и дообученная на базе SejongKRX/Sejong-Qwen-v1. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста. Для обучения использовались Unsloth и Hugging Face TRL; длина контекста составляет 131 072 токена. В набор данных вошли материалы Wikipedia, публичные данные Банка Кореи и mlabonne/open-perfectblend. Модель можно применять для диалогов, ответов на вопросы и создания текстов на корейском и английском языках. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия модели — Apache 2.0; условия лицензирования отдельных источников данных различаются.

seresnext101_32x8d.ah_in1k — модель компьютерного зрения из библиотеки timm, обученная для классификации изображений. Это архитектура SE-ResNeXt-101 с групповыми свёртками, остаточными связями и механизмом Squeeze-and-Excitation для внимания к каналам. В модели 93,6 млн параметров; она обучалась на ImageNet-1k с размером изображения 224×224, а для тестирования указано разрешение 288×288. Модель подходит для определения объектов и категорий на изображениях, а также как визуальная основа для извлечения карт признаков и эмбеддингов. В README приведены метрики ImageNet для близких вариантов семейства, но не отдельные результаты этой модели. Репозиторий распространяется по лицензии Apache-2.0.

ShadowYamshadow_Strangemerges_30Pastiche — объединённая модель Mistral, созданная из automerger/ShadowYamshadow-7B и automerger/Strangemerges_30Pastiche-7B. Она предназначена для генерации текста и использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке не приведены сведения о специализации, языках или оценках качества.

hyunlord/siglip2-base-patch16-224-ko — модель SigLIP 2, дообученная для улучшения понимания корейского языка при сопоставлении изображений с текстом. Автор сообщает, что обучение основано на дистилляции знаний и использует англо-корейский параллельный набор aihub; оценка проводилась на подписях MS-COCO на английском и корейском языках. Модель принимает изображение и текстовые метки или описания, оценивая соответствие между ними; заявлены задачи классификации изображений без дообучения и поиска совпадений изображение—текст. Архитектура — SiglipModel семейства SigLIP 2, около 375 млн параметров; веса опубликованы в формате safetensors. В сравнении на MS-COCO автор приводит для корейского Recall@1 57,24% при поиске текста по изображению и 36,55% при поиске изображения по тексту; результаты на английском близки к базовой SigLIP 2. Лицензия — MIT. Показатели относятся к описанной оценке и не гарантируют качество на других данных; README не содержит подробных инструкций по использованию или ограничений по контексту.

SpoomplesMaxx-Magpie-35B-A3 — разговорная модель семейства Qwen 3.5 MoE, опубликованная aimeri и дообученная на базе aimeri/spoomplesmaxx-jackdaw-35B-A3. Она предназначена для генерации диалогов, ролевых сценариев, художественных историй и рассуждений; карточка также отмечает интерфейс для вызова инструментов. README задаёт модели образ персонажа Оливии и примеры ролевого общения. Модель распространяется в формате safetensors через Transformers; заявлена лицензия Apache-2.0. Метаданные указывают поддержку английского и португальского языков. В тегах и наборах данных присутствуют материалы для ролевых сценариев, в том числе откровенного содержания, поэтому модель может генерировать NSFW-текст. Размер параметров и длина контекста в предоставленных данных не указаны.