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

Gryphe разработал Gemma-4-12B-StyleTune как настройку стиля для инструкционной модели Google Gemma 4 12B. Это плотная модель семейства Gemma 4 Unified для генерации текста и диалога; она использует формат safetensors и встроенный шаблон чата Gemma 4. В README описано обучение только выходной проекции lm_head на повествовательных данных: остальные веса оставлены без изменений. Автор сообщает о снижении числа клише на 56% в тесте на 200 разнообразных ролевых запросах. Модель предназначена для ролевых диалогов и творческого письма, где нужны более разнообразные формулировки и менее шаблонный стиль. По заявлению автора, сохранены рассуждения, знания, следование инструкциям и понимание языка базовой модели; эти возможности отдельно не подтверждены независимыми оценками. Базовая модель Google Gemma 4 12B IT мультимодальна, однако эта настройка заявлена для изменения стиля генерации текста. Модель распространяется по лицензии Apache-2.0. README рекомендует для инференса температуру 1.0, MinP 0.10 и DRY sampler, но оптимальные настройки зависят от сценария. Приведённая оценка стиля основана на тесте автора и не гарантирует аналогичных результатов на других запросах.

Модель autopostflow/gemma-4-e2b-ltx-2-5-prompt — полноразмерный дообученный в bf16 чекпойнт Gemma 4 E2B IT, созданный на базе google/gemma-4-E2B-it. Она преобразует рассказ в один подробный кинематографический промпт для генератора видео LTX 2.5: выбирает наиболее эмоционально насыщенную сцену и описывает кадры, движение камеры, освещение, объектив и атмосферу. Модель предназначена для подготовки текстовых запросов по сюжетам, чтобы затем передавать их в генератор видео LTX 2.5. Архитектура — Gemma4ForConditionalGeneration; при дообучении использовался только текстовый декодер, а компоненты обработки изображений и аудио были заморожены. Это текстовая модель генерации. Для вывода требуется сохранять формат запроса с разделителем ### CONTEXT, на котором модель обучалась. В обучении использовались 8958 примеров и 497 примеров для проверки. Модель опубликована под лицензией Gemma.

Gemma-4-Ortenzya-The-Creative-Wordsmith-31B-it-uncensored-heretic-i1-GGUF — квантизированная версия модели llmfan46/gemma-4-Ortenzya-The-Creative-Wordsmith-31B-it-uncensored-heretic. Репозиторий подготовлен и квантизация выполнена mradermacher. Модель основана на Gemma 4, имеет около 31 млрд параметров и распространяется в формате GGUF с imatrix-квантизациями. Модель предназначена для генерации текста, творческого письма, ролевого взаимодействия, перевода и сценариев, связанных с визуальными новеллами. В README указана поддержка английского и японского языков. Также модель описана как vision-модель; для работы с визуальными входными данными могут потребоваться файлы mmproj из статического репозитория. Размер контекста и точный набор поддерживаемых визуальных возможностей не указаны. Доступно множество вариантов квантизации с размером файлов примерно от 7,3 до 16,7 ГБ. Более компактные варианты требуют меньше ресурсов, но могут заметно уступать по качеству; README отдельно отмечает низкое качество некоторых конфигураций. Лицензия указана как Apache-2.0, при этом для Gemma приведена отдельная ссылка на условия лицензии Google.

Gemma-The-Writer-9B-HERETIC-Uncensored-Abliterated — текстовая генеративная модель DavidAU для продолжения диалогов и творческого письма. Это дообработанная версия DavidAU/Gemma-The-Writer-9B на архитектуре Gemma 2 с 9 млрд параметров; модель работает через библиотеку Transformers и имеет контекст до 8192 токенов. Модель предназначена для генерации рассказов, сцен и сюжетов, а также для ролевых диалогов в разных жанрах, включая фантастику, романтику и хоррор. Автор сообщает, что модель прошла процедуру снижения отказов Heretic v1.0.1; при запросах на откровенную или грубую лексику иногда требуется явно задавать желаемый стиль и уровень детализации. В репозитории указаны веса Safetensors и формат bfloat16. Лицензия в предоставленных данных не указана.

Gemory-26B-A4B-GGUF — квантизированная GGUF-версия модели Gemory-26B-A4B, опубликованная Abiray на основе модели UltimateIntent. Модель построена по архитектуре Mixture of Experts с 26 миллиардами параметров и фундаментом Gemma. В репозитории также указаны поддержка запуска через llama.cpp и специализация на генерации текста. Модель предназначена прежде всего для высококачественного творческого письма, ролевых сценариев без ограничений, а также сложного многоходового диалога с сохранением глубины взаимодействия. Указан английский язык. Длина контекста и точный набор поддерживаемых модальностей не сообщаются; по назначению и тегу pipeline модель относится к текстовой генерации и не описана как мультимодальная. Доступно несколько вариантов квантизации от Q3_K_S до Q6_K. Q6_K обеспечивает качество, близкое к исходным BF16-весам, а Q4_K_M обозначен как рекомендуемый вариант с балансом качества, скорости и потребления памяти; размер файлов составляет примерно от 12,2 до 22,6 ГБ, а рекомендуемые требования к RAM/VRAM — от 15 до 26 ГБ и более в зависимости от варианта. Квантизация снижает требования к памяти, но может приводить к потере качества по сравнению с исходной BF16-моделью. Модель распространяется по лицензии Apache-2.0. Для запуска требуется совместимое программное обеспечение, например llama.cpp; конкретные ограничения, связанные с безопасностью или политикой использования, в README не указаны.

Карточка модели ganbatteyo/Hunyuan3D-1 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-1, поэтому описание составлено по ней. Hunyuan3D-1.0 — модель Tencent для генерации 3D-объектов по изображению или текстовому запросу. Она использует двухэтапную схему: сначала диффузионная модель создаёт изображения объекта с нескольких ракурсов, затем сеть реконструкции восстанавливает по ним 3D-структуру. Доступны lite- и standard-версии, а также модель реконструкции sparse-view; стандартная версия примерно втрое больше lite-версии по числу параметров. Модель предназначена для быстрого создания 3D-ассетов и поддержки рабочих процессов художников. По README, генерация меша из одного изображения занимает около 10 секунд для lite-версии и 25 секунд для standard на NVIDIA A100. Для текстовой генерации поддерживаются английский и китайский языки. В метаданных указан формат safetensors и библиотека hunyuan3d-2. Лицензия обозначена как other; конкретные условия следует сверить с лицензией репозитория.

city96/HunyuanVideo-gguf — это прямое преобразование модели HunyuanVideo от Tencent в формат GGUF, выполненное пользователем city96. Модель предназначена для генерации видео по текстовому описанию и рассчитана на использование с нативными встроенными узлами HunyuanVideo в ComfyUI, а также с пользовательским узлом ComfyUI-GGUF. Ключевая характеристика модели — квантованный формат GGUF. Сведения о точном размере, архитектуре, поддерживаемых языках, модальностях помимо text-to-video и максимальной длине контекста в README не указаны. Для работы требуется разместить файлы модели в каталоге ComfyUI/models/unet; VAE необходимо скачать отдельно из репозитория Kijai. Модель не является дообученной версией, поэтому сохраняет ограничения и исходные условия лицензии базовой HunyuanVideo. Указана лицензия tencent-hunyuan-community; применимые ограничения следует уточнять по оригинальным лицензионным условиям Tencent. Квантование может уменьшать требования к ресурсам, однако конкретные характеристики производительности и совместимости в README не приведены.

L3.2-Rogue-Creative-Instruct-Uncensored-Abliterated-7B-GGUF — языковая text-generation модель, разработанная DavidAU для творческого письма, генерации рассказов, сцен, сюжетов и подсюжетов, продолжения текста, storytelling и roleplay. Модель ориентирована на художественные тексты разных жанров, включая научную фантастику, романтику и хоррор, а также на задачи, где важны насыщенные описания и проработка персонажей. Модель основана на Llama 3.2 3B Instruct abliterate и модифицирована методом Brainstorm 40x, разработанным DavidAU. В результате архитектура расширена на 39 слоёв — до 67 слоёв и примерно 7,54 млрд параметров; заявлено 605 тензоров. Максимальный контекст составляет 131 072 токена. Модель работает с шаблонами Llama 3 и/или Command-R, поддерживает английский язык и поставляется в формате GGUF с несколькими вариантами квантования. Сильные стороны модели — повышенная детализация прозы, описаний сцен, окружения и предметов, более глубокая проработка персонажей, возможность управлять стилем и уровнем цензуры через промпт, а также широкий диапазон температур генерации. К ограничениям относятся возможные опечатки и ошибки в капитализации, чрезмерно длинные продолжения и повторение абзацев или «rant» при неудачном сочетании температуры и repetition penalty. Качество и характер генерации заметно зависят от выбранного кванта и параметров сэмплирования; для ролевых сценариев слишком высокая температура может ухудшить следование инструкциям. Модель распространяется по лицензии Apache-2.0.

L3-Dark-Planet-8B-NEO-Imatrix-GGUF — текстовая генеративная модель разработчика DavidAU, основанная на Llama 3 и собранная с использованием компонентов моделей Sao10K/L3-8B-Stheno-v3.2, NeverSleep/Llama-3-Lumimaid-8B-v0.1-OAS и Hastagaras/Jamet-8B-L3-MK.V-Blackroot. Распространяется в формате GGUF с Imatrix-квантизациями и содержит около 8 млрд параметров. Модель предназначена для генерации текста на английском языке, прежде всего для художественного письма, создания сюжетов и сцен, прозы, диалогов, ролевых игр и работы с жанрами, включая научную фантастику, романтику и хоррор. Заявлен максимальный контекст 8192 токена, который может быть расширен примерно до 32K с помощью настроек RoPE. Для работы рекомендуется шаблон Llama 3; также поддерживается или может поддерживаться шаблон Command-R, при этом результаты могут заметно различаться. Автор отмечает высокую стабильность, низкую perplexity и устойчивую работу в широком диапазоне температур, а также улучшенные по сравнению с Llama 3 Instruct детализацию и литературную выразительность. Ограничения модели включают склонность к коротким ответам, если явно не указать требуемый объём, негативный уклон в содержании и возможное ухудшение следования инструкциям при чрезмерно высокой температуре. При расширении контекста через RoPE могут потребоваться более высокая температура и подробные инструкции. Разные варианты квантизации способны немного менять качество и стиль вывода; автор рекомендует прежде всего IQ3, IQ4 и Q4, тогда как IQ1 не предоставляется из-за нестабильности. Модель распространяется по лицензии Apache-2.0.

llama3.1-gutenberg-8B — плотная языковая модель семейства Llama 3.1, созданная дообучением VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct на наборе jondurbin/gutenberg-dpo-v0.1. По карточке, обучение проводилось в течение трёх эпох методом ORPO; модель предназначена для генерации текста в диалоговом формате, а обучающий набор связан с произведениями Project Gutenberg. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors. Заявленная длина контекста — 131 072 токена. Для использования указана лицензия llama3. Она подходит для генерации и продолжения текста, в том числе стилизованного под литературные произведения; конкретные показатели качества и ограничения в карточке не приведены.

Llama-3.2-1B-Instruct-NEO-SI-FI-GGUF — модель семейства Llama 3.2, доработанная DavidAU на основе Llama-3.2-1B-Instruct с использованием набора данных NEO IMATRIX Science Fiction and Story. Она представлена в формате GGUF и ориентирована прежде всего на генерацию текста, творческое письмо, разработку сюжетов и подсюжетов, продолжение сцен, сторителлинг и ролевые сценарии в различных жанрах, включая научную фантастику и романтику. Модель содержит около 1 миллиарда параметров и поддерживает контекст до 128 тысяч токенов. В карточке указана поддержка английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. Для работы рекомендуется шаблон Llama 3; выбор шаблона и параметров генерации заметно влияет на результат. Доступны различные квантизированные варианты, среди которых автор особенно рекомендует IQ4_XS, а также IQ3 и IQ2 для усиления эффекта IMATRIX. К сильным сторонам относятся небольшой размер, высокая скорость генерации на GPU, большой контекст и улучшенная, по заявлению автора, креативность и выразительность прозы. Ограничения включают чувствительность к температуре, repetition penalty, типу квантизации и шаблону запроса; чрезмерно высокие значения могут приводить к чрезмерно длинной или нестабильной генерации, а сильное сжатие способно снижать качество. Лицензия модели — Apache 2.0.

Llama-3.2-8X3B-GATED-MOE-Reasoning-Dark-Champion-Instruct-uncensored-abliterated-18.4B-GGUF — модель, разработанная DavidAU на базе Llama 3.2 и собранная методом mixture of experts. Она объединяет восемь экспертных моделей примерно по 3B параметров, включая DeepHermes-3-Llama-3-3B-Preview в роли reasoning-модели, и заявлена как модель с эквивалентом 18,4B параметров. Модель распространяется в формате GGUF, создана с использованием float32, а основные квантизации используют выходной тензор Q8_0; также доступны варианты с f16 и Q8_0 с f32. Основное назначение — генерация текста, творческое письмо, создание прозы, рассказов, сюжетов и подсюжетов, продолжение сцен, сторителлинг и roleplay во всех жанрах, включая научную фантастику, романтику и хоррор. Поддерживаются английский язык и контекст до 128k токенов. В модели предусмотрено управляемое reasoning: его можно включать, выключать или настраивать через системный промпт; при reasoning используются несколько экспертов, а при обычной генерации управление передаётся нерезонирующим компонентам. Доступен выбор числа активных экспертов — от одного до восьми, хотя по умолчанию используются два. Сильными сторонами заявлены высокая детализация и выразительность прозы, хорошее следование инструкциям, стабильность различных квантизаций и высокая скорость генерации: более 50 токенов в секунду на видеокарте начального уровня с 16 ГБ памяти для варианта IQ4XS и двух экспертов. Ограничения включают потенциально нецензурированный и NSFW-характер вывода, наличие грубой лексики и склонность к мрачной тональности. Для reasoning требуются специальные системные промпты, а для работы рекомендуется шаблон Llama 3 и/или Command-R. Указана лицензия Apache-2.0.

LLMDet large — модель обнаружения объектов с открытым словарём, разработанная авторами работы «LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models». Она развивает MM Grounding DINO и Grounding DINO: при обучении модель совместно обучали с большой языковой моделью, а для инференса языковая модель не требуется. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для zero-shot-обнаружения объектов по текстовым описаниям категорий, в том числе классов, не заданных фиксированным набором меток. Её можно применять для поиска и локализации объектов на изображениях по запросу. В карточке приведены результаты оценки на LVIS; размер модели, поддерживаемые языки и длина контекста не указаны. Модель обучалась на Objects365v1, Open Images v6, GOLD-G и GroundingCap-1M. Лицензия — Apache-2.0. Карточка описывает вариант только для инференса; качество может зависеть от формулировки запроса, а результаты на других данных могут отличаться от оценки на LVIS.

LTX-2.3 10Eros v1.2 DMD MLX q8 — производная модель для генерации видео из текстового описания или изображения. Её подготовил reallusion4free на основе TenStrip/LTX2.3-10Eros: дистилляция JoyAI Echo DMD объединена с базовыми весами, после чего линейные слои трансформера квантованы до int8. Пакет предназначен для запуска через ltx-2-mlx на компьютерах Apple Silicon; архитектура относится к семейству AudioVideo. Веса трансформера занимают около 19,2 ГБ, дополнительно включены коннекторы и нейросетевой пространственный апскейлер. Текстовый энкодер Gemma 3 12B в пакет не входит и загружается отдельно. Модель рассчитана на создание видео по промпту и, согласно тегам, по изображению с текстовым управлением. Доступен только distilled-режим: пути dev-модели и режимы one-stage, two-stage и two-stages-hq недоступны. В README модель обозначена как предназначенная для взрослых; запрещается использовать её для незаконного контента и изображения реальных людей без согласия. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами репозитория.

Soft Enhance — это LoRA-адаптер для генерации видео на базе LTX-Video от Lightricks, предназначенный для использования с text-to-video pipeline. Адаптер разработан vrgamedevgirl84 и ориентирован на улучшение визуального стиля готовых генераций: добавляет ненавязчивые детали, повышает общую чёткость и смягчает выраженный контраст LTX 2.3. Модель подходит для создания видео с более естественным и отшлифованным видом, мягким восстановлением деталей, плавными тональными переходами и более гладкой передачей кожи. Её можно применять самостоятельно или комбинировать с LoRA Crisp Enhance, регулируя силу каждого адаптера для получения нужного баланса между мягкостью и резкостью. Архитектура, размер, поддерживаемые языки и размер контекста в README не указаны. Лицензия также не указана, поэтому условия распространения и коммерческого использования требуют дополнительной проверки.

lzlv 70B fp16 hf — плотное языковое семейство LLaMA 2, созданное lizpreciatior путём слияния нескольких дообученных моделей LLaMA 2 объёмом 70B. В состав вошли Nous-Hermes-Llama2-70b, Xwin-LM-7B-V0.1 и Mythospice-70b; для объединения использовались SLERP-слияния. Репозиторий содержит веса в формате safetensors, всего около 68,7 млрд параметров. Указанное нативное окно контекста — 4096 токенов. Модель предназначена для генерации текста, ролевых диалогов и творческого письма, с упором на сочетание следования инструкциям и выразительности. Автор субъективно отмечает, что модель справлялась со сложными сценариями и казалась более творческой, чем отдельные компоненты; независимые сравнительные оценки не приведены. Для общения в README предлагается формат Vicuna. Модель рассчитана на английский язык. Лицензия — CC BY-NC 2.0, которая ограничивает коммерческое использование.

MARTHA-LXVII.8B — компактная conversational-модель от Zero Point Intelligence, созданная на базе Qwen3.5 9B и уменьшенная примерно до 8 млрд параметров за счёт pruning с последующим восстановлением. Модель ориентирована на диалоги, roleplay, художественное и творческое письмо, storytelling и сценарии, где важны выраженный характер и устойчивое пребывание в сцене. В README также указана поддержка обработки изображений и текста, однако мультимодальные возможности считаются экспериментальными. Модель предназначена для работы на ограниченных GPU-ресурсах и позиционируется как более быстрая и менее требовательная альтернатива 20B-сестре MARTHA-LXVIII.20B. Заявлены английский и китайский языки. Рекомендуемое окно контекста составляет 32 768 токенов; архитектура использует гибридное внимание, при котором полное внимание применяется примерно в каждом четвёртом слое. Для vision-режима требуется отдельный проектор mmproj-MARTHA-EYES-f16.gguf размером около 880 МБ, который в этой версии отмечен как экспериментальный. Сильные стороны модели — небольшой размер, высокая скорость, встроенный стиль и характер, а также пригодность для ролевых и творческих сценариев без обязательного системного промпта. Ограничениями являются меньшая способность к сложным рассуждениям и математике по сравнению с 20B-версией, возможные зацикливания и деградация генерации при неправильных параметрах семплирования, а также экспериментальный статус зрения. В README модель распространяется по лицензии Apache-2.0.

TheShankarRaju/Meta-Llama-3.1-8B-Instruct-SB-Summarization — дообученная модель семейства Llama 3.1 от TheShankarRaju на базе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit. В карточке указано, что модель обучалась с Unsloth и библиотекой TRL; метаданные описывают её как плотную авторегрессионную языковую модель с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате; название указывает на сценарии суммаризации, однако README не приводит примеров или подробностей обучения, поэтому качество и специализацию для конкретных видов суммаризации подтвердить нельзя. Метаданные указывают контекст до 131072 токенов и английский язык. Репозиторий содержит веса safetensors; лицензия — Apache-2.0.

MiniMax H3 FL2V LightX2V 4-Step Int8-ConvRot — это LoRA-адаптер для базовой модели MiniMaxAI/MiniMax-H3, опубликованный пользователем rzgar. Модель предназначена для генерации видео по текстовому описанию, а также поддерживает сценарии text-to-audio и audio-video согласно заявленным тегам. Адаптер ориентирован на ускоренную генерацию с использованием LightX2V и рассчитан преимущественно на 4 шага сэмплирования; также доступна версия на 8 шагов и более ранняя версия v0.1 на 4 шага. Модель распространяется в формате ComfyUI и представлена квантованными файлами Int8-ConvRot размером около 991 МБ каждый. Для работы требуются свежая ComfyUI и специальный узел ComfyUI-LoraInt8Loader, поскольку стандартные загрузчики LoRA не умеют деквантизировать этот формат. Рекомендуемая сила LoRA — 1.0, а диапазон сэмплирования — 4–6 шагов. Полная версия также изменяет token_refiner, отвечающий за текстовое и аудиоустройство; вариант norefiner оставляет этот компонент на базовом качестве и может помочь при проблемах со звуком или слабом conditioning. К сильным сторонам относятся ускоренная генерация за малое число шагов и снижение размера благодаря Int8-квантизации. Ограничения — зависимость от ComfyUI и специализированного загрузчика, необходимость использования совместимого рабочего процесса MiniMax H3, а также возможные проблемы с качеством аудио в полной версии LoRA. Лицензия — Apache-2.0.

Minimax-h3_Singularity — дообученная модель генерации видео на базе MiniMaxAI/MiniMax-H3, опубликованная WarmBloodAban. Она предназначена для мультимодальных видеосценариев в ComfyUI: генерации видео по изображению, а также по описанным в карточке сценариям text-to-video, reference-to-video и video-to-video. В репозитории указаны веса safetensors и лицензия Apache-2.0. Автор заявляет улучшения HDR-детализации, снижение размытия при быстром движении, более естественные материалы и освещение, восстановление лиц в дальних планах, выразительную мимику и более точную реакцию на движения камеры. Модель также нацелена на динамичные сцены боя и фэнтезийные визуальные эффекты. Карточка описывает обучение на видео с HDR и несколько этапов настройки и оптимизации весов. В метаданных основная задача обозначена как image-to-video; остальные режимы перечислены в README. В качестве ограничений следует учитывать, что заявления об улучшениях принадлежат автору модели, а карточка не приводит количественных оценок качества или подробных требований к ресурсам. Для ускорения автор рекомендует отдельную LoRA на четыре шага, но она не входит в состав этой модели.

MiniMax-Music3-bf16 — community-конверсия модели MiniMaxAI/MiniMax-Music3 в формате BF16 для запуска через MLX на компьютерах Apple Silicon. Модель содержит 7,8 млрд параметров и использует плотную архитектуру MiniMaxMusic3ForConditionalGeneration; заявленный контекст — 10 240 токенов. Конверсия включает компоненты авторегрессионной генерации, декодирования RVQ, кодирования условий, flow-matching DiT и стереовокодер. Модель предназначена для создания песен по тексту песни и описанию музыки. Чекпойнт требует текст песни; для инструментальной композиции README предписывает явно указать [instrumental]. Выходной звук — стерео, 44,1 кГц. Жанр, темп, инструменты и вокальные характеристики задаются вероятностно, а запрошенная длительность является верхней границей: генерация может завершиться раньше. Это неофициальная конверсия сообщества, все заслуги за исходную модель принадлежат MiniMax. Для запуска используется библиотека mlx-audio; формат BF16 не применяет квантизацию весов. В метаданных указана лицензия other; перед использованием следует проверить лицензию исходного чекпойнта MiniMaxAI/MiniMax-Music3.

Blackroot/Mirai-70B-2 — языковая модель на архитектуре Llama, созданная Blackroot как объединение нескольких моделей методом stock merge с помощью mergekit. Она предназначена прежде всего для ролевых диалогов и генерации художественного текста с выразительной прозой, разнообразными персонажами и вниманием к подтексту и последствиям действий. Автор отбирал компоненты итеративно, оценивая результаты вручную, без автоматических тестов и бенчмарков. Модель содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. В объединение вошли базовые и настроенные версии Llama, включая модели для английского, корейского, японского и китайского языков, а также варианты с медицинской и исторической тематикой; карточка не подтверждает одинаковое качество на всех этих языках и в этих областях. Автор рекомендует осторожно подбирать параметры генерации: чрезмерная случайность может ухудшать связность и порождать ошибки, а при длинном продолжении возможны повторы или потеря последовательности. Лицензия в предоставленных данных не указана.

WlappaAI/Mistral-7B-wikipedia_ru_pruned-0.1_merged — русскоязычная модель генерации текста на базе Mistral-7B, созданная объединением WlappaAI/Mistral-7B-v0.1-wikipedia_ru_pruned-0.1 и mistralai/Mistral-7B-v0.1 и обученная на модифицированном наборе danasone/wikipedia_ru. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации русскоязычного текста и задач на основе сведений из Википедии, например подготовки черновиков и продолжения текста. В README приведено значение loss 1.1876 на оценочном наборе. Весовые файлы опубликованы в формате safetensors; лицензия — Apache-2.0.

Mistral-Nemo-Gutenberg-Encore-12B — дообученная nbeerbower модель на базе mistralai/Mistral-Nemo-Instruct-2407, ориентированная на генерацию художественной прозы и рассказов. Она создана методом ORPO с использованием QLoRA и наборов данных Gutenberg и синтетической художественной прозы. Модель имеет плотную архитектуру MistralForCausalLM на 12,1 млрд параметров, принимает текст и генерирует текст; нативная длина контекста — 131 072 токена. Модель подходит для написания художественных сцен и рассказов по заданным темам, развития сюжетов и стилистической доработки прозы в диалоговом формате. В README приведена оценка примеров генерации: отмечены связность и выразительные тематические решения, а также повторения, клише, местами торопливый темп и сдвиги времени повествования. Основана на многоязычной инструктивной модели, но отдельные языки для этой настройки явно не перечислены. Лицензия — Apache-2.0.

Mixtral-8x7B-MoE-RP-Story — текстовая модель для чата, ролевых диалогов и написания историй, созданная Undi95. Это смесь экспертов на архитектуре Mixtral, собранная на базе Bagel из нескольких моделей для ролевого общения, чата, оккультной тематики, историй, математики и модели, обученной с DPO. В карточке указано 7,1 млрд параметров и контекст до 32 768 токенов; доступны веса в формате safetensors с точностью fp16. Модель использует собственный шаблон запросов. Модель предназначена для диалоговых сценариев и генерации художественного текста, включая ролевые игры. README отмечает, что компонент DPO добавлен для более естественных ответов. Метаданные маркируют модель как NSFW. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Автор предупреждает, что некоторые варианты квантования GGUF Mixtral могут работать некорректно.

Nohobby/MN-12B-Siskin-v0.2 — экспериментальная объединённая модель на основе нескольких моделей семейства Mistral Nemo, созданная методом della_linear. В качестве базовой модели использована ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.1; в объединение также вошли NeverSleep/Lumimaid-v0.2-12B, nbeerbower/Lyra-Gutenberg-mistral-nemo-12B, v000000/NM-12B-Lyris-dev-3 и elinas/Chronos-Gold-12B-1.0. Модель содержит 12,1 млрд параметров и предназначена для генерации текста в диалоговом и ролевом формате. Автор описывает её как экспериментальное объединение, ориентированное на естественный стиль письма и уменьшение шаблонных оборотов, характерных для генерации ИИ. Карточка указывает, что модель может писать от первого лица даже при других настройках в начальном сообщении; стиль повествования можно уточнить в запросе. В README заявлена работа примерно с контекстом до 28 тысяч токенов, тогда как метаданные каталога указывают native context в 1 024 000 токенов. Используется шаблон Mistral `[INST] ... [/INST]`; файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

MN-12B-Starcannon-v5.5-unofficial — неофициальная текстовая модель, опубликованная ockerman0 как продолжение серии Starcannon. Это объединение языковых моделей методом TIES через mergekit: в качестве базовой использована nothingiisreal/MN-12B-Starcannon-v3, также включена локальная версия MN-12B-Starcannon-v5-unofficial. Модель основана на плотной архитектуре Mistral и содержит 12,1 млрд параметров; веса доступны в формате safetensors. Модель предназначена для генерации текста и диалогов, включая художественные истории и ролевые сценарии. Автор отмечает, что версия 5.5 действует немного иначе, чем v5, но существенных отличий не описывает. В метаданных указан контекст размером 1 024 000 токенов. Лицензия в предоставленных данных не указана.

MobileNetV4 Hybrid Large — модель классификации изображений и извлечения признаков, разработанная Россом Уайтманом и обученная на ImageNet-1k. Это вариант семейства MobileNetV4, обученный скриптами timm с гиперпараметрами, вдохновлёнными оригинальной статьёй и дополненными улучшениями timm. Модель содержит 37,8 млн параметров и требует 7,8 GMACs. Обучение проводилось на изображениях 384×384 пикселя; для оценки указано разрешение 448×448. Её можно использовать для классификации изображений, получения карт признаков и векторных представлений изображений. В README не приведены поддерживаемые естественные языки, поскольку модель работает с изображениями. Веса доступны в форматах PyTorch и safetensors, библиотека для работы — timm. Официальные веса TensorFlow для этой архитектуры на момент составления карточки не выпущены. Лицензия — Apache-2.0.

Kaoeiri/MS-MagpantheonselRP-22B-12.22-Fictional — объединённая авторами модель семейства Mistral, созданная Kaoeiri с помощью mergekit и метода DARE TIES на основе unsloth/Mistral-Small-Instruct-2409. В слияние вошли несколько моделей Mistral Small, в том числе ориентированных на ролевые диалоги и творческое письмо. Модель содержит 22 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста в чате, ролевых сценариев и художественного письма. Указаны интерфейс для вызова инструментов и отметка о контенте не для всех аудиторий. В карточке не описаны качество по отдельным языкам или гарантии корректной работы с вызовом инструментов. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

Naqta — модель MostafaMaroof для восстановления пунктуации в текстах на современном литературном арабском языке. Основной компонент в корне репозитория — XLM-RoBERTa-large для классификации токенов с 658,7 млн параметров и контекстом до 514 токенов. В репозитории также есть отдельный теггер фрагментов на XLM-RoBERTa-base для парных тире при междометиях. Модель расставляет двоеточия, вопросительные и восклицательные знаки, точки, запятые, точки с запятой и тире. Она дообучена примерно на 1,3 млн абзацев из книг, Википедии, новостей и корпусов вопросов и ответов. На отложенной выборке из источников обучения макро-F1 составляет 0,896, а на внешнем тесте с независимыми редакционными правилами — 0,616: результаты заметно зависят от принятого стандарта пунктуации. Модель не расставляет скобки и кавычки. Восклицательные знаки и точки с запятой могут предсказываться чаще нужного; особенно ненадёжны пунктуационные знаки, размещение которых определяется редакционным стилем. Репозиторий распространяется по лицензии Apache-2.0.