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

Ninja-v1-128k — модель генерации текста на базе Mistral-7B-v0.1, созданная Local-Novel-LLM-project. Веса получены слиянием нескольких моделей, включая WizardLM2, Yarn-Mistral-7b-128k, Antler-7B и chatntq-ja-7b-v1.0, с применением LoRA для усиления доменных и языковых характеристик и расширением контекста. В карточке указано окно контекста 128k токенов; метаданные указывают нативную длину контекста 32 768 токенов. Модель предназначена для многоходового диалога и генерации на японском и английском языках, включая написание художественных текстов и продолжение длинных бесед с сохранением контекста. Она использует формат инструкций Vicuna. Репозиторий содержит веса safetensors для Transformers; для расширения контекста README требует trust_remote_code, а для длинных запросов отмечает высокий расход памяти. Лицензия — Apache-2.0. Разработчики предупреждают о возможной предвзятости обучающих данных. Заявленная в README длина контекста 128k расходится с метаданными каталога, где указано 32 768 токенов; фактические возможности зависят от используемой конфигурации контекстного расширения.

ODSBahia-PTBR — модель классификации текстов, разработанная в рамках академического исследования в Федеральном университете Южной Баии, Бразилия. Она присваивает текстам категории, связанные с 17 Целями устойчивого развития ООН, а также с тремя дополнительными целями: расовое равенство, искусство, культура и коммуникация, права коренных народов и традиционных сообществ. Модель построена на BERT и дообучена на базе neuralmind/bert-base-portuguese-cased на специально собранных для этой задачи данных. Она рассчитана на португальский язык, имеет контекст до 512 токенов и доступна в формате safetensors; лицензия — MIT. В README приведены метрики на наборе OSDG-CD: accuracy 0,98, precision 0,89, recall 0,70 и F1 0,79.

Карточка модели Mydeskfor/owlv2-base-patch16-ensemble на Hugging Face совпадает с карточкой google/owlv2-base-patch16-ensemble, поэтому описание составлено по ней. OWLv2 — модель компьютерного зрения для обнаружения объектов по текстовым запросам, разработанная Google и описанная в работе «Scaling Open-Vocabulary Object Detection». Она принимает изображение и один или несколько текстовых запросов, после чего находит соответствующие объекты и предсказывает их рамки. Архитектура сочетает мультимодальную основу CLIP с визуальным энкодером ViT-B/16, текстовым Transformer-энкодером и лёгкими головами классификации и предсказания рамок. Модель предназначена для zero-shot обнаружения объектов, в том числе классов, не заданных фиксированным списком меток при обучении. Это позволяет искать на изображениях объекты по произвольным текстовым описаниям и исследовать обобщение и устойчивость систем компьютерного зрения. Модель доступна в форматах PyTorch и Safetensors и распространяется по лицензии Apache-2.0. Обучающие данные включали публичные пары изображений и подписей, а также наборы для обнаружения объектов, включая COCO и OpenImages; значительная часть данных получена из интернет-источников. Поэтому качество и поведение модели могут зависеть от представительности этих данных, а предсказания следует проверять в конкретном сценарии применения.

OWL-ViT — модель обнаружения объектов с открытым словарём, разработанная авторами статьи Simple Open-Vocabulary Object Detection with Vision Transformers. Она принимает изображение и один или несколько текстовых запросов и находит соответствующие объекты, возвращая их классы и рамки. Модель построена на мультимодальной основе CLIP с визуальным энкодером ViT-B/32 и трансформерным текстовым энкодером; к визуальным признакам добавлены лёгкие классификационная и рамочная головки. Репозиторий содержит веса PyTorch и Safetensors. Модель подходит для поиска объектов по произвольным текстовым описаниям без необходимости заранее фиксировать набор классов. Её можно применять для исследовательских экспериментов с обобщением и устойчивостью компьютерного зрения, а также для поиска объектов на изображениях по текстовым запросам. Качество распознавания зависит от формулировок запросов и обучающих данных; карточка отмечает возможные смещения из-за состава интернет-данных. Лицензия — Apache-2.0.

OWL-ViT Large Patch14 — модель обнаружения объектов с открытым словарём, разработанная Google Research и авторами статьи Simple Open-Vocabulary Object Detection with Vision Transformers. Она принимает изображение и одну или несколько текстовых подсказок, а затем находит соответствующие объекты и возвращает их классы и рамки. Модель предназначена для обнаружения объектов по текстовым запросам, в том числе классов, не заданных фиксированным списком меток. Архитектура сочетает мультимодальную основу CLIP с визуальным энкодером ViT-L/14 и текстовым Transformer-энкодером. Для обнаружения к выходам визуального Transformer добавлены лёгкие классификационная голова и голова предсказания рамок. Модель подходит для исследований нулевого обучения, обобщения и устойчивости компьютерного зрения; веса распространяются в формате PyTorch. Модель может ошибаться в локализации и классификации, а результаты зависят от формулировок текстовых запросов и состава обучающих данных. Обучающие данные включают интернет-изображения с подписями, COCO и OpenImages, поэтому возможны смещения и недостаточное представление групп и контекстов. Лицензия — Apache-2.0.

PatriSlush-DarkRPMax-12B — объединённая языковая модель на архитектуре Mistral Nemo, созданная pot99rta методом Model Stock с помощью mergekit. В объединение вошли PatriSlush-DarkLorablated-LongStock-12B, ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.2, DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS и SuperbEmphasis/Omega-Darker_The-Final-Directive-Longform-Stage2-ERP-12B-v0.2. Модель содержит 12,1 млрд параметров и рассчитана на генерацию текста, в частности творческое письмо и ролевые диалоги, согласно описанию базовой модели в каталоге. В метаданных указан контекст до 1 024 000 токенов. Репозиторий использует формат safetensors; веса объединения представлены в bfloat16. Лицензия в предоставленных источниках не указана.

Qwen3.5-40B-Claude-4.5-Opus-High-Reasoning-Thinking-uncensored-heretic — дообученная мультимодальная модель семейства Qwen3.5 от llmfan46 на базе DavidAU/Qwen3.5-40B-Claude-4.5-Opus-High-Reasoning-Thinking. Она предназначена для диалогов, творческого письма, ролевых сценариев и задач с анализом изображений; карточка также описывает режим рассуждений с возможностью отключить его через шаблон или настройки инференса. Архитектура плотная, формат весов — safetensors, библиотека — Transformers; базовая модель насчитывает 40 млрд параметров. В метаданных заявлены английский и китайский языки. README рекомендует модель для художественных сцен и взрослой прозы, а также приводит фрагментарные результаты нескольких тестов, но не даёт полного описания методики или сопоставимых оценок. Модель выпущена по лицензии Apache-2.0. README сообщает о готовом шаблоне чата и предлагает альтернативный шаблон на случай проблем с совместимостью. Данных о длине контекста в предоставленной карточке нет. Ограничения оценки качества и фактические возможности модели по отдельным задачам следует учитывать при внедрении.

DavidAU/Qwen3.5-4B-Deckard-HERETIC-UNCENSORED-Thinking — дообученная на пяти внутренних наборах данных модель Qwen3.5-4B, созданная автором карточки с помощью Unsloth. Это плотная мультимодальная модель с языковой частью на 4 млрд параметров и зрительным энкодером; она принимает текст и изображения и поддерживает диалог. Автор позиционирует её как модель для рассуждений и генерации текста, включая творческое письмо, рассказы и ролевые сценарии, а также сообщает о работающей обработке изображений. В карточке заявлена длина контекста 262 144 токена. Метаданные указывают английский и китайский языки; более широкие языковые заявления относятся к семейству Qwen3.5 и не подтверждают поддержку именно этой доработкой. README приводит сравнительные результаты на ряде тестов и показатели отказов, но не описывает методику достаточно подробно для независимой оценки заявлений о превосходстве. Видео автор не тестировал. Модель распространяется по лицензии Apache-2.0.

Qwen3.5-9B-F451-AND-TRI-Polar-Ultra-Pro-Writer-Uncensored-Heretic — мультимодальная модель семейства Qwen3.5 от автора DavidAU, дообученная в два этапа: сначала на творческом наборе F451, затем на наборе Polaris. Это 9-миллиардная плотная причинная языковая модель с визуальным энкодером; автор сообщает, что обработка изображений проверена. Модель рассчитана на творческое письмо, генерацию и продолжение историй, диалоги и ответы на запросы, а также на работу с изображениями. В карточке указано контекстное окно 262 144 токена с возможностью расширения до 1 010 000 токенов; метаданные связывают её с английским и китайским языками. Автор позиционирует модель как менее склонную к отказам и пригодную для широкого спектра запросов, включая откровенный контент. Для получения желаемого уровня детализации такого контента иногда требуется явно задавать стиль и лексику. В README также заявлены улучшения отдельных бенчмарков, но результаты следует считать заявлениями автора. Модель использует формат safetensors и библиотеку Transformers; лицензия — Apache-2.0. Видео автор не тестировал.

Qwen3.5-9B-Holodeck-Lounge — мультимодальная модель на архитектуре Qwen3.5, опубликованная независимой лабораторией Nightmedia. Это слияние Microsoft Fara1.5-9B и нескольких моделей семейства Qwen3.5, включая варианты для агентных задач, программирования и художественного письма. Размер модели — 9 млрд параметров; в репозитории представлены веса Safetensors, а среди заявленных возможностей есть диалог и работа с изображениями. Модель предназначена прежде всего для творческого письма: генерации сюжетов, сцен и подсюжетов, продолжения историй, ролевых диалогов и письма в разных жанрах. В состав слияния также входят агентные и кодовые модели, однако карточка не описывает конкретные инструкции или проверенные сценарии для этих задач. Указаны английский и китайский языки; сведения о длине контекста не приведены. В README описан переключатель режимов рассуждения через шаблон чата, но сам синтаксис тегов в карточке повреждён или скрыт. Лицензия — Apache-2.0.

Qwen3.5-9B-The-Bradbury-F451-Pro-Writer-Uncensored-Heretic — дообученная DavidAU с помощью Unsloth модель Qwen3.5-9B, настроенная на художественное письмо с опорой на роман Рэя Брэдбери «451° по Фаренгейту» и с ослабленными отказами. Это плотная мультимодальная vision-language модель на 9 млрд параметров с причинным языковым декодером и визуальным энкодером; репозиторий содержит веса safetensors в формате bfloat16. В карточке указана длина контекста 262 144 токена. Модель предназначена для генерации и продолжения художественных текстов, сюжетов и сцен, ролевого общения, а также для диалога по изображениям. Автор сообщает, что поддержка изображений проверена, а видео не тестировалось. Карточка описывает модель как uncensored: она реже отказывает, однако для откровенного или грубого стиля иногда требуется прямое указание желаемой лексики и уровня откровенности. Заявлены английский и китайский; лицензия — Apache-2.0.

Qwen3.5-9B-The-Deckard-V8-Pro-Writer-Uncensored-Heretic — созданная DavidAU многоэтапная донастройка модели Qwen3.5-9B для художественного письма, ролевых диалогов и генерации историй с уменьшенным количеством отказов и акцентом на живую прозу без типичных стилистических штампов. Модель поддерживает ввод изображений и текстовые диалоги; карточка отмечает работу зрения, а обработка видео не проверялась. Архитектура — плотная мультимодальная Qwen3.5 с языковой моделью на 9 млрд параметров и визуальным энкодером; заявлен контекст 262 144 токена, расширяемый до 1 010 000. Карточка сообщает о низком расхождении с исходной моделью по KL-дивергенции и меньшем числе отказов в тесте автора, но эти результаты не являются независимой оценкой. Модель рассчитана на английский и китайский языки согласно метаданным. Распространяется по лицензии Apache-2.0.

usermma/Qwen3.8-Queen-27B-mlx-fp16 — версия модели Qwen3.8-Queen-27B в формате MLX, подготовленная из aifeifei798/Qwen3.8-Queen-27B с помощью mlx-lm 0.31.2. Модель предназначена для чат-диалогов, ролевых сценариев, художественного письма и создания повествований с сохранением образа персонажа; поддерживает работу с изображениями. Модель основана на плотной архитектуре семейства Qwen3.5 и доступна в формате safetensors. Лицензия — Apache-2.0. Карточка указывает на версию fp16, однако README описывает конверсию в MLX, поэтому этот репозиторий представляет собой форматную конверсию базовой модели.

InferRouter разработала эту модель для офлайн-распознавания чешской речи. Это дообученная и объединённая с базовыми весами версия Qwen3-ASR-1.7B-hf с архитектурой autoregressive AED; размер базовой модели — 1,7 млрд параметров. Модель принимает аудио и выдаёт текст, рассчитана на чешский язык и пакетную транскрибацию записей, включая формальную, парламентскую и юридически близкую речь. В оценках разработчика модель показала сильные результаты на чешской формальной речи ParCzech и VoxPopuli; на FLEURS и Common Voice она близка к Whisper-large-v3, но не превосходит его по приведённым значениям. Подходит для сценариев «записать, затем расшифровать» и пакетной обработки. Это не потоковая модель: для живых субтитров и низкой задержки разработчик рекомендует другую модель. В карточке указана лицензия Apache-2.0.

Qwen3-Gutenberg-Encore-14B — языковая модель на архитектуре Qwen3, разработанная nbeerbower как дообучение nbeerbower/Xiaolong-Qwen3-14B. Модель содержит 14 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель дообучена методом ORPO с использованием QLoRA на корпусах предпочтений для художественной прозы, включая тексты в духе классической и современной литературы и синтетическую художественную прозу. Она предназначена для генерации литературного текста и диалоговой работы с такими запросами. Для обучения использовалась одна RTX A6000 в течение трёх эпох. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не приводит оценки качества или подробных ограничений; результаты генерации могут требовать редакторской проверки.

Qwen-Image-Edit-2511-Multiple-Angles-LoRA — адаптер LoRA, разработанный fal.ai для базовой модели Qwen/Qwen-Image-Edit-2511. Это модель редактирования изображений в формате image-to-image, предназначенная для управления ракурсом камеры и генерации изображений объекта с заданной точки обзора. Она подходит для создания вариантов визуализации, мног ракурсных изображений и анимаций камеры, а также для сценариев, где требуется более точный контроль пространственной композиции. Адаптер обучен на более чем 3000 парах данных, полученных с использованием Gaussian Splatting, и поддерживает 96 позиций камеры: 8 азимутов, 4 угла возвышения и 3 дистанции. Доступны фронтальные, боковые и задние ракурсы, включая промежуточные углы, съёмку снизу при −30°, уровень глаз, повышенный и верхний ракурсы, а также планы от крупного до общего. Управление задаётся специальным форматом промпта с токеном <sks> и текстовыми обозначениями азимута, высоты и дистанции. Сильные стороны модели — детализированный контроль положения камеры, пространственная согласованность данных Gaussian Splatting и поддержка низких ракурсов. Размер модели, максимальная длина контекста, полный набор поддерживаемых языков и конкретные ограничения качества в README не указаны. Модель распространяется по лицензии Apache-2.0.

ReWiz-Worldbuilder-7B — объединённая модель генерации текста от theprint, созданная методом SLERP с помощью mergekit из theprint/ReWiz-7B и theprint/WorldBuilder-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; доступны веса в формате safetensors и использование через Transformers. Модель предназначена для диалоговой генерации текста. В её обучающих данных сочетались наборы для улучшения рассуждений и данные WizardLM для снятия ограничений цензуры. Это может быть полезно для развёрнутых ответов и творческой работы над вымышленными мирами, однако карточка не приводит подробной оценки этих сценариев. В опубликованных результатах Open LLM Leaderboard указаны средние 15,66, IFEval 25,10 и BBH 25,08. Лицензия в предоставленных сведениях не указана. Результаты бенчмарков ограничены приведёнными метриками, а качество и безопасность ответов могут зависеть от запроса и сценария применения.

RF-DETR Base — модель обнаружения объектов в изображениях семейства RF-DETR, разработанного авторами работы «RF-DETR: Neural Architecture Search for Real-Time Detection Transformers» и интегрированного в библиотеку Transformers. Она предназначена для быстрого обнаружения объектов с балансом точности и задержки; базовый чекпойнт обучен распознавать 80 категорий COCO 2017. Архитектура сочетает визуальный ViT-бэкбон в стиле DINOv2 с регистрами и чередованием оконного и полного внимания, многомасштабный проектор признаков и декодер Deformable DETR с объектными запросами. Модель принимает изображения и выдаёт классы объектов и их рамки. Лицензия — Apache-2.0. Модель ориентирована на обнаружение объектов общего назначения. Карточка не приводит оценок качества или требований к вычислительным ресурсам, поэтому пригодность для конкретной среды следует оценивать отдельно.

Roci-Maxx — объединение предварительно обученных языковых моделей, созданное сообществом mergekit с помощью метода SLERP. В него вошли ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.1 и TheDrummer/Rocinante-12B-v1.1; архитектура — плотная MistralForCausalLM, библиотека Transformers, формат весов safetensors, размер по метаданным — 9,8 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и творческого письма, включая ролевые сцены и приключенческие истории. Модель принимает текстовые запросы и выдаёт текст. В метаданных указан контекст до 1 024 000 токенов, однако эта величина описывает заявленное нативное окно и не гарантирует одинаковое качество на всей длине. Для применения доступны интерфейсы чата и вызова инструментов. README и метаданные не сообщают лицензию; сведения о языках также отсутствуют.

Карточка модели research21/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.

chargoddard/storytime-13b — чат-модель на архитектуре Llama для генерации текста с уклоном в создание историй. Она отвечает в формате запросов Alpaca и предназначена для диалогов и творческого письма. В карточке указана сборка из Chronorctypus-Limarobormes, смешивания с ReMM-v2.2-L2-13B и Llama-2-13B-Storywriter, а также экспериментального storytelling LoRA; точный способ объединения компонентов не описан. Модель содержит 12,9 млрд параметров, использует формат safetensors и поддерживает контекст до 4096 токенов. Указана лицензия Llama 2. Карточка приводит результаты Open LLM Leaderboard, включая средний балл 50,55, ARC 62,03 и HellaSwag 83,96; эти оценки сами по себе не гарантируют качество в конкретных сценариях.

Карточка модели SYNAPSEai1/Synapse-MusicV13 на Hugging Face совпадает с карточкой MiniMaxAI/MiniMax-Music3, поэтому описание составлено по ней. MiniMax Music 3 — модель генерации песен от MiniMaxAI. Она принимает текст песни и описание музыки, чтобы создавать цельные композиции продолжительностью до пяти минут с вокалом, развивающейся аранжировкой и структурой из куплетов, припевов, переходов и других секций. Текстовые метки секций и подробное описание стиля позволяют задавать жанр, темп, тональность, вокальную подачу, инструменты и развитие звучания. Архитектура сочетает 8B Global LLM для долгосрочной структуры, 0.6B Local LLM для акустических деталей и модуль синтеза на основе Flow Matching и Flow-VAE. Global LLM инициализирована из Qwen3-8B. Модель выдаёт стереозвук WAV с частотой 32 кГц и разрядностью 16 бит. Модель подходит для создания песенных демо, музыкальных эскизов и композиций по заданным словам и стилю. Описание и секционные метки дают генеративный контроль, но не гарантируют точного соблюдения текста, темпа, тональности, инструментов или структуры. Генерация требует CUDA, поддерживается только в не потоковом режиме; длина текстового запроса ограничена 5 000 токенами, а генерация — 9 000 акустическими кадрами. Лицензия в предоставленных данных не указана.

TencentARC/t2i-adapter-sketch-sdxl-1.0 — адаптер T2I-Adapter, созданный в сотрудничестве Tencent ARC и Hugging Face для управления генерацией изображений Stable Diffusion XL с помощью эскизов. Он принимает текстовый запрос и изображение наброска, а базовая модель SDXL использует их для создания изображения, согласованного с текстом и композицией эскиза. Адаптер содержит около 77–79 млн параметров и рассчитан на работу с Stable Diffusion XL Base 1.0. Модель обучали на 3 млн пар изображений высокого разрешения и текстовых описаний из LAION-Aesthetics V2; опубликованные веса представлены в формате safetensors. Карточка указывает английский язык и лицензию Apache 2.0. Модель подходит для превращения ручных набросков в законченные изображения и для задания композиции при генерации по текстовому запросу. Результат зависит от качества и детализации эскиза, формулировки запроса и совместимого пайплайна SDXL; адаптер сам по себе не является самостоятельной базовой моделью генерации.

Модель ahmeddbahaa/t5-arabic-base-finetuned-wikilingua-ar — версия T5, дообученная на наборе WikiLingua для суммаризации арабских текстов. Она предназначена для создания краткого связного пересказа исходного текста и может использоваться для сокращения статей и других текстовых материалов на арабском языке. Архитектура — T5ForConditionalGeneration, размер — 126 млн параметров; репозиторий содержит веса PyTorch. В README приведены результаты оценки: ROUGE-1 20,72, ROUGE-2 7,63, ROUGE-L 18,75 и BERTScore 70,79. Лицензия — Apache-2.0. Карточка не описывает ограничения и рекомендуемые сценарии применения подробнее; метрики следует учитывать при оценке качества на собственных данных.

Talk2DINOv3-ViTL — модель для сегментации изображений по свободно заданным текстовым понятиям, опубликованная Lorenzo Bianchi и соавторами. Подход Talk2DINO объединяет языковое понимание CLIP с пространственными признаками DINO: текстовые эмбеддинги CLIP отображаются в пространство патчевых признаков DINOv3, чтобы находить и выделять объекты без заранее заданного набора классов. Карточка связывает работу с исследованием «Talking to DINO» для ICCV 2025 и приводит пример инференса с пользовательскими текстовыми категориями. Модель предназначена для open-vocabulary segmentation: пользователь задаёт изображение и текстовые категории, а модель формирует сегментации соответствующих объектов. В README отмечены более точная локализация и менее шумные маски по сравнению с подходами, использующими только глобальное выравнивание изображения и текста. Репозиторий содержит веса в формате safetensors и использует PyTorch; лицензия указана как other, поэтому условия использования следует проверять в репозитории.

Thespian-Qwen2.5-72B — слитая автором TareksGraveyard модель на базе семейства Qwen2.5, созданная с помощью mergekit и метода Della. В качестве базовой использована zetasepic/Qwen2.5-72B-Instruct-abliterated; в объединение также вошли модели Kunou, EVA-Qwen2.5, ChatWaifu и Mistoria. Модель содержит 71,5 млрд параметров, использует архитектуру Qwen2ForCausalLM, формат safetensors и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов, включая ролевое общение и творческие сценарии. Карточка указывает лицензию other, поэтому перед использованием следует проверить условия лицензии исходных моделей и итогового репозитория. Специальные ограничения качества или результаты оценок в карточке не описаны.

Umbral-v0.4-3 — слитая языковая модель семейства Llama 3, созданная сообществом mergekit-community с помощью task arithmetic. В объединении использованы grimjim/Llama-3-Oasis-v1-OAS-8B, Casual-Autopsy/SOVL-MopeyMule-8B и Casual-Autopsy/MopeyMule-Blackroot-8B; базой с наибольшим весом при слиянии стала Llama-3-Oasis-v1-OAS-8B. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста. Контекст — до 8192 токенов. Она предназначена для диалогов, ролевых сценариев и историй; язык и специальные прикладные области в доступных сведениях не определены. Модель опубликована в формате safetensors и распространяется по лицензии, указанной в карточке Hugging Face. Карточка описывает процесс слияния, но не сообщает о специальных ограничениях качества или использования.

Vengeance — объединённая языковая модель, созданная автором SvdH с помощью mergekit из SvdH/RPLament-22B, TheDrummer/Cydonia-22B-v1.3 и concedo/Beepo-22B. Для слияния использован метод DARE TIES, базой служит RPLament-22B. Модель построена на плотной архитектуре Mistral, содержит 22 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и разговорных сценариев; базовые модели ориентированы на ролевые диалоги, приключенческие сюжеты и творческое письмо. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует уточнить в материалах репозитория и лицензиях исходных моделей.

Крупная модель Vision Transformer для классификации изображений и извлечения визуальных признаков, опубликованная в экосистеме timm. Она предварительно обучена с помощью OpenCLIP на парах изображение—текст из LAION-2B, а затем дообучена на ImageNet-12k. Модель содержит около 645,9 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений и получения их эмбеддингов в системах поиска и анализа визуального содержимого. Репозиторий содержит веса PyTorch и Safetensors; лицензия — Apache-2.0. Высокий размер модели и вычислительная стоимость могут затруднить её запуск на ограниченном оборудовании.

Voice Fake Detector v1 — модель классификации аудио от автора репозитория Shanmugapriya6. Она определяет, является ли запись человеческой речью или речью, созданной ИИ, и возвращает метку с оценкой уверенности. Модель построена на Wav2Vec2ForSequenceClassification и дообучена на facebook/wav2vec2-xls-r-300m; содержит около 402,7 млн параметров и распространяется в формате safetensors для Transformers. Модель принимает аудиозаписи WAV и предназначена для выявления синтетической речи при проверке голосовых материалов и анализе медиаконтента. В README приведены результаты оценки на подмножестве ASVspoof2019. В карточке указаны тамильский, английский и хинди; среди обучающих данных названы Svarah, Kathbath и синтетическая речь, созданная системами TTS. Лицензия — MIT. Качество может снижаться на шумных или низкокачественных записях; модель оценивалась не для всех языков и акцентов и может пропускать продвинутые методы генерации поддельной речи. Она не предназначена для юридических или криминалистических выводов и не рекомендуется для высокорисковой аутентификации.