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

city96/Wan2.1-I2V-14B-720P-gguf — это конвертированная в формат GGUF версия модели Wan2.1-I2V-14B-720P, разработанной Wan-AI. Модель предназначена для генерации видео из изображений (image-to-video), то есть для создания или продолжения видеосцен на основе исходного изображения и текстового описания. Заявленные языки — английский и китайский. Модель имеет размер 14B параметров и ориентирована на генерацию видео с разрешением 720p. Доступны варианты квантования, созданные на основе FP32; в репозитории также указан вариант FP16. Формат GGUF позволяет использовать модель через совместимые инструменты, в частности custom node ComfyUI-GGUF, однако для работы требуются дополнительные файлы из отдельного репозитория Comfy-Org и настройка соответствующего окружения. Размер FP16-файла может превышать 50 ГБ, а загрузка разделённых GGUF-файлов в ComfyUI-GGUF на момент подготовки README не поддерживается. К сильным сторонам относятся специализация на image-to-video, поддержка генерации видео в высоком разрешении и наличие вариантов квантования, которые могут снизить требования к ресурсам по сравнению с полноразмерной версией. Ограничения включают высокие аппаратные требования, необходимость дополнительных компонентов и зависимость от совместимости с ComfyUI-GGUF; длина контекста, точные требования к памяти и другие архитектурные характеристики в README не указаны. Модель распространяется по лицензии Apache-2.0.

YOLOE — модель компьютерного зрения, представленная авторами Ao Wang, Lihao Liu, Hui Chen, Zijia Lin, Jungong Han и Guiguang Ding; репозиторий содержит официальную реализацию на PyTorch. Она объединяет обнаружение объектов и сегментацию и рассчитана на работу в реальном времени с открытым набором категорий. Модель принимает текстовые или визуальные подсказки, а также поддерживает режим без подсказок с использованием встроенного словаря объектов. В README приведены варианты YOLOE-v8-S, M и L с 12–50 млн параметров в зависимости от размера и режима; для обнаружения и сегментации указаны результаты на LVIS и перенос на COCO. Авторы сообщают о высокой скорости, zero-shot обнаружении и переносимости на другие наборы данных. Репозиторий также описывает настройку порога уверенности для случаев, когда нужные объекты не обнаруживаются. Метаданные указывают библиотеку Ultralytics и лицензию AGPL-3.0.

Aeonis-20b — плотная языковая модель на архитектуре Mistral, разработанная athirdpath на основе Mistral NeMo. Модель содержит 20,7 млрд параметров и рассчитана на генерацию текста в формате диалога; обучалась с шаблоном запросов Alpaca. В README описан многоэтапный процесс: объединение слоёв моделей NeMoria-21b, дополнительное предобучение на частном наборе данных, дообучение отдельных частей на ролевых и фактических данных, затем SFT и DPO. Модель предназначена для диалогов, ролевого общения и написания художественных текстов, включая откровенный контент; README также демонстрирует примеры ответов на фактические запросы. Заявленный родной контекст составляет до 1 024 000 токенов. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Для завершения генерации автор просит использовать пустую строку без пробелов как стоп-токен.

Jacaranda Health разработала модель распознавания речи на базе Whisper medium, дообученную для транскрибирования речи на суахили и английском языках. Модель принимает аудио и выдаёт текст; число параметров — 455,8 млн. В метаданных указано объединение моделей openai/whisper-medium и openai/whisper-small, а README описывает дообучение whisper-medium на Common Voice 17.0. Поэтому точный способ получения чекпойнта по источникам расходится. Модель подходит для расшифровки записей и смешанной речи на суахили и английском. README сообщает WER 14,7 на оценочном наборе и улучшение по сравнению с базовой моделью, особенно для суахили, но подробности протокола оценки не приведены. Лицензия в метаданных — CC BY-SA 4.0; README ограничивает назначение исследованиями, общественно полезными и внутренними сценариями, а коммерческое использование и распространение предлагает согласовывать с Jacaranda Health.

AuriAetherwiing_G4-31B-Musica-v1-GGUF — это набор GGUF-квантизаций языковой модели G4-31B-Musica-v1, разработанной AuriAetherwiing и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая инструкционные сценарии, литературное письмо и ролевое взаимодействие; в метаданных указан английский язык. Для обучения или донастройки использовались датасеты с инструкциями, прозой, ролевыми диалогами и персонажами. Доступны варианты от BF16 до Q3 и IQ4, с размером файлов примерно от 16,8 до 61,4 ГБ. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной памяти, но могут сильнее терять в качестве. Модель поддерживает запуск через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Точная архитектура и размер контекста в README не указаны. Распространение заявлено по лицензии Apache-2.0.

ConvNeXT Base — сверточная модель компьютерного зрения, разработанная командой ConvNeXT и опубликованная в репозитории Facebook. Модель обучена на ImageNet-22k и предназначена для классификации изображений; входное разрешение при обучении — 224×224 пикселя. Архитектура представляет собой чистую ConvNet, дизайн которой опирается на ResNet и заимствует современные решения у Swin Transformer. Модель выдаёт метки классов изображений и может служить основой для настройки под другие задачи компьютерного зрения. Доступны форматы PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0. Карточка описывает классификацию изображений, но не приводит оценки качества или подробные ограничения по применению.

ConvNeXt Base — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков, опубликованная авторами статьи «A ConvNet for the 2020s» и доступная в библиотеке timm. Модель содержит около 88,6 млн параметров; её предварительно обучили на ImageNet-22k, а затем дообучили на ImageNet-1k. Указаны размеры изображений 224×224 для обучения и 288×288 для тестирования. Модель подходит для определения объектов и сцен по изображению, а также как визуальная основа для извлечения карт признаков и эмбеддингов в последующих задачах. В README приведены показатели на ImageNet-1k: top-1 85,8% и top-5 97,9%. Для работы нужны изображения; основной результат классификации — метки классов. Лицензия репозитория — Apache-2.0.

CrisperWhisper2 Korean Verbatim Base — модель распознавания речи на корейском языке, разработанная Sky-Kim на основе Whisper и семейства CrisperWhisper2. Она транскрибирует спонтанную речь дословно, сохраняя междометия, повторы и самопоправки, которые обычные системы распознавания часто опускают. Модель предназначена для расшифровки разговоров, встреч и других записей, где важна точная передача сказанного. Это компактная модель семейства Whisper с архитектурой WhisperForConditionalGeneration и примерно 51,7 млн параметров по метаданным. README указывает размер 74 млн параметров, ширину 512, по 6 слоёв энкодера и декодера и словарь на 51 896 токенов; модель выдаёт обычный текст без специальных тегов. Она обучена дистилляцией от корейской версии small и ориентирована на корейскую речь. В тесте на отложенной части KsponSpeech автор сообщает CER 0,167 и сохранение 92% дисфлюенций; модель компактнее whisper-small и показала немного меньший CER в приведённом сравнении. Модель принимает аудио и выдаёт текст. Она рассчитана на корейский язык; английский не поддерживается. Дословная транскрипция может иметь более высокий CER при сравнении с нормализованными эталонами, а опубликованные результаты получены на данных KsponSpeech и могут не переноситься на другие условия записи. Лицензия указана как other; README ограничивает использование некоммерческими и исследовательскими целями из-за лицензии учителя CrisperWhisper2.0 и условий KsponSpeech. Для коммерческого использования требуются отдельные разрешения на компоненты и данные.

OysterQAQ/DanbooruCLIP — модель CLIP, дообученная на основе ViT-L/14 разработчиком OysterQAQ на датасете Danbooru2021; в обновлении от 17 июля 2023 года добавлены данные Pixiv. Она предназначена для классификации изображений по текстовым описаниям в режиме zero-shot: пользователь задаёт варианты меток, а модель сопоставляет их с изображением. Такой подход подходит для поиска и категоризации иллюстраций по тегам и описаниям. Репозиторий содержит веса PyTorch. Подробности о лицензии и ограничениях качества в доступных материалах не приведены.

DarkHazard-v2.1-24b — плотная языковая модель на архитектуре Mistral, созданная FlareRebellion объединением нескольких предварительно обученных моделей с помощью mergekit и метода Model Stock. В репозитории указаны базовая модель cognitivecomputations/Dolphin-Mistral-24B-Venice-Edition и компоненты для ролевого общения, следования инструкциям, творческого письма и генерации контента без ограничений. Модель содержит 23,4 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Её можно применять для ролевых диалогов, написания историй и свободной генерации текста. Репозиторий хранит веса в формате safetensors; модель предназначена для Transformers и имеет интерфейс чата. Карточка не сообщает о целевых языках или лицензии. Качество и поведение при практическом использовании зависят от сценария; объединённые модели ориентированы в том числе на генерацию контента для взрослых.

Dawn-v2-70B — объединённая автором Undi95 модель для генерации текста на основе архитектуры Llama. Она создана методом layer shuffle с помощью mergekit из нескольких моделей и адаптеров LoRA, включая Euryale, Xwin-LM, Samantha, Nous-Hermes, Airoboros и LimaRP. Модель содержит 68,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 4096 токенов. Модель предназначена для ответов на инструкции и диалоговой генерации; в состав использованных данных входят психологические, медицинские и ролевые материалы. Карточка указывает шаблон запросов Alpaca, а репозиторий содержит веса safetensors и данные для создания ExL2-квантизации. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. В метаданных модель помечена как NSFW. Качество ответов может зависеть от формулировки запроса и ограничено контекстом в 4096 токенов; медицинские и психологические ответы не следует считать профессиональной консультацией.

DINOv3 ViT-7B/16 — зрительная модель Meta AI, предварительно обученная с нуля на наборе веб-изображений LVD-1689M. Это Vision Transformer с размером патча 16, размерностью представления 4096, 32 головами и четырьмя register-токенами; модель содержит около 6,716 млрд параметров. Она принимает изображения и возвращает токены класса, патчей и регистров, формируя плотные признаки для последующих задач компьютерного зрения. Для изображений 224×224 получается 201 токен; размеры изображения могут быть больше, если стороны кратны 16. Модель предназначена для использования как универсальная основа зрения без дообучения: её признаки подходят для классификации изображений, поиска похожих изображений, сегментации, оценки глубины, обнаружения объектов и анализа видео. При необходимости признаки можно использовать с простыми классификаторами или дообучить модель. В карточке указана лицензия DINOv3 License; условия следует сверять с её текстом. Описаны различия качества между географическими регионами и снижение результатов для группы стран с низким доходом; дообучение может усилить смещения.

Карточка модели PIA-SPACE-LAB/dinov3-vit7b16-pretrain-lvd1689m на Hugging Face совпадает с карточкой facebook/dinov3-vit7b16-pretrain-lvd1689m, поэтому описание составлено по ней. DINOv3 ViT-7B/16 — зрительная модель Meta AI, предварительно обученная с нуля на наборе веб-изображений LVD-1689M. Это Vision Transformer с размером патча 16, размерностью представления 4096, 32 головами и четырьмя register-токенами; модель содержит около 6,716 млрд параметров. Она принимает изображения и возвращает токены класса, патчей и регистров, формируя плотные признаки для последующих задач компьютерного зрения. Для изображений 224×224 получается 201 токен; размеры изображения могут быть больше, если стороны кратны 16. Модель предназначена для использования как универсальная основа зрения без дообучения: её признаки подходят для классификации изображений, поиска похожих изображений, сегментации, оценки глубины, обнаружения объектов и анализа видео. При необходимости признаки можно использовать с простыми классификаторами или дообучить модель. В карточке указана лицензия DINOv3 License; условия следует сверять с её текстом. Описаны различия качества между географическими регионами и снижение результатов для группы стран с низким доходом; дообучение может усилить смещения.

DreamStyle3D — модель для генерации стилизованных 3D-объектов по изображению содержимого и изображению стиля. Она основана на дообученной модели microsoft/TRELLIS-image-large и распространяется в формате safetensors. Модель предназначена для создания 3D-ассетов, сохраняющих содержание исходного изображения и переносящих на объект визуальный стиль второго изображения. В README указана эффективность фреймворка, но конкретные показатели производительности не приведены. Условия лицензии и поддерживаемые языки в доступных данных не описаны.

EGM-8B — мультимодальная модель семейства Efficient Visual Grounding Language Models, разработанная NVIDIA на базе Qwen3-VL-8B-Thinking. Она предназначена прежде всего для визуального поиска объектов по текстовым описаниям: модель анализирует изображение и связывает выражение с нужной областью. Модель дообучена в два этапа — с помощью supervised fine-tuning и reinforcement learning с GRPO. Модель использует архитектуру Qwen3VLForConditionalGeneration и принимает изображения вместе с текстовыми запросами, выдавая текстовый ответ с визуальной привязкой. В RefCOCO карточка сообщает средний IoU 91,4; результат выше показателя базовой модели и приведённых крупных моделей Qwen3-VL. Лицензия — Apache-2.0. Заявленные результаты относятся к бенчмарку RefCOCO; карточка не описывает качество на других задачах и наборах данных.

Карточка модели CalamitousFelicitousness/EVA-Qwen2.5-72B-v0.1-Padded на Hugging Face совпадает с карточкой EVA-UNIT-01/EVA-Qwen2.5-72B-v0.1, поэтому описание составлено по ней. EVA Qwen2.5-72B v0.1 — плотная языковая модель на 71,5 млрд параметров, созданная Kearm, Auri и Cahvay как полнопараметрическое дообучение Qwen/Qwen2.5-72B. Она предназначена прежде всего для ролевого общения и написания историй, а также для следования инструкциям и работы с длинным контекстом. Модель обучена на смеси синтетических и естественных данных, включая наборы для прозы, структурированного письма и ролевых персонажей; формат запросов — ChatML. Модель использует архитектуру Qwen2 и библиотеку Transformers, хранится в формате safetensors и поддерживает контекст до 131 072 токенов. В карточке указана лицензия other; конкретные условия лицензии следует проверять в репозитории модели. Модель ориентирована на генерацию текста, а качество и связность ответов могут зависеть от промпта и настроек сэмплирования.

Experiment26Yamshadow_Strangemerges_32Experiment28 — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и принимает текстовые запросы; заявленная длина контекста составляет до 32 768 токенов. Веса размещены в формате Safetensors. Модель объединяет automerger/Experiment26Yamshadow-7B и automerger/Strangemerges_32Experiment28-7B. Карточка не уточняет специализацию, языки или дополнительные возможности модели. Лицензия — Apache 2.0.

FastWan-QAD-1.3B — модель генерации видео по текстовому описанию из серии FastWan-QAD. Она основана на Wan-AI/Wan2.1-T2V-1.3B-Diffusers и предназначена для быстрого создания коротких видео на видеокартах RTX 5090 поколения Blackwell. Модель использует линейные слои в формате NVFP4 и механизм внимания SageAttention3 FP4. Квантизационно-ориентированная дистилляция позволяет выполнять генерацию за три шага; заявлено создание видео длительностью пять секунд в разрешении 480p за 1,78 секунды. Обучение проводилось для 81 кадра с частотой 16 кадров в секунду, а при генерации не требуется classifier-free guidance. Для работы требуется RTX 5090 с поддержкой NVFP4; более старые видеокарты не поддерживаются этой версией. Модель распространяется по лицензии Apache-2.0.

DazzlingXeno/G2-Xeno-SimPO-27b — объединённая автором модель на базе Gemma 2 для генерации текста, в первую очередь рассказов и художественной прозы. Автор сообщает, что сначала объединил Steelskull/G2-DA-Nyxora-27b-V2 и nbeerbower/gemma2-gutenberg-27B методом SLERP, а затем объединил полученную модель с AALF/gemma-2-27b-it-SimPO-37K. В каталожных метаданных указаны 27,6 млрд параметров и архитектура Gemma2ForCausalLM; модель рассчитана на контекст до 8192 токенов. Модель подходит для написания рассказов и другой творческой прозы в формате текстового диалога. Автор оценивает её как достаточно удачную для повествования, однако отмечает, что проверял её ограниченно. Доступны веса safetensors; README называет библиотеку Transformers. Сведения о лицензии в предоставленных источниках отсутствуют.

Gemma-2-Ataraxy-v3i-9B — экспериментальная разговорная языковая модель на 9 млрд параметров, созданная автором lemon07r слиянием моделей семейства Gemma 2. Она предназначена для генерации текста и ответов в диалоге, с особым акцентом на художественное письмо. В основе слияния использована unsloth/gemma-2-9b-it; также объединены ifable/gemma-2-Ifable-9B, nbeerbower/Gemma2-Gutenberg-Doppel-9B и wzhouad/gemma-2-9b-it-WPO-HB. Применён метод слияния della через mergekit. Модель принимает текст и выдаёт текст. Архитектура — плотная Gemma2ForCausalLM; заявленная длина контекста составляет 8192 токена. Карточка описывает версию как экспериментальную и отмечает, что один из исходных компонентов может давать чрезмерно тяжёлый стиль или повторяющиеся некачественные фрагменты. Языки отдельно не заявлены. Лицензия в предоставленных данных не указана.

DavidAU создал gemma-3-12b-it-vl-Deepseek-v3.1-Heretic-Uncensored-Thinking — дообученную на наборе рассуждений TeichAI модель Gemma 3 12B Instruct с поддержкой изображений. Она предназначена для диалога, генерации текста и развернутых рассуждений, в том числе при анализе изображений; автор также позиционирует её для творческого письма и ролевых сценариев. В README заявлено контекстное окно 128 тысяч токенов и активация режима рассуждений фразой «think deeply:» или настройкой системного промпта и шаблона. Модель построена на Gemma3ForConditionalGeneration и распространяется в формате safetensors для Transformers. Автор описывает модель как uncensored: она реже отказывает в ответах и может генерировать материалы для взрослых по запросу. Режим рассуждений, по заявлению автора, также улучшает анализ изображений; приведены результаты нескольких бенчмарков, но независимая проверка в карточке не описана. Лицензия — Apache-2.0. Данные подтверждают поддержку английского языка; другие языки явно не заявлены.

Карточка модели Endersand/Gemma-4-12B-StyleTune на Hugging Face совпадает с карточкой Gryphe/Gemma-4-12B-StyleTune, поэтому описание составлено по ней. 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.

Gemma-4-31b-RP-MERGE-NVFP4-BF16-GGUF — экспериментальное слияние моделей семейства Gemma-4, опубликованное Rada2025. По README, при слиянии использованы веса Gemma-4-31B-Isometry-RP, Gemma4-Writer-31B-D и Giftige-Blume-31B-v1-StyleSwap; метаданные также указывают Gemma-4-The-Deckards-Brain-31B среди базовых моделей. Модель предназначена для генерации текста в ролевых сценариях и письма. Репозиторий содержит файлы GGUF; в метаданных указана лицензия Apache-2.0. Сведений о точном размере, контекстном окне и конкретных ограничениях в предоставленной карточке нет.

Gemma-4-Garnet-V2-31B-it-ultra-uncensored-heretic — текстовая чат-модель на архитектуре Gemma 4, созданная независимым автором llmfan46 на базе ConicCat/Gemma4-GarnetV2-31B. Она предназначена прежде всего для художественного письма, ролевых сценариев и перевода: автор стремился сделать прозу более выразительной, разнообразной и менее шаблонной, сохранив общие способности к диалогу и следованию инструкциям. Модель дообучена на текстовых наборах Gutenberg-SFT и Condor-SFT-Filtered и подвергнута абляции для уменьшения числа отказов. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. В карточке приведены результаты сравнения с исходной моделью на MMLU: точность снизилась с 84,82% до 83,93%, а доля отказов в указанном автором тесте — с 99/100 до 4/100. Эти цифры описывают тесты автора и не гарантируют аналогичного поведения на других запросах. Основные сценарии — генерация длинной художественной прозы, ролевое взаимодействие и перевод с выразительным стилем. Точная длина контекста и перечень поддерживаемых языков в предоставленных данных не указаны; автор заявляет о генерации до 4000 слов за один запрос.

Gemma-The-Writer-J.GutenBerg-10B-GGUF — квантованная модель для генерации текста, разработанная DavidAU на основе Gemma-The-Writer-9B с применением модифицированного Brainstorm 5x adapter. Модель ориентирована прежде всего на художественную литературу: создание рассказов, сюжетов и подсюжетов, продолжение сцен, ролевые сценарии и тексты в разных жанрах, включая научную фантастику, романтику и хоррор. Также заявлена пригодность для общего текстового использования. Модель построена на архитектуре Gemma 2 и содержит около 10 млрд параметров, 46 слоёв и 508 тензоров. Она работает с текстом на английском языке, использует шаблон Gemma Instruct и имеет контекстное окно 8 тыс. токенов, которое можно расширять с помощью RoPE до 32 тыс. токенов и более. Модификация Brainstorm направлена на изменение стиля прозы, структуры предложений и увеличение средней длины ответов, а вариант Gutenberg дополнительно усиливает описательность, детализацию и генерацию метафор, одновременно сокращая характерные для LLM клише. Сильные стороны модели — высокая стабильность, выразительная художественная проза, развитая детализация и возможность применять её для письма, сторителлинга и ролевых диалогов. Качество и поведение заметно зависят от температуры, repetition penalty и выбранного уровня квантования; при агрессивных настройках генерация может становиться чрезмерно длинной или нестабильной, а низкие кванты могут ухудшать качество. Для работы требуется корректный Gemma Instruct template и настройка параметров генерации. Модель распространяется по лицензии Apache 2.0.

Gemma-The-Writer-N-Restless-Quill-10B-Uncensored — языковая модель для генерации текста и диалогов, основанная на Google Gemma 2 9B Instruct и опубликованная DavidAU. Репозиторий содержит веса в формате safetensors; модель можно использовать напрямую или как исходник для преобразования в другие форматы. Архитектура — плотная Gemma 2 с 9,8 млрд параметров, контекст — 8192 токена. Модель подходит для генерации прозы, диалогов и ролевых сценариев. Название указывает на uncensored-ориентацию, но подробное описание предназначения и примеры применения в карточке отсутствуют. README сообщает о рекомендациях по настройкам, однако ссылки на них не заполнены. Лицензия в предоставленных данных не указана.

GenD (DINO) — модель для классификации изображений, предназначенная для обнаружения дипфейков с обобщением на разные бенчмарки. Согласно README, это вариант GenD из таблицы 2 статьи WACV 2026; в метаданных семейство архитектуры указано как GenD, веса представлены в формате safetensors, библиотека — Transformers. Модель выпущена под лицензией MIT. Модель рассчитана на анализ изображений для выявления поддельного визуального контента. README не приводит подробностей об обучении, размере модели, поддерживаемых языках или измеренных результатах, поэтому эти характеристики здесь не уточняются.

ConicCat/GLM-4.7-Architect-355B-A32B — дообученная разговорная языковая модель на архитектуре GLM-4 MoE, созданная для улучшения качества прозы и письменной речи и уменьшения характерных для GLM речевых оборотов. Для обучения использовались обратные переводы антологий коротких рассказов; обучение проводилось в течение восьми эпох. Модель предназначена для генерации текста, особенно художественной прозы. Карточка рекомендует пропускать этап рассуждений, используя соответствующий префикс шаблона GLM, но не описывает сохранность способностей к рассуждению: автор сообщает, что специально их не сохранял. Модель основана на GLM-4.7 от Z.ai; метаданные указывают 23,4 млрд параметров, контекст до 202 752 токенов, поддержку английского языка и библиотеку Transformers. Модель распространяется по лицензии MIT. Результаты обучения ориентированы на прозу, поэтому качество для других задач и сохранение возможностей базовой модели могут быть ограничены.

PatrickTyBrown/GPT-Neo_StoryGeneration — текстовая авторегрессионная модель на архитектуре GPT-Neo с 137,7 млн параметров и контекстом до 2048 токенов. Модель предназначена для генерации текста; название репозитория указывает на сценарии сочинения историй. В карточке указано, что модель дообучена, однако подробности о данных, методике обучения и качестве генерации не приведены. Репозиторий содержит веса PyTorch. Сведения о лицензии отсутствуют в предоставленных метаданных и README.

facebook/hiera-base-224-in1k-hf — модель классификации изображений на архитектуре Hiera, разработанной Meta. Это иерархический vision transformer, дообученный на ImageNet-1K; чекпойнт предназначен прежде всего для определения объектов и сцен на изображениях. В README также указаны извлечение признаков и masked image modeling как возможные сценарии семейства Hiera. Модель содержит около 33 млн параметров и распространяется в формате safetensors для библиотеки Transformers. README характеризует Hiera как простую и эффективную архитектуру, обучаемую с использованием MAE; заявлены задачи распознавания изображений и видео для семейства, однако этот чекпойнт предназначен для классификации изображений. Лицензия — CC BY-NC 4.0, допускающая использование с обязательной атрибуцией и ограничивающая коммерческое применение.