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

Модель разработана для обнаружения дипфейков в видеокадрах. Она сочетает EfficientNet-B0 для извлечения пространственных признаков лица с шестью блоками Vision Transformer, которые моделируют связи между областями изображения; классификационная голова оценивает вероятность подделки. Для обработки видео README описывает извлечение 20 равномерно распределённых кадров, обнаружение и обрезку лиц с помощью MTCNN и классификацию кадров с получением вероятностей для каждого кадра. Обучение проводилось на сбалансированной выборке из 1 580 видео из FaceForensics++ и Celeb-DF. Репозиторий содержит веса PyTorch в формате safetensors и распространяется по лицензии MIT. По метаданным основная задача модели — image-classification; README также описывает применение к видео через покадровую обработку. Размер модели и длина контекста не указаны в доступных данных. Результаты зависят от сходства входных данных с обучающими наборами; качество на других типах подделок и условиях съёмки не приведено.

Модель ashish-001/deepfake-detection-using-ViT — дообученный Vision Transformer ViT для бинарной классификации изображений на подлинные и сгенерированные или изменённые с помощью deepfake. Она основана на google/vit-base-patch16-224-in21k и предназначена для проверки отдельных изображений на признаки подделки. В карточке заявлены точность 97% на валидации и 92% на тестовой выборке; эти показатели относятся к использованному набору данных и не гарантируют такое же качество на новых источниках. Модель содержит 113,2 млн параметров, опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

facebook/dinov3-convnext-large-pretrain-lvd1689m — зрительная модель Meta AI семейства DINOv3 на архитектуре ConvNeXt Large. Она обучена на веб-изображениях набора LVD-1689M методом дистилляции от DINOv3 ViT-7B и предназначена для извлечения плотных признаков изображений для последующих задач компьютерного зрения. Модель принимает изображение и формирует признаки, пригодные для классификации, поиска похожих изображений, оценки глубины, семантической сегментации и обнаружения объектов без учителя. Замороженные признаки рассчитаны на использование без дообучения; для отдельных сценариев поверх них можно обучить простой классификатор или другой небольшой модуль. Репозиторий использует формат safetensors и библиотеку Transformers. В карточке указана лицензия DINOv3 License, а метаданные классифицируют её как лицензию other. Описанные для семейства DINOv3 ограничения включают различия качества между регионами и категориями дохода; дообучение может усилить смещения, связанные с разметкой целевых данных.

Falcon Perception — модель TII с открытой архитектурой весом 0,6 млрд параметров для визуального grounding и сегментации отдельных объектов по текстовому запросу. Она принимает изображение и описание искомого объекта или признака и возвращает найденные экземпляры с попиксельными масками. Лицензия — Apache 2.0. Модель использует плотный Transformer с ранним объединением патчей изображения и текстовых токенов в общем стеке. Гибридная маска внимания позволяет строить визуальный контекст и декодировать текстовые и целевые токены с учётом изображения; маски экземпляров формируются параллельно. Falcon Perception рассчитана на поиск объектов в изображениях, в том числе в плотных и перегруженных сценах, и на применение в конвейерах сегментации. Это специализированная модель, а не универсальный визуальный ассистент: она не предназначена для открытых рассуждений, длинной генерации или многошаговых ответов на вопросы по изображениям. Точность локализации в плотных сценах зависит от разрешения; небольшие или размытые надписи затрудняют запросы, управляемые OCR, а на сложных отрицательных примерах возможны ложные срабатывания.

G2-9B-Sugarquill-v0 — экспериментальная языковая модель, обученная Auri на базе UCLA-AGI/Gemma-2-9B-It-SPPO-Iter3. Это продолженное дообучение Gemma 2 с 9 млрд параметров на коротких рассказах из веба и наборов Mielikki/Erebus-87k и allura-org/r_shortstories_24k; архитектура — плотная Gemma2ForCausalLM, формат весов — safetensors, контекст — до 8192 токенов. Модель предназначена для ролевых диалогов, продолжения текста и написания художественных рассказов. Обучение на короткой прозе должно придавать генерации более разнообразный и описательный стиль, сохраняя диалоговые возможности базовой модели. Используется формат запросов Gemma instruct. Автор характеризует результат как промежуточный эксперимент и отмечает, что модели мог бы помочь ещё один цикл обучения; по его оценке, основные способности существенно не ухудшились. Лицензия — Gemma.

Vortex5/G4-Starry-Ocean-12B-heretic — чат-модель с поддержкой изображений, созданная Vortex5 на основе G4-Starry-Ocean-12B. В README описана абляция: модель заметно реже отказывает в ответах, чем исходная версия, при сохранении близкого к ней поведения по метрике KL-дивергенции. В исходной модели объединены gemma-4-12B-it, Semancer-12B и G4-12B-Station-Keeper. Модель предназначена для ролевого общения, эмоционально насыщенных диалогов, художественного письма и создания длинных структурированных историй; поддержка изображений указана в метаданных. Репозиторий содержит веса Safetensors для Transformers и распространяется по лицензии Apache-2.0. README не уточняет поддерживаемые языки и длину контекста.

Gemma-3-4B-VL-it-Gemini-Pro-Heretic-Uncensored-Thinking — созданная DavidAU дообученная мультимодальная модель на базе DavidAU/gemma-3-4b-it-heretic-uncensored-abliterated-Extreme. Она построена на архитектуре Gemma 3 с 4 млрд параметров и принимает текст и изображения, отвечая текстом. Модель предназначена для диалогов, генерации и продолжения художественных историй, ролевых сценариев, а также анализа изображений; дообучение на наборе TeichAI/gemini-3-pro-preview-high-reasoning-250x направлено на компактные, подробные рассуждения. В README заявлено окно контекста 128 тысяч токенов и возможность активировать усиленное рассуждение фразой «think deeply:»; автор также приводит собственные результаты тестов и снижения частоты отказов. Карточка позиционирует модель как менее склонную к отказам и способную генерировать откровенный контент по запросу. Она может потребовать явных указаний для нужного стиля и уровня эксплицитности; приведённые бенчмарки и показатели отказов являются заявлениями автора. Модель распространяется по лицензии Apache-2.0.

Goetia-26B-A4B-v1.4-LazyLora-heresy — производная мультимодальная модель для диалогов, ролевых сценариев и творческого письма. В README автор описывает получение этой версии путём извлечения Goetia 1.4 LoRA и применения её к модели SOMPOA heresy; базовая модель по метаданным — Naphula/Goetia-26B-A4B-v1.4. В карточке базовая Goetia указана как результат слияния моделей методом MoE DELLA на основе Google Gemma 4. Модель построена на архитектуре Gemma 4 и принимает текст и изображения, выдавая текст. README сообщает, что у модели сохраняются отказы и стандартная устойчивость к jailbreak; автор отмечает, что версия пока не подвергалась uncensoring. Использование распространяется по лицензии Apache-2.0.

GPT-2 WikiWriter Medium Portuguese — языковая модель для генерации текста на португальском языке, обученная Erick Rocha Fonseca и опубликованная в формате, совместимом с Transformers. Модель содержит 345 млн параметров, использует архитектуру GPT-2 и принимает текстовый фрагмент, чтобы продолжить его связным текстом. Модель предназначена для генерации португалоязычных текстов в стиле материалов Википедии. Её можно использовать для продолжения предложений и создания черновиков энциклопедических описаний. Контекст модели — 1024 токена. Весы доступны в формате PyTorch, библиотека для работы — Transformers. В README указана лицензия MIT. Модель унаследовала ограничения генеративных языковых моделей: продолжение может содержать фактические ошибки или вымышленные сведения, поэтому текст требует проверки. Перенос весов в формат Transformers не является новым обучением модели.

facebook/hiera-tiny-224-in1k-hf — компактная модель компьютерного зрения семейства Hiera, разработанная Meta и дообученная для классификации изображений на ImageNet-1K. Это иерархический vision transformer с архитектурой HieraForImageClassification и примерно 33 млн параметров; для загрузки весов используется формат safetensors, а запуск поддерживается библиотекой Transformers. Модель принимает изображения и определяет их классы. Этот чекпойнт предназначен прежде всего для классификации изображений; семейство Hiera также применяют для извлечения признаков и masked image modeling. Иерархическая архитектура рассчитана на эффективное распознавание визуальных объектов. Лицензия CC-BY-NC-4.0 разрешает использование с атрибуцией и ограничивает коммерческое применение. Модель обучена на ImageNet-1K, поэтому её классификация ориентирована на классы этого набора данных и может быть ненадёжна на изображениях, сильно отличающихся от обучающих данных.

HoloLewd-7B-test — объединённая модель генерации текста, созданная с помощью LazyMergekit из Undi95/LewdMistral-7B-0.2 и KoboldAI/Mistral-7B-Holodeck-1. Она предназначена для генерации художественного текста и продолжения историй; базовая модель Holodeck описана как дообученная на электронных книгах. Модель построена на архитектуре Mistral с плотной причинно-языковой сетью MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст. Слияние выполнено методом slerp с параметром t=0,32; в README указан формат bfloat16, а в репозитории доступны веса safetensors. Лицензия в предоставленных данных не указана.

In-Context-LoRA — это набор адаптеров LoRA, разработанный командой ali-vilab для моделей генерации изображений, включая FLUX.1-dev от Black Forest Labs. Модель предназначена для текстово-управляемой генерации наборов связанных изображений, где взаимосвязи между изображениями задаются естественным языком. Также поддерживается генерация одного набора изображений с условием в виде другого набора, в том числе с использованием SDEdit. Ключевая особенность подхода заключается в объединении условных и целевых изображений в единое составное изображение и последующем описании задачи текстом. Framework ориентирован на широкий спектр сценариев, включая дизайн профилей, виртуальную примерку, дизайн продуктов, перенос визуальной идентичности, создание комиксов и раскадровок. В репозитории представлены адаптеры для 10 задач с рекомендованными параметрами генерации. Это не универсальная модель без дополнительной настройки: для разных приложений требуется task-specific fine-tuning. К ограничениям также относятся зависимость от базовой модели FLUX.1-dev и отсутствие в предоставленных данных сведений о размере адаптеров, поддерживаемых языках и максимальном контексте. Модель распространяется по лицензии MIT.

Ix Chel L3 12B — разговорная языковая модель MarsupialAI, полученная слиянием трёх моделей на базе Llama 3. В конфигурации 48 слоёв заявлено 11,52 млрд параметров; метаданные указывают 11 млрд. Модель принимает текст и генерирует текст, использует формат запросов Llama 3. В карточке заявлена согласованная работа с контекстом до 32 тыс. токенов, тогда как метаданные указывают длину нативного контекста 8192 токена. Модель предназначена для диалогов и творческой генерации, включая ответы на провокационные запросы; автор отмечает, что она реже отказывает на неприемлемые запросы, но обычно не добавляет NSFW-содержание в ответы на безопасные запросы. Доступна в формате safetensors. Лицензия в метаданных обозначена как other, конкретные условия в предоставленных данных не раскрыты. Автор указывает, что модель предназначена для развлечения и может выдавать недостоверные фактические утверждения.

Kwai-Kolors/Kolors-ControlNet-Canny — веса ControlNet от команды Kolors, предназначенные для управления генерацией изображений по карте контуров Canny. Модель работает как условный компонент с базовой моделью Kolors и используется через библиотеку Diffusers; сама карточка также упоминает совместную работу с Kolors-IP-Adapter-Plus. Модель подходит для генерации изображений по текстовому запросу с сохранением пространственной структуры исходного изображения, заданной контурной картой. В оценке авторов на наборе из более чем 200 изображений она получила более высокую среднюю оценку управляемости, чем SDXL-ControlNet-Canny; это результат внутреннего сравнения, а не независимая гарантия качества. Для работы нужны базовая модель Kolors и карта Canny; веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Карточка не приводит размер весов и длину контекста.

Kyllima-34B-v1 — разговорная языковая модель, созданная автором sirmyrrh слиянием двух моделей на базе Yi 34B методом TIES с помощью mergekit. Репозиторий содержит веса в формате safetensors; модель имеет архитектуру LlamaForCausalLM, 33,9 млрд параметров и заявленное окно контекста 200 000 токенов. В слияние вошли TeeZee/Kyllene-34B-v1.1 и Doctor-Shotgun/Nous-Capybara-limarpv3-34B. Модель предназначена прежде всего для ролевых диалогов и творческого письма; автор отмечает, что она поддерживает разные форматы промптов, включая Alpaca-LimaRP и Vicuna, и называет её нецензурированной. Карточка сообщает о чувствительности к настройкам генерации и стилю промпта, поэтому для получения желаемого результата может потребоваться настройка параметров и системного промпта. Лицензия — Apache-2.0.

L3.1-Dark-Planet-10.7B-ExxxxxxxxTended-GGUF — текстовая языковая модель, разработанная DavidAU на базе Llama 3.1 Instruct. Модель создана с применением методов расширения архитектуры и объединения моделей: к базе Llama 3/Llama 3.1 были добавлены 12 слоёв, а также объединены компоненты моделей Sao10K/L3-8B-Stheno-v3.2, NeverSleep/Llama-3-Lumimaid-8B-v0.1-OAS и Hastagaras/Jamet-8B-L3-MK.V-Blackroot. Итоговый размер составляет около 10,65 млрд параметров. Модель предназначена прежде всего для генерации художественных текстов, продолжения сцен, разработки сюжетов и подсюжетов, написания прозы, сторителлинга и ролевых сценариев во всех жанрах, включая научную фантастику, романтику и хоррор. Она ориентирована на длинные, подробные и выразительные ответы, поддерживает английский язык и работает с контекстом до 131 000 токенов. Заявлена совместимость с шаблонами Llama 3 и, в некоторых случаях, Command-R; выбор шаблона может заметно влиять на результат. Сильные стороны модели — повышенная детализация прозы, способность к длинной генерации, разнообразная подача и стабильная работа различных квантованных версий. Она рассчитана на широкий диапазон температур, однако чрезмерно высокая температура может ухудшить следование инструкциям, особенно в ролевых сценариях. Ограничениями являются выраженная склонность к длинным ответам и негативная тональность, а также возможность внезапного появления грубого, жестокого, disturbing или NSFW-содержания. Модель распространяется по лицензии Apache-2.0.

L3.1-Evil-Reasoning-Dark-Planet-Hermes-R1-Uncensored-8B — объединённая автором DavidAU модель генерации текста на архитектуре Llama, объёмом 7,5 млрд параметров. Она рассчитана прежде всего на творческое письмо и диалоги: создание историй и сцен, продолжение сюжетов, ролевые игры и хоррор; также подходит для головоломок и задач на рассуждение. В README заявлен контекст 128k токенов и описан режим рассуждений, который включается системными подсказками и может проявляться непредсказуемо. Модель использует шаблон чата Llama 3 Instruct; автор также упоминает совместимость с шаблоном Command-R. Модель объединяет DavidAU/L3-Dark-Planet-8B и NousResearch/DeepHermes-3-Llama-3-8B-Preview. README предупреждает о нестабильной активации рассуждений и необходимости повторных генераций; результаты зависят от настроек температуры и подсказки. Модель может выдавать нецензурный, откровенный и графически жестокий контент, поэтому она не подходит для всех аудиторий. Лицензия — Apache-2.0.

Genetic Lemonade Unleashed — слитая языковая модель семейства Llama, опубликованная zerofata. Это плотная авторегрессионная модель класса LlamaForCausalLM размером 69,5 млрд параметров с контекстом до 131 072 токенов; веса доступны в формате safetensors и используются через Transformers. Модель создана методом SCE merge на основе нескольких моделей Llama и их производных, включая DeepSeek-R1-Distill-Llama-70B и Llama-3.3-70B-Instruct. Модель предназначена прежде всего для ролевых диалогов и творческого письма. Автор описывает версию Unleashed как сбалансированную по стилю, креативности и интеллекту, но отмечает некоторую цензурированность. В README приведены рекомендации по параметрам генерации и шаблону инструкций для SillyTavern. Входом и выходом служит текст. Лицензия в предоставленных данных не указана; перед использованием следует проверить условия лицензирования исходных моделей и репозитория. Оценка качества и пригодности зависит от сценария, а заявленный автором баланс не сопровождается результатами сравнительных тестов.

L3-4X8B-MOE-Dark-Planet-Infinite-25B-GGUF — текстовая генеративная модель разработчика DavidAU, построенная на базе Llama 3 и архитектуры mixture of experts. Она объединяет четыре экспертные модели Dark Planet по 8 млрд параметров каждая; заявленный общий размер составляет около 25 млрд параметров. По умолчанию используются два эксперта, но поддерживается настройка на одного, трёх или четырёх экспертов. Модель предназначена прежде всего для англоязычной генерации текста. Основные сценарии применения — творческое письмо, создание художественной прозы, диалогов, сюжетов и подсюжетов, продолжение сцен, сторителлинг и role-playing. Модель ориентирована на выразительные описания, образы, метафоры и вариативную структуру предложений и абзацев; заявлена пригодность для разных жанров, включая научную фантастику, романтику, хоррор и юмор. Отдельно подчёркивается способность генерировать интенсивную, нецензурированную прозу с насилием, жестокими и взрослыми сценами. Максимальный контекст заявлен на уровне 8192 токенов, с возможностью расширения до 32 тысяч и более посредством RoPE, однако при таком расширении могут потребоваться более подробные инструкции и настройка температуры. Для работы рекомендуется шаблон Llama 3 и/или Command-R. К ограничениям относятся отрицательная стилистическая направленность, возможное снижение следования инструкциям при слишком высокой температуре, сохранение отдельных типичных для ИИ формулировок и различия в результатах между квантованными версиями. Модель поставляется в формате GGUF и лицензирована по Apache License 2.0.

L3-8B-Stheno-v3.2-exl2 — это квантизированная версия текстовой генеративной модели L3-8B-Stheno-v3.2, разработанной Sao10K и подготовленной в формате ExLlamaV2 пользователем bartowski. Модель предназначена для генерации текста, прежде всего для художественного письма, создания коротких историй и выполнения инструкций. В обучении использовались наборы Gryphe/Opus-WritingPrompts, Sao10K/Claude-3-Opus-Instruct-15K, Sao10K/Short-Storygen-v2 и Sao10K/c2-Logs-Filtered. Модель имеет размер 8B параметров, работает с текстом и заявлена для английского языка. Для взаимодействия используется шаблон сообщений в стиле Llama 3 с ролями system, user и assistant. Доступны варианты квантизации от 3.5 до 8.0 бит на вес; рекомендуемым указан вариант 6.5 bpw как компромисс между качеством и размером. В зависимости от варианта и длины контекста потребление видеопамяти составляет примерно от 6,4 до 13,6 ГБ, при этом поддерживаются контексты до 32K согласно таблице README. Сильными сторонами являются ориентация на творческую генерацию, следование инструкциям и возможность запуска на видеокартах с ограниченным объёмом памяти благодаря квантизации. Более низкие уровни квантизации уменьшают требования к VRAM, но приводят к снижению качества; вариант 3.5 bpw рекомендуется использовать только при необходимости. Данных о мультимодальности, дополнительных языках и точных архитектурных характеристиках базовой модели в README нет. Распространение указано по лицензии CC BY-NC 4.0, допускающей некоммерческое использование с соблюдением условий лицензии.

L3-8B-Stheno-v3.2-GGUF — это квантизированная версия языковой модели L3-8B-Stheno-v3.2, опубликованная bartowski на основе оригинальной модели Sao10K/L3-8B-Stheno-v3.2. Модель распространяется в формате GGUF для запуска через llama.cpp и предназначена прежде всего для генерации текста, включая создание художественных текстов и работу с письменными подсказками. При обучении или подготовке исходной модели использовались наборы данных Gryphe/Opus-WritingPrompts, Sao10K/Claude-3-Opus-Instruct-15K, Sao10K/Short-Storygen-v2 и Sao10K/c2-Logs-Filtered. Модель имеет размер 8 миллиардов параметров; заявлена поддержка английского языка. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, IQ4_XS, Q3 и IQ3/IQ2 разных уровней сжатия. В README рекомендуются Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS как варианты, сочетающие качество и экономию памяти. Более компактные варианты позволяют запускать модель при ограниченных ресурсах, но снижают качество генерации. Формат запросов использует специальную chat-шаблонизацию с ролями system, user и assistant. Сильными сторонами являются выбор уровней квантизации, возможность локального запуска и специализация на генерации художественного текста. Ограничения включают зависимость качества от выбранной квантизации, поддержку только текстовой модальности и отсутствие в README сведений о размере контекста, архитектурных деталях, результатах benchmark-тестов и точных характеристиках исходного обучения. Модель распространяется по лицензии CC BY-NC-4.0, допускающей некоммерческое использование с соблюдением условий лицензии.

DavidAU/L3-8B-Stheno-v3.2-Ultra-NEO-V1-IMATRIX-GGUF — это GGUF-квантизованная версия языковой модели L3-8B-Stheno-v3.2, разработанной SAO10K и подготовленной DavidAU с использованием технологии NEO Class и imatrix-квантизации. Модель предназначена для генерации текста, особенно для творческого письма, повествования, roleplay, фэнтези и общего диалогового использования. Заявлена поддержка английского языка и применяется текстовая модальность. Модель относится к классу 8B, использует шаблон, связанный с Llama 3, однако автор рекомендует для творческих задач шаблон Command-R, поскольку он, по результатам тестирования, обеспечивает более качественную работу. Максимальный контекст составляет 8K токенов. NEO-кванты позиционируются как вариант с улучшенным следованием инструкциям, качеством вывода и связностью идей при меньших вычислительных требованиях; README также заявляет снижение perplexity по сравнению с обычной квантизацией того же уровня. Сильными сторонами являются ориентация на творческую генерацию, ролевые сценарии и потенциально более эффективная работа квантизованной версии. Ограничения включают относительно небольшой контекст в 8K токенов, специализацию преимущественно на английском языке и необходимость подбора шаблона чата и параметров сэмплирования для оптимальной работы. Указанные рекомендации относятся к KoboldCpp, text-generation-webui и SillyTavern. Лицензия модели — Apache-2.0.

Lilitu-L3.3-70b-0.1 — слитая 70-миллиардная языковая модель, созданная автором Ionze для написания историй и ролевых диалогов. Она объединяет BruhzWater/Sapphira-L3.3-70b-0.2, sophosympatheia/Strawberrylemonade-L3-70B-v1.2 и BruhzWater/Edens-Fall-L3.3-70b-0.3c методом della; в качестве базовой модели в конфигурации слияния указана Sapphira. Модель построена на архитектуре Llama, работает через библиотеку Transformers и содержит 69,5 млрд параметров. Метаданные указывают контекст до 131 072 токенов; карточка рекомендует шаблон Llama 3 Instruct. Указанная лицензия — llama3. Основной язык карточки — английский. Автор описывает модель как свой первый эксперимент по слиянию любимых моделей для повествования и ролевого взаимодействия.

DavidAU разработал Llama3.2-30B-A3B-II-Dark-Champion-INSTRUCT-Heretic-Abliterated-Uncensored — разговорную модель для генерации текста на архитектуре смеси экспертов (MoE), совместимую с Transformers и сохранённую в safetensors. В README указано, что модель объединяет экспертов на базе Llama 3.2 и Brainstorm 20x; метаданные каталога определяют архитектуру как MixtralForCausalLM и сообщают 5,1 млрд параметров. Заявленная длина контекста — 131 072 токена. Модель предназначена прежде всего для творческого письма, художественной прозы, сюжетов, сцен и ролевых диалогов, а также может использоваться для обычных запросов и следования инструкциям. README описывает её как мало склонную к отказам и способную генерировать откровенный или жестокий контент по запросу; для нужной интенсивности автор рекомендует задавать стиль и лексику в инструкции. Указан английский язык. Модель выпущена под лицензией Apache-2.0. README заявляет высокую выразительность и скорость, однако эти характеристики приведены автором и не сопровождаются независимой оценкой. В карточке также отмечено, что температура может влиять на разнообразие и точность следования инструкциям, а для явного или графичного стиля иногда требуются дополнительные указания.

sel303 дообучил модель на базе LLaMA 3 8B Instruct, используя открытые данные AIHub и собственный набор данных предметной области. В репозитории указана архитектура LlamaForCausalLM; размер по метаданным — 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста в диалоговом формате. При дообучении автор ограничил обучаемую часть примерно 10% параметров и упоминает LoRA, QLoRA или другие методы PEFT как возможные способы настройки. Карточка не уточняет, какой именно метод применён и для какой предметной области создавался собственный набор данных. Лицензия — llama3; в данных обучения могут присутствовать чувствительные сведения, поэтому ответы модели требуют проверки с точки зрения конфиденциальности.

LTX2.3-10Eros v1.3 GGUF — это квантизированная в формате GGUF версия модели генерации видео по изображению LTX2.3-10Eros v1.3. Исходную модель разработала TenStrip; базовая архитектура связана с SulphurAI и Lightricks. Репозиторий содержит несколько вариантов квантизации размером от 11,1 до 22,8 ГБ, рассчитанных на локальный запуск при ограниченном объёме VRAM. Модель предназначена для image-to-video: создания видеосцен на основе исходного изображения и подробного текстового описания движения, изменений композиции, звуков и поведения объектов. Она рассчитана на использование в ComfyUI через интеграцию ComfyUI-GGUF. Для версии 1.3 требуется совместное применение DMD LoRA, при этом рекомендуется официальный workflow V5 DMD. Модель ориентирована на длинные контексты и требует точных, детализированных и директивных промптов на английском языке, сопоставимых по стилю с промптами для native 22B Dev model. К сильным сторонам относятся улучшенное следование промптам, явное управление движением, снижение артефактов вроде постоянных субтитров, «призрачной анатомии» и неожиданных переходов, а также варианты квантизации для разного уровня аппаратных ресурсов. Ограничения включают высокие требования к качеству и подробности промптов, обязательную зависимость от DMD LoRA и workflow, а также отсутствие в README точных сведений о числе параметров, максимальном контексте, поддерживаемых языках и модальностях помимо image-to-video. Лицензия указана как other, без дополнительных условий в предоставленных данных.

Lightricks/LTX-2.3-22b-IC-LoRA-Ingredients — адаптер IC-LoRA для базовой модели Lightricks/LTX-2.3, разработанный Lightricks. Модель предназначена для генерации видео по текстовому описанию с использованием референсного листа, а также для сценариев video-to-video, где требуется сохранять согласованность персонажей, объектов, окружения и визуальных элементов между кадрами. В доступных данных указано, что модель работает в видеопайплайне video-to-video и распространяется как diffusion-модель в одном файле. Поддерживаемый язык — английский. Референсный лист может описывать персонажей, предметы, локации и логотипы, а целевое описание задаёт сцену, композицию, движение, освещение и другие параметры результата. Сведения о точном числе параметров, формате входных данных, максимальной длине контекста и модальностях, помимо текста и видео или изображений-референсов, не приведены. Сильная сторона модели — возможность сочетать текстовые инструкции с визуальными референсами для повышения согласованности объектов и персонажей в генерируемых видеосценах. Ограничения включают зависимость качества от подробности описаний и референсных материалов, а также отсутствие в README данных о производительности, требованиях к оборудованию и известных типичных ошибках. Лицензия указана как ltx-2-community-license; для использования необходимо ознакомиться с её условиями по ссылке, приведённой в карточке модели.

AnnaZhang/lwdetr_large_60e_coco — модель обнаружения объектов LW-DETR Large, основанная на архитектуре Light-Weight Detection Transformer, описанной Chen et al. Модель предназначена для быстрого обнаружения объектов на изображениях и обучена на COCO 2017 после предварительного обучения на Objects365. Архитектура сочетает ViT-энкодер с чередованием оконного и глобального внимания, сверточный проектор C2f и неглубокий трехслойный декодер DETR с deformable cross-attention. Для версии Large проектор формирует признаки двух масштабов. Модель выдаёт классы объектов и их рамки; репозиторий использует формат safetensors и библиотеку Transformers. Модель подходит для сценариев, где требуется обнаруживать объекты на изображениях с балансом скорости и точности. Лицензия — Apache-2.0.

AnnaZhang/lwdetr_small_60e_coco — вариант LW-DETR, лёгкого трансформера для обнаружения объектов, представленный в библиотеке Transformers и основанный на работе Chen и соавторов «LW-DETR: A Transformer Replacement to YOLO for Real-Time Detection». Модель предназначена для быстрого обнаружения объектов на изображениях и обучена с дообучением на COCO 2017; в предварительном обучении использовался Objects365. Архитектура включает ViT-энкодер с чередованием оконного и глобального внимания, свёрточный проектор и неглубокий трёхслойный декодер DETR с deformable cross-attention. Модель рассчитана на баланс скорости и точности при обнаружении объектов. Лицензия — Apache-2.0. Карточка не приводит конкретных показателей качества для этого варианта.

Google Lyria 3 Pro Preview — модель генерации музыки из семейства Lyria 3, доступная через Gemini API. Она предназначена для создания музыкальных композиций, включая полноформатные песни. В README заявлено высокое качество аудио и частота дискретизации 48 кГц; стоимость полноформатной песни указана как 0,08 доллара США. В доступных данных не описаны принимаемые моделью входы, поддерживаемые языки и условия лицензии. Метаданные каталога относят модель к задаче image-text-to-text, однако README указывает на генерацию музыки; поэтому задача каталога не подтверждает основное назначение модели.