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

Mistral-MOE-4X7B-Dark-MultiVerse-Uncensored-Enhanced32-24B-GGUF — модель текстовой генерации, разработанная DavidAU на основе архитектуры Mistral и объединяющая четыре экспертные модели Mistral 7B в конфигурацию Mixture of Experts. Указанный состав включает MTSAIR/multi_verse_model и три версии TeeZee/DarkSapling-7B. Модель содержит около 24 млрд параметров, поддерживает контекст до 32 768 токенов и поставляется в формате GGUF с вариантами квантования, включая стандартные и улучшенные версии с компонентами float32 или bfloat16. Основным языком заявлен английский. Модель предназначена прежде всего для творческого письма, генерации художественной прозы, сюжетов и подсюжетов, продолжения сцен, сторителлинга, ролевых сценариев и работы с жанрами от научной фантастики и романтики до ужасов. Она также может применяться для общих задач текстовой генерации и следования инструкциям, однако особенно ориентирована на подробные, выразительные и насыщенные художественные тексты. Заявлены высокая детализация, вариативность, глубина и сильное следование инструкциям; выбор числа активных экспертов позволяет использовать от одного до четырёх экспертов. К ограничениям относятся преимущественно англоязычная ориентация, необходимость корректно выбрать шаблон запроса — Llama 3, Mistral, Alpaca и/или Command-R — и значительные требования к ресурсам, особенно для полноразмерной float32-версии. Модель описана как uncensored и может генерировать NSFW-контент, ненормативную лексику, жестокие и интенсивные сцены, поэтому требует соответствующей фильтрации и контроля применения. Для использования указана лицензия Apache-2.0.

mlx-Yue2-3B — адаптация YuE2-3B от M-A-P, подготовленная для запуска на Apple Silicon с библиотекой MLX. Модель предназначена для создания музыкальных композиций по текстовому запросу; базовая YuE2-3B создаёт песни с вокалом и аккомпанементом и поддерживает редактирование композиции через партитуру ABC. В составе — авторегрессионная модель планирования, неавторегрессионная модель акустического flow matching и декодер VAE Oobleck для аудио 48 кГц. Репозиторий содержит веса BF16 и 8-битный вариант авторегрессионной части; заявлено уменьшение её размера и ускорение генерации для 8-битной версии. Общий размер модели в метаданных — 1,8 млрд параметров, контекст — 24 576 токенов. Лицензия — Apache-2.0.

MN-Chinofun-12B-3 — языковая модель для генерации текста и диалогов, созданная автором djuna путём слияния нескольких предварительно обученных моделей с помощью mergekit и метода Model Stock. В качестве базовой использована ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.3; в слияние также вошли grimjim/magnum-twilight-12b, Nohobby/MN-12B-Siskin-v0.2, RozGrov/NemoDori-v0.2.2-12B-MN-ties, spow12/ChatWaifu_v1.4 и GalrionSoftworks/Canidori-12B-v1. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для чат-диалогов и творческой генерации текста, в том числе ролевых сценариев. Контекстное окно составляет 131 072 токена. Сведения о лицензии, поддерживаемых естественных языках и результатах для конкретных сценариев в предоставленных материалах отсутствуют.

Kaoeiri/MS-MagpantheonselRP-22B-12.95-Fictional — языковая модель, созданная слиянием нескольких моделей семейства Mistral Small 22B. По README, для объединения использован метод DARE TIES, а базовой моделью служила unsloth/Mistral-Small-Instruct-2409. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев и художественной прозы. Модель имеет плотную архитектуру MistralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 131 072 токенов. Она принимает и генерирует текст. Карточка не устанавливает основной язык; среди объединённых моделей есть японская специализированная модель, а описание одной из базовых моделей указывает на английскую прозу и диалоги. Модель может подойти для продолжения историй, ролевых диалогов и свободной генерации текста. Состав из множества исходных моделей и отсутствие описанных оценок качества затрудняют прогнозирование поведения на конкретных задачах. Указана лицензия CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

zelk12 выпустил диалоговую языковую модель Gemma 2 с плотной архитектурой и 9 млрд параметров. Это объединение двух предварительно обученных моделей с помощью SLERP через mergekit: zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1 и zelk12/recoilme-gemma-2-psy10k-mental_healt-9B-v0.1. Модель предназначена для генерации текста и диалоговых ответов; контекст составляет 8192 токена, веса представлены в формате safetensors и рассчитаны на работу с Transformers. Объединение сочетает модели, связанные с Gutenberg и психическим здоровьем, однако карточка не описывает отдельные гарантированные медицинские функции или качество ответов. Модель может служить для диалоговых сценариев и генерации текста, но ответы в чувствительных темах требуют проверки. Условия лицензии в предоставленных источниках не указаны.

MusicGen Large — модель Meta AI (команда FAIR) для генерации музыки по текстовому описанию или аудиоподсказке. Это авторегрессионный Transformer с 3,3 млрд параметров, работающий с аудиотокенизатором EnCodec на частоте 32 кГц. Модель предсказывает четыре кодовые последовательности за один проход и предназначена для создания музыкальных фрагментов с заданными характеристиками. Модель подходит для экспериментов с управляемой генерацией музыки и прототипирования музыкальных идей по текстовым запросам или аудиопримеру. Она обучалась на англоязычных описаниях и данных объёмом 20 тысяч часов; качество может снижаться для других языков, отдельных музыкальных стилей и культур. Модель не умеет реалистично генерировать вокал и иногда завершает фрагмент тишиной; для хорошего результата может потребоваться подбор формулировок запроса. Веса распространяются по лицензии CC-BY-NC 4.0, которая ограничивает коммерческое использование.

Модель usermma/nemo-crownelius-st-12b-mlx-fp16 — версия в формате MLX, созданная из ewald1976/nemo-crownelius-st-12b. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для генерации диалогового текста и творческого письма с более выразительным стилем прозы. Базовая модель дообучена на наборе Crownelius/Opus-4.5-3000x; эта версия преобразована для запуска с MLX на устройствах Apple. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Для использования указана лицензия Apache-2.0. Метаданные описывают её как экспериментальную стилистическую настройку, поэтому качество и стабильность результатов для конкретных сценариев следует проверять отдельно.

Helsinki-NLP/opus-mt-tc-bible-big-sla-en — модель машинного перевода проекта OPUS-MT, разработанная Language Technology Research Group Хельсинкского университета. Она переводит предложения с ряда славянских языков на английский и подходит для перевода текстов, включая материалы библейской тематики. Модель построена на архитектуре Marian Transformer-big, содержит 162 млн параметров и принимает текст, выдавая текст перевода. Она обучена на данных OPUS с применением SentencePiece; родная длина контекста составляет 1024 токена. В README приведён результат chr-F 0,70473 и BLEU 55,6 на многоязычном тесте Tatoeba. Модель может наследовать смещения и нежелательные формулировки из обучающих данных. Лицензия — Apache-2.0.

Political DEBATE large — модель классификации текстов на основе DeBERTa-v2, разработанная Майклом Бернхэмом и соавторами. Она дообучена на наборе PolNLI для классификации политических документов в режиме zero-shot и few-shot: определения позиции автора, выявления языка ненависти, извлечения событий и тематической классификации. Модель сопоставляет текст с короткой гипотезой, заданной пользователем, и оценивает, следует ли эта гипотеза из текста. Модель содержит 533,8 млн параметров, принимает текстовые входы, поддерживает английский язык и имеет контекст до 512 токенов. Данные обучения включают публикации в соцсетях, новости, законопроекты Конгресса и краткие описания судебных дел. Для few-shot настройки README рекомендует использовать не менее 10 примеров, предпочтительно около 25, и небольшие пакеты по 1–2 примера. Модель предназначена для анализа политических текстов из разных источников; качество зависит от формулировки гипотезы и близости задачи к обучающим данным. Для supervised-классификации по задачам, явно представленным в обучении, авторы рекомендуют базовую модель. Лицензия — MIT.

enet45/Qwen3.5-9B-Claude-4.6-HighIQ-INSTRUCT-HERETIC-UNCENSORED-mlx-4Bit — это 9-миллиардная инструкционно дообученная языковая модель, конвертированная в формат MLX из модели DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-INSTRUCT-HERETIC-UNCENSORED с использованием mlx-lm 0.31.2. Модель предназначена для запуска через библиотеку mlx-lm, в первую очередь в экосистеме Apple MLX. Основные сценарии применения включают генерацию и продолжение художественных текстов, создание сюжетов и подсюжетов, написание сцен, сторителлинг, ролевые диалоги и работу с произведениями разных жанров, включая научную фантастику и романтику. В карточке заявлена поддержка английского и китайского языков. Также указана 4-битная версия, что уменьшает требования к памяти по сравнению с полноразмерными вариантами, но может влиять на точность и качество генерации. Размер контекста, точная архитектура, результаты тестирования и фактическая мультимодальность не указаны. К сильным сторонам относятся специализация на творческом письме, заявленная работа с различными жанрами и удобный запуск в формате MLX. Ограничения — отсутствие опубликованных бенчмарков и подробностей о датасетах, контексте и качестве по языкам; 4-битное квантование также может снижать точность по сравнению с более высокоточными версиями. В метаданных указана лицензия Apache-2.0.

Qwen3.6-12B-IQ-Ultra-Heretic-Uncensored-Thinking-V2-Hightop — экспериментальная производная модель на архитектуре Qwen3.5, опубликованная DavidAU. По карточке, автор сначала сократил Heretic-версию Qwen3.6-27B до 12B изменённым Mergekit, затем дообучил её на шести наборах данных в два этапа с помощью Unsloth. Модель предназначена для диалогов, рассуждений и творческого письма; в примерах показана генерация художественной прозы, в том числе откровенно жестоких сцен. Метаданные указывают поддержку изображений и задачу image-text-to-text, а README сообщает, что визуальные системы унаследованы от версии 27B. Автор заявляет контекст 256 тыс. токенов и рекомендует для практического использования контекст от 8 до 16 тыс. токенов. Карточка предупреждает, что при сокращении могли быть утрачены знания и навыки, а модель может уступать Qwen3.5-9B до дополнительного целевого обучения. Для настройки автор рекомендует обучение на 25–50 тыс. примеров или больше. Указаны форматы safetensors и библиотека Transformers; лицензия — Apache-2.0. Заявления о скорости и производительности относятся к отдельным условиям и не подтверждены подробными сравнительными результатами в карточке.

Qwen3.6-21B-IQ-Ultra-Heretic-Uncensored-Thinking — дообученная модель на основе trohrbaugh/Qwen3.6-27B-heretic-ara, созданная автором DavidAU. По карточке, исходную 27B-модель уменьшили до 21B параметра, затем настроили структуру слоёв и дообучили на четырёх датасетах с помощью Unsloth. Модель предназначена для генерации историй и художественного письма, продолжения сцен, создания сюжетов и ролевого общения; приведён пример генерации хоррор-истории. Метаданные также заявляют поддержку изображений и интерфейс вызова инструментов. Модель семейства Qwen3.5, плотной архитектуры Qwen3_5ForConditionalGeneration, работает через Transformers и распространяется в формате safetensors с точностью bfloat16. Указанные в метаданных языки — английский и китайский. В карточке приведены сравнительные результаты нескольких тестов, показывающие потери относительно исходной 27B-модели; результаты для instruct-режима в ряде тестов выше, чем для thinking-режима. Автор предупреждает, что для отдельных и даже общих сценариев может потребоваться дополнительная настройка. Лицензия — Apache-2.0.

Qwen3.6-27B-Fable-Fusion-711-Heretic2 — производная модель семейства Qwen3.5, созданная как финальная Heretic-абляция базовой DavidAU/Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-MTP. Она предназначена для генерации текста, диалогов и творческого письма; настройка абляции направлена на сокращение отказов в сценариях художественного письма, включая сцены с насилием или взрослыми темами. По README, на отложенном наборе из 100 пользовательских промптов зафиксирован 1 отказ против 17 до абляции, однако автор оговаривает, что оценка основана на ограниченном числе токенов и поиске маркеров отказа. Модель использует плотную архитектуру Qwen3.5 с 64 слоями и примерно 27 млрд параметров согласно базовой модели. Это текстовая модель на базе Transformers; базовая модель описана как мультимодальная, но в метаданных для данного репозитория подтверждена только задача text-generation, поэтому поддержку изображений здесь нельзя считать установленной. При преобразовании базовой сборки был удалён дополнительный MTP-слой, поэтому спекулятивное декодирование через MTP недоступно. Лицензия — Apache-2.0.

Карточка модели fal/qwen-image-edit-2511-bf16-transformer-flashpack на Hugging Face совпадает с карточкой Qwen/Qwen-Image-Edit-2511, поэтому описание составлено по ней. Qwen-Image-Edit-2511 — модель редактирования изображений от команды Qwen, улучшенная версия Qwen-Image-Edit-2509. Она принимает изображение и текстовые инструкции для изменения сцены, сохраняя при этом сходство персонажей и согласованность нескольких людей на групповом снимке. Модель также умеет менять освещение и материалы, создавать новые ракурсы, помогать с промышленным дизайном и строить вспомогательные геометрические линии. Модель распространяется в форматах Diffusers и Safetensors и рассчитана на использование через библиотеку Diffusers. По карточке, улучшения включают снижение дрейфа изображения, поддержку эффектов популярных LoRA непосредственно в базовой модели и усиленное геометрическое рассуждение. В метаданных указаны английский и китайский языки. Лицензия — Apache-2.0.

RicardoEstep/RPBizkitRemiX-v1-12B — экспериментальная объединённая модель автора RicardoEstep для генерации художественного текста, ролевого общения и свободного диалога. Она создана методом Model Stock merge с помощью Mergekit из нескольких моделей автора; базой автор называет RPBizkit-v6-12B. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и распространяется в формате safetensors. Автор сообщает о чистом токенизаторе и размерах эмбеддингов 131072. Несмотря на заявленную поддержку контекста 128K, рекомендуется ограничивать его 8K. Использование шаблона чата может вызывать отклонение генерации; автор рекомендует шаблон Alpaca с RAW-вводом, хотя настройки конфигурации сделаны так, чтобы шаблон не применялся. Лицензия в предоставленных данных не указана.

RPLament-22B — объединённая модель для генерации текста, созданная автором SvdH с помощью mergekit. В основе лежит ArliAI/Mistral-Small-22B-ArliAI-RPMax-v1.1; методом DARE TIES объединены также allura-org/MS-Meadowlark-22B, Gryphe/Pantheon-RP-1.6.2-22b-Small, rAIfle/Acolyte-22B и anthracite-org/magnum-v4-22b. Модель построена на плотной архитектуре Mistral, содержит 22 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалогового взаимодействия; базовые модели связаны с созданием связной прозы на английском языке и ролевыми сценариями. Весы опубликованы в формате Safetensors. В метаданных указана лицензия «other», поэтому условия использования следует сверить с лицензией и карточками базовых моделей перед применением. Качество объединения и специальные ограничения в README не описаны.

Segment Anything Model (SAM) ViT-L — модель компьютерного зрения от Meta для выделения объектов на изображениях. Она использует vision transformer ViT-L в кодировщике изображений, а также кодировщики подсказок и декодер масок; модель обучена на 11 млн изображений и 1,1 млрд масок. SAM принимает изображение и может строить маски по точкам, ограничивающим рамкам или входной маске. В автоматическом режиме она генерирует маски для объектов на изображении, используя сетку точек. Модель рассчитана на перенос без дополнительного обучения на новые распределения изображений и задачи сегментации. Текстовые подсказки официальной реализацией не поддерживаются. Модель работает с изображениями и выдаёт маски сегментации; язык интерфейса к этим задачам неприменим. Лицензия — Apache-2.0.

isjackwild/segformer-b0-finetuned-segments-skin-hair-clothing — модель компьютерного зрения для семантической сегментации изображений людей. Она основана на архитектуре SegFormer B0 и дообучена на датасете mattmdjaga/human_parsing_dataset для выделения областей кожи, волос и одежды.

seresnextaa201d_32x8d.sw_in12k_ft_in1k_384 — модель компьютерного зрения для классификации изображений, разработанная Россом Уайтманом в библиотеке timm. Это свёрточная SE-ResNeXt-D архитектура с блоками Squeeze-and-Excitation для внимания к каналам, групповыми свёртками, трёхслойным начальным блоком и антиалиасинговым уменьшением разрешения. Модель предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k. Она рассчитана на изображения 384 × 384 пикселя, содержит около 149,4 млн параметров и может использоваться также как основа для извлечения карт признаков и эмбеддингов изображений. В сравнении из карточки указана точность top-1 87,30% и top-5 98,33%. Модель принимает изображения и выдаёт классы изображений. Карточка описывает её как классификатор и backbone; язык не является частью входа или выхода. Распространяется по лицензии Apache-2.0.

mergekit-community/sexeh_time_testing — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на основе DreadPoor/Alita99-8B-LINEAR. В объединение вошли несколько чекпойнтов Llama 3, включая модели для ролевых диалогов и написания историй, а также адаптации по психологии, медицине, биологии, физике, логике и другим темам. Модель предназначена для генерации текста и разговорных сценариев: она может создавать продолжения историй и участвовать в ролевых диалогах. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, заявленная длина контекста — 131 072 токена. Модель принимает и выдаёт текст; карточка указывает поддержку чата. Язык модели по приведённым данным — английский. README не сообщает лицензию. Объединение тематических чекпойнтов не гарантирует одинаковое качество во всех областях; фактическое качество и точность ответов в README не оценены.

SheetSage2-GGUF — конвертированная в GGUF версия модели SheetSage2 от m-a-p, подготовленная для среды выполнения audio.cpp. Она предназначена для транскрибирования музыкального аудио в редактируемые партитуры и последовательности событий: мелодию, аккорды, доли, тональность и структуру композиции. В основе используется аудиобэкбон MERT-v2-FullSong; GGUF содержит объединённые с ним обновления LoRA и веса задач, поэтому отдельный чекпойнт бэкбона для инференса не нужен. Файл sheetsage2-orig.gguf хранит объединённую модель в FP32 и занимает около 2,71 ГБ. Проверка конвертации подтвердила совпадение тензоров с источниками; на двух песнях выходные токены и ABC-разметка совпали с результатами Python-реализации при одинаковой политике вычислений. Это конверсия существующей модели, а не новая или официальная upstream-версия. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

Silicon-Masha-7B — дообученная языковая модель автора LakoMoor на базе mistralai/Mistral-7B-v0.1. Она предназначена для текстовой генерации, ролевых диалогов с персонажами и общего общения; в карточке отдельно отмечено понимание русского языка и следование описаниям персонажей. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 8192 токенов. Поддерживает английский и русский языки, распространяется в формате safetensors для Transformers. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Stellar-Witch-12B — слитая разговорная модель на архитектуре Mistral, созданная автором репозитория huoaaa путём объединения пяти моделей: Stellar-Seraph-12B, MN-12B-Mag-Mell-R1, Dans-SakuraKaze-V1.0.0-12b, NeonMaid-12B-v2 и Ollpheist-12B. В репозитории указаны метод слияния lgm и шаблон чата auto. Модель предназначена для ролевого общения с эмоциональной выразительностью, атмосферных повествований большой длины и художественного письма. Она принимает текст и генерирует текст; размер составляет 12,1 млрд параметров, заявленная длина контекста — 131 072 токена. Карточка не описывает поддержку конкретных языков. Репозиторий распространяет веса в формате safetensors и указывает лицензию Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; результат слияния может вести себя иначе, чем отдельные исходные модели.

Карточка модели Vortex5/Stellar-Witch-12B на Hugging Face совпадает с карточкой huoaaa/Stellar-Witch-12B, поэтому описание составлено по ней. Stellar-Witch-12B — слитая разговорная модель на архитектуре Mistral, созданная автором репозитория huoaaa путём объединения пяти моделей: Stellar-Seraph-12B, MN-12B-Mag-Mell-R1, Dans-SakuraKaze-V1.0.0-12b, NeonMaid-12B-v2 и Ollpheist-12B. В репозитории указаны метод слияния lgm и шаблон чата auto. Модель предназначена для ролевого общения с эмоциональной выразительностью, атмосферных повествований большой длины и художественного письма. Она принимает текст и генерирует текст; размер составляет 12,1 млрд параметров, заявленная длина контекста — 131 072 токена. Карточка не описывает поддержку конкретных языков. Репозиторий распространяет веса в формате safetensors и указывает лицензию Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; результат слияния может вести себя иначе, чем отдельные исходные модели.

Thomson-1.0-Small-GGUF — квантизированная версия модели Thomson-1.0-Small, разработанной Thomson Reuters и подготовленной сообществом bartowski в формате GGUF для запуска через llama.cpp. Модель содержит около 35 млрд параметров и относится к мультимодальным моделям: принимает текст и изображения при наличии файла mmproj. Поддержка спекулятивного декодирования отсутствует; при квантизации использовалась imatrix. Модель предназначена для задач генерации и обработки текста, а также сценариев, где требуется анализ изображений вместе с текстовыми запросами. Доступны варианты квантизации от BF16 и Q8_0 до более компактных IQ3 и Q3, что позволяет выбирать баланс между качеством, скоростью и требованиями к памяти. Рекомендуемым универсальным вариантом указан Q4_K_M размером около 21,39 ГБ; более качественные варианты требуют до 30–37 ГБ, а полная версия BF16 — около 69,38 ГБ. README не содержит сведений об архитектуре, поддерживаемых языках или размере контекстного окна, поэтому эти характеристики нельзя определить достоверно. Качество зависит от выбранного уровня квантизации: старшие варианты обеспечивают более высокую точность, а компактные требуют меньше памяти, но могут заметнее снижать качество. Модель распространяется по лицензии PolyForm Strict 1.0.0; конкретные условия использования следует проверять в тексте этой лицензии.

Qwen2.5-14B Sugarquill v1 — языковая модель на 14 млрд параметров, которую Auri дообучил на базе arcee-ai/SuperNova-Medius. Это плотная архитектура Qwen2, рассчитанная на генерацию текста и диалоги; модель использует формат ChatML и поддерживает контекст до 131 072 токенов. Обучение продолжалось два эпоха на коротких рассказах из веб-данных: использовались выборки из Erebus-87k и r_shortstories_24k. Модель предназначена прежде всего для написания художественной прозы, ролевого взаимодействия и совместного сочинения историй в диалоге или режиме продолжения текста. По словам автора, она сохраняет сильное следование инструкциям и хорошо подходит для длинных историй, но может быть темпераментной и требовать настройки параметров генерации. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

TRELLIS Image Large — модель генерации 3D-объектов по изображению, представленная как версия TRELLIS с обусловливанием изображением. Она описана в статье «Structured 3D Latents for Scalable and Versatile 3D Generation»; размер модели в карточке не указан. Модель предназначена для создания 3D-представления объекта по входному изображению. В репозитории указаны веса в формате safetensors, библиотека TRELLIS и лицензия MIT. Карточка не описывает поддерживаемые языки интерфейса или конкретные ограничения качества и применения.

TripoSG-scribble — модель генерации 3D-форм от Tripo и VAST AI Research. Она создаёт 3D-объект по изображению наброска и текстовому запросу и предназначена для прототипирования, дизайна, создания игровых и VFX-ассетов и визуализации. Модель основана на архитектуре TripoSG: rectified-flow-трансформере с 1,5 млрд параметров, VAE с представлением на основе SDF и перекрёстным вниманием для визуальных признаков. Вариант scribble дистиллирован по CFG и обучен на 512 латентных токенах; при генерации следует использовать CFG=0. Для запуска требуется CUDA-совместимый GPU с более чем 8 ГБ видеопамяти. Репозиторий распространяется в форматах Diffusers и safetensors по лицензии MIT.

UL_base_classification — модель классификации изображений, созданная дообучением Vision Transformer ViT-Base/16 от Google. В ней около 113,2 млн параметров; веса представлены в формате Safetensors. Для обучения использован набор данных imagefolder. Модель предназначена для присвоения изображениям классов. В README указаны результаты на оценочной выборке: точность 0,8921 и loss 0,3125. Состав классов и подробности обучающей и оценочной выборок не описаны, поэтому эти результаты нельзя переносить на другие данные без проверки. Лицензия — Apache-2.0.

Это гибридная модель классификации изображений, сочетающая ResNet и Vision Transformer (ViT). Её обучили авторы исследований на ImageNet-21k, затем дообучили на ImageNet-1k с дополнительной аугментацией и регуляризацией. Ross Wightman перенёс веса в PyTorch; модель распространяется в форматах PyTorch и safetensors и доступна через библиотеку timm. Модель подходит для классификации изображений и извлечения визуальных признаков. Она принимает изображения размером 384 × 384 пикселя и содержит около 329,1 млн параметров; вычислительная сложность составляет 56,4 GMACs. Лицензия — Apache-2.0. Карточка не описывает поддержку текстового ввода или генерацию изображений.