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

WaveCut/YuE2-3B-OrbitQuant-W4A4 — квантованный вариант модели YuE2-3B от M-A-P, опубликованный WaveCut. Это плотный авторегрессионный трансформер YuE2ForCausalLM для генерации песен по описанию стиля и тексту; результат — стереофоническое аудио с частотой 48 кГц. Параметры трансформера упакованы в формат OrbitQuant W4A4, при этом эмбеддинги, нормализации, вспомогательные проекции и аудиокодек VAE сохраняют исходную точность. Размер чекпойнта составляет 3,04 ГБ против 7,26 ГБ у версии BF16; модель не дообучалась и не дистиллировалась. Модель предназначена для создания вокальных песен с музыкальным сопровождением. Карточка приводит замеры скорости и памяти на RTX 4090 для нескольких режимов квантования; режимы fast и INT8 могут менять выбор токенов и результат при том же seed. Контекст модели — 24 576 токенов. В метаданных указаны английский, китайский и русский языки. Веса распространяются по лицензии CC BY-NC 4.0, унаследованной от YuE2; коммерческое использование не разрешено. Кодовые компоненты имеют собственные лицензии.

10Eros Experimental MLX Q8 — производная модель для генерации видео из изображения и текстового описания, подготовленная автором карточки для компьютеров Apple Silicon. Она основана на TenStrip/LTX2.3-10Eros: в исходные веса слиты экспериментальная LoRA Sulphur с коэффициентом 0,35 и, для отдельной дистиллированной версии трансформера, condsafe LoRA TenStrip с коэффициентом 1,0. Модель преобразована в формат MLX и квантизирована до 8 бит; репозиторий использует библиотеку diffusers и содержит веса safetensors. Модель предназначена для создания видео по изображению и текстовому запросу. Автор указывает, что для запуска требуется Mac на Apple Silicon, а практическим минимумом считает 32 ГБ памяти. README описывает два варианта трансформера: dev и distilled-1.1. Лицензия в предоставленных данных не указана.

ACE-Step 1.5 — языковая модель для генерации музыки, разработанная командой ACE-STEP. Вариант acestep-5Hz-lm-4B построен на архитектуре Qwen3ForCausalLM, содержит 3,8 млрд параметров и использует контекст до 40 960 токенов. Модель принимает текстовые запросы и формирует музыкальные планы, тексты песен и метаданные, помогая направлять генерацию аудио. В README для этой версии отмечены сильные возможности понимания аудио, композиции и копирования мелодии. Модель предназначена для создания песен и музыкальных фрагментов по описанию, а также для управления стилем и редактирования музыки в связке с компонентом ACE-Step DiT. Проект заявляет поддержку более 50 языков, локальный запуск на потребительском оборудовании и возможность коммерческого использования с лицензией MIT. Указанные в README характеристики скорости генерации и потребления VRAM относятся к системе ACE-Step в целом, а не обязательно к этой языковой модели отдельно.

AnimeGen I2V — модель генерации видео по исходному изображению, разработанная AIdeaLab, Inc. на базе Wan 2.2 I2V A14B и дообученная для японского аниме-стиля. Это Diffusion Transformer с обучением по Flow Matching, совместимый с Diffusers. Для подсказок рекомендуется английский язык; лицензия — Apache-2.0. Модель предназначена для создания коротких аниме-видео и визуальной разработки анимации: предварительной визуализации сцен, раскадровок, движений персонажей и исследования композиции. Для локального запуска рекомендуется высокопроизводительная видеокарта NVIDIA RTX 4090 или мощнее. Модель лучше подходит для аниме-стиля, чем для реалистичного видео. Возможны мерцание и дрейф персонажей между кадрами, нестабильность сложных движений, ошибки в мелких деталях и трудности с продолжительными сценами и физическими взаимодействиями. В README также отмечены ограничения для NSFW-генерации и необходимость проверять результаты перед публикацией.

AnimeGen T2V — модель генерации видео по текстовому описанию, разработанная AIdeaLab, Inc. при поддержке японского проекта GENIAC. Она дообучена на базе Wan-AI/Wan2.2-T2V-A14B и использует архитектуру Diffusion Transformer с целью Flow Matching; модель рассчитана на работу через Diffusers. Модель предназначена для создания коротких видео в стиле японского аниме: визуального прототипирования, раскадровок, предварительной визуализации анимации и изучения движения персонажей, композиции и атмосферы. Для запросов рекомендуется английский язык. Лицензия Apache-2.0. Модель оптимизирована для аниме-графики, а не для фотореалистичного видео. Возможны мерцание и дрейф внешности между кадрами, ошибки в деталях персонажей, нестабильность сложных движений и физического взаимодействия, а также снижение качества вне аниме-стиля. Для локального запуска рекомендуется мощная видеокарта NVIDIA, например RTX 4090 или выше; результаты следует проверять перед публикацией или коммерческим использованием.

AWPortrait-FL — дообученная на базе FLUX.1-dev модель генерации изображений от DynamicWang и AWPlanet. Для обучения использованы набор AWPortrait-XL и почти 2 000 высококачественных фотографий модной съёмки. Модель предназначена для создания портретов и изображений в эстетике fashion-фотографии по текстовым описаниям. В карточке отмечены улучшения композиции, детализации и реалистичности кожи по сравнению с FLUX.1-dev. Также доступна версия LoRA для инференса с меньшими требованиями к памяти. Репозиторий использует Diffusers и формат SafeTensors. Указана лицензия «other»; конкретные условия следует проверять на странице модели и базовой модели. Контекст и точный размер этой версии в предоставленных данных не приведены.

caformer_m36.sail_in1k_384 — модель классификации изображений на архитектуре CAFormer, разработанной авторами работы MetaFormer Baselines for Vision. Модель обучена на ImageNet-1k и предназначена для распознавания объектов на изображениях; её также можно использовать как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит около 56,2 млн параметров и рассчитана на входные изображения размером 384 × 384 пикселя. Она доступна в форматах PyTorch и Safetensors, работает с библиотекой timm и распространяется по лицензии Apache-2.0. Карточка не сообщает о поддержке текстового ввода или генерации изображений.

Contrl-Stheno-8B-v1 — экспериментальная объединённая языковая модель Darkknight535 на архитектуре Llama, примерно с 7,5 млрд параметров. По карточке, в объединении сочетаются Control-Nanuq-8B, ориентированная на творчество и выразительность, и Stheno-v3.2, рассчитанная на ролевые диалоги и логику. Модель предназначена для генерации текста, прежде всего для ролевого общения и написания историй; в метаданных также указана поддержка чата. Заявленная длина контекста — 131 072 токена, основной язык — английский. Автор описывает результат как личный эксперимент. Модель опубликована в формате safetensors и доступна через Transformers. В README не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

ConvNeXT Large — сверточная модель компьютерного зрения, представленная авторами Liu et al. в работе «A ConvNet for the 2020s» и опубликованная в репозитории Facebook. Модель предварительно обучена на ImageNet-22k, затем дообучена на ImageNet-1k; она классифицирует изображения по 1000 классам ImageNet-1k при разрешении 384×384 пикселя. Архитектура ConvNeXT — чистая сверточная сеть, дизайн которой вдохновлён Vision Transformer и модернизированной архитектурой ResNet с использованием идей Swin Transformer. Модель предназначена для классификации изображений; веса доступны в форматах PyTorch и TensorFlow. Лицензия — Apache 2.0.

microsoft/cvt-21-384-22k — модель Convolutional Vision Transformer (CvT-21), опубликованная Microsoft. Она предварительно обучена на ImageNet-22k и дообучена на ImageNet-1k для классификации изображений при разрешении 384×384 пикселя. Модель можно использовать, чтобы отнести изображение к одному из 1000 классов ImageNet. Архитектура сочетает свёрточные операции с Vision Transformer; карточка указывает класс CvtForImageClassification. Доступны веса PyTorch и TensorFlow. Модель ориентирована на задачи классификации изображений общего назначения. Лицензия — Apache-2.0.

cyberneurova-Qwen3.8-Flash-Next-i1-GGUF — это набор GGUF-квантизаций модели cyberneurova-Qwen3.8-Flash-Next, созданный spiritfather на основе Qwen/Qwen3.8-Flash-Next. Исходную модель разработала cyberneurova; данный репозиторий содержит только квантизированные варианты. Модель предназначена для генерации текста и запускается через llama.cpp. Основные сценарии применения — творческое письмо, создание прозы и ролевая генерация. Модель оценивалась в CaliperBench, ориентированном на качество прозы, ролевое взаимодействие и готовность отвечать, однако эти результаты не характеризуют общий интеллект модели. Архитектурные параметры, количество параметров, поддерживаемые языки, модальности и размер контекста в README не указаны. Доступны плоские imatrix-квантизации и варианты PLE со смешанной точностью для MoE-архитектуры. В PLE-вариантах основной тракт сохраняется на уровне Q8_0, а тензоры маршрутизируемых экспертных FFN квантизуются послойно; заявлено улучшенное соотношение качества и размера. Вариант IQ4_XS близок к Q8_0 по показателю PPL, а более компактные IQ2_M и IQ3_XXS требуют меньше памяти, но сильнее отклоняются от базовой версии. Размеры файлов составляют примерно 80,4–119,2 ГБ для плоских вариантов и 100,9–116,7 ГиБ для PLE-вариантов, поэтому для запуска требуется значительный объём памяти. Это uncensored/unrestricted-версия без исходного отказного поведения, что может быть ограничением с точки зрения безопасности и модерации. Распространение указано по лицензии Apache-2.0. Для запуска PLE-вариантов README также указывает внешний MTP draft model; конкретные требования к аппаратному обеспечению и параметры контекстного окна не приведены.

deit3_small_patch16_384.fb_in22k_ft_in1k — модель классификации изображений из семейства DeiT-III, опубликованная авторами статьи DeiT III: Revenge of the ViT. Она предварительно обучена на ImageNet-22k и дообучена на ImageNet-1k. Модель содержит 22,2 млн параметров и рассчитана на изображения размером 384 × 384 пикселя. Модель предназначена для классификации изображений по категориям и может использоваться как визуальная основа для извлечения эмбеддингов. Репозиторий предоставляет веса в форматах PyTorch и safetensors и поддерживает работу через timm. Лицензия — Apache-2.0. Карточка не приводит сведений о специальных ограничениях качества или целевых областях применения.

facebook/dinov3-vitl16-pretrain-lvd1689m — визуальная модель семейства DINOv3, разработанного Meta AI. Это вариант Vision Transformer ViT-L, дообученный на веб-наборе LVD-1689M; модель предназначена для извлечения универсальных признаков изображений, которые можно использовать в задачах компьютерного зрения без дополнительного обучения или с лёгкой классификационной головой. Модель принимает изображения и формирует признаки класса и патчей. Архитектура ViT использует патчи размером 16 пикселей и поддерживает изображения с размерами, кратными 16; изображения других размеров обрезаются до ближайшего меньшего кратного. Признаки применимы для классификации, поиска похожих изображений, сегментации, оценки глубины и обнаружения объектов. Карточка описывает семейство DINOv3, включая вариант ViT-L на 300 млн параметров; отдельный размер контекста к этой модели не относится. В карточке отмечены различия качества между регионами и снижение результатов для географических групп с низким доходом; дообучение на целевых метках может усилить смещения. Указана лицензия DINOv3 License (в метаданных — other), поэтому условия использования следует сверять с текстом лицензии репозитория.

Карточка модели yuvraj108c/dinov3-vitl16-pretrain-lvd1689m на Hugging Face совпадает с карточкой facebook/dinov3-vitl16-pretrain-lvd1689m, поэтому описание составлено по ней. facebook/dinov3-vitl16-pretrain-lvd1689m — визуальная модель семейства DINOv3, разработанного Meta AI. Это вариант Vision Transformer ViT-L, дообученный на веб-наборе LVD-1689M; модель предназначена для извлечения универсальных признаков изображений, которые можно использовать в задачах компьютерного зрения без дополнительного обучения или с лёгкой классификационной головой. Модель принимает изображения и формирует признаки класса и патчей. Архитектура ViT использует патчи размером 16 пикселей и поддерживает изображения с размерами, кратными 16; изображения других размеров обрезаются до ближайшего меньшего кратного. Признаки применимы для классификации, поиска похожих изображений, сегментации, оценки глубины и обнаружения объектов. Карточка описывает семейство DINOv3, включая вариант ViT-L на 300 млн параметров; отдельный размер контекста к этой модели не относится. В карточке отмечены различия качества между регионами и снижение результатов для географических групп с низким доходом; дообучение на целевых метках может усилить смещения. Указана лицензия DINOv3 License (в метаданных — other), поэтому условия использования следует сверять с текстом лицензии репозитория.

Fibo 1.5 — модель генерации изображений от Bria AI, полученная дистилляцией базовой FIBO. Она рассчитана на профессиональные сценарии, где важно точно управлять композицией, освещением, цветом и параметрами камеры с помощью структурированных JSON-промптов. Семейство FIBO обучено на длинных структурированных описаниях и насчитывает 8 млрд параметров. Fibo 1.5 использует дистилляцию DMD и DMD-R: изображения генерируются за 4–6 шагов без classifier-free guidance. Модель поддерживает генерацию и итеративное уточнение изображений; для сценариев с исходным изображением README описывает использование VLM, которая формирует структурированный промпт. Модель работает в экосистеме Diffusers и принимает английские промпты. Репозиторий распространяется для некоммерческого использования по специальной лицензии; для коммерческого применения Bria предлагает отдельные условия. Чекпойнт оптимизирован для режима с малым числом шагов и не предназначен для дообучения. README не приводит ограничений по контексту или подробных количественных результатов оценки.

Fortified-Foundation-24B — объединённая языковая модель, созданная разработчиком Sorihon с помощью mergekit и метода Karcher Mean на основе Sorihon/Experienced-Voyager-24B и ReadyArt/4.2.0-Broken-Tutu-24b. Она построена на архитектуре Mistral с плотной схемой и предназначена для генерации текста в диалоговом формате. Модель содержит 23,4 млрд параметров, принимает текст и имеет заявленную длину контекста 131072 токена. Метаданные относят её к моделям для чата; базовые модели предназначены для англоязычных ролевых диалогов и откровенных художественных историй, поэтому модель подходит для художественного письма и ролевых сценариев. В README и метаданных сведения о лицензии и отдельных оценках качества не приведены.

jaspionjader/fr-1-8b — слитая диалоговая языковая модель семейства Llama, созданная автором репозитория с помощью mergekit и метода passthrough. В объединение вошли четыре предварительно обученные модели, включая варианты для ролевых сценариев и FuseChat-Llama-3.1-8B-Instruct. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. В метаданных отмечена возможность чата; формат весов — safetensors. Карточка не уточняет языковую специализацию и подробные ограничения поведения. Лицензия в предоставленных данных не указана.

Francois-PE-12B — дообученная и объединённая автором модель на базе PocketDoc Personality Engine и модели control-dan-12b-r1. Она предназначена для диалогов и связного художественного письма; автор отмечает, что модель настроена на короткие, содержательные ответы. Обучение проведено в течение четырёх эпох на смеси данных, близкой к Ohashi-NeMo, включая диалоговые и ролевые датасеты. Модель использует плотную архитектуру MistralForCausalLM с 12,1 млрд параметров и поддерживает контекст до 1 024 000 токенов по метаданным. Для общения применяется формат ChatML; автор рекомендует системные промпты Euryale или EVA. Репозиторий содержит веса Safetensors. Лицензия в предоставленных данных не указана.

gemma2-gutenberg-27B — модель генерации текста, созданная nbeerbower на основе Google Gemma 2 27B Instruct. Она дообучена методом ORPO в течение трёх эпох на датасете jondurbin/gutenberg-dpo-v0.1, связанном с произведениями Gutenberg. Модель рассчитана на диалог и генерацию текста; базовая модель поддерживает контекст до 8192 токенов. Модель содержит 27,6 млрд параметров и распространяется в формате safetensors под лицензией Gemma. Карточка не приводит оценок качества или подробностей о специализации дообучения, поэтому пригодность для конкретных жанров и задач следует проверять на собственных примерах.

Gemma-4-31B-Storymaxxed3-i1-GGUF — GGUF-квантизированная версия модели Gemma-4-31B-Storymaxxed3, разработанной MRockatansky и квантизированной mradermacher. Модель предназначена для генерации текста, прежде всего для творческого письма; в метаданных также указана оптимизация с использованием DPO. Основной язык — английский. Модель имеет размер 31 млрд параметров и распространяется в нескольких вариантах квантизации GGUF, включая IQ1_S–IQ4_XS, Q2–Q6 и другие форматы. Для разных вариантов заявлены компромиссы между размером, скоростью и качеством: например, Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. README также указывает, что это vision-модель; при необходимости мультимодальной работы могут потребоваться отдельные файлы mmproj из статического репозитория. Сильными сторонами модели являются ориентация на творческую генерацию и широкий выбор вариантов квантизации для локального запуска с различными требованиями к памяти. Ограничения включают отсутствие в README данных о длине контекста, поддерживаемых языках помимо английского, результатах тестирования и конкретных системных требованиях. Качество зависит от выбранного варианта квантизации: некоторые низкобитные форматы описаны как имеющие низкое качество или предназначенные для случаев крайней экономии ресурсов. Модель распространяется по лицензии Apache-2.0.

Gemma-The-Writer-N-Restless-Quill-10B-Uncensored-GGUF — текстовая генеративная модель, разработанная DavidAU. Это GGUF-версия модели на базе Gemma 2, созданная объединением четырёх моделей для написания художественных текстов, а также дополненная компонентом Brainstorm 5x и другими моделями, влияющими на стиль прозы. Модель ориентирована на генерацию рассказов, романов, сюжетов и подсюжетов, продолжение сцен, ролевые сценарии и творческое письмо в разных жанрах, включая научную фантастику, романтику и хоррор. Она также может использоваться для общих текстовых задач благодаря улучшенному следованию инструкциям. Модель содержит около 10 млрд параметров, имеет 46 слоёв и 508 тензоров. Она работает в текстовом режиме, предназначена для английского языка и требует шаблон Gemma Instruct. Заявленное контекстное окно составляет 8 тыс. токенов, с возможностью расширения до 32 тыс. и более с помощью RoPE. Brainstorm 5x увеличивает среднюю длину ответов, меняет структуру предложений и абзацев, расширяет словарный выбор и снижает характерные для LLM клише. Степень цензурирования регулируется на уровне промпта; модель допускает ненормативную лексику, жестокие и графические описания. Сильными сторонами являются специализация на художественной прозе, выразительный стиль, генерация деталей и метафор, разнообразная структура текста, высокая стабильность и развитое следование инструкциям. Ограничения включают ориентацию преимущественно на английский язык, необходимость корректно настроить Gemma Instruct template и параметры сэмплирования, а также потенциально нежелательное создание нецензурного, жестокого или графического контента. Распространение осуществляется по лицензии Apache-2.0.

Gemma-The-Writer-N-Restless-Quill-V2-Enhanced32-10B-Uncensored-GGUF — текстовая генеративная модель от DavidAU, созданная на базе Gemma2 и объединяющая четыре модели для сторителлинга и письма. Модель дополнительно использует Brainstorm 5x adapter, а также компоненты gemma2-gutenberg, Tiger-Gemma и Ellaria, направленные на изменение стиля прозы, снижение шаблонности и усиление следования инструкциям. Она распространяется в формате GGUF с различными вариантами квантования. Модель предназначена прежде всего для художественного письма: генерации рассказов, сюжетов и подсюжетов, продолжения сцен, создания описательной прозы, ролевых сценариев и текстов в разных жанрах, включая научную фантастику, романтику и хоррор. Она работает на английском языке. Заявлены 10B параметров, 46 слоёв и 508 тензоров; базовое контекстное окно составляет 8K токенов и может быть расширено с помощью RoPE до 32K и выше. Модель поддерживает шаблон Gemma Instruct. Сильными сторонами заявлены выразительная и подробная проза, разнообразная структура предложений и абзацев, увеличенная длина ответов, улучшенное следование инструкциям и возможность управлять стилем и уровнем цензуры через промпт. При этом результаты сильно зависят от температуры, repetition penalty и других параметров, поэтому требуется настройка самплеров. Модель является uncensored и может генерировать ненормативную лексику, графичные, жестокие и предназначенные не для всех аудиторий материалы. Лицензия — Apache-2.0.

GLiNER2 Polish PII — модель извлечения именованных сущностей, разработанная на основе fastino/gliner2-privacy-filter-PII-multi и адаптированная полнопараметрическим дообучением к выявлению персональных и чувствительных данных в польском тексте. Она использует архитектуру GLiNER2 и выдаёт символьные интервалы с текстом, меткой и оценкой уверенности; поддерживает запросы по встроенной таксономии из 31 метки и пользовательским схемам. Модель предназначена для поиска кандидатов на редактирование персональных данных в документах, журналах и обучающих наборах, а также для поддержки проверки и деидентификации текста. В комплект входят три профиля порогов: сбалансированный, ориентированный на точность и экспериментальный профиль для задач приватности. Качество зависит от меток, порогов и предметной области: модель может пропускать данные, выдавать ложные срабатывания, неточно выделять границы фрагментов и хуже находить структурированные идентификаторы без контекстных подсказок. Для PESEL, NIP, REGON и IBAN рекомендуется дополнительная проверка контрольных сумм; перед применением следует оценить ошибки на данных целевого домена. Это компонент обнаружения, а не готовая система деидентификации и не гарантия соответствия GDPR. Модель распространяется по лицензии Apache-2.0.

Goetia-24B-v1.4 — текстовая генеративная модель, созданная Naphula слиянием нескольких предварительно обученных моделей семейства Mistral с помощью mergekit и метода della. Она предназначена для художественного письма и ролевых диалогов: помогает придумывать сюжеты и сцены, продолжать истории и следовать творческим инструкциям. Карточка описывает стиль модели как мрачный и образный; среди заявленных сильных сторон — связное следование запросу и создание развёрнутой прозы. Модель содержит 23,4 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 131 072 токенов. Вход и выход — текст; в метаданных указан английский язык. Для работы рекомендуется шаблон чата Mistral Tekken, также поддерживается ChatML. Лицензия — Apache-2.0. Модель может генерировать откровенные эротические и графически жестокие сцены. Автор сообщает, что не проверял тщательно устойчивость при многошаговом использовании и удержание контекста, поэтому качество на длинных последовательностях и в повторных взаимодействиях может варьироваться.

Goetia 26B A4B v1.3 Tainted Heretic ARI — слитая мультимодальная модель на архитектуре Gemma 4, созданная Naphula на основе нескольких моделей семейства Gemma 4 26B A4B. Она предназначена для диалогов, ролевых сценариев и творческого письма; поддерживает работу с изображениями. В README приведены показатели KL-дивергенции 0,1334 и 4 отказа из 100 запросов, тогда как у исходной модели указано 100 отказов из 100. Модель содержит 26 млрд параметров общего размера с активной частью A4B; работает через Transformers и распространяется в формате safetensors. В карточке указан английский язык и лицензия Apache-2.0. README предупреждает, что модель может создавать графические эротические и жестокие сюжеты.

RinaChen/Guwen-nomic-embed-text-v1.5 — дообученная модель Sentence Transformers на основе nomic-ai/nomic-embed-text-v1.5. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения по косинусному сходству. Архитектура включает NomicBertModel с усреднением токенных представлений; максимальная длина последовательности — 8192 токена. Модель обучалась на парах текстов и предназначена для семантического поиска и сравнения текстов на классическом китайском языке, в том числе для поиска перефразирований и кластеризации. Примеры обучающих и оценочных данных показывают пары исторических текстов на классическом китайском и их пояснений на китайском. Доступны веса в формате safetensors; модель распространяется под лицензией базовой модели, однако сведения о лицензии в предоставленных данных отсутствуют.

Hydra-Turbo — мультимодальная разговорная модель Umranz, полученная изменением весов Datalab `datalab-to/lift` с помощью Heretic. По README, ортогональное подавление векторов отказа уменьшает частоту отказов; заявленные автором показатели — снижение с 98% до 11% при KL-дивергенции 0,0275. Эти результаты не подтверждены независимыми данными. Метаданные относят модель к семейству Qwen3.5 и архитектуре Qwen3_5ForConditionalGeneration, а README описывает её как основанную на Qwen2VL. Модель принимает текст и изображения и генерирует ответы в диалоге; её можно использовать для анализа изображений и свободных ответов на запросы. README указывает совместимость с Transformers и vLLM при поддержке Qwen2VL. Базовая модель `datalab-to/lift` предназначена для извлечения структурированных данных из PDF и изображений в JSON по заданной схеме, однако карточка Hydra-Turbo не подтверждает отдельно сохранение этой специализации. Модель опубликована в формате Safetensors под лицензией Apache-2.0. В README отмечены сниженные защитные ограничения и риск уверенных ошибок; модель может выдавать оскорбительный, опасный или иной нежелательный контент, поэтому результаты требуют проверки и ответственного применения.

Kitsune-Symphony-V0.0-12B — слитая языковая модель на архитектуре Mistral с 12,1 млрд параметров, созданная автором репозитория с помощью mergekit и метода Linear DELLA. В качестве базовой использована IntervitensInc/Mistral-Nemo-Base-2407-chatml; также в объединение вошли Entropicengine/Pinecone-Rune-12b, inflatebot/MN-12B-Mag-Mell-R1, Retreatcost/KansenSakura-Zero-RP-12b и spow12/ChatWaifu_12B_v2.0. Новые обучающие данные автор не добавлял. Модель предназначена для ролевых диалогов с эмоционально выразительными персонажами, следования инструкциям, непринуждённого общения и творческого письма, включая фэнтези, романтику и повседневные истории. Она принимает текст и генерирует текст; в метаданных указан контекст до 1 024 000 токенов. Модель распространяется под лицензией Apache-2.0. Автор отмечает, что она может создавать откровенный контент и тревожные сюжеты; качество первой версии слияния может быть неравномерным.

KomdigiITS-8B-DFK-TextClassification-Final — дообученная разработчиком hnuka модель семейства Mistral 3 для классификации индонезийских текстов по категориям дезинформации, клеветы и разжигания ненависти, а также для определения фактов и материалов, не относящихся к этим категориям. Модель основана на aitf-komdigi/KomdigiITS-8B-DFK-CPT и дообучена методом supervised fine-tuning на наборе Brodip/datasetSFT_tlr; README сообщает о 20 790 обучающих, 2 599 валидационных и 2 599 тестовых примерах. В карточке Hugging Face задача помечена как image-text-to-text, а архитектура и возможности указывают на Mistral 3 с поддержкой vision и chat. README описывает текстовую классификацию и сообщает максимальную длину последовательности 2048 токенов. Поэтому основное назначение модели — классифицировать текст по пяти меткам: DISINFORMASI, FITNAH, UJARAN KEBENCIAN, FAKTA и BUKAN DFK. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

L3.1-Dark-Reasoning-Dark-Planet-Hermes-R1-Uncensored-Horror-Imatrix-MAX-8B-GGUF — языковая модель для генерации текста, разработанная DavidAU на базе L3.1-Dark-Reasoning-Dark-Planet-Hermes-R1-Uncensored-8B. Модель использует формат GGUF, основана на Llama 3.1 Instruct и рассчитана прежде всего на англоязычные запросы. Максимальный заявленный контекст — 128k токенов. Модель предназначена для творческого письма, продолжения сцен, разработки сюжетов и подсюжетов, ролевого взаимодействия, генерации историй различных жанров, включая хоррор, научную фантастику и романтику. Она также может применяться для общих задач, головоломок, загадок и логических задач. Вариативный режим рассуждений заимствован из подхода DeepHermes от NousResearch и активируется или отключается системными промптами; заявленная эффективность рассуждений составляет примерно 50–67% от исходной реализации DeepHermes. К сильным сторонам относятся выраженная ориентация на художественную генерацию, поддержка длинного контекста и возможность получать нецензурированный контент с графичными сценами насилия и хоррора. К ограничениям относятся зависимость качества рассуждений и вывода от размера квантизации, нестабильность активации режима рассуждений и необходимость иногда выполнять несколько генераций. Рекомендуется использовать шаблон Llama 3 Instruct и контекст не менее 8k токенов; конкретные требования к ресурсам зависят от выбранного кванта. Модель распространяется по лицензии Apache-2.0.