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

L3.1-Dark-Reasoning-Unholy-Hermes-R1-Uncensored-8B — разговорная модель генерации текста от DavidAU, созданная слиянием NousResearch/DeepHermes-3-Llama-3-8B-Preview и Undi95/Llama-3-Unholy-8B. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, работающая через Transformers и принимающая формат инструкций Llama 3 Instruct. Заявленная длина контекста — 131 072 токена; модель рассчитана прежде всего на английский язык. Модель предназначена для творческого письма, ролевых диалогов и генерации историй, в том числе хоррора и откровенного контента. Также её можно использовать для загадок, логических задач и рассуждений; README отмечает, что режим рассуждений может активироваться непредсказуемо и зависит от системного промпта, настроек генерации и повторных запусков. Автор указывает, что рассуждения короче и слабее, чем у исходной DeepHermes. Модель принимает текстовые запросы и генерирует текст. Репозиторий содержит веса SafeTensors и распространяется по лицензии Apache-2.0. К известным ограничениям относятся нестабильная активация блока рассуждений, возможная необходимость нескольких генераций и снижение возможностей рассуждения относительно базовой DeepHermes. Модель явно рассчитана на генерацию графического хоррора, сексуального и другого взрослого контента.

L3.1-RP-Hero-InBetween-8B-GGUF — языковая модель для генерации текста, разработанная DavidAU на базе Llama 3.1. Она ориентирована прежде всего на ролевые сценарии, но также подходит для творческого письма, создания рассказов, сцен, сюжетов и подсюжетов в разных жанрах, включая научную фантастику, романтику и хоррор. Модель предназначена для приложений вроде SillyTavern, KoboldCpp и text-generation-webui. Модель имеет размер 8B параметров, текстовую модальность и заявленный контекст до 128k токенов. Поддерживается английский язык. Это GGUF-квантизованная версия, собранная из ролевых моделей; заявлены низкая perplexity, улучшенное следование инструкциям, выразительная проза и высокая стабильность генерации. Версия InBetween характеризуется средней длиной ответов и немного большей цензурированностью по сравнению с вариантами Big Talker и Dirty Harry. Сильные стороны модели — подробное и vivid-повествование, проработка персонажей, устойчивое поведение при разных настройках температуры и пригодность для широкого спектра творческих задач. Ограничения включают зависимость качества от выбранного кванта и параметров генерации, возможные повторы при низком repetition penalty, а также потенциально длинные или нестабильные ответы при высокой температуре и низком repetition penalty. Для работы требуется шаблон Llama 3 и/или Command-R. Модель распространяется по лицензии Apache-2.0.

Daybreak Storywriter v0.4 — это экспериментальная LoRA-модель на базе Llama 3 70B, опубликованная crestf411 в мае 2024 года. Она предназначена для генерации художественного текста и диалогового сторителлинга; автор продолжает очищать обучающие данные от часто встречающихся шаблонных выражений. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM, принимает текст и поддерживает контекст до 8192 токенов. Автор рекомендует начать настройку генерации с temperature 0,8–0,9 и просит делиться результатами настройки параметров. В README также упоминаются EXL2-квантизации, созданные другим пользователем. Доступные веса представлены в формате safetensors; условия лицензии в предоставленных данных не описаны.

Literature-7B-16384 — авторегрессионная языковая модель GPT-NeoX примерно на 8,8 млрд параметров, дообученная на RedPajama-7B-16384. Её разработали для генерации художественной прозы, включая длинные вымышленные рассказы. Обучающая выборка объёмом около 2 ГБ включает лёгкие новеллы, эротическую прозу и размеченную литературу из разных источников, в том числе Project Gutenberg. Модель предназначена для творческого письма и развлечения. Подсказки с метаданными о названии, авторе, жанре, тегах и стиле помогают направлять генерацию; заявленное контекстное окно — 16 384 токена. В метаданных указаны английский язык и формат PyTorch. Модель распространяется по лицензии MIT. Карточка не приводит оценок качества или подробных ограничений; результаты генерации могут требовать редактирования и проверки.

Llama-3.2V-11B-cot — мультимодальная модель для работы с изображениями и текстом, созданная на основе Meta Llama 3.2 11B Vision Instruct и дообученная автором Xkev на наборе LLaVA-CoT-100k. Модель предназначена для диалогов, ответов на вопросы об изображениях и пошаговых визуальных рассуждений. Модель использует архитектуру mllama и содержит 11 млрд параметров. Она принимает изображения и текстовые запросы и генерирует текстовые ответы; в карточке указана поддержка английского языка. Для воспроизведения результатов автор рекомендует параметры генерации с выборкой и ограничение ответа до 2048 новых токенов. В бенчмарках приведены результаты на MMStar, MMBench, MMVet, MathVista, AI2D и Hallusion. Модель распространяется по лицензии Apache-2.0; README также требует соблюдать политику допустимого использования Meta для базовой Llama 3.2. Среди ограничений отмечены возможная генерация предвзятого или оскорбительного контента и недостаточный по сравнению с ведущими промышленными моделями уровень следования инструкциям.

MiniMax-H3 FL2VA — MLX-Serve 8-bit — это 8-битная квантованная версия чекпойнта MiniMax-H3 FL2VA, подготовленная ddalcu для запуска через mlx-serve нативно на компьютерах Apple Silicon. Базовую модель разработала MiniMaxAI. Модель предназначена для генерации видео и стереоаудио по текстовому описанию: DiT совместно обрабатывает видео и аудио в одной упакованной последовательности. Также заявлена поддержка сценариев image-to-video и audio-video generation. Квантованы матричные веса DiT и текстового энкодера с affine-квантованием 8-bit и group size 64; таблицы эмбеддингов, отдельные fp32-компоненты, выходные головы, временной эмбеддер и оба VAE оставлены плотными. В комплект входят веса, два VAE и токенизатор. Модель ориентирована на локальный запуск, однако квантование уменьшает занимаемый объём, а не гарантирует ускорение: рабочая нагрузка остаётся вычислительно ограниченной. Дополнительная Turbo LoRA позволяет сократить число шагов с обычных 16–30 до 4–8 и ускорить генерацию, но может вызывать избыточную резкость, пластичность кожи и зернистость; это следует считать режимом предварительного просмотра. Модель распространяется по MiniMax H3 Community License Agreement. Указано территориальное ограничение: применимая территория исключает Европейский союз, Великобританию, Республику Корея и США; использование, воспроизведение, изменение, распространение и отображение за пределами разрешённой территории запрещены условиями соглашения. Перед использованием необходимо проверить применимость лицензии в своей юрисдикции.

MiniMax H3 GGUF MiniStack — производная и квантованная сборка MiniMax H3 от MiniMaxAI, перепакованная на основе компонентов Comfy-Org/MiniMax-H3 и дополненная локально обученными адаптерами. Модель предназначена для генерации видео по текстовому описанию в ComfyUI на потребительских GPU, включая Intel Arc A770 с 16 ГБ видеопамяти. Она ориентирована прежде всего на предварительную визуализацию: рекомендованный режим — 640×480, 124 кадра, 24 кадра в секунду и 8 шагов с turbo LoRA. Сборка использует сокращённый DiT-компонент FL2VA с эффективным размером около 18,7 млрд параметров, квантованный в GGUF Q4_K_M, а также дистиллированный текстовый энкодер Qwen3-VL-4B вместо исходного Qwen3-VL-32B. Для согласования представлений применяется MLP-адаптер с преобразованием 2560→4096→5120; видеокодек VAE сохранён в формате FP16. Заявлен английский язык. Студенческий текстовый энкодер работает только с текстом и не поддерживает обработку изображений, поэтому для I2V и FL2V с сохранением идентичности ключевого кадра требуется исходный энкодер 32B с компонентами компьютерного зрения. К сильным сторонам относятся существенно меньший размер по сравнению с полной моделью, возможность запуска в ComfyUI на потребительском оборудовании и сохранение структуры сцен и монтажных переходов. Ограничения включают отсутствие аудио: сгенерированные видео полностью беззвучны. Точность адаптера ниже, чем у учительской модели: указано значение val_cos около 0,93, возможен сдвиг времени переходов примерно на ±2 секунды, а мелкие детали промпта могут теряться. Для работы требуются ComfyUI с поддержкой MiniMax H3, узлы ComfyUI-GGUF и специальный узел h3_small_te; адаптер и токенизатор обязательны. Распространение выполняется по MiniMax H3 Community License Agreement.

MiniusLight-24B-v3 — объединённая автором модель серии MiniusLight на архитектуре Mistral, созданная методом SLERP из TheDrummer/Cydonia-24B-v4.1 и Delta-Vector/Rei-24B-KTO. Модель содержит 23,4 млрд параметров, принимает текст и предназначена для генерации диалогов, ролевого общения и совместного творческого письма на английском языке. Заявленная длина контекста — 131 072 токена; автор отмечает согласованность стилей при работе с длинным контекстом. Карточка рекомендует шаблон чата Mistral V7 – Tekken, хотя также допускает ChatML. Модель опубликована в формате safetensors и распространяется по лицензии, указанной в метаданных Hugging Face. README не приводит сравнительных оценок качества или подробных ограничений; описанное автором предпочтение является субъективным.

MistoLine — модель ControlNet для Stable Diffusion XL, разработанная TheMisto.ai. Она предназначена для генерации изображений по текстовому запросу с управлением композицией и формами на основе различных видов линейного рисунка: эскизов от руки, результатов препроцессоров ControlNet и контуров, созданных другими моделями. Модель ориентирована на сценарии преобразования скетчей и рендеринга по заданным линиям. MistoLine сохраняет архитектуру ControlNet, совместима с SDXL и обучена на базе U-Net модели stabilityai/stable-diffusion-xl-base-1.0 с использованием алгоритма предварительной обработки линий Anyline. Заявлены высокая точность, устойчивость, восстановление деталей и соответствие текстовому запросу, включая сложные случаи. Модель поддерживает генерацию изображений с короткой стороной более 1024 пикселей и обобщает разные типы линейных условий без необходимости выбирать отдельный ControlNet для каждого препроцессора. Поддержка языков и точный размер модели в README не указаны. Модель совместима с большинством SDXL-моделей, но, согласно README, не поддерживает PlaygroundV2.5, CosXL и, возможно, SDXL-Lightning. Ее можно использовать вместе с LCM и другими ControlNet-моделями. Указана лицензия openrail++. Для коммерческого использования требуется явно указывать вклад TheMisto.ai и соблюдать дополнительные условия атрибуции. Авторы также ограничивают применение модели для незаконных целей, причинения вреда, дискриминации, нарушения приватности, вредоносных автоматизированных решений и медицинских рекомендаций.

Mistral-7B-Holodeck-1-imatrix-GGUF — набор квантизованных версий дообученной модели Mistral 7B. Репозиторий содержит сборки в формате GGUF с использованием imatrix; автор исходной модели — KoboldAI, а данный набор квантований опубликован пользователем duyntnet. Модель предназначена для генерации текста и основана на Mistral 7B. Её дообучали на примерно 3000 электронных книг различных жанров, причём значительная часть данных была дополнена указанием жанров в формате [Genre: ...]. Это делает модель ориентированной на создание художественных и жанровых текстов на английском языке. К ключевым характеристикам относятся текстовая модальность, языковая поддержка английского языка, архитектурная основа Mistral 7B и формат GGUF, рассчитанный на локальный запуск совместимыми средствами. Квантизация может снизить требования к памяти, но потенциально уменьшает качество по сравнению с полной версией; конкретные варианты квантования и их параметры в предоставленных данных не указаны. Лицензия обозначена как other, без дополнительных условий в README.

Карточка модели goldiez/Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC на Hugging Face совпадает с карточкой DavidAU/Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC, поэтому описание составлено по ней. DavidAU разработал Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC как дообученную версию Mistral Nemo Instruct 12.1B с использованием наборов данных, основанных на рассуждениях Claude, Gemini и GPT-5.2. Это плотная авторегрессионная языковая модель семейства Mistral для генерации текста и диалога; карточка описывает её как модель с пошаговым рассуждением и ориентиром на компактные ответы с развёрнутой прозой. Модель предназначена для творческого письма, продолжения сцен и сюжетов, ролевого общения, а также ответов в диалоге. В карточке заявлен контекст до 1 024 000 токенов; сама карточка рекомендует окно не менее 4k, предпочтительно 8k и выше. Указана поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Репозиторий содержит веса safetensors; метаданные указывают библиотеку Transformers. Модель настроена на генерацию откровенного, грубого и хоррор-контента, поэтому её ответы могут включать ненормативную лексику и взрослые темы. Автор не приводит условий лицензии в предоставленной карточке; перед использованием следует проверить лицензию репозитория на Hugging Face.

Карточка модели SSDD145/Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC на Hugging Face совпадает с карточкой DavidAU/Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC, поэтому описание составлено по ней. DavidAU разработал Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC как дообученную версию Mistral Nemo Instruct 12.1B с использованием наборов данных, основанных на рассуждениях Claude, Gemini и GPT-5.2. Это плотная авторегрессионная языковая модель семейства Mistral для генерации текста и диалога; карточка описывает её как модель с пошаговым рассуждением и ориентиром на компактные ответы с развёрнутой прозой. Модель предназначена для творческого письма, продолжения сцен и сюжетов, ролевого общения, а также ответов в диалоге. В карточке заявлен контекст до 1 024 000 токенов; сама карточка рекомендует окно не менее 4k, предпочтительно 8k и выше. Указана поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Репозиторий содержит веса safetensors; метаданные указывают библиотеку Transformers. Модель настроена на генерацию откровенного, грубого и хоррор-контента, поэтому её ответы могут включать ненормативную лексику и взрослые темы. Автор не приводит условий лицензии в предоставленной карточке; перед использованием следует проверить лицензию репозитория на Hugging Face.

DavidAU/M-Metaphors-Of-Madness-19.4B-GGUF — специализированная текстовая генеративная модель DavidAU для художественного письма и творческих сценариев. Она предназначена для создания и продолжения рассказов, сцен и сюжетов, генерации подтекстов, диалогов, поэзии и песен, ролевого взаимодействия, мозгового штурма и других задач, связанных с креативным текстом. Модель ориентирована на английский язык и может работать с различными жанрами, включая научную фантастику, романтику и хоррор. Модель основана на Mistral и создана с использованием объединения Bagel 7B и Multiverse 7B, расширенного методом Brainstorm 40x. Заявленный размер составляет около 19,45 млрд параметров, архитектура включает 88 слоёв и 795 тензоров. Это GGUF-версия для локального запуска; поддерживаются шаблоны Alpaca, Mistral и ChatML. Максимальный контекст заявлен до 32K токенов, а при использовании RoPE может достигать 128K и более. Модель работает только с текстом. Сильная сторона модели — насыщенная, образная и метафоричная проза с большим количеством описаний и диалогов; дополнительные инструкции по стилю, включая требования к краткости, нередко соблюдаются хорошо. Результаты могут быть непредсказуемыми и чрезмерно экспрессивными, поэтому для получения удачного варианта иногда требуется несколько перегенераций. Качество зависит от выбранного кванта и параметров генерации; для лучшей детализации рекомендуется использовать кванты Q4 и выше. Модель распространяется по лицензии Apache-2.0.

MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS-GGUF — текстовая generative-модель разработчика DavidAU, основанная на архитектуре Mistral Nemo. Это сжатая до примерно 12,15 млрд параметров версия моделей серии Gutenberg/Lyra, созданная на базе более крупных вариантов примерно на 23–23,45 млрд параметров и объединяющая характеристики трёх моделей Gutenberg. Модель ориентирована на англоязычную генерацию текста и имеет контекстное окно более 128 тысяч токенов, приблизительно 131 тысячу и более. Основные сценарии применения — художественное письмо, генерация рассказов и сюжетов, продолжение сцен, разработка побочных сюжетных линий, создание прозы, storytelling и roleplay. Модель рассчитана на тексты разных жанров, включая научную фантастику, романтику и хоррор. Она особенно сильна в создании подробной, выразительной прозы, длинных ответов, диалогов, повествовательной связности и поддержании контекста в сложных сценариях с несколькими персонажами и большим объёмом информации. Модель склонна генерировать длинные и насыщенные деталями ответы, иногда продолжая текст сильнее, чем требуется, поэтому желательно явно задавать объём. Для roleplay и интерактивного чата может потребоваться настройка температуры, repetition penalty и подходящего шаблона prompt, а при высокой температуре возможно ухудшение следования инструкциям. Её стиль намеренно мрачный и не предназначен для всех аудиторий: возможны нецензурная лексика, жестокость, графичные детали, хоррор и NSFW-содержание. Также отмечается негативная стилистическая предвзятость и склонность слишком сильно закрепляться на выбранной сюжетной линии. Модель распространяется по лицензии Apache 2.0.

IggyLux/MN-VelvetCafe-RP-12B — слитая методом SLERP модель на архитектуре Mistral, созданная автором карточки из Dans-PersonalityEngine-V1.3.0-12b и Neona-12B. Она предназначена прежде всего для ролевых диалогов, в том числе групповых сцен с несколькими персонажами, и творческого письма. По описанию автора, модель хорошо удерживает детали сцены, расположение и одежду персонажей, следует системным подсказкам и заметкам автора и поддерживает сбалансированный эмоциональный тон. Модель содержит 12,1 млрд параметров; метаданные указывают контекст до 131 072 токенов, а авторский пресет рассчитан на 8 192 токена. Для работы рекомендованы форматы ChatML или Mistral V3-Tekken. Модель принимает текст и генерирует текст; карточка не сообщает, какие естественные языки поддерживаются. Лицензия — CC BY 4.0.

MoLoRAG-QwenVL-3B — модель xxwu для мультимодального поиска страниц в многостраничных документах и построения ответов на вопросы по документам. Это плотная модель семейства Qwen2.5-VL с 3,1 млрд параметров и контекстом до 128 000 токенов, реализованная для Transformers и сохранённая в safetensors. Модель использует граф страниц, чтобы учитывать смысловые и логические связи между ними. Она извлекает наиболее релевантные страницы, которые затем можно передать другой большой vision-language модели для ответа на вопрос. MoLoRAG описывает как вариант без обучения, так и дообученную версию для проверки логической релевантности; данный репозиторий содержит модель для visual document retrieval. Модель предназначена для поиска информации и подготовки ответов по многостраничным документам, включая сценарии DocQA. Лицензия репозитория — MIT. Карточка не уточняет поддерживаемые языки документов и конкретные ограничения качества.

Moonlight-L3-15B-v2-64k — диалоговая модель на архитектуре Llama 3, созданная автором Darkknight535 путём дообучения Ttimofeyka/Llama-3-15B-64k-Instruct на наборах данных для ролевых диалогов и контента для взрослых. Модель предназначена для творческого письма и ролевых сценариев: она может вести диалог от лица персонажей, включая NPC, и поддерживает длинный контекст до 65 536 токенов. Модель содержит 14,5 млрд параметров и рассчитана на генерацию текста. Автор отмечает следование подсказкам, связность ответов, суммаризацию и создание промптов для изображений как сильные стороны. В README также указано, что версия v2 имеет проблемы, которые автор пытался исправить в v2.5; поэтому заявления о качестве следует считать субъективными, а отсутствие галлюцинаций не гарантировано. Репозиторий помечен как неподходящий для всех аудиторий. Сведения о лицензии в предоставленных данных отсутствуют.

MPT-7B-StoryWriter-65k+ — языковая модель MosaicML для чтения и генерации художественных историй с длинным контекстом. Это дообученная версия MPT-7B: модель обучали на отфильтрованной художественной части датасета Books3. Она построена на модифицированной архитектуре decoder-only Transformer, содержит 6,7 млрд параметров, использует FlashAttention и ALiBi без позиционных эмбеддингов и смещений. Модель рассчитана на контекст в 65 тысяч токенов и, согласно карточке, может обрабатывать последовательности длиннее этого объёма. Модель подходит для продолжения рассказов и работы с длинными литературными текстами, например создания эпилога с учётом уже написанного произведения. В карточке показан пример генерации после подачи полного текста «Великого Гэтсби». Для загрузки через Transformers требуется параметр trust_remote_code=True. Модель распространяется по лицензии Apache-2.0, допускающей коммерческое использование. Генерации могут содержать фактические ошибки, предвзятые, непристойные или оскорбительные фрагменты; модель не следует использовать как источник достоверной информации. Карточка не описывает поддержку языков, кроме того, что приводит англоязычный пример.

MS3.1-24B-Magnum-Diamond-GGUF — это GGUF-квантизированная версия текстовой генеративной модели MS3.1-24B-Magnum-Diamond, разработанной Doctor-Shotgun. Квантизация выполнена с использованием llama.cpp и предназначена для запуска модели через совместимые библиотеки инференса. Модель ориентирована на чатовые сценарии и ролевые диалоги, включая создание повествовательных сцен, отыгрыш персонажей и интерактивное продолжение историй. Она использует формат подсказок Mistral v7 Tekken; в README также приведены настройки и пресеты для SillyTavern. Заявлен английский язык, а pipeline модели — text-generation. Из доступных данных известен размер исходной модели — 24B параметров; сведения о конкретном варианте квантизации, архитектуре, размере контекста и поддерживаемых модальностях не указаны. Для генерации рекомендуются temperature 1.0 и min_p 0.1, при этом предварительное заполнение ответа ассистента особенно актуально для ролевых сценариев. Ограничения включают зависимость качества и совместимости от используемого формата промпта, библиотеки инференса и варианта квантизации. Модель распространяется по лицензии Apache-2.0.

Nemomix-v1.0-12B — текстовая генеративная модель на архитектуре Mistral, собранная автором MarinaraSpaghetti с помощью mergekit из нескольких моделей семейства Mistral Nemo. Цель объединения — совместить способности базовой Nemo Instruct с более выразительной прозой моделей, дообученных для ролевых диалогов. В метаданных указано 12,1 млрд параметров и библиотека Transformers; веса опубликованы в формате safetensors. Модель предназначена для генерации текста в диалогах и ролевых сценариях. В README заявлена совместимость с форматами инструкций Mistral Instruct и ChatML; автор советует начинать с температуры 0,35, но отмечает, что настройки генерации можно менять под задачу. Это экспериментальная версия, которую автор на момент описания ещё планировал тестировать. Карточка рекомендует настройки запуска, но не приводит результаты оценки качества. Условия лицензии в предоставленных данных не указаны, поэтому их следует проверить на странице репозитория и у авторов исходных моделей перед использованием.

NextViT Small — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков. Её обучили авторы работы Next-ViT на неизвестном наборе из 6 млн примеров с последующим обучением на ImageNet-1k с помощью дистилляции SSLD. Модель относится к семейству Next-ViT и содержит около 31,8 млн параметров; для классификации рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для определения объектов и сцен по изображениям, а также для получения карт признаков и эмбеддингов, которые можно использовать в других задачах компьютерного зрения. В таблице README для варианта с разрешением 384 пикселя приведена точность Top-1 85,964% на ImageNet-1k; это не показатель именно версии с входом 224 × 224. Репозиторий предоставляет веса PyTorch и safetensors. Лицензия — Apache-2.0.

mergekit-community выпустил объединённую плотную языковую модель семейства Llama с 7,5 млрд параметров. Она создана методом Model Stock с помощью mergekit на основе нескольких моделей и адаптеров, включая Llama3-RP-Lora, Everything-COT, OpenBioLLM, адаптер для снятия ограничений и модели для клинических знаний, социологии и астрономии. Модель предназначена для генерации текста и диалогов, в том числе ролевых историй и ответов с рассуждениями; заявлена длина контекста до 131 072 токенов. Репозиторий содержит веса в формате safetensors. В предоставленных материалах лицензия не указана. К тегу карточки отнесено предупреждение о контенте не для всех аудиторий; пригодность ответов в специализированных областях и корректность генерации следует проверять.

mergekit-community/ohnoes_now_nsfw — объединённая языковая модель, созданная сообществом с помощью mergekit и метода Model Stock. В качестве основы использованы FreedomIntelligence/HuatuoGPT-o1-8B и grimjim/Llama-3-Instruct-abliteration-LoRA-8B; в объединение также вошли модели для длинных историй, ролевого общения, психологии и сексуальности. Архитектура — плотная LlamaForCausalLM, размер — около 7,5 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и диалогов; заявленная длина контекста — 131 072 токена. Состав объединения указывает на сценарии медицинских ответов, длинных историй и ролевых бесед, а также на темы психологии и сексуальности. Карточка не приводит отдельных результатов оценки качества или подробных сведений о языках; медицинские и чувствительные ответы следует проверять. Лицензия в предоставленных данных не указана.

PetrolWriter — языковая модель Norquinal для творческого письма, рассказов, чата и ролевых диалогов. Это дообученная на базе Mistral-7B плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она доступна в формате safetensors и работает с библиотекой Transformers. Модель понимает формат подсказок Pygmalion-2/Metharme и может использоваться как для диалога, так и для обычного продолжения текста. Модель ориентирована на генерацию англоязычной прозы и ролевое взаимодействие без выравнивания поведения. Разработчик предупреждает, что ответы могут содержать небезопасный или вредоносный контент. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Concedo/Phi-SoSerious-Mini-V1 — дообученная с помощью QLoRA модель семейства Phi-3, созданная для генерации историй, диалогов и ответов на инструкции. Автор сообщает, что обучение заняло менее четырёх часов на одной видеокарте Nvidia RTX 3090 и использовало вариант набора данных Kobble, составленного из онлайн-источников, веб-скрейпинга и синтетических примеров. Модель основана на плотной архитектуре Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов. Она принимает текст и генерирует текст; карточка предлагает шаблон запроса Alpaca и отмечает совместимость с KoboldAI и Kobold Lite. Обучение направлено на творческое письмо, ролевые беседы и выполнение инструкций с меньшей склонностью к отказам. Лицензия указана как other. Автор не гарантирует происхождение, безопасность или статус авторских прав модели и данных; в обучающем наборе есть эротические и провокационные тексты. Поэтому результаты могут включать откровенный контент, а применимость модели зависит от требований к модерации и правовой среды.

Q25-1.5B-VeoLu-GGUF — это квантизированная версия текстовой генеративной модели Alfitaria/Q25-1.5B-VeoLu, подготовленная пользователем bartowski в формате GGUF с использованием llama.cpp и imatrix-квантизации. По заявленному размеру базовая модель относится к классу 1,5 млрд параметров. Модель предназначена для локального запуска и генерации текста; в материалах также указаны обучающие наборы для творческого письма, многоходовых диалогов, медицинских вопросов, научных задач и математики. Основное преимущество этой версии — набор вариантов квантизации с разным соотношением качества, размера файла и требований к памяти: от F16 размером 3,56 ГБ до компактных вариантов Q2 и Q3. Для большинства сценариев автор рекомендует форматы Q4–Q6, а некоторые варианты специально оптимизированы для ARM-процессоров. Модель можно запускать через llama.cpp и LM Studio с указанным шаблоном промпта. Данные о поддерживаемых языках, длине контекста, точной архитектуре, результатах тестирования и лицензии в README не приведены; поэтому качество, языковая специализация и условия юридического использования следует уточнять в карточке исходной модели Alfitaria/Q25-1.5B-VeoLu.

Это набор control-векторов для управления стилем генерации Qwen/Qwen3.5-27B, опубликованный gghfez. Векторы предназначены для творческого письма: они позволяют смещать тон и характер повествования, например от нигилизма к оптимизму, от социопатичности к эмпатии, а также выбирать простую или более витиеватую речь, диалог или повествование. В README также приведены примеры применения в llama.cpp и ikllama.cpp при запуске сервера. По метаданным, базовая модель относится к семейству Qwen3.5 и содержит 27 млрд параметров; файлы векторов представлены в формате GGUF. Для работы нужен совместимый движок и базовая модель. Репозиторий лицензирован по Apache-2.0. Карточка демонстрирует английский текст, но не заявляет поддержку конкретного набора языков для самих векторов.

Qwen3.5-27B-Deckard-PKD-Heretic-Uncensored-Thinking — дообученная DavidAU мультимодальная модель на архитектуре Qwen3.5 для диалогов, творческого письма и анализа изображений. Автор сообщает, что она настроена на темы и стиль Филипа К. Дика по пяти вручную подготовленным наборам данных; также проведено «de-censoring» для снижения частоты отказов. В README указаны 27 млрд параметров, контекст 262 144 токена и поддержка изображений; обработка видео не проверялась. Модель подходит для написания и продолжения художественных историй, ролевых диалогов и ответов на вопросы по изображениям. Она работает в режиме рассуждения по умолчанию. Автор приводит сравнительные бенчмарки и сообщает о меньшем числе отказов, однако результаты следует рассматривать как заявленные автором, а не как независимую оценку качества. Метаданные указывают английский и китайский языки; более широкая языковая поддержка описана для семейства Qwen3.5, но отдельно для этой дообученной модели не подтверждена. Веса опубликованы в формате safetensors для Transformers под лицензией Apache-2.0. README упоминает исправленный шаблон чата, а также рекомендует определённые настройки для квантизированных вариантов, но сама карточка описывает модель в safetensors.

nuofang/Qwen3.8-9B-Distill-SLERP-F451-Pro-Writer-Uncensored — объединённая модель семейства Qwen3.5, созданная автором карточки методом SLERP с помощью mergekit из двух моделей на базе Qwen3.5-9B. Слияние объединяет дистиллят с упором на рассуждения, математику, код и использование инструментов с моделью для художественного письма, включая прозу в стиле Брэдбери. Модель рассчитана на диалог, ролевые сценарии и создание художественных текстов; автор отдельно отмечает китайский NSFW-контент, ролевые игры и романы. В метаданных указана поддержка vision и задача image-text-to-text, однако README не описывает практические сценарии работы с изображениями. Репозиторий содержит веса safetensors в формате bfloat16. Языковые метаданные указывают китайский; контекстное окно не описано. Модель получена слиянием DavidAU/Qwen3.5-9B-The-Bradbury-F451-Pro-Writer-Uncensored-Heretic и petruhonk/Qwen3.8-9B-Distill-uncensored-heretic; лицензия в предоставленных данных не указана. Автор предупреждает, что родительские модели не имеют фильтров безопасности, а результаты подходят не для всех аудиторий.

Qwen3-VL-4b-Heretic-i1-GGUF — мультимодальная vision-language модель на базе DreamFast/Qwen3-VL-4b-Heretic. Модель разработана сообществом DreamFast, а GGUF-квантизации подготовлены mradermacher. Она предназначена для генерации текста и работы со сценариями, в которых требуется анализ изображений вместе с текстовыми запросами; среди заявленных тегов также указаны forensics, abliteration и uncensored. Модель относится к семейству Qwen3-VL и имеет размер 4 миллиарда параметров. Поддерживает обработку текста и изображений, однако README не содержит сведений о максимальной длине контекста, точном наборе языков или детальных характеристиках архитектуры. Репозиторий предоставляет набор imatrix- и GGUF-квантизаций размером примерно от 1,2 до 3,4 ГБ, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством; для практического использования рекомендуются варианты i1-Q4_K_M или i1-Q4_K_S. К сильным сторонам относятся мультимодальность, компактный размер квантизированных файлов и возможность локального запуска в совместимом ПО. К ограничениям относятся потенциальная потеря качества при низких уровнях квантизации, а также отсутствие в README опубликованных результатов тестирования и подробных данных о производительности, контекстном окне и языковой поддержке сверх указанного английского языка. Модель распространяется по лицензии Apache-2.0.