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

Deformable DETR — модель обнаружения объектов, разработанная командой SenseTime и представленная в работе Zhu et al. Она обучена на COCO 2017 и предназначена для выявления и локализации объектов на изображениях. Модель использует архитектуру encoder-decoder Transformer с backbone ResNet-50. На выходе она предсказывает классы объектов и ограничивающие рамки; для поиска объектов применяются 100 object queries. Обучение выполнено сквозным образом с сопоставлением предсказаний и разметки венгерским алгоритмом. Модель подходит для распознавания объектов на изображениях в сценариях компьютерного зрения, особенно для категорий, представленных в COCO. Карточка не приводит оценок качества или сведений о поведении на данных вне обучающего набора. Лицензия — Apache-2.0.

deit3_medium_patch16_224.fb_in22k_ft_in1k — модель семейства DeiT-III для классификации изображений и извлечения визуальных признаков. Разработана авторами работы DeiT III: Revenge of the ViT и опубликована в библиотеке timm. Модель содержит 38,8 млн параметров, использует архитектуру Vision Transformer с патчами 16 × 16 и рассчитана на изображения размером 224 × 224 пикселя. Модель предварительно обучена на ImageNet-22k, затем дообучена на ImageNet-1k. Она подходит для распознавания объектов из набора классов ImageNet и в качестве визуального backbone для задач, которым нужны признаки изображения. Репозиторий предоставляет веса PyTorch и safetensors; лицензия — Apache-2.0. Модель принимает изображения и выдаёт классовые оценки либо эмбеддинги. README не сообщает о специализированной обработке изображений вне этих сценариев.

EtherealRainbow-v0.2-8B — модель диалоговой генерации текста, созданная разработчиком EtherealRainbow путём слияния нескольких дообученных моделей на базе Llama 3 с помощью mergekit. Она предназначена для творческого письма, ролевых диалогов и повествования, включая SFW- и NSFW-сценарии; автор отмечает ориентацию на длинные ответы и следование запросам. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Основной формат репозитория — Safetensors; README также упоминает варианты GGUF и EXL2. Для запросов автор рекомендует формат Llama 3 Instruct. Модель ориентирована на англоязычное применение. Автор описывает её как экспериментальную версию 0.2, результаты которой уже полезны, но работа над ней не завершена. Среди известных особенностей — склонность оформлять действия звёздочками и ролевые реплики в лаконичном стиле; модель также может требовать более низкой температуры генерации, чем другие модели. Она может создавать откровенный, тревожный или оскорбительный контент. Лицензия — Llama 3 Community License (llama3).

Evathene-v1.1 — диалоговая языковая модель на 71,5 млрд параметров, созданная Sophosympatheia слиянием Nexusflow/Athene-V2-Chat и EVA-UNIT-01/EVA-Qwen2.5-72B-v0.2 методом TIES на базе Qwen2.5-72B. Модель рассчитана прежде всего на ролевые диалоги и создание историй; автор также отмечает, что она может подходить для других задач, но не приводит результатов их проверки. Модель использует плотную архитектуру Qwen2 и принимает текст, выдавая текст. Контекстное окно составляет до 131 072 токенов. В README автор рекомендует настраивать Min-P, штраф за повторения и температуру под конкретный сценарий; модель может выдумывать детали или отклоняться от заданного сценария. Репозиторий распространяется в формате Safetensors. Лицензия в предоставленных данных не указана.

FastVideo-FastH3-Motion-Enhanced-Comfy — производный вариант FastVideo FastH3, подготовленный автором rzgar для генерации видео с усиленной передачей движения. В README указано, что улучшены анатомическая точность мужских и женских персонажей и понимание движений для NSFW-сцен; усиление намеренно настроено ниже своего максимума, чтобы пользовательские LoRA стиля и персонажей могли дополнять результат. Модель рассчитана на запуск без LoRA, а также на совместное использование с ними. Основная задача по метаданным — генерация видео из изображения. Файл модели представлен в формате safetensors; README называет её FastH3-моделью на 8 шагов. Лицензия в метаданных обозначена как other, конкретные условия использования не приведены.

leftyfeep/fictions — дообученная модель семейства Mistral Nemo, созданная с помощью Unsloth. Для обучения использованы примерно 250 книг из общественного достояния на Gutenberg.org; по описанию автора, промпты в формате инструкций Mistral обучали модель писать главы художественных произведений. Модель предназначена для генерации художественного текста по текстовым инструкциям, в частности для продолжения и написания глав. Архитектура — плотная авторегрессионная модель Mistral с 12,1 млрд параметров; заявленное контекстное окно — 1 024 000 токенов. Репозиторий содержит веса safetensors, а лицензия — MIT. Обучающие данные ограничены корпусом примерно из 250 книг общественного достояния, поэтому стиль и тематика генерации могут отражать этот корпус. README не приводит оценок качества или подробных ограничений применения.

Это квантованная версия дообученной модели FLUX.2-klein-4B от Black Forest Labs, опубликованная codeShare. Она предназначена для генерации и редактирования изображений по текстовым инструкциям, в частности для пакетной компоновки объектов переднего плана и фонов в квадратные изображения 1024×1024 для подготовки данных к обучению LoRA-моделей генерации изображений. Карточка описывает запуск в Google Colab или Kaggle на GPU T4; для двух T4 автор указывает примерно вдвое более быструю обработку по сравнению с одной T4. Модель распространяется в формате Diffusers и Safetensors с лицензией Apache-2.0. В метаданных указаны английский язык и задача text-to-image. Карточка также описывает редактирование изображений с помощью промпта и входных изображений переднего плана и фона. Точные параметры квантования и размер модели в метаданных не приведены.

Gemma-3-it-4B-Uncensored-DBL-X — текстовая инструкция-модель на архитектуре Gemma 3, созданная David_AU на основе google/gemma-3-4b-it. Автор сообщает, что изменил модель, добавив четыре слоя и ослабив отказы, сохранив следование инструкциям; в репозитории размещены исходные веса в формате Safetensors для непосредственного использования и создания квантованных вариантов. Заявлена длина контекста 128 тыс. токенов. Модель предназначена для диалогов, творческого письма и генерации историй, в том числе откровенного контента и графического хоррора. Карточка также упоминает решение задач, мозговой штурм, ролевые сценарии и вызов функций, но метаданные подтверждают только генерацию текста, чат и следование инструкциям. Основной заявленный язык — английский; базовая Gemma 3 4B IT также поддерживает ответы на вопросы по изображениям, однако для этой производной модели README описывает текстовую генерацию. Модель может выдавать грубую лексику, откровенные и жестокие сцены; автор предупреждает о случайных отказах без дополнительных настроек и о возможных необычных символах или регистре букв. Лицензия — Apache 2.0.

mergekit-community выпустила эту объединённую диалоговую языковую модель на архитектуре Llama 3. Веса получены методом Model Stock с помощью mergekit из нескольких моделей и адаптеров, включая варианты для естественного диалога, ролевого текста и длинных историй. Модель содержит 7,5 млрд параметров, использует формат safetensors и имеет заявленное контекстное окно 131 072 токена. Модель предназначена для генерации диалоговых ответов и ролевого текста. Она может подойти для продолжения длинных историй и бесед, а также для сценариев с откровенным контентом: тег карточки помечает её как не предназначенную для всех аудиторий. В состав также вошли компоненты, связанные с формальной логикой, психологией и биографиями, однако README не подтверждает отдельные гарантии качества по этим задачам. Лицензия в предоставленных сведениях не указана.

Iambe-Storyteller-20b — плотная языковая модель семейства Llama примерно на 19,8 млрд параметров, опубликованная athirdpath для генерации текста и художественного письма. Карточка описывает перенос дообученной модели Iambe-20b-DARE-v2 на базу DoubleFactor-20b методом task arithmetic; в рецепте также указана BigLlama-20b-v1.1 как исходная база. Модель рассчитана на продолжение текста и творческое письмо, включая эротические сцены. Модель принимает текст и генерирует текст. Контекст составляет 4096 токенов. В репозитории указаны веса safetensors; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение. README не приводит сведения о языковой специализации или оценках качества.

IceCaffeLatteRP-7b — слитая методом SLERP языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная автором карточки с помощью mergekit из IceLatteRP-7b и IceMochaccinoRP-7b. Модель предназначена для генерации текста и ролевых диалогов, в том числе для взрослой аудитории; для неё заявлено контекстное окно 32 768 токенов. Модель опубликована в формате safetensors и использует библиотеку Transformers. В README также упомянуты варианты ExL2 с разным числом бит на вес и сборка GGUF. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей.

Infinitely-Kunodiculous-9B — экспериментальное объединение языковых моделей, созданное автором карточки с помощью mergekit. В слияние passthrough вошли Nitral-AI/Infinitely-Laydiculous-9B и SanjiWatsuki/Kunoichi-DPO-v2-7B; использованы слои 0–19 первой модели и 12–31 второй. Это плотная причинная языковая модель семейства Mistral с 8,9 млрд параметров, принимающая текст и генерирующая текст. Модель предназначена для ролевых диалогов и написания историй; контекст — 8192 токена. Автор описывает работу как свой первый эксперимент со слиянием моделей, поэтому качество и стабильность не гарантированы. Для файлов указаны формат safetensors и библиотека Transformers. Лицензия в предоставленных данных не указана.

KPM-7b-v0.1 — объединённая модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом Model Stock. В качестве базовой использована kainatq/Kainoverse-7b-v0.1; в объединение также вошли ResplendentAI/DaturaCookie_7B, Endevor/InfinityRP-v1-7B, icefog72/IceDrunkenCherryRP-7b и ChaoticNeutrals/RP_Vision_7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и ролевого общения. Базовая RP_Vision заявлена в каталоге как модель с поддержкой анализа изображений через Koboldcpp, но описание KPM-7b-v0.1 не подтверждает сохранение этой возможности после слияния. Доступна в формате safetensors для Transformers. Метаданные не содержат сведений о лицензии, поэтому условия использования по ним определить нельзя.

KuroMitsu-11B — языковая модель на 10,6 млрд параметров, которую автор Himitsui дообучил на базе Solar. Модель построена на архитектуре Llama и предназначена прежде всего для ролевых диалогов; также обучалась на чатовых и инструкционных примерах. Для запросов подходят форматы Vicuna и Alpaca. Модель генерирует текст и имеет контекстное окно 8192 токена. В обучающих данных присутствуют токсичные и оскорбительные материалы, а модель задумана как uncensored-вариант без ограничений на такой контент. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Модель Erik Cikalleshi — дообученная версия Llama 2 для извлечения контрастных временных знаний из новостных статей. Она создана для бакалаврской работы с применением метода Contrastive Decoding и обучена на статьях The New York Times за 2000–2007 годы; очень короткие статьи исключались из набора данных. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и принимает контекст до 4096 токенов. Модель предназначена для генерации текста по материалам новостей и изучения изменений во времени в новостном корпусе. В README указана базовая модель LLama2-8B, тогда как метаданные сообщают размер 6,6 млрд параметров. Лицензия в предоставленных данных не указана.

DavidAU/Llama-3.2-8X3B-MOE-Dark-Champion-Instruct-uncensored-abliterated-18.4B-GGUF — текстовая instruct-модель семейства Llama 3.2, разработанная DavidAU и распространяемая в формате GGUF. Это смесь экспертов (Mixture of Experts), объединяющая восемь моделей уровня 3B; общий размер заявлен как 18,4 млрд параметров, при стандартной конфигурации активируются два эксперта. Модель ориентирована на генерацию текста на английском языке и поддерживает контекст до 128k токенов. Основные сценарии применения — творческое письмо, создание прозы, художественных текстов, сюжетов и сцен, продолжение историй, ролевые диалоги и генерация материалов в разных жанрах, включая научную фантастику, романтику и хоррор. README также заявляет высокое качество следования инструкциям и выразительность текста, а для локального запуска указывает производительность свыше 50 токенов в секунду на видеокарте с 16 ГБ памяти при определённом варианте квантизации. Модель имеет uncensored/abliterated-характер и может генерировать ненормативную лексику, жёсткие, висцеральные и NSFW-сцены; это ограничивает её пригодность для безопасных пользовательских сценариев без дополнительной фильтрации. Поведение зависит от числа активных экспертов, температуры, квантизации и настроек повторения; при высокой температуре может ухудшаться следование инструкциям. Для работы требуется шаблон Llama 3 и/или Command-R. Лицензия — Apache-2.0.

MambaVision-L2-512-21K — модель компьютерного зрения компании NVIDIA для классификации изображений и извлечения визуальных признаков. Это гибридная иерархическая архитектура, объединяющая Mamba и блоки self-attention на поздних слоях для моделирования дальних пространственных зависимостей. Модель предобучена на ImageNet-21K и дообучена на ImageNet-1K при разрешении 512 × 512 пикселей. Модель можно применять для присвоения изображениям меток классов и получения признаковых представлений для последующих задач компьютерного зрения. В README заявлены высокая точность и пропускная способность семейства MambaVision, но численные результаты конкретной версии в предоставленной карточке отсутствуют. Для распространения указана лицензия `other`; её условия следует сверить с лицензией репозитория перед использованием.

MaxViT Small TF 224 IN1K — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков. Оригинальную версию обучили авторы работы MaxViT на ImageNet-1k в TensorFlow; Ross Wightman перенёс веса в PyTorch, а модель опубликована в библиотеке timm. Репозиторий содержит веса PyTorch и safetensors и распространяется по лицензии Apache-2.0. Модель содержит 68,9 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Архитектура MaxViT сочетает блоки MBConv с двумя видами внимания: оконным и сеточным. Её можно применять для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Модель обучена на ImageNet-1k, поэтому её классификационные возможности ориентированы на категории этого набора данных. Для других предметных областей может потребоваться адаптация; в карточке также не приведены сведения о многоязычных или мультимодальных возможностях.

MG-FinalMix-72B — экспериментальная разговорная языковая модель, созданная Undi95 слиянием alpindale/magnum-72b-v1 и Qwen/Qwen2-72B-Instruct. Автор описывает её как доработанную версию Magnum с исправлениями для личного использования и добавлением данных для ролевых диалогов. Модель построена на архитектуре Qwen2, содержит 71,5 млрд параметров и использует шаблон диалога ChatML. Модель предназначена для генерации текста и ролевых бесед на английском языке. Контекстное окно составляет 32 768 токенов; репозиторий содержит веса Safetensors. Автор упоминает файл imatrix.dat для самостоятельной подготовки квантованных файлов. Лицензия указана как other, поэтому условия использования следует проверять в репозитории.

Schisandra — англоязычная диалоговая модель на архитектуре Mistral, опубликованная Nohobby. Версия v0.2 представляет собой слияние нескольких дообученных моделей семейства Mistral; в карточке перечислены RPMax, Pantheon-RP, Magnum V4, ChatWaifu, SorcererLM, Acolyte, NovusKyver, Meadowlark и Sunfall. Модель содержит 22 млрд параметров, использует формат промпта Mistral-V3 и поддерживает контекст до 131 072 токенов. Модель предназначена прежде всего для ролевых диалогов и написания историй. Автор отмечает внимание к деталям, более сдержанный стиль без шаблонных оборотов и стабильный токенизатор. Метаданные также указывают на интерфейс чата и вызова инструментов; практическое качество этих возможностей в README не описано. Репозиторий содержит веса Safetensors, а README упоминает доступные варианты GGUF и EXL2. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория.

NahuatlEspanolv1 — модель архитектуры T5 для генерации текста по тексту, обученная с нуля. Она предназначена для преобразования текста на науатле и испанском; название модели и BLEU 29,2544 на оценочном наборе указывают на задачу перевода, однако описание не уточняет направление перевода и состав данных. Модель содержит 123,8 млн параметров, принимает контекст до 512 токенов и представлена в формате safetensors. Разработчик и лицензия в доступных данных не указаны.

Gemma4-Gutenberg-31B-GGUF — это GGUF-квантизированная версия модели Gemma4-Gutenberg-31B, разработанной nbeerbower и подготовленной пользователем bartowski с помощью llama.cpp и imatrix-квантизации. Модель ориентирована на англоязычную генерацию художественного текста, включая прозу, художественную литературу, научную фантастику, фэнтези, романтические и приключенческие сценарии. При обучении использовались DPO-датасеты Gutenberg и наборы данных для настройки человеческого стиля письма и общей художественной генерации. Модель содержит около 31 миллиарда параметров. Доступны варианты в форматах BF16 и различных уровнях квантизации GGUF — от Q8_0 до Q3 и IQ4, с размером файлов примерно от 17 до 61 ГБ. Квантизация позволяет запускать модель локально через llama.cpp, LM Studio, KoboldCpp, Jan AI, text-generation-webui и другие совместимые инструменты; конкретные требования к памяти зависят от выбранного варианта. В README указан английский язык, однако размер контекстного окна и подробности архитектуры не приведены. Сильными сторонами являются специализация на художественном письме, доступность высококачественных квантизированных вариантов и поддержка локального инференса. Более сильное сжатие уменьшает требования к памяти, но может снижать качество генерации; BF16 и варианты Q6 обеспечивают более высокое качество при существенно большем размере. Модель распространяется по лицензии Apache-2.0. Для работы требуется совместимый инструмент и актуальная поддержка модели в выбранном программном обеспечении.

Это нейронная модель машинного перевода OPUS-MT, разработанная группой Language Technology Research Group Хельсинкского университета. Она переводит тексты с западногерманских языков на английский и предназначена для многоязычного перевода, в том числе библейских текстов. Модель использует архитектуру transformer-big на базе Marian NMT; в репозитории представлены веса PyTorch и Safetensors. Размер — 156,7 млн параметров, максимальный контекст — 1024 токена. Модель обучена на данных OPUS, включая параллельные корпуса и библейский корпус. В тестировании на наборе Tatoeba для направления «многоязычные языки → английский» указаны BLEU 52,6 и chr-F 0,70028. Обучающие данные могут содержать оскорбительный контент и исторические или современные стереотипы. Лицензия — Apache-2.0.

Pantheon-RP-1.6.1-12b-Nemo-GGUF — набор GGUF-квантизаций модели Pantheon-RP-1.6.1-12b-Nemo, разработанной Gryphe и преобразованной в GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена для генерации текста, диалогов и сценариев roleplay; в метаданных также указаны instruct-направленность, поддержка ChatML и обучение с использованием Axolotl. Заявленный язык — английский, модальность — текстовая. Доступны варианты от полноразмерных F16 весов объёмом 24,50 ГБ до квантизаций Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, IQ4 и других форматов размером примерно от 5,5 ГБ. Для большинства сценариев автор рекомендует Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS; некоторые варианты оптимизированы для ARM-процессоров. Квантизации созданы с использованием imatrix, что направлено на сохранение качества при уменьшении размера, однако более компактные варианты имеют более низкое качество. Для работы рекомендуется формат диалога ChatML и совместимые приложения, например LM Studio или llama.cpp. Сведения об архитектуре, размере контекста и точных параметрах модели в README не указаны. Лицензия — Apache-2.0.

Pantheon-RP-1.6-12b-Nemo-GGUF — это GGUF-квантизированная версия модели Gryphe/Pantheon-RP-1.6-12b-Nemo, подготовленная пользователем bartowski. Модель предназначена для генерации текста, диалогов и ролевых сценариев; в метаданных указаны специализация instruct, формат шаблонов ChatML и тег roleplay. Заявлена поддержка английского языка и работа с llama.cpp и совместимыми приложениями, включая LM Studio. Доступны варианты от BF16 до Q2_K и IQ2_M, поэтому можно выбирать между качеством и требованиями к памяти: наиболее качественными названы Q6_K_L, Q6_K и некоторые варианты Q5, а более компактные версии рассчитаны на системы с ограниченной оперативной памятью, но сильнее теряют в качестве. Ключевые архитектурные параметры и размер контекста в README не указаны. Модель работает только с текстом; сведения о дополнительных модальностях отсутствуют. Лицензия — Apache-2.0.

PixVL-latest-combo-gcg-sft — опубликованный экспорт обученной модели PixVL, разработанный на основе Qwen3-VL-4B-SAMTok и предназначенный для сегментации изображений. Модель использует архитектуру Qwen3-VL и формат весов safetensors; карточка Hugging Face отмечает задачу image-segmentation. Экспорт подготовлен из сборки latest_combo_gcg_sft_8g_20260731. Модель подходит для сегментации объектов на изображениях, в том числе в сценариях визуального grounding. Она выпущена для исследовательского использования и наследует лицензию MIT и ограничения по использованию базовой модели Qwen3-VL-4B-SAMTok.

ChisatoY/Qwen2.5-7B-ReWrite — языковая модель для переписывания текстов на китайском и английском языках в более естественном, человекоподобном стиле. Она разработана на основе Qwen2.5-7B-Instruct с применением supervised fine-tuning через LoRA; адаптер объединён с базовой моделью, поэтому модель доступна как самостоятельные BF16 Safetensors-веса для Transformers. Модель предназначена для гуманизации AI-сгенерированных текстов с сохранением исходного смысла, фактов, языка и форматирования, без добавления пояснений. Она особенно ориентирована на китайские академические и формальные тексты, а также на англоязычные материалы. Архитектура — Qwen2ForCausalLM, размер — около 7,6 млрд параметров, максимальный контекст — 32 768 токенов, максимальная длина последовательности при обучении — 1 024 токена. Обучение проводилось на 42 261 тренировочном примере с использованием 863 примеров для валидации; отдельно применялся небольшой англоязычный тестовый набор. Сильная сторона модели — специализация на сокращении и упрощении формулировок, а также заметное улучшение относительно исходной Qwen2.5-7B-Instruct на указанном тесте. Ограничения включают слабое покрытие разговорной речи, художественных текстов и социальных сетей на китайском языке, возможное сохранение рекламного или шаблонного стиля, изменения формулировок и фактические смещения, поэтому важный результат требует проверки человеком. Лицензия самой модели в README не указана; при использовании необходимо соблюдать условия лицензии базовой модели и лицензий наборов данных: CC BY-NC 4.0, Apache 2.0 и CC BY 4.0.

Qwen3.8-27B-Yes-Man-uncensored — это мультимодальная модель на 27 млрд параметров, созданная Cloudbjorn дообучением Qwen/Qwen3.8-27B. Она предназначена для диалогов с более прямым и отзывчивым стилем: модель реже уклоняется от обсуждения чувствительных тем, меньше морализирует и лучше следует заданным тону и формату, сохраняя заявленную цель честно обозначать неопределённость и не соглашаться с ложными утверждениями. Обучение проводилось на 1 000 англоязычных многоходовых диалогах с помощью LoRA rank 64 и rsLoRA; адаптер объединён с базовыми весами в формате BF16. Обучение было текстовым, а компоненты обработки изображений оставлены без изменений; метаданные указывают поддержку диалога и зрения, а базовая модель также предназначена для анализа видео, программирования и многошаговых задач. Модель рассчитана на обсуждение спорных и деликатных тем, включая медицину, психиатрию, политику, религию, отношения, кибербезопасность и художественные сюжеты с мрачным содержанием. Лицензия — Apache-2.0. Разработчик не приводит унаследованных или новых оценок бенчмарков и рекомендует отдельно проверять точность, калибровку, рассуждения, мультимодальные возможности, работу с инструментами и характеристики безопасности для конкретного применения.

DavidAU/Qwen3-The-Josiefied-Omega-Directive-22B-uncensored-abliterated — объединённая плотная причинно-следственная языковая модель семейства Qwen3 на 21,3 млрд параметров, опубликованная DavidAU. Она предназначена для генерации текста, диалогов, художественных историй и ролевых сценариев; заявлены режим рассуждения с возможностью включения и отключения и контекст до 40 960 токенов. Модель объединяет Josiefied-Qwen3-14B-abliterated-v3, Qwen3-14B и The-Omega-Directive-Qwen3-14B-v1.1. Модель ориентирована на яркую прозу разных жанров, включая научную фантастику, романтику и хоррор, и допускает грубую, жестокую и откровенную лексику. Карточка сообщает о шаблоне ChatML или Jinja и формате safetensors; метаданные указывают библиотеку Transformers и лицензии Apache 2.0. Среди заявленных недостатков — случайные китайские токены в тексте на других языках, повторы абзацев при длинной генерации и зависимость выразительности откровенного контента от формулировки запроса.

RF-DETR Base — модель для обнаружения объектов в изображениях, разработанная авторами семейства RF-DETR и добавленная в Transformers участником stevenbucaille. Это трансформерный детектор реального времени: в основе лежит визуальный ViT-бэкбон в стиле DINOv2 with registers с чередованием оконного и полноформатного внимания, модуль объединения признаков нескольких масштабов и декодер Deformable DETR с запросами объектов. Архитектура рассчитана на баланс точности и скорости; семейство RF-DETR использует поиск архитектуры по практическим параметрам точности и задержки. Модель обучена для обнаружения объектов на COCO 2017 и работает с 80 категориями этой разметки. Её можно применять для локализации и классификации объектов на изображениях. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0. В README не приведены сведения о размере модели и длине контекста.