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

Erotophobia-24B-v2.0 — слитая модель на основе Mistral, созданная автором репозитория с помощью mergekit для генерации текста и ролевого общения. В README указано, что это многоэтапное объединение моделей: промежуточные ветви Mind, Heart и Soul объединены финальным методом DELLA. В составе есть модели для ролевого общения и модели с дистиллированными знаниями; README также описывает объединение направлений с обновлённой информацией о мире и абляцией ограничений. Модель имеет плотную архитектуру MistralForCausalLM, 23,4 млрд параметров и контекст до 32 768 токенов. Её предполагаемые сценарии — диалог от лица персонажей, ролевая проза и творческое письмо. Репозиторий содержит веса safetensors; автор сообщает, что модель всё ещё тестируется. Лицензия в предоставленных данных не указана.

EscherNet-6DoF — чекпойнт модели EscherNet с 6DoF CaPE, разработанной для синтеза новых ракурсов по одному или нескольким опорным изображениям. Модель диффузионная: она использует многовидовые условия и специальное кодирование положения камеры, чтобы управлять относительным преобразованием камеры между опорными и целевыми ракурсами. Модель предназначена для генерации согласованных изображений объекта с новых ракурсов, в том числе для zero-shot синтеза ракурсов и реконструкции 3D по одному или нескольким изображениям. EscherNet может одновременно создавать более 100 целевых ракурсов на потребительском GPU; при этом обучение проводилось на фиксированной схеме из трёх опорных и трёх целевых ракурсов. Файлы представлены в формате Diffusers/PyTorch. В README лицензия не указана.

FocalNet-Tiny-LRF — модель компьютерного зрения семейства FocalNet, представленная Yang и соавторами и опубликованная в репозитории Microsoft. Она предназначена для классификации изображений и обучена на ImageNet-1k при разрешении 224×224 пикселя; модель выдаёт оценки принадлежности изображения к одному из 1000 классов ImageNet. В архитектуре механизм focal modulation заменяет self-attention: контекст собирается свёрточными слоями с разными диапазонами восприятия, выборочно агрегируется и передаётся токенам изображения через поэлементную модуляцию. Модель подходит для классификации изображений общего назначения и может служить базой для поиска вариантов, дообученных для других задач компьютерного зрения. В карточке отмечены результаты исследований FocalNet на классификации, обнаружении объектов и сегментации, однако этот чекпойнт предназначен непосредственно для классификации. Распространяется по лицензии Apache-2.0.

Ateron/Gemma-4-Dark-Thoughts-31B — объединённая модель на основе Gemma 4, созданная автором Ateron для ролевых диалогов и творческого письма. По описанию автора, модель хорошо воспринимает системные инструкции и направления сюжета и стремится вести историю активно, без пассивных ответов. Модель использует плотную архитектуру Gemma4ForConditionalGeneration и распространяется в формате safetensors. В состав merge входят ReadyArt/Dark-Scarlett-v2.0-31B, ReadyArt/gemma-4-31B-it-scotoma-2 и zerofata/G4-MeroMero-v2-31B. Основная задача — генерация текста в чате; в метаданных указан английский язык. Модель выпущена под лицензией Apache-2.0. Автор описывает её как результат личного отбора и тестирования моделей; количественных оценок качества или подробных данных о контексте и размере в доступной карточке нет. Заявленные преимущества относятся к следованию инструкциям и поддержанию творческого ролевого сюжета.

HSC Wuxia mBART-50 — модель машинного перевода, разработанная в рамках выпускной работы по анализу подходов к переводу произведений wuxia. Это дообученная архитектура mBART-large-50-many-to-many-mmt с 457,4 млн параметров, обученная на 100 000 параллельных пар предложений из произведений wuxia и xianxia. Модель предназначена для перевода литературного текста с китайского на английский. На тестовом наборе wuxia авторы сообщают улучшение SacreBLEU с 6,33 до 37,73 по сравнению с базовой моделью; также приведены метрики chrF и ROUGE-L. Модель принимает текст и выдаёт текст, поддерживает контекст до 1024 токенов и распространяется по лицензии MIT.

HumanLM-Opinion — диалоговая языковая модель-симулятор пользователей, разработанная исследователями Стэнфорда на базе Qwen3-8B. Она генерирует ответы, стараясь передать предполагаемые убеждения, эмоции, позицию, ценности, цели и стиль общения пользователя. Модель дообучена методом GRPO с выравниванием по состояниям на наборе Humanual-Opinion: ответах пользователей Reddit в дискуссиях на личные темы. Перед формированием ответа она рассуждает о скрытых состояниях пользователя, а затем выдаёт текст от его лица. Модель предназначена для пользовательских исследований, проверки реакции аудитории на контент, генерации обратной связи и моделирования мнений в онлайн-сообществах. Она содержит 7,6 млрд параметров, использует архитектуру Qwen3 и поддерживает контекст до 40 960 токенов; основной язык карточки — английский. В оценках на Humanual-Opinion модель превзошла указанный базовый вариант по показателю согласованности с состоянием пользователя; в пользовательском исследовании её ответы часто оценивались как естественные. Эти результаты относятся к описанным в карточке оценкам и не гарантируют точного воспроизведения реальных людей или мнений. Обучающие данные основаны на обсуждениях Reddit, поэтому ответы могут отражать их особенности и смещения. Лицензия — Apache-2.0.

IceDrunkCherryV1RP-7b — объединённая языковая модель от icefog72, созданная методом SLERP с помощью mergekit на основе Mistral и объединённых чекпойнтов, перечисленных в карточке. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекстное окно до 32 768 токенов; доступна в формате safetensors для Transformers. Модель предназначена для генерации текста в диалоговых и ролевых сценариях, включая контент для взрослой аудитории. В карточке приведены результаты Open LLM Leaderboard по IFEval и BBH. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Koto-Small-7B-PT — базовая языковая модель для продолжения текста, созданная allura-org на основе XiaomiMiMo/MiMo-7B-Base и дообученная примерно на миллиарде токенов творческого письма. Она предназначена для свободного текстового дополнения и совместного написания прозы; в карточке также перечислены анархистские тексты, книги из Project Gutenberg и рассказы, включая эротические, среди обучающих данных. Модель имеет плотную архитектуру Qwen2 с 7 млрд параметров, работает через Transformers и принимает контекст до 32 768 токенов. Она рассчитана на англоязычное письмо и поддерживает генерацию текста. По README, инструкции и многошаговая ролевая игра в этой версии не работают: для RP и instruct-сценариев автор рекомендует отдельную Koto-Small-7B-IT. Веса доступны в формате safetensors по лицензии MIT.

DavidAU/L3-DARKER-PLANET-Broken-Land-12.15B-GGUF — текстовая генеративная модель семейства Llama 3, разработанная DavidAU. Она создана прежде всего для художественного письма: генерации рассказов, сцен, сюжетов и подсюжетов, продолжения текста, описаний, ролевых сценариев и творческого мозгового штурма. Модель ориентирована на прозу всех жанров, включая научную фантастику, романтику и хоррор. Модель содержит 12,15 млрд параметров и распространяется в формате GGUF. Заявлен максимальный контекст 8192 токена, с возможным расширением до 32 тысяч и более с использованием RoPE. Поддерживается английский язык. Архитектурной основой служит Llama 3; для работы требуется шаблон Llama 3 и/или Command-R. По описанию разработчика, модель создана на основе Dark Planet 8B, расширена на 20 слоёв и переработана методом Brainstorm 20x. Сильными сторонами считаются детализированная и эмоционально насыщенная проза, повышенная связность, более выразительные метафоры и описания, лучшее внимание к моменту действия и способность генерировать длинные тексты. Модель особенно сфокусирована на эмоциях и мыслях персонажей. При этом она может создавать NSFW-контент, жестокие и графичные сцены, содержит негативный уклон и не ориентирована на позитивные финалы. Высокие значения температуры могут ухудшать следование инструкциям, а расширение контекста через RoPE может приводить к проблемам качества; для снижения повторов рекомендуется repetition penalty 1.1 или выше. Лицензия модели — Apache-2.0.

Literature-3B-4096 — авторегрессионная языковая модель GPT-NeoX примерно с 3,5 млрд параметров, дообученная на 2 ГБ художественных текстов, включая лёгкие новеллы, эротическую прозу и размеченную литературу. Базовая модель — togethercomputer/RedPajama-INCITE-Base-3B-v1. Разработчик — автор репозитория hakurei. Модель предназначена для генерации художественной прозы и помощи авторам: она продолжает заданный фрагмент, создаёт вымышленные истории и может ориентироваться на жанр, стиль и теги, указанные в аннотированном промпте. Контекст составляет до 4096 токенов. Карточка указывает поддержку английского языка; веса представлены в формате PyTorch. Обучающие данные охватывают разные источники, в том числе Project Gutenberg, и включают эротический контент, поэтому генерации могут содержать материалы для взрослых. Модель распространяется по лицензии MIT.

vantagewithai/LTX2.3-10Eros-GGUF — это GGUF-версия модели LTX2.3-10Eros, предназначенная для генерации видео из изображений (image-to-video) в ComfyUI. Репозиторий подготовлен VantageWithAI; исходная модель разработана TenStrip, а в основе также используется Sulphur-2-base от SulphurAI. Для работы требуются совместимые узлы 10S-Comfy-nodes. Модель ориентирована на создание видеосцен на основе первого кадра с управлением движениями, изменениями композиции, развитием событий и аудио через текстовый промпт. Она рассчитана на сценарии, где важно сохранить исходную сцену и задать последовательность визуальных действий; README отдельно отмечает возможность использования для эротического контента. Модель слабо выполняет самостоятельное рассуждение, поэтому промпт должен подробно описывать начальную сцену, движения и звуковое сопровождение. Указано, что это отдельная попытка merge-модели с layer-scaled объединением различных этапов, а не простое объединение весов; по заявлению автора, она лучше ведёт себя по сравнению с загрузкой LoRA и точнее следует промпту. Формат GGUF может быть удобен для соответствующих рабочих процессов, однако конкретные требования к памяти, размер модели, архитектура, поддерживаемые языки и максимальный контекст в README не указаны. README предупреждает, что крупные distilled LoRA могут ухудшать fine-tune модели, и рекомендует варианты cond_safe. Лицензия не указана.

AlekseyCalvin/Lyrical_MT_mini_rus2eng_MiniPLM_llama3.1_212m — экспериментальная модель машинного перевода, созданная авторами Silver Age Poets на базе MiniLLM/MiniPLM-llama3.1-212M. Это плотная авторегрессионная модель семейства Llama с 211,7 млн параметров, дообученная методом ORPO на датасете русско-английских переводов песенных текстов. Она предназначена для перевода и литературной локализации русских песен и стихов на английский с учётом идиом, ритма, рифмы, размера и исполнительской подачи, сохраняя при этом смысл оригинала. Модель принимает текст и генерирует текст; в метаданных указан контекст до 131 072 токенов. Карточка описывает версию как экспериментальную работу в процессе разработки, поэтому качество перевода может быть нестабильным и требует проверки, особенно при точной передаче смысла и поэтической формы. Лицензия — Apache-2.0.

Maginum-Cydoms-24B — языковая модель Casual-Autopsy, созданная слиянием нескольких предварительно обученных моделей с помощью mergekit. В состав входят Mistral-Small-3.2-24B-Instruct-2506-Text-Only, Cydonia-24B-v4.3, Magidonia-24B-v4.3, Precog-24B-v1, PaintedFantasy и Broken-Tutu; применялись методы TIES, DELLA и SLERP. Модель имеет плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста, в том числе ролевых диалогов и творческих сценариев. Метки карточки указывают на поддержку ролевых и эротических сценариев и на то, что модель подходит не для любой аудитории. Данные о лицензии в предоставленной карточке отсутствуют.

Это диалоговая языковая модель семейства Llama, созданная дообучением Meta-Llama-3-8B-Instruct на датасете generator. Она предназначена для генерации текста в формате диалога; название репозитория указывает на французскую тематику fictional arc, однако README не поясняет её конкретные сценарии и специализацию. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Модель принимает текст и выдаёт текст. Указана лицензия other; конкретные условия использования следует проверять в карточке и файлах лицензии репозитория. README не содержит сведений об оценке качества или специальных ограничениях.

MiniMax-H3-Prompt-Rewriter-LoRA-Omni-GGUF — это GGUF-конверсия LoRA-адаптера lightx2v/MiniMax-H3-Prompt-Rewriter-LoRA-Omni, опубликованная pytraveler. Адаптер предназначен для запуска через llama.cpp на квантованной мультимодальной модели Qwen2.5-Omni-7B. Нового обучения в этой версии нет: значения тензоров исходного адаптера сохранены, изменён только формат представления. Модель переписывает исходные запросы для генерации видео и поддерживает сценарии T2AV, I2AV, L2AV, FL2AV и Ref2AV. Она может работать с текстом, изображениями, видеоклипами и звуком, включая анализ референсных материалов и их использование в итоговом описании. Адаптер формирует структурированные описания сцен с композицией, освещением, движением камеры и таймингом. Он изменяет только текстовую часть модели; зрительный и аудиомодули Qwen2.5-Omni не затрагиваются. Доступны варианты F16 размером около 0,65 ГБ и Q8_0 размером около 0,34 ГБ; README рекомендует Q8_0. Для работы требуются совместимые файлы базовой модели Qwen2.5-Omni-7B и мультимодального проектора, причём при контексте 12 тысяч токенов заявлено около 9 ГБ VRAM. Для корректной генерации необходимо применять шаблон чата Qwen2.5-Omni; задачи с референсами запускаются через мультимодальный интерфейс llama.cpp. Лицензия в предоставленных данных не указана.

Moistral 11B v2.1b SOGGY — дообученная автором модель для генерации художественной прозы и ролевых сценариев с выразительной, чувственной лексикой. Она рассчитана на чат и инструкции в формате Alpaca; в обучающий набор включены романтика, фэнтези, научная фантастика и другие жанры. Автор сообщает об улучшениях связности, генерации длинных ответов и разнообразии перспектив; в README приведены примеры прозы со взрослыми и сексуализированными ситуациями. Модель построена на архитектуре Llama, содержит 10,6 млрд параметров и поддерживает контекст до 8192 токенов. Она принимает текст и генерирует текст; README не уточняет языки обучения или применения. Репозиторий распространяется в формате PyTorch по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Nemo-12B-Crownelius-ST — экспериментальная донастройка модели ewald1976 на базе Mistral-Nemo-Instruct-2407 от Mistral AI и NVIDIA. Она предназначена для генерации диалогового текста с выразительной прозой в стиле, сформированном на датасете Crownelius/Opus-4.5-3000x. При обучении были заморожены слои внимания и MLP, а дообучалась только выходная проекция lm_head, поэтому основная логика и следование инструкциям базовой модели сохраняются, а меняются преимущественно словарные и стилистические предпочтения. Модель имеет плотную архитектуру Mistral, содержит 12,1 млрд параметров и поддерживает контекст до 131 072 токенов. Метаданные указывают английский язык, формат весов safetensors и лицензию Apache-2.0. Автор сообщает о заметном изменении стиля после одного цикла обучения; рекомендуемые настройки генерации — temperature 0,7–0,9, min_p 0,05, top_p 0,95 и repetition penalty 1,05. Это экспериментальная стилево настроенная модель, а не отдельная специализация для предметной области.

Модель fhswf/nllb-600M-lat_Latn-to-deu_Latn — дообученная версия facebook/nllb-200-distilled-600M для машинного перевода с латинского языка на немецкий. Она построена на архитектуре M2M100 и рассчитана на прямой перевод текстов, в том числе академических и исторических. Модель содержит 463,7 млн параметров, работает с библиотекой Transformers и имеет контекстное окно до 1024 токенов. Модель подходит для перевода латинских текстов на немецкий, однако качество зависит от покрытия и стиля обучающего набора; редкие слова, сложные конструкции и неоднозначный контекст могут приводить к ошибкам. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Ik45 разработала гибридную модель машинного перевода с архитектурой MarianMT — трансформером типа encoder-decoder, созданным методом переноса компонентов и последующего дообучения. Модель переводит текст с арабского на индонезийский. В её основе — энкодер из Helsinki-NLP/opus-mt-ar-en и декодер с индонезийскими эмбеддингами из Helsinki-NLP/opus-mt-en-id; в README указаны 6 слоёв энкодера и 6 слоёв декодера, 8 голов внимания и размер скрытого представления 512. Контекст модели — 512 токенов. Модель предназначена для перевода арабских текстов на индонезийский, в том числе материалов из тематик и корпусов, представленных в данных для обучения: Библия, Коран, TED Talks и QED. Распространяется по лицензии Apache-2.0. Качество перевода для иных жанров и доменов в предоставленных сведениях не описано.

raithdemis/Qwen2.5-1.5B-VibeThinker-heretic-uncensored-abliterated — диалоговая языковая модель на архитектуре Qwen2 с 1,5 млрд параметров, созданная дообучением WeiboAI/VibeThinker-1.5B и обработкой Heretic v1.0.1 для снижения частоты отказов. Предназначена для генерации текста в диалогах и ролевых сценариях; автор также указывает возможность генерации контента для взрослых. Заявленная длина контекста — 128k токенов. По данным карточки, доля отказов после обработки составила 5 из 100 против 61 из 100 у исходной модели, а KL-дивергенция — 0,01. Это показатели, приведённые автором, а не независимая оценка качества. Карточка отмечает, что для получения явно заданного стиля или уровня откровенности иногда нужны дополнительные инструкции. Модель опубликована в формате safetensors для Transformers; сведения о лицензии в предоставленных данных отсутствуют.

Qwen3-4B Fiction on Fire Series 7 Model X — языковая модель, созданная DavidAU путём слияния моделей на базе Qwen3-4B. Автор описывает её как модель для художественного письма и творческой генерации: написания и продолжения сцен, сюжетов и историй, ролевого общения, а также диалогов и рассуждений. Слияние выполнено без случайного прореживания весов, которое автор применял к другим моделям серии; модель также основана на Josiefied-Qwen3-4B-abliterated-v2 для снижения числа отказов. Заявленные возможности и поведение могут различаться между вариантами серии. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров. README указывает контекст 40 000 токенов; метаданные — 40 960. Поддерживаются шаблоны ChatML или Jinja. В карточке отмечены английский, французский, китайский и немецкий языки, однако примеры и рекомендации ориентированы преимущественно на англоязычное художественное письмо. Модель принимает текстовые запросы и генерирует текст. Рекомендуемая лицензия — Apache-2.0. Автор сообщает, что отказы могут сохраняться и различаться между вариантами; качество следования инструкциям, рассуждений и прозы также меняется. Для работы автор приводит рекомендации по настройкам сэмплирования, поэтому результат зависит от параметров генерации.

Qwen3.5-9B-Claude-4.6-Opus-Deckard-V4.2-Uncensored-Heretic-Thinking-qx86-hi-mlx — модель, созданная DavidAU на основе Qwen3.5-9B-Claude-4.6-Opus-Deckard-V4.2-Uncensored-Heretic-Thinking. В карточке она представлена как версия для MLX с вариантом квантования qx86-hi; заявленный размер — 9B параметров. Указаны английский и китайский языки, а также тип pipeline image-text-to-text, однако подробности о поддерживаемых визуальных входах не приведены. Модель ориентирована прежде всего на творческое письмо: генерацию рассказов, сцен, сюжетов и подсюжетов, продолжение текста, создание художественной прозы, научной фантастики, романтики и других жанров, а также на ролевые сценарии. Теги также указывают на uncensored-поведение и экспериментальную настройку, поэтому модель может быть интересна для задач свободной генерации и ролевого взаимодействия. В README приведены результаты на ряде бенчмарков для вариантов qx86-hi, mxfp4 и mxfp8, а также для instruct-режима и близких слитых моделей, но методика и интерпретация этих оценок не описаны. Ограничения включают отсутствие сведений о размере контекста, точной архитектуре, требованиях к памяти, качестве мультимодальной обработки и стабильности результатов; заявленная uncensored-настройка также может означать меньше встроенных ограничений безопасности. Лицензия — Apache-2.0.

Qwen3.8-Queen-27B-GGUF — квантизированная GGUF-версия модели Qwen3.8-Queen-27B, разработанной aifeifei798 и подготовленной к публикации и квантизации mradermacher. Модель ориентирована на генерацию текста, ролевые сценарии, творческое письмо, сторителлинг и работу с character card, в том числе в SillyTavern. В метаданных указан английский язык. Модель имеет заявленный размер 27B параметров; точная архитектура и размер контекста в README не указаны. Доступны варианты квантизации от Q2_K до Q8_0, включая IQ4_XS, с размером файлов примерно от 11 до 29,1 ГБ. Для мультимодального использования предоставляются дополнительные файлы mmproj в форматах Q8_0 и f16, однако конкретные поддерживаемые модальности и возможности не описаны. Более лёгкие варианты требуют меньше памяти, а старшие квантизации обычно обеспечивают более высокое качество; Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант очень хорошего качества, Q8_0 — как вариант наилучшего качества. Модель распространяется по лицензии Apache-2.0. README не содержит результатов бенчмарков, подробностей обучения, инструкций по системному промпту или оценки ограничений качества, поэтому её пригодность для общих задач, точность и поведение в других языках требуют самостоятельной проверки.

jadechoghari/RT-DETRv2 — реализация модели RT-DETRv2-S для библиотеки Transformers, предназначенная для обнаружения объектов на изображениях. Модель использует архитектуру RT-DETR — детектор на основе трансформера, развивающий RT-DETR за счёт улучшенной стратегии обучения и настроек извлечения признаков на нескольких масштабах с помощью deformable attention. Модель принимает изображение и выдаёт обнаруженные объекты с метками классов, оценками уверенности и координатами ограничивающих рамок. Её можно применять для анализа изображений и построения конвейеров компьютерного зрения, которым требуется обнаружение объектов. README демонстрирует загрузку модели и процессор изображений через Transformers. В README не указаны набор классов, показатели качества или условия лицензии, поэтому их нельзя оценить по доступным сведениям.

SalamandraTA-7B-academic — языковая модель для машинного перевода, разработанная подразделением Language Technologies Unit Барселонского суперкомпьютерного центра. Это дообученная для перевода версия Salamandra7B-Instruct с архитектурой Llama и примерно 6,7 млрд параметров по метаданным; README приводит размер 7,77 млрд параметров. Модель принимает текст и предназначена для общего машинного перевода, в том числе академических текстов. Модель обучалась на данных ACAD-Train и ACAData. Заявлена поддержка 12 языков — астурийского, каталонского, немецкого, греческого, испанского, английского, баскского, французского, галисийского, итальянского, нидерландского и португальского — в 96 направлениях перевода. Контекстное окно составляет 8192 токена. README рекомендует использовать обученный шаблон перевода; диалоговые возможности базовой модели не проверялись для этой версии. Модель подходит для перевода академических материалов и других текстов между поддерживаемыми языками. Карточка сообщает о предварительном дообучении и предостерегает от использования в производстве без оценки рисков. Качество по языкам, диалектам и предметным областям, а также возможные смещения специально не анализировались. Лицензия Apache-2.0 допускает исследовательское и коммерческое использование.

SimpleSeg-Qwen2.5-VL — версия SimpleSeg на базе Qwen2.5-VL, представленная авторами проекта SimpleSeg. Это плотная мультимодальная модель на 7 млрд параметров, которая выполняет сегментацию объектов, предсказывая последовательность координат контура в текстовом виде. Для повышения точности авторы применяют двухэтапное обучение SFT и RL с наградой на основе IoU. Модель предназначена для сегментации по текстовому описанию и пространственного понимания изображений; координатный вывод можно преобразовать в полигоны и маски для последующей обработки или редактирования. Архитектура использует стандартную структуру MLLM без специализированных модулей, поддерживает контекст до 128 000 токенов и распространяется в формате safetensors. Лицензия — MIT.

Ślimaki-24B-v1.2 — объединённая языковая модель на базе архитектуры Mistral, созданная автором репозитория с помощью mergekit и метода DELLA. В состав объединения входят несколько моделей размером около 24 млрд параметров, включая Mistral Small 3.2 Instruct и модели семейств Cydonia, Magidonia и Precog. Модель предназначена для генерации текста, творческого письма и ролевых диалогов; автор описывает версию 1.2 как более творческую по сравнению с предыдущей. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов и ориентирована на английский язык. В README указано, что модель может создавать сцены с насилием и графическим эротическим содержанием и практически не отказывает в таких запросах. Для работы автор рекомендует шаблон чата Mistral Tekken. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не приводит результатов сравнительных оценок качества.

CAMeL-Lab/text-editing-qalb14-nopnx — модель редактирования текста для исправления грамматических ошибок в современном литературном арабском языке (MSA). Она основана на AraBERTv02 и дообучена на наборе QALB-2014; в статье ACL 2025 авторы называют её SWEET (Subword Edit Error Tagger). Модель предназначена для исправления ошибок, не связанных с пунктуацией, и используется вместе с SWEETPnx для исправления пунктуационных ошибок. Архитектура — BERT для классификации токенов; модель содержит 162,4 млн параметров и обрабатывает контекст длиной до 512 токенов. Карточка описывает оценивание на разделах QALB-2014 dev и test. Для использования требуется репозиторий SWEET и соблюдение его требований к установке. Лицензия модели — MIT.

MidnightRunner/Ultralytics — коллекция моделей для интеграции Ultralytics с ComfyUI. По метаданным, она объединяет модели Ultralytics YOLO11 и YOLOv8; каталог указывает задачу обнаружения объектов. README описывает загрузку изображений и применение моделей для детекции и сегментации через узел Ultralytics в ComfyUI. Модели работают с изображениями и выдают результаты обнаружения объектов; карточка также упоминает модели сегментации. Репозиторий использует PyTorch, а файлы весов имеют формат .pt. В метаданных указан английский язык карточки, но это не свидетельствует об ограничении языка самой модели, поскольку она предназначена для компьютерного зрения. Лицензия — AGPL-3.0. README предупреждает о рисках загрузки pickle-файлов и советует использовать веса только из доверенных источников; способ установки и загрузки зависит от ComfyUI и PyTorch.

VideoGuard-Qwen3.5-4B-Safety-RL-Uncensored — дообученная модель prithivMLmods на базе мультимодальной Qwen/Qwen3.5-4B. Она предназначена для анализа видеосцен и классификации потенциально небезопасного контента по категориям C1–C6, с выдачей описания сцены, объяснения и структурированных меток. В карточке указаны около 10 тысяч обучающих примеров для безопасности видео и рассуждения о сценах; метаданные отмечают обучение с подкреплением и формат safetensors. Модель подходит для фильтрации видеоконтента, оценки безопасности, тестирования защитных механизмов и исследований мультимодальных guardrail-систем. Метаданные указывают задачу video-text-to-text и поддержку английского языка. Модель распространяется по лицензии Apache-2.0.