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

Llama-3.2-4X3B-MOE-Hell-California-Uncensored-10B-GGUF — языковая модель на базе Llama 3.2, созданная DavidAU с использованием смеси четырёх моделей-экспертов Llama 3.2 по 3B параметров. Модель имеет около 10B параметров, архитектуру mixture of experts и максимальный контекст до 128K токенов. Основной язык — английский. Распространяется в формате GGUF и предназначена для text generation. Модель ориентирована прежде всего на творческое письмо, создание и продолжение сюжетов, прозы, сцен, подсюжетов, ролевые сценарии и работу с жанрами, включая научную фантастику, романтику и хоррор. Заявлены особенно подробная и выразительная генерация, сильное следование инструкциям и некорректируемый характер ответов, включая обсценную лексику и NSFW-содержание. Возможна также общая текстовая эксплуатация, однако вывод может быть нецензурированным. По умолчанию используются два эксперта, но поддерживается настройка на одного, трёх или четырёх экспертов; это влияет на скорость, разнообразие и характер генерации. Для запуска требуется шаблон Llama 3 и/или Command-R. Автор заявляет скорость свыше 58 токенов в секунду на видеокарте с 16 ГБ памяти в квантизации IQ4XS, но фактическая производительность зависит от оборудования и настроек. Изменение числа экспертов и параметров генерации может приводить к заметно различающимся результатам. Модель лицензирована по Apache License 2.0. README не содержит независимых результатов бенчмарков и подробностей о точных размерах отдельных квантизаций, поэтому заявленные качество и производительность следует воспринимать как сведения автора модели.

MaskFormer — модель компьютерного зрения на архитектуре MaskFormer с базовым Swin-бэкбоном, обученная командой разработчиков MaskFormer на COCO для паноптической сегментации. Она предсказывает набор масок и соответствующих им меток, объединяя единым подходом задачи сегментации объектов, семантической и паноптической сегментации. Этот чекпойнт предназначен для семантической сегментации изображений и может использоваться для выделения областей и распознавания классов объектов в сценах. Модель опубликована в форматах PyTorch и Safetensors и доступна через Transformers. Лицензия в метаданных обозначена как other; конкретные условия использования следует сверить с лицензией репозитория. Карточка указывает COCO как обучающий набор данных; сведений о специальных ограничениях качества или поддержке языков для этой модели нет.

Это модель классификации изображений семейства MaxViT, опубликованная Ross Wightman в составе библиотеки timm. Она сочетает блоки свёртки MBConv с оконным и сеточным механизмами self-attention; в этой конфигурации используется MLP Log-CPB — смещение относительных позиций, мотивированное Swin Transformer V2. Модель предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k. Модель рассчитана на классификацию изображений и может использоваться как визуальный backbone для извлечения признаков и эмбеддингов. Рекомендуемый размер входного изображения — 384 × 384 пикселя. Веса содержат около 116,1 млн параметров; вычислительная сложность указана как 71 GMAC. В README приведены результаты ImageNet-бенчмарков для вариантов семейства MaxViT, но отдельные показатели этой конфигурации в доступном фрагменте не приведены. Репозиторий распространяется по лицензии Apache-2.0. Модель предназначена для классификации изображений общего назначения; её качество зависит от соответствия входных изображений обучающим данным ImageNet, и карточка не заявляет специализированную точность для отдельных предметных областей.

joshvm/milliontrees-detr — модель компьютерного зрения для обнаружения объектов на изображениях, опубликованная пользователем joshvm на Hugging Face. Модель предназначена для поиска объектов и определения их ограничивающих рамок на изображении; в метаданных она классифицирована как object-detection и связана с архитектурой Deformable DETR. Для работы предполагается использование библиотеки Transformers и формата Safetensors. README содержит автоматически сгенерированную карточку без сведений о разработчике, обучающих данных, результатах оценки, лицензии, поддерживаемых языках или специализированной области применения. Поэтому модель можно рассматривать как базовый компонент для приложений визуального анализа, но её точность, устойчивость к различным условиям съёмки и пригодность для конкретных классов объектов необходимо проверять самостоятельно.

gghfez/MiniMax-M3-control-vectors — набор управляющих векторов для MiniMaxAI/MiniMax-M3, подготовленный для настройки стиля творческого письма без дообучения самой модели. Векторы позволяют менять тон повествования и фокус текста: оптимизм или нигилизм, эмпатию или социопатию, честность или макиавеллизм, скромность или нарциссизм, диалог или повествовательное изложение, простой или витиеватый язык, описательность или эксплицитность. Это производный артефакт для генерации текста: его применяют вместе с базовой MiniMax-M3, задавая соответствующие векторы при запуске совместимого llama.cpp-сервера; README также описывает загрузку векторов через API ikllama.cpp. В репозитории указан формат GGUF, а базовая модель описана каталогом как мультимодальная модель с контекстом до 1 млн токенов. Сам набор ориентирован на англоязычное творческое письмо. Лицензия — CC BY-NC 4.0, допускающая использование с атрибуцией и ограничивающая коммерческое применение.

Mistral 7B-Holodeck — дообученная версия базовой модели Mistral 7B, опубликованная KoboldAI в формате GGUF. Модель предназначена для генерации текста и ориентирована прежде всего на совместное написание художественных произведений в интерфейсе KoboldAI Lite, особенно в режиме Story Mode. Её предполагаемый сценарий использования — помощь в создании и продолжении историй в разных жанрах. Для обучения использован набор примерно из 3000 электронных книг различных жанров; к большей части текстов добавлялись обозначения жанров в формате [Genre: ...]. Известно, что модель работает с текстом на английском языке. В README не указаны точный размер контекста, конкретная архитектура GGUF-квантизации, варианты модальностей или дополнительные технические характеристики, поэтому их нельзя определить по предоставленным данным. К сильным сторонам относятся специализация на художественном письме и обучение на разнообразном корпусе книг. Ограничения включают возможные предубеждения, связанные с полом, профессией, расой и религией, а также отсутствие подробных данных о качестве, производительности и совместимости конкретных вариантов GGUF. Модель распространяется по лицензии Apache-2.0.

MS-EffGCViT DeepFake B5 Celeb-DF-v2 — модель DeepGuard для выявления поддельных лиц на изображениях и видео. Это гибридная архитектура, сочетающая сверточную EfficientNet-B5 и иерархическое внимание с глобальным контекстом; версия B5 рассчитана на анализ с высоким разрешением 384×384. Модель классифицирует входные кадры как настоящие или поддельные, а видео оценивает по кадрам с последующим объединением результатов. Модель предназначена для проверки подлинности лицевых изображений и видеозаписей, в том числе в задачах цифровой криминалистики и модерации. README указывает на обучение и оценку на Celeb-DF-v2, а также заявляет поддержку изображений и видео. Приведённые результаты на других наборах данных показывают существенно более слабое обобщение: на KoDF и FaceForensics++ точность близка к случайной, поэтому результаты на Celeb-DF-v2 не следует считать гарантией качества на иных источниках. Модель дообучена на основе timm/tf_efficientnet_b5.ns_jft_in1k и распространяется в формате safetensors под лицензией MIT. Для входа требуются кадры с лицом; README описывает работу на уровне кадров, но не сообщает длину контекста, применимую к видеопоследовательности.

Модель разработана автором репозитория nirnit-13 и дообучена на базе google/muril-base-cased для проверки утверждений по фрагменту доказательства. Она классифицирует пару «утверждение — доказательство» по двум меткам: SUPPORTS (подтверждает) и REFUTES (опровергает). Модель использует архитектуру BERT для классификации последовательностей, содержит 264,8 млн параметров и принимает текст с контекстом до 512 токенов; карточка рекомендует ограничивать длину токенизации 192 токенами, как при обучении. Основной сценарий — проверка неформальных утверждений из социальных сетей на смешанном хинди, бенгальском и английском языке. На отложенной выборке указаны accuracy 0,822 и macro F1 0,801. Качество заметно снижается на формальном тексте и при смене формата источников доказательств; при обучении также наблюдалось переобучение на поздних эпохах. Модель распространяется по лицензии Apache-2.0.

Netra-NMT Small — компактная модель машинного перевода, разработанная автором репозитория Darayut. Это encoder-decoder Transformer на 77 млн параметров, обученный с нуля на англо-кхмерском параллельном корпусе. Модель поддерживает перевод в обоих направлениях: с английского на кхмерский и с кхмерского на английский. Архитектура включает 12 слоёв двунаправленного энкодера и 2 слоя авторегрессионного декодера, общую токенизацию SentencePiece с словарём 32 тыс. токенов, RoPE, RMSNorm и SwiGLU. Для ускорения генерации применяется KV-кэш. В описании заявлены данные из юридической, литературной, медицинской, технической и разговорной областей, а также веб-тексты. Репозиторий распространяется по лицензии MIT.

Neural-Dark-Waifu-v0.2 — слитая автором nocudaexe языковая модель для генерации текста и диалогового общения, в том числе ролевых сценариев. Она объединяет возможности AlphaMonarch-7B, моделей Dark-Waifu-7b и Infinite-Waifu, а также Kunocchini-7b-128k-test; конфигурация слияния в README указывает mergekit и метод Slerp. Архитектура — плотная MistralForCausalLM примерно на 7,1 млрд параметров. Метаданные указывают контекст до 32 768 токенов, а автор сообщает о проверке поведения до 15 872 токенов и о проблемах предыдущей версии при контексте 4–8 тысяч токенов. Модель предназначена для чат-ответов и ролевого письма, с пониженными ограничениями на генерируемые ответы. В README не указаны поддерживаемые естественные языки. Репозиторий использует формат safetensors; отдельная ссылка на GGUF в README относится к варианту размещения. Лицензия — Apache-2.0. Карточка описывает эксперимент по слиянию, а заявленная проверка контекста не подтверждает надёжную работу на всём диапазоне, указанном в метаданных.

Ninja-v1-NSFW-128k — языковая модель Local-Novel-LLM-project на архитектуре Mistral с 7,1 млрд параметров, созданная на основе Mistral-7B-v0.1. Она дообучена и объединена с другими моделями для генерации художественного текста и диалогов на японском и английском языках; поддерживает формат запросов Vicuna и многоходовые беседы. Модель рассчитана на контекст до 128 тыс. токенов и генерацию контента для взрослых. Модель подходит для написания и продолжения романов, ролевых диалогов и генерации длинных текстов с сохранением контекста. В карточке описаны слияние нескольких моделей, обучение LoRA и расширение контекста; при этом метаданные указывают нативный контекст в 32 768 токенов. Для длинных запросов может потребоваться много памяти, а обучающие данные могут быть смещёнными. Лицензия — Apache-2.0.

Nova-Tempus-70B-v0.3 — объединённая языковая модель автора sophosympatheia, созданная методом SCE в mergekit на основе DeepSeek-R1-Distill-Llama-70B и Nova-Tempus-70B-v0.1; в описании также указана Llama 3.3 70B Instruct как базовая модель слияния. Модель содержит 69,5 млрд параметров, использует плотную архитектуру Llama и предназначена для генерации текста в диалогах, ролевых сценариях и художественном повествовании. Контекст — до 131 072 токенов; основной заявленный язык — английский. Автор отмечает сильные стороны модели в творческом письме, длинных ответах и формальной прозе, похожей на романную. Возможности в других задачах не проверялись автором. Модель помечена как uncensored и не рассчитана на всех пользователей; в системном промпте есть инструкции для контента 18+. Лицензия — Llama 3.3.

Freepik разработала эту модель для классификации изображений по уровню контента NSFW. Это дообученный vision transformer на архитектуре EVA, представленный через обёртку timm; модель различает четыре класса: нейтральный, низкий, средний и высокий уровень. В README указано, что для обучения использовались 100 000 синтетически размеченных изображений. Модель подходит для модерации изображений, включая изображения, созданные ИИ. Она может возвращать класс или вероятности классов; при необходимости результат можно свести к бинарному ответу о наличии NSFW-контента. Авторы сообщают о внутренних сравнениях с другими детекторами, однако приводят результаты на собственных наборах данных, поэтому они не гарантируют такую же точность на других распределениях изображений. Модель принимает изображения и выдаёт метки классов и оценки вероятностей. В README приведены показатели производительности на NVIDIA RTX 3090; фактическая скорость зависит от оборудования и способа подачи данных. Лицензия — MIT.

mergekit-community/nsfw_merge_testv3 — объединённая языковая модель, созданная сообществом с помощью mergekit и метода Model Stock. Модель основана на Llama, содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалогов; заявленная длина контекста — 131 072 токена. В объединение вошли модели и адаптеры для длинных историй, увеличения длины генерации, клинических знаний и снятия ограничений ответов. Это может быть полезно для диалогов, написания длинных историй и ответов на медицинские вопросы, но README не приводит оценок качества или подробных рекомендаций по применению. Репозиторий помечен как не предназначенный для всех аудиторий, поэтому модель может генерировать чувствительный контент. Лицензия в предоставленных данных не указана.

Это набор весов Pixal3D версии q8_0-v1 в формате GGUF для конвейера преобразования изображений в 3D, разработанного для pixal3d.cpp. Набор включает девять файлов общим объёмом 7,54 ГиБ: среди компонентов указаны кодировщик изображений DINOv3, NAF и потоковая модель разреженной структуры. Веса квантованы до Q8_0 и собраны для запуска в браузере через WebGPU с учётом лимита памяти на один буфер. Модель предназначена для генерации 3D-представлений по входному изображению и использования в веб-приложении Pixal3D. Основа набора — TRELLIS.2; README указывает на обучение Pixal3D поверх этой основы. Для файлов, происходящих от TRELLIS.2 и Pixal3D, заявлена лицензия MIT с требованием сохранять уведомления об авторских правах и текст лицензии. Файл DINOv3 распространяется по отдельной лицензии, поэтому перед перераспространением нужно свериться с индексом LICENSE.md и текстом DINOV3_LICENSE.md.

PVTv2 — лёгкая иерархическая модель зрения на основе Pyramid Vision Transformer v2, представленная в реализации Hugging Face PyTorch. В её слоях трансформера используются свёрточные операции, а архитектура формирует многомасштабные карты признаков и не требует дополнительных позиционных эмбеддингов. Этот чекпойнт предназначен для классификации изображений. Архитектура PVTv2 также используется как основа для моделей сегментации, оценки монокулярной глубины и обнаружения объектов, однако карточка данного репозитория указывает задачу классификации. Модель распространяется в формате safetensors по лицензии Apache-2.0.

PekingU/rtdetr_r101vd — модель обнаружения объектов на изображениях на основе RT-DETR, разработанная Яном Чжао и Санбумом Чоем и опубликованная под лицензией Apache-2.0. Она предназначена для сквозного обнаружения объектов в реальном времени: модель предсказывает классы объектов и ограничивающие рамки без этапа NMS. Архитектура сочетает гибридный энкодер для обработки многомасштабных признаков, выбор начальных запросов с минимальной неопределённостью и Transformer-декодер. Вариант R101 использует backbone ResNet-101; в карточке семейства приведены результаты RT-DETR-R101 на COCO, но точные показатели этого репозитория отдельно не указаны. Модель обучена для обнаружения объектов на COCO 2017. Для входных изображений описана предварительная обработка с изменением размера до 640×640 и нормализацией по средним значениям и стандартным отклонениям ImageNet. RT-DETR позволяет менять число слоёв декодера для настройки скорости без повторного обучения. Модель принимает изображения и выдаёт классы объектов и их рамки; заявленная область применения — визуальное обнаружение объектов общего назначения.

alst10/samuel-beckett-playwriter-v3 — дообученная alst10 диалоговая модель на архитектуре Llama, основанная на mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated. Модель предназначена для генерации текста и диалоговых ответов; название указывает на возможную ориентацию на написание пьес в духе Сэмюэла Беккета, однако README не описывает специализированное обучение или подтверждённые возможности в этой области. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст. Метаданные указывают контекст до 131 072 токенов и английский язык. Веса опубликованы в формате safetensors; обучение выполнено с Unsloth и библиотекой TRL. Лицензия — Apache-2.0.

SimpleSeg-Kimi-VL — версия метода SimpleSeg на базе мультимодальной модели Kimi-VL, представленная разработчиками SimpleSeg. Она предназначена для сегментации объектов по текстовому описанию: модель принимает изображение и запрос, затем генерирует последовательность координат точек, описывающих границу объекта. Такой подход представляет сегментацию как генерацию текста и не требует специализированных модулей для построения масок. В README указана двухэтапная настройка SFT→RL: обучение с подкреплением по награде на основе IoU уточняет контуры. Описаны сценарии сегментации по выражению, пространственной локализации и визуального понимания. Модель основана на архитектуре Kimi-VL; README характеризует её как MoE с 16 млрд параметров, из которых 3 млрд активны. В метаданных указаны класс KimiVLForConditionalGeneration, библиотека Transformers и формат safetensors. Лицензия — MIT.

Southern Kurdish ASR — модель автоматического распознавания речи на южнокурдском языке (SDH), разработанная для преобразования устной речи в текст. Она построена на архитектуре Wav2Vec-BERT 2.0 с CTC-декодированием и содержит около 402,7 млн параметров. Модель обучена на 30 часах проверенной речи, прочитанной вслух, и предназначена для задач распознавания южнокурдской речи. В оценке на южнокурдской части бенчмарка Frezar модель показала CER 4,09 и WER 24,26. Эти результаты относятся к условиям данного бенчмарка; качество на спонтанной речи, других акцентах и шумных записях может отличаться. Для модели указана лицензия CC BY-NC-ND 4.0, предусматривающая атрибуцию и ограничения на коммерческое использование и распространение производных материалов.

Swin Transformer — модель компьютерного зрения, разработанная авторами статьи Swin Transformer: Hierarchical Vision Transformer using Shifted Windows и выпущенная командой Swin Transformer. Это базовая модель классификации изображений, предварительно обученная на ImageNet-21k: 14 млн изображений и 21 841 класс. Модель обрабатывает изображения с разрешением 384×384. Архитектура Swin строит иерархические карты признаков, объединяя патчи на более глубоких уровнях, и вычисляет self-attention внутри локальных окон со сдвигом. Такой подход позволяет использовать её как основу для классификации и других задач распознавания с плотной разметкой. В карточке модели непосредственно заявлена классификация изображений; для других задач может потребоваться дообученная версия. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0. Она принимает изображения и выдаёт метки классов. Качество классификации ограничено набором классов ImageNet-21k, на котором модель обучалась.

Swin Transformer Large — модель компьютерного зрения, разработанная авторами Swin Transformer и представленная в работе Liu et al. Это версия с предварительным обучением на ImageNet-21k: 14 миллионов изображений, 21 841 класс. Модель принимает изображения разрешением 224×224 и предназначена для классификации изображений; её также можно использовать как основу для задач плотного распознавания после соответствующей адаптации. Архитектура Vision Transformer формирует иерархические карты признаков, объединяя патчи на более глубоких уровнях. Механизм внимания применяется внутри локальных окон со сдвигом, поэтому вычислительная сложность растёт линейно с размером изображения. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0. Для прикладных задач, отличающихся от классификации ImageNet, обычно потребуется дообученная версия модели.

Taigi-Llama-2-Translator-13B — языковая модель Bohanlu для перевода между тайваньским хоккиеном, традиционным китайским и английским, а также между письменными системами хоккиена. Она создана дообучением Bohanlu/Taigi-Llama-2-13B на 263 тысячах параллельных примеров. Архитектура — плотная LlamaForCausalLM с 13 млрд параметров; модель принимает исходный текст и генерирует перевод. Контекст составляет 4096 токенов. Модель предназначена для перевода предложений и текстов между традиционным китайским и хоккиеном, английским и хоккиеном, а также для преобразования между записями хоккиена иероглифами Hanzi, латиницей POJ и Hanlo. Для перевода используется шаблон запроса с указанием целевого языка. Репозиторий распространяет веса в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, ограничивает коммерческое использование и предусматривает распространение производных работ на тех же условиях. Результаты зависят от направления перевода и письменной системы; карточка не приводит оценки качества или подробных ограничений модели.

Taigi-Llama-2-Translator-7B — языковая модель Bohanlu для перевода между тайваньским хоккиеном и традиционным китайским или английским, а также между письменными системами хоккиена: ханцзы, POJ и Hanlo. Модель построена на базе Bohanlu/Taigi-Llama-2-7B и дообучена на 263 тысячах параллельных примеров. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 6,7 млрд параметров. Она принимает текст и генерирует текст перевода; для работы предусмотрен шаблон запроса с указанием исходного предложения и целевого языка. Контекст составляет 4096 токенов. Поддерживаются тайваньский хоккиен в трёх системах письма, традиционный китайский и английский. Модель подходит для перевода предложений и преобразования текста хоккиена между письменными системами. Лицензия CC BY-NC-SA 4.0 требует указания авторства, запрещает коммерческое использование и распространяет производные работы на тех же условиях.

Tifa-DeepSexV2-7b-MGRPO-GGUF-F16 — экспериментальная версия чат-модели ValueFX9507, созданная на базе Qwen2.5-7B и опубликованная в формате GGUF F16. Разработчик описывает обучение с增量ным предобучением, SFT и усилением с помощью собственного варианта MGRPO; в метаданных модель также отмечена как дообучение Qwen. Карточка сообщает о контексте до 1 024 000 токенов, но фактическую поддержку такого окна для этой сборки следует проверять отдельно. Модель предназначена прежде всего для ролевых диалогов, творческого письма и рассуждений с цепочкой мыслей. По заявлению автора, обучение усилило связность, литературный стиль и склонность к рассуждению, а также снизило число отказов. Поддерживаются китайский и английский языки; модель принимает текст и выдаёт текст. Карточка рекомендует удалять из передаваемого контекста специальные теги размышлений, иначе ответы могут формироваться некорректно. Модель не рекомендуется для математики, генерации кода, кратких фактологических ответов и сценариев, требующих высокой достоверности. Автор указывает, что снижение отказов не означает специальной оптимизации для запрещённого контента. Лицензия репозитория — Apache-2.0; карточка также напоминает о соблюдении условий использования данных Tifa и применимого законодательства.

TRELLIS-image-large for diffusers-3d — конвертированная версия модели Microsoft TRELLIS-image-large для создания 3D-представлений объектов по изображению. Репозиторий организован как pipeline diffusers-3d с компонентами DINOv2 ViT-L/14 с регистрами, моделью потока разреженной структуры и декодером; веса сохранены в safetensors, часть компонентов — в float16. Конверсия меняет структуру файлов и конфигурации, но не значения весов. Модель принимает RGBA-изображение с альфа-каналом-маской объекта и может формировать разреженную структуру, SLAT, Gaussian splats, mesh или radiance field. Расчёт выполняется на PyTorch на CPU или GPU; для рендеринга Gaussian splats требуется дополнительный backend gsplat. Репозиторий использует лицензию MIT.

Unbound-Llama3-8B — слитая текстовая модель на архитектуре Llama, созданная автором mrcuddle с помощью mergekit и метода task arithmetic. В качестве базовой модели в README указана winglian/llama-3-8b-1m-PoSE; в объединение также вошли модели для ролевых диалогов и модели со свободной генерацией текста. Модель предназначена для генерации текста и ролевых диалогов, включая сценарии с откровенным или небезопасным содержанием. Она содержит около 7,5 млрд параметров, работает через Transformers и распространяется в формате safetensors. Заявленная длина контекста — 1 048 576 токенов. Составной характер слияния может приводить к непредсказуемым ответам; README не приводит оценок качества или подробных ограничений. Лицензия в предоставленных данных не указана.

VeryWeirdDolphinMix-V1-24B-Heretic — слитая автором модель на архитектуре Mistral для генерации текста. Она объединяет три модели: Cydonia-24B-v4.3-heretic-v4, Dolphin-Mistral-GLM-4.7-Flash-24B-Venice-Edition-Thinking-Uncensored и WeirdCompound-v1.7-24b. Слияние выполнено методом DARE-TIES; после него применена abliteration. Модель содержит 23,4 млрд параметров, использует формат Safetensors, библиотеку Transformers и поддерживает контекст до 131 072 токенов. Модель рассчитана на ролевые диалоги, совместное создание историй, творческое письмо, разговорные сценарии и следование сложным инструкциям. В карточке заявлены выразительная проза, личностная манера общения и возможность генерации откровенного контента. Указан английский язык. Лицензия — Apache-2.0. Модель позиционируется как uncensored и может создавать оскорбительный или неподходящий для части аудиторий контент. Параметры генерации и шаблон чата требуют настройки под конкретный сценарий; качество и согласованность результатов карточка не подтверждает независимыми оценками.

VFusion3D — модель генерации и реконструкции 3D-объектов по изображению, представленная исследователями Meta и Оксфордского университета; работа опубликована на ECCV 2024. Это крупная feed-forward модель семейства LRM, обученная на небольшом объёме 3D-данных и большом количестве синтетических данных с разных ракурсов, полученных с помощью видеодиффузионных моделей. Модель принимает изображение и по умолчанию выдаёт 3D-представление в виде плоскостей, пригодное для дальнейшей обработки. Также можно экспортировать 3D-сетку в формате OBJ или видео с рендерингом объекта с разных ракурсов. Подходит для быстрого преобразования изображений в объёмные объекты и прототипирования 3D-содержимого. Репозиторий содержит веса Safetensors; лицензия CC BY-NC 2.0 разрешает использование с указанием авторства, но некоммерческое.

Wanabi-Gemma4-31B-GGUF — GGUF-квантизированная версия Wanabi-Gemma4-31B, разработанная kawaimasa на базе Google Gemma 4 31B-IT. Модель дообучена для творческого письма и адаптирована к структурированным промптам приложения Project Wannabe, предназначенным для генерации текста, продолжения произведений и создания идей. Также она поддерживает обычные чат-интерфейсы, включая OpenWebUI и SillyTavern, а также ролевые сценарии и свободное творческое письмо. Модель содержит около 31 млрд параметров и работает с текстом, прежде всего на японском языке. В обучение включены японские данные с цепочками рассуждений, чтобы улучшить естественность японской лексики, стиля и диалогов. Доступны варианты GGUF, включая BF16 и экспериментальные imatrix-квантизации. BF16-вариант разделён на несколько файлов; для работы требуется указать первый файл или предварительно объединить части. Сильные стороны модели — сочетание общих диалоговых и рассуждательных возможностей instruct-базовой модели с ориентацией на японскую художественную генерацию, ролевые сценарии и рабочий процесс Project Wannabe. Ограничения включают чувствительность Gemma 4 к правильному chat template, необходимость совместимого формата промптов и значительные требования к ресурсам из-за размера модели. Качество imatrix-квантизаций не подтверждено полноценным тестированием и может зависеть от калибровочных данных. Модель распространяется по лицензии Apache-2.0.