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

LW-DETR XLarge — модель обнаружения объектов на изображениях, основанная на архитектуре Light-Weight Detection Transformer. Репозиторий опубликовал stevenbucaille; архитектура представлена Chen и соавторами в работе «LW-DETR: A Transformer Replacement to YOLO for Real-Time Detection». Модель предназначена для обнаружения и локализации объектов с компромиссом между скоростью и точностью, в том числе для сценариев реального времени. Модель использует ViT-энкодер с чередованием оконного и глобального внимания, свёрточный проектор C2f и трёхслойный декодер DETR с деформируемым cross-attention. Для обучения применялись Objects365 и COCO 2017. В репозитории представлены веса Safetensors для библиотеки Transformers; лицензия — Apache-2.0. Карточка не сообщает размер модели и численные показатели качества именно этого чекпойнта.

Magistaroth 24B v1.2 — слитая модель для генерации текста и творческих ролевых диалогов, созданная DarkArtsForge методом DELLA на основе пяти моделей семейства Mistral. Она рассчитана на свободное следование запросам без обязательного джейлбрейка и подходит для творческого письма и ролевых сценариев, включая откровенные и графически жестокие сюжеты. Модель имеет плотную архитектуру MistralForCausalLM и содержит 23,4 млрд параметров. Она работает с текстом, поддерживает английский язык и контекст до 131 072 токенов. Для общения README рекомендует использовать шаблон Mistral Tekken. Модель распространяется под лицензией Apache-2.0. Автор сообщает, что версия 1.2 уступает исходной версии по показателю Q0 bench, но превосходит версию v1 MPOA; конкретные результаты бенчмарка не приведены. Модель может генерировать откровенный эротический и графически жестокий контент, поэтому характер ответов зависит от системного промпта.

MambaVision-L-1K — модель компьютерного зрения, разработанная NVIDIA. Это вариант семейства MambaVision с гибридной иерархической архитектурой, сочетающей Mamba-блоки и блоки self-attention на поздних слоях, чтобы эффективно учитывать дальние пространственные зависимости. Модель предназначена для классификации изображений; также её можно использовать как экстрактор признаков, получая представления с четырёх этапов сети и итоговые признаки после усреднённого пулинга. Карточка заявляет высокую точность Top-1 и пропускную способность относительно компромиссной границы этих показателей. В качестве набора данных указан ImageNet-1K; пример в README демонстрирует классификацию изображения с меткой «бурый медведь». Доступны веса в формате safetensors и использование через Transformers. Лицензия указана как other, поэтому перед применением следует проверить условия лицензирования репозитория.

mljn/mDeBERTa-v3-base-mnli-xnli-finetuned-econ_frame-nli-classification — дообученная модель классификации текстов на основе MoritzLaurer/mDeBERTa-v3-base-mnli-xnli. Она предназначена для отнесения текста к экономическим фреймам; карточка сообщает о дообучении для этой задачи и приводит результаты оценки: accuracy 0,9324, macro F1 0,9191 и ROC AUC 0,9414. Модель построена на архитектуре DeBERTa-v2, содержит 306 млн параметров и принимает последовательности длиной до 512 токенов. Использовать её можно для тематической разметки и анализа текстов об экономике. Базовая модель поддерживает многоязычную классификацию и NLI, однако языки и датасет, использованные при дообучении этой версии, в карточке не раскрыты. Лицензия — MIT.

mergekit-community/mergekit-passthrough-lkwyfft — объединённая модель генерации текста, созданная с помощью mergekit методом passthrough. В состав вошла saishf/Fimbulvetr-Kuro-Lotus-10.7B; метаданные указывают связь с этой моделью и архитектуру семейства Llama с классом MistralForCausalLM. Модель содержит 10,6 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и ролевых диалогов; базовая модель связана с применением в SillyTavern. Файлы доступны в формате safetensors, библиотека для работы — Transformers. Язык и лицензия в предоставленных данных не указаны. Карточка описывает объединение одной модели методом passthrough, поэтому отдельные изменения поведения относительно исходной модели не заявлены.

Midnight-Rose-103B-v1.0 — плотная языковая модель семейства Llama от sophosympatheia, полученная слиянием слоёв Midnight-Rose-70B-v1.0 с помощью mergekit. В README указано 120 слоёв и около 103 млрд параметров; модель распространяется в формате safetensors, лицензия — Llama 2. Метаданные указывают контекст 4096 токенов. Модель предназначена прежде всего для ролевых диалогов, сторителлинга и творческого письма; она склонна по умолчанию генерировать длинные ответы. Автор также отмечает, что её возможности для других задач не проверялись. README описывает модель как uncensored и предлагает настройки сэмплирования, но результат зависит от шаблона промпта и параметров генерации. Поддерживаемый язык по карточке — английский.

DoppelReflEx/MN-12B-Kakigori — плотная языковая модель семейства Mistral объёмом 12,1 млрд параметров, созданная слиянием моделей cgato/Nemo-12b-Humanize-KTO-Experimental-Latest и crestf411/MN-Slush методом SLERP. Автор описывает её как достаточно подходящую для ролевых диалогов и творческих сценариев, хотя оценка качества носит субъективный характер. Модель генерирует текст и поддерживает чатовый интерфейс; в метаданных также отмечен интерфейс вызова инструментов. Заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате Safetensors; автор также ссылается на отдельные варианты GGUF и собственную Q6_K-квантизацию. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Модель позиционируется как экспериментальная для пробного использования; автор не приводит надёжной оценки её качества.

MysticFusion-13B — текстовая модель на архитектуре Llama, созданная объединением KoboldAI/LLaMA2-13B-Tiefighter, NeverSleep/Noromaid-13b-v0.1.1 и lmsys/vicuna-13b-v1.5 методом linear с точностью float16. В репозитории представлены веса Safetensors; модель содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Модель предназначена прежде всего для написания историй, а также для выполнения базовых инструкций на английском языке. Её можно применять для генерации прозы, продолжения сюжетов и простых ответов в формате инструкций. README приводит результаты оценки на нескольких бенчмарках, но не описывает их методику подробно. Модель распространяется по лицензии Llama 2. Её объединённая природа и назначение для историй и базовых инструкций не дают оснований считать её специализированной для точных фактических ответов или сложных задач.

Это дообученная ILRDF версия многоязычной модели facebook/nllb-200-distilled-600M для перевода на формозских языках. Модель содержит 463,7 млн параметров, использует архитектуру M2M100 и принимает текстовый контекст длиной до 1024 токенов. Для дообучения использованы данные Klokah, FB ILRDF Dictionary, Formosan DB, Formosan Org, Ithuan Formosan Text и Formosan Bible; примеры, состоящие только из одного слова, исключены. Модель предназначена для перевода текстов на формозских языках, в том числе в сценариях работы с малоресурсными языками. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Marqo/nsfw-image-detection-384 — компактная модель классификации изображений от Marqo, предназначенная для выявления материалов NSFW. Она принимает изображения размером 384×384 пикселя и использует патчи 16×16 пикселей. По заявлению разработчика, модель примерно в 18–20 раз меньше других открытых моделей такого назначения и достигла точности 98,56% на собственной тестовой выборке. Модель обучена на проприетарном наборе из 220 тысяч изображений: по 100 тысяч примеров NSFW и SFW для обучения и по 10 тысяч каждого класса для тестирования. Данные включают фотографии, рисунки, мемы и изображения, созданные ИИ. Порог вероятности NSFW можно настраивать, балансируя точность и полноту. Модель распространяется по лицензии Apache-2.0.

OPT-13B-Nerybus-Mix — объединённая модель на основе Erebus 13B и Nerys V2 13B, созданная Mr. Seeker. Она предназначена для генерации текста; автор отдельно предупреждает о выраженной склонности модели создавать откровенный контент. Архитектура — плотная OPTForCausalLM, объём по метаданным — 17 млрд параметров, контекст — 2048 токенов. В карточке указан английский язык, а репозиторий содержит веса PyTorch. Модель может использоваться для генерации художественного текста и ролевых диалогов, в том числе контента для взрослых. Лицензия указана как other, поэтому условия использования следует проверять в репозитории. Карточка предупреждает о возможных предубеждениях, связанных с полом, профессией, расой и религией.

Orion-HYMT1.5-7B-SFT-v2601-i1-GGUF — это квантизированная версия модели Orion-HYMT1.5-7B-SFT-v2601, разработанной 3tic и преобразованной в формат GGUF пользователем mradermacher. Модель содержит около 7 миллиардов параметров и ориентирована на работу с японским и китайским языками. Основные сценарии применения — перевод и обработка текстов в жанре light novel. Доступны варианты квантизации от IQ1_S до Q6_K, различающиеся размером, скоростью и качеством; рекомендуемым для баланса этих характеристик назван вариант Q4_K_M, а Q4_K_S отмечен как оптимальный по соотношению размера, скорости и качества. Более низкобитные варианты требуют меньше памяти, но могут заметно уступать в качестве. В README не указаны архитектура базовой модели, размер контекста, поддержка дополнительных модальностей, точные языковые возможности за пределами японского и китайского, а также результаты тестирования. Модель распространяется по custom-лицензии; подробные условия следует уточнять в файле LICENSE.

patricide-12B-Unslop-Mell — слитая автором redrix языковая модель семейства Mistral для генерации текста. Она объединяет TheDrummer/UnslopNemo-12B-v4.1 и inflatebot/MN-12B-Mag-Mell-R1 методом SLERP; размер составляет 12,1 млрд параметров. Модель распространяется в формате safetensors и использует библиотеку Transformers. Модель предназначена для диалоговой генерации, ролевых сценариев и художественного письма. Автор отмечает связность и стабильность результатов в первоначальных тестах, но указывает на периодическое появление бессмыслицы и выдуманных слов, вероятно, из-за проблемного токенизатора. Обширная проверка письма, ролевых сценариев и работы с длинным контекстом не проводилась. В README указано использование шаблона ChatML у обеих родительских моделей; совместимость с другими шаблонами отдельно не подтверждена. В метаданных заявлено контекстное окно до 1 024 000 токенов, однако практическая работа на больших контекстах автором не проверялась. Модель выпущена под лицензией Apache-2.0. Автор описывает её как экспериментальное первое слияние и приглашает к дальнейшим испытаниям.

Prompt Enhancer Gemma 3 270M — дообученная gokaygokay модель на основе google/gemma-3-270m-it, предназначенная для расширения коротких текстовых запросов в более подробные описания. Она принимает текстовый запрос, например краткое описание сцены, и генерирует уточнённый промпт с деталями об объектах, окружении, композиции и освещении. Модель использует плотную текстовую архитектуру Gemma 3 и содержит 257 млн параметров. Максимальный контекст составляет 32 768 токенов. В карточке приведены примеры расширения запросов для описания изображений; модель генерирует текст, а не изображения. Указаны форматы safetensors и диалоговый режим. Примеры показывают, что результат может содержать повторы и противоречивые детали, поэтому сгенерированный промпт стоит проверять и редактировать перед использованием. Лицензия в предоставленных данных не указана.

Qwen3.5-27B Ancient RL R32 Step 250 Merged — слитый чекпойнт на базе Qwen3.5-27B от автора MooreMuaMu. Это плотная модель семейства Qwen3.5 с примерно 27,36 млрд параметров, представленная в формате safetensors и предназначенная для загрузки через Transformers. Модель дообучена методом GRPO с адаптером LoRA ранга 32 на переводе и аннотировании уйгурского, традиционного монгольского и тибетского языков. Чекпойнт выбран как лучший из этапа Ancient Swift RL Stage 2 в небольшой оценке на 300 промптах: автор сообщает об улучшении относительно базовой модели по Exact, Char-F1 и BERTScore-F1. Он подходит для перевода и аннотирования материалов на указанных языках в формате диалога. README помечает модель как экспериментальную и рекомендует проводить собственную оценку для конкретной задачи; результат небольшой тестовой выборки не гарантирует качество на других данных. Лицензия в предоставленных сведениях не указана.

Qwenity 3.6 27B — мультимодальная языковая модель wrayy для помощи в разработке игр на Unity. Это дообученная методом LoRA модель Qwen/Qwen3.6-27B на синтезированном наборе инструкций по Unity, C# и игровому программированию; адаптер объединён с весами в формат bfloat16. Модель содержит около 27 млрд параметров и принимает текст и изображения, отвечая в диалоговом формате. Модель предназначена для написания и отладки C#-скриптов, работы с API Unity и редактором, а также решения задач по игровым объектам и компонентам, рендерингу, физике, анимации и интерфейсам. Сохраняет общие мультимодальные возможности базовой модели, но специализируется на Unity и разработке игр; основной язык в карточке — английский. Для загрузки README рекомендует Unsloth либо сборку Transformers с поддержкой архитектуры qwen3_5: указанная версия Transformers не распознавала её напрямую. Генерируемый код и упоминания API требуют проверки. Лицензия — Apache-2.0.

ResNet-34 v1.5 — сверточная нейросеть семейства ResNet, представленная авторами Hugging Face как предобученная модель для классификации изображений. Она обучена на ImageNet-1k и рассчитана на изображения с разрешением 224×224. Архитектура использует остаточные связи и skip connections, которые облегчают обучение глубоких сетей. Модель подходит для определения класса объекта на изображении среди 1 000 классов ImageNet, а также как основа для дообучения под другие задачи классификации изображений. Вариант v1.5 отличается расположением шага изменения разрешения в сверточных блоках; в карточке это отличие описано для ResNet50, поэтому оно не позволяет делать вывод о дополнительном преимуществе именно ResNet-34. Веса доступны в форматах PyTorch, safetensors и TensorFlow. Лицензия — Apache-2.0. Карточка не приводит измерений качества или специальных ограничений применимости.

RT-DETR-R18 с backbone ResNet-18 — модель компьютерного зрения для обнаружения объектов на изображениях. Разработана Яном Чжао и Санбумом Чхве; опубликована в формате Transformers и использует архитектуру RT-DETR с эффективным гибридным энкодером, выбором запросов и Transformer-декодером. Модель предсказывает классы объектов и ограничивающие рамки без этапа NMS. Модель обучалась для обнаружения объектов на COCO 2017; карточка приводит для варианта RT-DETR-R18 результат 46,5 AP на валидационном наборе. В описании RT-DETR указана возможность менять число слоёв декодера для настройки скорости без повторного обучения. Вход — изображение, выход — классы и рамки объектов. Предобработка в карточке включает изменение размера изображения до 640×640 и нормализацию каналов. Подходит для обнаружения объектов в изображениях и сценариев компьютерного зрения с требованиями к быстрому инференсу. Карточка не уточняет перечень классов конкретного чекпойнта отдельно от данных COCO. Лицензия — Apache-2.0.

1038lab/segformer_fashion — модель компьютерного зрения, разработанная 1038lab и размещённая на Hugging Face. Это вариант архитектуры SegFormer, предназначенный для семантической сегментации изображений одежды и элементов fashion-сцен.

SIDA-7B — мультимодальная модель, созданная дообучением LISA-7B-v1 и предназначенная для обнаружения и локализации изменённых областей на изображениях. Она принимает изображение и текстовый запрос, а результатом служит сегментация подозрительных участков в виде масок. Модель обучена на наборе SID_Set, включающем реальные, изменённые и полностью синтетические изображения. Модель построена на архитектуре LLaVA с плотной архитектурой и содержит 6,6 млрд параметров. Для неё указан контекст длиной 2048 токенов; карточка описывает поддержку английского языка. Веса опубликованы в формате PyTorch. Лицензия — Llama 2 Community License. SIDA-7B специализирована на выявлении подделок изображений, поэтому её пригодность для других задач не подтверждена; качество может зависеть от типа изображения и способа внесения изменений.

SlimSAM-uniform-50 — компактная версия Segment Anything Model, разработанная Zigeng Chen, Gongfan Fang, Xinyin Ma и Xinchao Wang из Learning and Vision Lab Национального университета Сингапура. Модель предназначена для генерации масок и сегментации объектов на изображениях. SlimSAM получена сжатием предварительно обученной SAM с помощью чередующегося прореживания и дистилляции. В варианте SlimSAM-50 около 5,7 млн параметров и 21 млрд MACs — соответственно 0,9% и 0,8% от показателей SAM-H. Для обучения метода использовано 10 тыс. примеров, или 0,1% от объёма, указанного для сравнения с исходной SAM-H. Авторы сообщают о близкой к исходной модели производительности при существенно меньшем размере. Модель принимает изображения и выдаёт сегментационные маски. В метаданных указаны архитектура SAM и класс SamModel; файлы представлены в формате safetensors. Лицензия — Apache-2.0. README не сообщает о поддержке текстовых запросов или конкретных языков; результаты и производительность могут зависеть от изображений и сценария сегментации.

SpaghettiOs — объединённая языковая модель, созданная jeiku с помощью mergekit методом task arithmetic. В основу объединения вошла Test157t/Pasta-PrimaMaid-7b; также использованы jeiku/Theory_of_Mind_Mistral, jeiku/Futadom_Mistral, jeiku/Theory_of_Mind_Roleplay_Mistral, jeiku/Humiliation_Mistral и jeiku/Gnosis_Reformatted_Mistral. Метаданные указывают семейство Mistral, плотную архитектуру MistralForCausalLM и размер 7,1 млрд параметров. Модель предназначена для генерации текста. Сочетание исходных моделей указывает на сценарии диалогов и ролевого взаимодействия, включая темы теории разума и унижения. Нативное окно контекста составляет 8192 токена; репозиторий содержит веса в формате safetensors. Модель создана путём слияния, а не отдельного дообучения. Сведения о лицензии в предоставленных источниках отсутствуют, поэтому условия использования установить нельзя. Качество и ограничения в конкретных сценариях отдельно не описаны.

Swin Transformer v2 Base — модель компьютерного зрения, выпущенная командой Microsoft Research и представленная в работе Liu и соавторов. Она предварительно обучена на ImageNet-21k и дообучена для классификации изображений на ImageNet-1k при разрешении 256×256. Модель содержит около 33 млн параметров и использует иерархическую архитектуру Vision Transformer: объединяет патчи на более глубоких уровнях и вычисляет внимание в локальных окнах, что снижает рост вычислений с размером изображения. Модель предназначена прежде всего для присвоения изображениям одного из 1000 классов ImageNet. Её иерархические признаки также могут использоваться как основа для задач плотного распознавания после дополнительной адаптации. В Swin Transformer v2 применены нормализация после остаточного блока, косинусное внимание и непрерывное смещение позиции, помогающее переносить обучение на изображения высокого разрешения. Модель принимает изображения и выдаёт оценки классов. Карточка указывает лицензию Apache-2.0. Для задач, отличающихся от классификации ImageNet-1k, потребуется подходящая дообученная версия или дополнительная адаптация.

Карточка модели SYNAPSEai1/SynapseMusicV12-Turbo-Shift1 на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

Twilight-Miqu-146B — слитая языковая модель для написания художественных историй, созданная softwareweaver на основе Midnight-Miqu-70B-v1.5, Dawn-Miqu-70B и Dark-Miqu-70B с помощью mergekit. Модель построена на архитектуре Llama и содержит 145,7 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 32 764 токенов. Модель предназначена для создания и итеративной доработки рассказов: она может продолжать сюжет с учётом предыдущих событий, следовать плану или заданным сюжетным точкам и формировать описания и диалоги. Автор описывает её как эксперимент по проверке связности больших моделей в задачах написания историй. В README разрешён откровенный контент и ненормативная лексика. В метаданных указана лицензия other. README предупреждает, что модель основана на утёкших весах Miqu и подходит только для личного использования; скачивание и использование сопряжено с юридическим риском, гарантий нет. Это экспериментальное слияние, качество и связность результатов не гарантированы.

Карточка модели zodumair/wav2vec2-deepfake-voice-detector на Hugging Face совпадает с карточкой garystafford/wav2vec2-deepfake-voice-detector, поэтому описание составлено по ней. Модель Gary A. Stafford — дообученная версия трансформера Wav2Vec2 для бинарной классификации аудио: она оценивает, произнесена ли речь человеком или создана системой синтеза речи либо клонирования голоса. Модель рассчитана на обнаружение синтетической речи, в том числе сгенерированной ElevenLabs, Amazon Polly, Hexgrad Kokoro, Hume AI, Speechify и Luvvoice. Архитектура — Wav2Vec2ForSequenceClassification на 402,7 млн параметров. При дообучении были заморожены сверточный экстрактор признаков и нижние 12 из 24 слоёв трансформера; верхние 12 слоёв и классификационная головка обучались на наборе из 1 866 сбалансированных аудиофрагментов длительностью 2,5–13 секунд. На вход подаётся аудио, которое приводится к моно и частоте 16 кГц; модель выдаёт оценки двух классов: «реальная речь» и «синтетическая речь». Карточка сообщает об обучении базовой модели на 53 языках, но не устанавливает, для каких языков детектор надёжно работает. На валидационной выборке из 187 фрагментов указаны точность 97,9% и ROC-AUC 0,998; автор предупреждает, что высокая оценка отражает адаптацию к близкой предметной области и не доказывает обобщение на другие генераторы или реальные условия. Модель распространяется под лицензией Apache-2.0; для оценки качества на новых источниках рекомендуется отдельная проверка.

Карточка модели amandabenson/acestep-v15-sft-fork на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

AIWriter Chinese Proofreading Model V1 Preview — модель для вычитки китайского текста, разработанная 42ailab на основе дообученной Qwen3-4B. Она предназначена для исправления опечаток, неверного употребления слов, грамматики и пунктуации в китайской прозе. Модель работает с предложениями и оптимизирована так, чтобы оставлять корректный текст без изменений; в README для набора AIWriter CheckBench указана частота ложных правок 19,92%. Размер модели — 4 млрд параметров, длина контекста — 4096 токенов. Репозиторий содержит варианты GGUF Q5_K_M и Q8_0 для локального запуска. Модель ориентирована преимущественно на формальную прозу на упрощённом китайском. Она не предназначена для стилистической переработки или полировки текста; длинные документы приложению нужно делить на предложения и собирать обратно. Сленг, диалекты и классический китайский систематически не оценивались. Выпуск обозначен как Preview, поэтому это предварительная версия. По README, веса бесплатны для академических исследований и личного использования; метаданные указывают лицензию other, поэтому условия коммерческого применения следует уточнять по лицензии репозитория.

Карточка модели rmaser/aloe-v2-dinov3-small на Hugging Face совпадает с карточкой rmaser/aloe-v2-dinov3-base-in1k-lp, поэтому описание составлено по ней. ALOEv2 DINOv3 Base in1k-lp — модель компьютерного зрения, разработанная командой ALOE. Это дообученная на базе DINOv3 Base модель с головой линейного классификатора ImageNet-1k; она также предоставляет визуальные признаки для извлечения и анализа. В модели около 113,2 млн параметров, веса доступны в формате Safetensors, а для загрузки через Transformers требуется включить trust_remote_code=True и использовать код ALOE-архитектуры. Модель обучали ещё 30 тысяч шагов с дистилляцией по трём слоям и выборкой разрешений 224, 384 и 480 пикселей на каждом шаге. Она предназначена для классификации изображений ImageNet-1k и извлечения признаков, в том числе для плотного сопоставления, оценки глубины и поверхностных нормалей. Архитектура B-cos сохраняет интерпретируемые объяснения; линейная точность на ImageNet-1k для версии Base составляет 83,92%. Модель принимает изображения и выдаёт классы либо векторные признаки. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных на тех же условиях и не разрешает коммерческое использование. Она не предназначена для распознавания произвольных классов без дополнительной настройки, а для загрузки используется пользовательский код.

Cerpen-7B-v0.1 — языковая модель на архитектуре Llama, разработанная для генерации творческих историй на индонезийском языке. Она дообучена на базе Yellow-AI-NLP/komodo-7b-base и содержит 6,6 млрд параметров; максимальная длина контекста составляет 4096 токенов. Модель предназначена для авторов, учащихся и других пользователей, которым нужно создавать рассказы на Bahasa Indonesia. Направление истории можно задавать тегами тем, стиля и других элементов: в README рекомендуется использовать примерно 3–6 тегов в формате [[tag]] перед разделом [[content]]. Модель распространяется по лицензии Llama 2. Результаты могут содержать фактические ошибки, предвзятые или оскорбительные высказывания; качество зависит от тегов и сложности запроса. Перед использованием текст следует критически оценивать.