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

TybyrIA v2.1 — классификатор текста, разработанный правозащитной организацией Código Não Binário для выявления признаков анти-ЛГБТКИА+-языка в бразильском португальском. Модель на основе BERT/Tupi-BERT дообучена для классификации текстов как враждебных или невраждебных в контексте анти-ЛГБТКИА+-насилия. Модель предназначена для исследовательской работы, документирования насилия и первичной сортировки больших массивов текста с последующей проверкой человеком. Это ранняя публичная версия, помеченная авторами как устаревшая: актуальная версия — v2.2. Она содержит 136,1 млн параметров и обрабатывает последовательности длиной до 512 токенов. Поддерживаемый язык — португальский, прежде всего бразильский вариант. Весовые файлы опубликованы в формате safetensors. Классификатор помогает находить тексты для проверки, но не предназначен для автоматической блокировки, удаления контента, наказания или оценки людей. Его выходы требуют человеческой проверки. Лицензия весов — MIT; данные обучения опубликованы отдельно под CC-BY-NC-SA-4.0.

UTENA-7B-NSFW-V2-4bit — 7,1-миллиардная языковая модель на архитектуре Mistral, подготовленная сообществом mlx-community для запуска в формате MLX на устройствах Apple. Модель предназначена для генерации текста; контекстное окно составляет до 32 768 токенов. Это объединённая модель на основе AI-B/UTENA-7B-BAGEL и AI-B/UTENA-7B-NSFW. Метаданные отмечают её как модель для контента не для всех аудиторий. Репозиторий указывает конвертацию из AI-B/UTENA-7B-NSFW-V2, а название версии содержит «4bit»; в доступных метаданных формат файлов указан как safetensors. Лицензия — Unlicense.

Карточка модели Rohithkum/videomae-large на Hugging Face совпадает с карточкой MCG-NJU/videomae-large, поэтому описание составлено по ней. VideoMAE Large — видеомодель с 402,7 млн параметров, разработанная командой MCG-NJU и представленная в исследовании о masked autoencoder для самообучения на видео. Она предварительно обучена без учителя на Kinetics-400 в течение 1600 эпох. Архитектура основана на Vision Transformer: видео разбивается на патчи размером 16×16, а декодер предсказывает значения пикселей скрытых патчей. Модель предназначена прежде всего для дообучения на прикладных задачах и извлечения признаков из размеченных видео, например для обучения классификатора поверх представления токена CLS. В исходном виде она также может предсказывать пиксели замаскированных видеофрагментов. Карточка не приводит результатов оценки и подробностей предобработки. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

saurabhati/VMamba_ImageNet_83.6 — модель визуального пространства состояний VMamba для классификации изображений. По карточке, это двунаправленная модель, дообученная на ImageNet; реализация не является официальной. Метаданные указывают архитектуру VMambaForImageClassification и формат весов safetensors. Модель предназначена для определения категорий объектов на изображениях и может использоваться как классификатор общего назначения или как отправная точка для экспериментов с визуальными моделями пространства состояний. Репозиторий распространяется по лицензии MIT.

DavidCombei/wavLM-base-Deepfake_V2 — дообученная модель Microsoft WavLM Base для классификации аудио. По названию репозитория и показателю точности на оценочном наборе она предназначена для распознавания поддельной речи или аудио; README сообщает точность 0,9962 и loss 0,0234, но не описывает набор данных и условия оценки. Модель содержит 113,3 млн параметров, построена на архитектуре WavLMForSequenceClassification и распространяется в формате PyTorch. Лицензия в предоставленных данных не указана.

Модель raynardj/wenyanwen-chinese-translate-to-ancient разработана для перевода современного китайского языка на классический китайский (вэньянь). Это модель архитектуры encoder-decoder на базе Transformers и PyTorch, обученная на корпусе из более чем 900 тысяч пар предложений. Она предназначена для преобразования современных фраз в краткие формулировки на классическом китайском; например, фраза о ста юанях переводится как «不 肯 与 我 百 钱». Для генерации полных предложений в README рекомендуется задавать eos_token_id равным 102: без этого возможен остаточный текст после перевода. Модель распространяется по лицензии Apache-2.0. Карточка также ссылается на родственную модель обратного направления — перевод с классического китайского на современный, но это отдельная модель.

poltextlab разработала эту модель для классификации текстов по категориям политической коммуникации, связанным с пропагандистскими стратегиями. Она дообучена на базе FacebookAI/xlm-roberta-large и предназначена для использования в исследовательском инструменте CAP Babel Machine для сравнительного анализа. В карточке приведены метрики на тестовых данных: точность 85%, macro F1 0,85; для классов Threat inflation, Us vs. them и Counter-evidence rejection указаны отдельные значения F1 от 0,78 до 0,93. Модель принимает текст и возвращает метки классов. В карточке показаны английские метки и языковой тег en; мультиязычность базовой XLM-RoBERTa не подтверждает сама по себе, что эта дообученная модель одинаково эффективна на других языках. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

X-NoroChronos-13B — языковая модель для генерации текста, созданная NeverSleep как слияние нескольких моделей и LoRA на основе Xwin-LM/Xwin-LM-13B-V0.2, включая Chronos-13B-v2 и другие варианты Llama 2 на 13B параметров. Модель ориентирована на ролевые сценарии и генерацию ответов по инструкциям с шаблоном Alpaca. Модель имеет плотную архитектуру Llama и около 12,9 млрд параметров. В репозитории размещены веса FP16 в формате safetensors; длина контекста — 4096 токенов. В README не указаны целевые языки и отдельные специализированные области применения. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка маркирует модель как неподходящую для любой аудитории и NSFW; качество и безопасность ответов в README не охарактеризованы.

AesCoder-4B — дообученная языковая модель SamuelBang на архитектуре Qwen3, основанная на Qwen/Qwen3-4B-Instruct-2507. Карточка позиционирует её для генерации HTML-интерфейсов и приложений по текстовым инструкциям, включая браузерные игры, 3D-сцены, визуализации данных и UI-компоненты. Модель генерирует код HTML, CSS и JavaScript; метаданные указывают на диалоговый режим и интерфейс вызова инструментов. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 262 144 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. В предоставленной карточке приведены шаблоны заданий, но нет результатов оценки качества или подробных сведений о языках обучения; примеры сосредоточены на генерации веб-кода.

Aesthetic Shadow V2 — модель NeoChen1024 для оценки эстетического качества аниме-изображений. Это визуальный трансформер ViT с 1,4 млрд параметров по метаданным; README указывает поддержку изображений размером 1024×1024 и описывает результат как оценку эстетической привлекательности изображения. Модель предназначена для фильтрации изображений низкого качества в наборах данных и оценки визуальной цельности аниме-иллюстраций, включая детали и пропорции. Репозиторий содержит веса в формате safetensors. Модель улучшена относительно shadowlilac/aesthetic-shadow. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение. Оценка модели может быть неточной и не должна трактоваться как объективная характеристика работы художника. README также предупреждает, что модель может ошибочно классифицировать изображения.

AniMUL-v1 — модель Джеффа Мо, созданная дообучением мультимодальной Qwen3-Omni-30B-A3B-Instruct от Alibaba. Она предназначена для классификации видов животных по аудиозаписям и общего описания звуков; генерировать звуки животных модель не умеет. В качестве основы использована архитектура Qwen3 Omni MoE, веса опубликованы в формате Safetensors. Модель принимает аудио и выдаёт текстовые описания или классификацию звуков. Для дообучения использован датасет EarthSpeciesProject/NatureLM-audio-training, описанный в карточке как набор из 26 миллионов пар «аудио—текст». Лицензия модели — Apache 2.0. Проект неофициальный и не связан с авторами базовой модели или датасета.

Aurora-Nights-103B-v1.0 — плотная авторегрессионная модель семейства Llama, созданная sophosympatheia как frankenmerge Aurora-Nights-70B-v1.0 с самой собой с помощью mergekit. В модели 102,9 млрд параметров и 120 слоёв; метаданные указывают контекст 4096 токенов. Автор рекомендует её для ролевых диалогов и написания историй: модель лучше следует инструкциям, сохраняя сильные стороны в творческом письме и ERP. В README отмечено, что модель также может справляться с другими задачами, но они не проверялись. Модель выдаёт текст и рассчитана на англоязычные сценарии. Автор характеризует её как довольно несдержанную и отмечает способность генерировать взрослый контент. Для согласованности рекомендуется держать контекст около 6144 токенов или ниже; при увеличении контекста связность может снижаться. Лицензия — Llama 2.

Ava-82M — компактная модель синтеза персидской речи, выпущенная Nimruz и дообученная на базе hexgrad/Kokoro-82M на примерно 20 часах данных Mana-TTS. Акустическая сеть содержит 81 763 410 параметров и использует архитектуру вывода Kokoro, производную от StyleTTS2/iSTFTNet; отдельный фронтенд преобразует персидский текст в фонемы. Модель генерирует речь с частотой 24 кГц одним голосом. Модель предназначена для озвучивания персидского текста, включая нормализацию чисел, дат и распространённых числовых выражений. Фронтенд поддерживает контекстное преобразование графем в фонемы, пользовательские варианты произношения и автоматическое разбиение длинного текста. В README описаны улучшения интонации, темпа, произношения и стабильности относительно предыдущей версии, однако формальных оценок качества речи пока нет. Это исследовательский выпуск v0.2. Иногда речь звучит роботизированно, возможны артефакты, ошибки в редких именах и словах, а на стыках частей длинного текста могут быть заметны соединения. Модель проверена преимущественно на современном иранском персидском; доступен один голос. Лицензия репозитория — Apache-2.0.

facebook/convnextv2-femto-1k-224 — компактная свёрточная модель семейства ConvNeXt V2 от команды ConvNeXt, представленная в исследовании о совместной разработке и масштабировании ConvNet с маскированными автоэнкодерами. Модель предварительно обучена с помощью FCMAE и дообучена на ImageNet-1K для классификации изображений с разрешением 224×224 пикселя. Архитектура использует полностью свёрточный автоэнкодер FCMAE и слой Global Response Normalization (GRN). Модель предназначена для отнесения изображений к одному из 1000 классов ImageNet-1K и может служить основой для дальнейшей адаптации под другие задачи распознавания изображений. Доступны веса PyTorch, Safetensors и TensorFlow. Модель распространяется по лицензии Apache-2.0. Карточка указывает на применение для классификации изображений; подробные ограничения качества и области применения в ней не приведены.

sch-ai/detr-hotspot — модель для обнаружения объектов на изображениях, опубликованная Schibsted AI Lab. Она относится к семейству DETR и предназначена для задач компьютерного зрения, в которых требуется находить объекты и определять их ограничивающие рамки. Модель содержит около 6,3 млн параметров и доступна в форматах ONNX и Safetensors; для работы с ней используются Transformers и архитектура DETR. В карточке Hugging Face для неё указан pipeline object-detection. Поддерживаемые классы объектов, набор данных обучения, точные показатели качества, лицензионные условия и сведения о входном разрешении из доступных источников не установлены.

DETR с backbone ResNet-101 — модель компьютерного зрения семейства Detection Transformer, разработанная авторами DETR и обученная на COCO 2017 Panoptic. Архитектура сочетает сверточный backbone и encoder-decoder Transformer; масочная голова расширяет модель для паноптической сегментации. Модель принимает изображения и предсказывает сегментацию объектов и фона на них. Модель предназначена для паноптической сегментации изображений в сценариях, где требуется одновременно выделять области и распознавать объекты. На валидационной части COCO 2017 она получила PQ 45,1 и segmentation AP 33. При обучении изображения масштабировались так, чтобы короткая сторона была не меньше 800 пикселей, а длинная — не больше 1333. Модель обучена на COCO 2017 Panoptic. В карточке также описаны результаты детекции объектов, однако основной заявленный сценарий — паноптическая сегментация. Распространяется по лицензии Apache-2.0.

Карточка модели Krystalan/DRT-14B на Hugging Face совпадает с карточкой Krystalan/DRT-7B, поэтому описание составлено по ней. DRT-7B — дообученная авторами статьи «DRT: Deep Reasoning Translation via Long Chain-of-Thought» языковая модель для машинного перевода с рассуждением в несколько шагов. Она построена на Qwen2.5-7B-Instruct и содержит 7,1 млрд параметров; архитектура — плотная Qwen2, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена прежде всего для перевода с английского на китайский, в том числе литературных фрагментов с метафорами и сравнениями. Она сначала формирует цепочку рассуждений, а затем выдаёт перевод; карточка также указывает диалоговый интерфейс и интерфейс вызова инструментов. В статье DRT представлена как исследовательский подход к применению длинных рассуждений в машинном переводе, а не как система, заявленная конкурентом OpenAI o1. Лицензия — CC BY-NC-SA 4.0: использование ограничено некоммерческими условиями, а производные материалы должны распространяться на тех же условиях. Переводная направленность в README подтверждена для пары английский—китайский; качество на других направлениях не установлено.

DRT-7B — дообученная авторами статьи «DRT: Deep Reasoning Translation via Long Chain-of-Thought» языковая модель для машинного перевода с рассуждением в несколько шагов. Она построена на Qwen2.5-7B-Instruct и содержит 7,1 млрд параметров; архитектура — плотная Qwen2, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена прежде всего для перевода с английского на китайский, в том числе литературных фрагментов с метафорами и сравнениями. Она сначала формирует цепочку рассуждений, а затем выдаёт перевод; карточка также указывает диалоговый интерфейс и интерфейс вызова инструментов. В статье DRT представлена как исследовательский подход к применению длинных рассуждений в машинном переводе, а не как система, заявленная конкурентом OpenAI o1. Лицензия — CC BY-NC-SA 4.0: использование ограничено некоммерческими условиями, а производные материалы должны распространяться на тех же условиях. Переводная направленность в README подтверждена для пары английский—китайский; качество на других направлениях не установлено.

prithivMLmods/Fashion-Hut-Modeling-LoRA — адаптер LoRA для генерации изображений из текста на базе black-forest-labs/FLUX.1-dev, разработанный prithivMLmods. Модель ориентирована на создание реалистичных fashion- и modeling-фотографий, рекламных постеров и сцен с моделями, одеждой и стилизованными образами. Для активации рекомендуется использовать триггерную фразу «Modeling of». Предусмотрена интеграция с Diffusers, веса доступны в формате Safetensors. Адаптер обучен на 14 изображениях высокого разрешения. Указаны network dimension 64, network alpha 32, 16 эпох и 2900 шагов; рекомендуемый размер генерации — 1024 × 1024. В примерах используются англоязычные текстовые описания, а поддерживаемая базовая модальность — текст-в-изображение. README не сообщает точные языковые ограничения базовой модели или максимальную длину контекста. Сильная сторона модели — специализация на эстетике модной фотографии, позировании, одежде и реалистичной подаче. При этом модель всё ещё находится на стадии обучения и не является финальной версией, поэтому может создавать артефакты и работать нестабильно в отдельных случаях. Условия использования определены лицензией creativeml-openrail-m.

FocalNet — модель компьютерного зрения семейства FocalNet, представленная Yang et al. Она обучена на ImageNet-1k и предназначена для классификации изображений по 1000 классам ImageNet. Модель использует архитектуру Focal Modulation Network: вместо self-attention взаимодействие визуальных токенов моделируется иерархическим контекстом на основе глубинных свёрток, выборочным агрегированием контекста и его поэлементным применением к токенам. Модель принимает изображения и выдаёт метки классов. В README указано обучение с разрешением 384×384; веса представлены в формате PyTorch. FocalNet предложена как альтернатива Vision Transformers и показала конкурентные результаты в классификации, обнаружении объектов и сегментации, однако эта конкретная версия предназначена для классификации изображений. Лицензия — Apache-2.0.

Font Classifier — модель классификации изображений шрифтов, созданная на основе DINOv2 и дообученная автором dchen0 с помощью LoRA. Она распознаёт 394 варианта шрифтов из 32 семейств Google Fonts. Чекпойнт содержит 113,2 млн параметров; адаптер LoRA объединён с базовой моделью, поэтому для работы не требуется отдельная библиотека PEFT. Модель предназначена для определения шрифта по изображению с текстом, например для сортировки образцов или предварительной идентификации гарнитуры. В README сообщается точность top-1 99,0% на отложенной тестовой выборке и точность 99,8% при определении семейства шрифта. Обучение проводилось на синтетических изображениях, созданных рендерингом текста; перед подачей изображения необходимо преобразовать в RGB, дополнить до квадратного размера, изменить размер до 224×224 и нормализовать по статистикам ImageNet. Лицензия — Apache-2.0. Модель распознаёт только охваченные обучением шрифты и варианты; ошибки чаще возникают между начертаниями одного семейства.

Gender-Classifier-Mini — модель классификации изображений, созданная prithivMLmods на основе дообучения google/siglip2-base-patch16-224. Она использует архитектуру SiglipForImageClassification и относит изображение к одному из двух классов: Female или Male. Модель предназначена для автоматической разметки изображений по этим двум классам, например при анализе распределения меток в наборах данных. В README указаны accuracy и F1 0,972 на тестовой выборке из 5000 примеров; эти показатели относятся к приведённой оценке и не гарантируют такую же точность на других данных. Модель принимает изображения и выдаёт метку класса. Распространяется по лицензии Apache-2.0.

Набор управляющих векторов для творческого письма на базе zai-org/GLM-5, опубликованный пользователем gghfez. Векторы подключаются к GGUF-модели GLM-5 при запуске совместимого сервера и направляют стиль и тон генерации: доступны направления от пессимизма к оптимизму, от жестокости к состраданию, от социопатичности к эмпатии, от макиавеллизма к честности, а также настройки фокуса на диалоге или повествовании, простого или витиеватого языка и описательности или откровенности. Модель предназначена для управления художественным текстом и диалогами в сценариях творческого письма. Для каждого направления предлагаются отдельные положительные и отрицательные векторы, а также вектор debias, который README рекомендует применять с коэффициентом 1.0; одновременное включение обоих полюсов одной оси приводит к их взаимной компенсации. Пример использования дан для llama.cpp и ikllama.cpp, при этом загрузка векторов через API описана только для ikllama.cpp. Это не самостоятельный чат-чекпойнт, а производный набор векторов для GLM-5; метаданные указывают формат GGUF, библиотеку Transformers и лицензию MIT. В README показаны примеры стилевого воздействия на прозу, но количественные оценки качества и сведения о поддерживаемых языках, кроме английского в тегах, не приведены.

IMSyPP/hate_speech_en — англоязычная модель классификации комментариев в социальных сетях по четырём категориям: приемлемый, неуместный, оскорбительный и содержащий насилие контент. Она предназначена для анализа английских публикаций, например комментариев на YouTube, и выявления потенциально вредной речи. Модель построена на BERT base и реализована как BertForSequenceClassification; обучалась на 103 190 комментариях YouTube и проверялась на независимой выборке из 20 554 комментариев. Для обработки текста рекомендуется исходный токенизатор English BERT base. Модель содержит 135,5 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метку класса. Репозиторий содержит веса PyTorch, лицензия — MIT. Модель обучена на комментариях YouTube, поэтому качество на других типах текста и в иных языках может отличаться.

Iambe-RP-DARE-20b-DENSE — плотная объединённая языковая модель от athirdpath, созданная методом DARE TIES на основе BigLlama-20b-v1.1 и трёх вариантов Iambe-RP-cDPO-20b. Она предназначена для генерации художественного текста и ролевых диалогов, с акцентом на понимание инструкций, анатомии и состояния сцены, а также на выразительный, человечный стиль. Для запросов рекомендуются шаблоны Alpaca; по карточке модели также хорошо работает ChatML. Модель основана на архитектуре Llama, содержит 19,8 млрд параметров и принимает текстовые запросы с контекстом до 4096 токенов. Карточка демонстрирует генерацию откровенной эротической прозы; лицензия CC BY-NC 4.0 запрещает коммерческое использование. Примеры и самоописание в карточке субъективны и не дают независимой оценки качества.

InstaFoodRoBERTa-NER — модель Dizex для распознавания именованных сущностей, дообученная на базе RoBERTa. Она выделяет в неформальных публикациях в социальных сетях названия еды и присваивает им метку FOOD; модель обучена на 400 англоязычных публикациях Instagram из набора InstaFoodSet и подходит для анализа похожих текстов, например постов в Instagram, X и Reddit. Архитектура — RoBERTa для классификации токенов, около 151,9 млн параметров; максимальный контекст составляет 514 токенов. Для InstaFoodSet в карточке указаны F1 0,91, точность 0,89 и полнота 0,93. Модель распространяется по лицензии MIT.

K2S3-SOLAR-11b-v2.0 — языковая модель команды K2S3 для генерации текста на корейском языке. Это плотная авторегрессионная модель семейства Llama с 10,7 млрд параметров и контекстом до 4096 токенов, доступная в формате Safetensors. Модель дообучена методом полного параметрического SFT на базе upstage/SOLAR-10.7B-v1.0. В обучающие данные вошли Стандартный словарь корейского языка, данные KULLM Университета Корё, аннотации к магистерским и докторским диссертациям и корейские материалы AI Hub. Карточка также сообщает о добавлении новых корейских токенов. Модель предназначена для генерации корейского текста и сценариев, где требуется работа с корейскими языковыми материалами, например ответы на вопросы и подготовка черновиков. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Подтверждённых сведений о качестве на конкретных задачах в карточке нет.

Changgil Song разработал k2s3_test_24001 — чат-модель генерации текста на архитектуре Llama, дообученную методом LoRA на базе meta-llama/Llama-2-13b-chat-hf. Модель содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Модель обучена на примерно 800 млн токенов корейских данных, включая материалы Standard Korean Dictionary, обучающие данные KULLM Университета Корё, аннотации диссертаций и образцы корейского языка из AI Hub. Она предназначена для диалогов и генерации текста на корейском языке. Репозиторий содержит веса в формате safetensors; лицензия — llama2.

KBNIT/KoSOLAR-10.7B-QLoRA-NEFTune-kolon-v2.0 — языковая модель на базе yanolja/KoSOLAR-10.7B-v0.3, дообученная для Kolon. Авторы использовали QLoRA с параметрами 64 и 16, NEFTune и один проход обучения на корейских данных; модель построена на архитектуре LlamaForCausalLM и содержит около 10,6 млрд параметров. Модель предназначена для генерации текста и диалогового использования на корейском языке. Контекст составляет 4096 токенов; в метаданных также указана поддержка английского. Репозиторий содержит веса PyTorch и распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства, но не коммерческое.

L3-Dark_Mistress-The_Guilty_Pen-Uncensored-17.4B-GGUF — текстовая генеративная модель разработчика DavidAU, основанная на Llama 3 и распространяемая в формате GGUF. Модель ориентирована на художественное письмо и ролевые сценарии: генерацию и продолжение сцен, сюжетов и подсюжетов, написание рассказов, диалогов и прозы в жанрах романтики, триллера, боевика, научной фантастики, хоррора и других направлениях. Поддерживаемый язык — английский. Модель имеет 17,4 млрд параметров и заявленный максимальный контекст 8192 токена; также указана возможность использования RoPE для контекста до 32 тысяч токенов. Она рассчитана на следование инструкциям, продолжение текста и создание выразительной, детализированной прозы. Модель позиционируется как uncensored и допускает взрослый, нецензурный, жестокий и графичный контент, включая хоррор и gore. Качество и стиль существенно зависят от температуры, repetition penalty и выбранного уровня квантизации; более высокие кванты обычно дают больше детализации и нюансов. Ограничениями являются возможная склонность к негативной тональности, повторы при неподходящих настройках и нестабильность при чрезмерно высокой температуре или слишком сильном снижении repetition penalty. В README также предупреждается, что context shift и RoPE могут приводить к искажению генерации в некоторых сценариях, несмотря на заявленную поддержку RoPE. Модель распространяется по лицензии Apache-2.0.