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

DreamVAE — декодер вариационного автокодировщика (VAE), созданный как дистиллированная замена декодера Oobleck в ACE-Step 1.5. Он принимает латентные представления формы [B, 64, T] и восстанавливает из них стереозвук формы [B, 2, 1920*T] с частотой 48 кГц; для работы его следует сочетать со штатным энкодером ACE-Step. Модель содержит 51,7 млн параметров и доступна в форматах safetensors и ONNX. Модель предназначена для быстрого декодирования музыкальных латентов и восстановления аудио в конвейерах генерации музыки. В тестах на 20 музыкальных фрагментах дополнительное ухудшение SNR относительно исходного декодера составило 0,24 дБ. По данным README, связка DreamVAE с TensorRT FP16 декодировала 60 секунд аудио за 37,2 мс на RTX 5090; это результат конкретной конфигурации оборудования и бенчмарка. DreamVAE обучалась дистилляцией на 8 000 треках FMA Small; опубликованный чекпойнт соответствует шагу 635 000. Лицензия — Apache 2.0. Оценка качества ограничена сигналовыми метриками на реконструкции VAE: субъективные тесты и проверка полного конвейера генерации не проводились. Поддержка других вариантов ширины и эффект дополнительной квантизации также не оценивались.

Модель yainage90/fashion-image-feature-extractor разработана для извлечения признаков из изображений одежды. В её основе — microsoft/swin-base-patch4-window7-224 с добавленным полносвязным слоем, который уменьшает размер эмбеддинга до 128. Модель обучена контрастивным методом на парах изображений: область товара, обнаруженная на фотографии публикации, сопоставляется с миниатюрой соответствующего товара. Модель предназначена для визуального поиска одежды и сопоставления фотографий с изображениями товаров. Обучающие данные включают около 290 тысяч пар из наборов onthelook и kream для категорий верхней и нижней одежды, верхней одежды, обуви, сумок и головных уборов. Для работы с моделью нужна лицензия MIT. Метаданные определяют её задачу как классификацию изображений, однако описанный в README способ обучения ориентирован на получение признаковых векторов для поиска похожих товаров.

fpadovani/fr_child_clm_30_new — дообученная автором карточки языковая модель семейства GPT-2 для генерации текста. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. В карточке приведён результат оценки: loss 4,1358. Данные о наборе для дообучения и назначении модели не раскрыты, поэтому её специализацию и качество для конкретных сценариев установить нельзя. Лицензия в предоставленных сведениях не указана.

dsreya/garment-type-classifier — модель классификации изображений одежды, созданная дообучением Vision Transformer google/vit-base-patch16-224. Она принимает изображение и предсказывает класс типа одежды. В README приведены результаты на оценочной выборке: accuracy 0,9789 и loss 0,0711; состав выборки и перечень классов не раскрыты. Модель содержит 113,2 млн параметров, использует архитектуру ViT и формат весов safetensors. Лицензия — Apache-2.0.

Haru v3 student-base — компактная авторегрессионная языковая модель семейства Haru Dense, разработанная alice-noa-chan. В метаданных указано 23,5 млн параметров, а в README — 13 688 705; контекстное окно составляет 1024 токена. Архитектура использует полное причинное внимание, QK RMSNorm, SwiGLU и инкрементальный KV-кэш; веса сохранены в формате safetensors и FP32. Модель предназначена прежде всего для продолжения корейских детских историй. Она обучалась на 480 509 952 токенах; отбор чекпойнта основывался на проверке историй, хотя общие языковые корпуса поддерживают беглость текста. Это базовая версия без chat fine-tuning, поэтому она продолжает текст, а не рассчитана на диалоговый шаблон. Модель можно использовать для короткой генерации на корейском языке в пределах общего лимита 1024 токена на вход и генерацию. Лицензия весов и включённого исходного кода — MIT. В README указано, что обучение и итоговая оценка завершены, и приведён результат проверки историй BPC 0,949. Модель выбрана среди двух студенческих архитектур по скорости генерации на CPU, но оценка основана на одном seed и не измеряет разброс между запусками. Обучающие корпуса не опубликованы, а утверждений о превосходстве над сопоставимыми моделями автор не делает.

Модель разработана dima806 и предназначена для определения типа комнатного растения по изображению. Это дообученная для классификации изображений модель Vision Transformer ViT-Base с 113,2 млн параметров, основанная на google/vit-base-patch16-224-in21k. В карточке заявлена точность около 90% для распознавания типов комнатных растений. Модель принимает изображение и выдаёт класс растения. Репозиторий содержит веса в формате safetensors. Лицензия Apache-2.0 разрешает использование на её условиях.

Infinite-Waifu — объединённая диалоговая языковая модель от nocudaexe, созданная из четырёх моделей семейства Mistral с помощью mergekit и метода DARE TIES. В качестве базовой использована mlabonne/AlphaMonarch-7B; в объединение также вошли Endevor/InfinityRP-v1-7B, Test157t/Kunocchini-7b-128k-test и KatyTheCutie/SlushySlerp-7B. Модель содержит 7,1 млрд параметров, принимает текстовые запросы и генерирует текст в формате диалога; заявленная длина контекста — 32 768 токенов. Модель предназначена для общения и ролевых диалогов, включая сценарии с эротическим содержанием. README описывает её как результат объединения чат-модели с моделями, ориентированными на ERP, чтобы изменить её поведение в ролевых сценариях. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Это модель LayoutFIDNetV3 от организации Creative Graphic Design Lab на Hugging Face. Она предназначена для извлечения признаков из изображений макетов и может использоваться как компонент оценки или сравнения визуальных композиций. В репозитории указано около 3,7 млн параметров, архитектура LayoutFIDNetV3 и формат Safetensors; для загрузки показан конвейер image-feature-extraction в Transformers с trust_remote_code. Карточка не сообщает обучающие данные, языки, лицензию, метрики качества или подробные ограничения, поэтому переносимость результатов на другие типы изображений не подтверждена.

Это дообученная диалоговая языковая модель LLM-jp-4-8B-thinking от автора ikedachin, ориентированная на вопросы и ответы с рассуждениями в стиле и языковом колорите диалекта Имабари. Модель основана на llm-jp/llm-jp-4-8b-thinking: LoRA-адаптер обучили на данных Imabari Wiki QA v4 с дополнительными текстами рассуждений, затем объединили с базовыми весами. В репозитории находятся полные веса Safetensors и токенизатор с изменённым шаблоном чата. Модель предназначена для генерации ответов и рассуждений по-японски, особенно в сценариях вопросов о материалах Imabari Wiki QA. Архитектура — плотная LlamaForCausalLM, размер — 7,8 млрд параметров; контекст — до 65 536 токенов. Шаблон поддерживает каналы анализа и финального ответа, включая варианты с именами каналов для диалекта Имабари. Хотя шаблон принимает настройки уровня рассуждений low, medium и high, обучение проводилось с medium, поэтому управление тремя уровнями не подтверждено. Базовая модель распространяется по Apache-2.0, а обучающие данные — по CC BY-SA 4.0; в карточке самой модели указана лицензия other, поэтому условия использования весов следует проверять по полному разделу лицензии репозитория. Модель может хуже отвечать за пределами тем и формата данных, на которых её дообучали. Дополнительные каналы чата доступны через поставляемый с моделью токенизатор и не являются стандартными параметрами API LLM-jp-4.

Casual-Autopsy/Maginum-Cydoms-24B-static-GGUFs — это модель для генерации текста в формате GGUF, опубликованная пользователем или организацией Casual-Autopsy. Она основана на Casual-Autopsy/Maginum-Cydoms-24B и предназначена прежде всего для ролевого взаимодействия, включая сценарии roleplay и контент для взрослой аудитории. В названии указано, что модель имеет размер 24B параметров и распространяется в виде статических GGUF-файлов, однако сведения о конкретной архитектуре, вариантах квантования, размере контекста, языках и поддерживаемых модальностях отсутствуют. По метаданным, модель является результатом слияния нескольких моделей с использованием подходов DELLA, TIES, SLERP и multi-step merge; также заявлена ориентированность на reasoning и многошаговую генерацию. Основная сильная сторона модели — специализация на ролевых и неформальных текстовых сценариях. Ограничения и требования к аппаратным ресурсам, точные характеристики качества, лицензия и правила использования в предоставленных данных не указаны, поэтому их необходимо уточнить по сопроводительным файлам и странице модели.

Mercury-A1 — модель RaonDuplex от разработчика ga642381 для полно-дуплексного диалога «речь-в-речь» с учётом времени. Чекпойнт дообучен за две эпохи на 4 440 синтетических полно-дуплексных диалогах; временные метки слов получены принудительным выравниванием синтезированного аудио. Модель работает с аудио и рассчитана на сценарии разговорного взаимодействия с одновременным обменом репликами. В README приведены результаты проверки согласованности текста и аудио на 100 диалогах без эталонных транскриптов: полнота слов на уровне слов составила 79,1%, а в 6 случаях из 100 выявлено серьёзное расхождение. В таблице также указаны показатели для базовой модели, но значение посимвольной согласованности Mercury-A1 не приведено. Данные, код обучения и скрипты оценки временно не опубликованы. Модель распространяется под лицензией CC BY-NC 4.0, допускающей использование с указанием авторства, но запрещающей коммерческое применение.

Metric Video Depth Anything Large MLX — порт модели Video Depth Anything от ByteDance в формат MLX, подготовленный mlx-community. Модель оценивает метрическую глубину по кадрам монокулярного видео, формируя карту глубины для каждого кадра и обеспечивая согласованность оценок на длинных видео. Архитектура включает основу DINOv2, голову DPT и временные модули движения в стиле AnimateDiff. Модель принимает последовательность цветных кадров и выдаёт карты абсолютной глубины в метрах. Размеры кадров должны быть кратны 14. Веса представлены в fp32; README сообщает о близком совпадении с эталонной реализацией PyTorch на GPU и CPU. Модель предназначена для оценки глубины видео и сценариев компьютерного зрения, где важны временная согласованность и метрический масштаб. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

KoboldAI/Mistral-7B-Erebus-v3 — третья версия модели Shinen, созданная Mr. Seeker и представленная сообществом KoboldAI. Это плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров; она дообучена на корпусе объёмом 2,3 млрд токенов из восьми источников, преимущественно на художественных текстах для взрослых. Модель предназначена для генерации историй и продолжения прозы с тегами жанров в формате [Genre: ...]. Поддерживает английский язык и контекст до 32 768 токенов. Главная специализация модели — создание откровенного контента для взрослых, в том числе эротических историй. Доступны веса Safetensors, лицензия — Apache-2.0. Модель не подходит несовершеннолетним; в README отмечены выраженный уклон в NSFW-контент и возможные предвзятости по гендеру, профессии, расе и религии.

Joshified/mlbb-advisor — дообученная Joshified языковая модель для генерации текста на основе Qwen2.5-7B-Instruct. Репозиторий указывает, что обучение проводилось с помощью Unsloth и библиотеки Hugging Face TRL; архитектура — плотная Qwen2ForCausalLM с 7,1 млрд параметров, формат весов — safetensors, заявленная длина контекста — 32 768 токенов. Модель предназначена для диалоговой генерации текста; название репозитория указывает на консультирование по MLBB, однако карточка не описывает конкретные функции или игровые темы. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0. Карточка не сообщает об оценках качества и специальных ограничениях; применимость ответов как советов по игре по имеющимся данным не подтверждена.

mergekit-community/nsfw-i-like-this-one-plz-kill-me — это объединённая модель для генерации текста, созданная с помощью mergekit методом passthrough на основе mergekit-community/nsfw_plz_gguf_me. Она использует плотную архитектуру Llama с причинной языковой моделью LlamaForCausalLM и содержит 14,5 млрд параметров. Модель рассчитана на диалоговую генерацию текста и имеет контекстное окно 131 072 токена. Карточка описывает повторное включение диапазона слоёв 0–32 исходной модели; указанный формат весов — safetensors. Модель помечена как предназначенная для контента не для всех аудиторий, поэтому может подходить для сценариев с откровенным или взрослым контентом. Лицензия в предоставленных данных не приведена.

Модель ppp57420/ocean-personality-distilbert разработана на базе DistilBERT и дообучена для регрессионной оценки пяти черт личности по тексту: открытости опыту, добросовестности, экстраверсии, доброжелательности и нейротизма. Она выдаёт пять нормализованных оценок в диапазоне от 0 до 1 и использует архитектуру DistilBertForSequenceClassification. Модель предназначена для автоматизированного прогнозирования личностных характеристик по англоязычному тексту. В README приведены метрики на использованной оценке: MAE 0,108, RMSE 0,1762, корреляция Пирсона 0,7688 и корреляция Спирмена 0,7498. Максимальная длина контекста — 512 токенов. Модель распространяется по лицензии MIT.

ReadyArt_Forgotten-Safeword-70B-3.6-GGUF — набор GGUF-квантизованных версий текстовой генеративной модели Forgotten-Safeword-70B-3.6, разработанной ReadyArt и квантизованной bartowski с использованием llama.cpp и метода imatrix. Модель ориентирована на англоязычные сценарии генерации текста, включая roleplay и NSFW/explicit-контент; по тематическим тегам также заявлены unaligned, ERP и dangerous-сценарии. Это дообученная модель, доступная в формате GGUF для локального запуска через llama.cpp, LM Studio и совместимые проекты. Исходная модель относится к классу 70B, однако сведения о точной архитектуре, размере контекста, модальностях и возможностях работы с языками, кроме английского, в README не указаны. Доступны варианты квантизации от Q8_0 до Q2_K, размер файлов — примерно от 27 ГБ до 75 ГБ; более высокие варианты обычно сохраняют лучшее качество, а низкие требуют меньше оперативной памяти, но заметно уступают по качеству. Для работы используется специальный шаблон промпта с системными и пользовательскими сообщениями. Модель предназначена прежде всего для локального текстового inference и ролевых диалогов, но README не приводит формальных оценок качества, ограничений безопасности или результатов тестирования. Указанная лицензия — Apache-2.0; при этом следует учитывать условия лицензии исходной модели ReadyArt/Forgotten-Safeword-70B-3.6, если они отличаются.

SCHP-LIP-20 — модель семантической сегментации людей, основанная на ResNet-101 и методе Self-Correction Human Parsing. Разработчик этой карточки упаковал чекпойнт для API Transformers AutoModel; исходный проект — PeikeLi/Self-Correction-Human-Parsing. Модель обучена на наборе LIP и размечает изображение по 20 классам одежды, частей тела, аксессуаров и фона. Она принимает изображение размером 473 × 473 пикселя и выдаёт попиксельные оценки классов, а также выходы parsing и edge heads. Модель предназначена для выделения областей одежды и частей тела на фотографиях людей: эти маски можно использовать для извлечения палитры одежды, маркировки товаров, предварительной обработки для виртуальной примерки и ускорения аннотации данных. На валидационной части LIP указана метрика mIoU 59,36%. Для репозитория доступны форматы Safetensors и ONNX; README приводит результаты ускорения ONNX и INT8-квантизации. Лицензия — MIT. Качество зависит от соответствия изображениям и классам LIP; заявленная метрика относится к валидации этого набора. Модель предназначена для одиночного human parsing и не описана как универсальный сегментатор произвольных объектов.

Xpitfire/segformer-finetuned-segments-cmp-facade — модель семантической сегментации фасадов зданий, дообученная на датасете Xpitfire/cmp_facade. Она принимает изображение фронтального вида здания и размечает каждый пиксель одним из 12 классов: фасад, молдинг, карниз, колонна, окно, дверь, подоконник, ставня, балкон, торговое помещение, декор или фон. Модель основана на архитектуре SegFormer: иерархическом Transformer-энкодере и простом декодере на многослойном перцептроне. Репозиторий содержит веса PyTorch; карточка также упоминает image classification, однако описанное назначение — сегментация фасадных элементов. Лицензия — MIT.

SMaxxxer-v1-70b — экспериментальная разговорная языковая модель, созданная автором ChuckMcSneed для ролевого общения и проверки авторского мем-бенчмарка. Это плотная модель семейства LLaMA с 68,7 млрд параметров и контекстом до 4096 токенов. Модель получена слиянием lzlv, spicyboros, xwin и dolphin методом TIES с использованием mergekit. Автор описывает её как агрессивного и простоватого персонажа для ролевого общения; модель также создавалась для проверки стилизованного письма. Для взаимодействия в README приведён шаблон Alpaca. Автор отмечает, что модель не превзошла ChatGPT в тесте стилизованного письма, а результаты собственного мем-бенчмарка не стали ожидаемым прорывом. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Llama 2.

Habib-HF/tarbiyah-ai-v1-1 — модель распознавания речи на базе Whisper-small от OpenAI, дообученная для транскрибации чтения Корана на арабском языке. Она принимает аудио и выдаёт текст; предназначена для практики чтения, получения транскрипции аятов и интеграции в приложения для изучения Корана и таджвида. Архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров; файлы представлены в формате safetensors. Модель выпущена под лицензией MIT. Модель специализируется на коранической рецитации, но не проверяет правила таджвида: текущая цель — точность транскрипции. По карточке, качество может снижаться на стилях чтения и вариантах кираата, отсутствовавших в обучении, детских голосах, сильных региональных акцентах, шумных записях и быстрой или неразборчивой речи. На указанной в README оценочной выборке WER составил 40,48%, поэтому результат может требовать проверки и исправления.

crangana/trained-race — модель классификации изображений на основе ResNet-50, дообученная на наборе данных FairFace. Базовая ResNet-50 предварительно обучена на ImageNet-1k для классификации изображений по 1000 классам; эта версия предназначена для классификации изображений в задаче, связанной с FairFace. На оценочной выборке указаны loss 0,9830 и accuracy 0,6258. Модель принимает изображения и выдаёт классовые метки. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Подробные сценарии применения и ограничения в карточке не описаны.

Edmon02/TTS_NB_2 — контрольная точка SpeechT5 для синтеза речи на армянском языке, разработанная как преемник Edmon02/TTS_NB. Модель предназначена прежде всего для продолжения обучения, экспериментов с новыми данными и адаптации через Transformers; для публикации демонстраций карточка рекомендует другой чекпойнт. Архитектура — SpeechT5ForTextToSpeech, веса сохранены в safetensors, размер словаря токенизатора — 158. Обучение обновлено на данных Common Voice 17 для hy-AM и HyVoxPopuli. Для синтеза при инференсе требуется microsoft/speecht5_hifigan. Лицензия — MIT. Карточка указывает ограничения исходного набора HyVoxPopuli: литературный армянский язык и два диктора; поэтому модель может хуже подходить для других вариантов армянского и разнообразных голосов.

Video Depth Anything Base (Metric) (MLX) — конверсия модели depth-anything/Metric-Video-Depth-Anything-Base от ByteDance в формат MLX. Модель оценивает глубину по монокулярному видео, выдавая абсолютные значения в метрах с временной согласованностью между кадрами. Архитектура сочетает backbone DINOv2 и временную голову DPT; это вариант Base Metric. Модель предназначена для оценки глубины в видеопотоках, когда нужны метрические значения, а не только относительная карта глубины. Конверсия проверена сравнением с PyTorch-версией: в README указана максимальная относительная ошибка около 1e-5 на CPU и около 1% на GPU с fast-math Metal. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Nikeytas/Videomae Crime Detector Production V1 — модель VideoMAE, дообученная исследовательской командой на подмножестве набора UCF Crime для бинарной классификации видеоклипов: модель определяет, содержит ли клип насильственное преступление или ненасильственный эпизод. Архитектура основана на видеотрансформере VideoMAE-base с 113,2 млн параметров; на вход подаются клипы из 16 кадров с разрешением 224×224 пикселя, на выходе — метка одного из двух классов. Модель предназначена для анализа видеозаписей, исследований компьютерного зрения и вспомогательного применения в системах безопасности с проверкой человеком. В README приведены точность 66,7% и F1 0,667 на тестовой выборке из 60 видео; результаты и ограниченный состав обучающих данных не гарантируют обобщения на другие условия съёмки и виды насилия. Короткий клип может не содержать необходимого временного контекста, а динамичные ненасильственные сцены могут вызывать ложные срабатывания. Лицензия — MIT.

ares1123/virtual-dress-try-on — модель виртуальной примерки одежды, размещённая пользователем ares1123 на Hugging Face. В README описана система на основе Stable Diffusion 1.5 с U-Net и DreamBooth; для извлечения признаков используется EfficientNetB3, а OpenPose оценивает ключевые точки человека. В метаданных указан pipeline text-to-image и формат Diffusers с весами safetensors. Модель предназначена для создания изображений, показывающих одежду на человеке, и для прототипирования сценариев виртуальной примерки в онлайн-торговле и исследованиях. README указывает требования к оборудованию и ПО: GPU A100, большой объём оперативной памяти, PyTorch и компоненты Stable Diffusion, OpenPose и EfficientNetB3. Лицензия — CreativeML Open RAIL-M.

ZipCodec — потоковый нейронный аудиокодек, разработанный Luca Della Libera, Cem Subakan и Mirco Ravanelli. Модель основана на WavLM и предназначена для кодирования речи с частотой кадров 6,25 Гц и битрейтом 0,80 кбит/с, что ориентирует её на компактное представление аудио при потоковой передаче. В карточке Hugging Face указаны базовая модель microsoft/wavlm-large, библиотека PyTorch и формат весов safetensors. Лицензия — Apache-2.0. Модель принимает аудио и относится к задаче audio-to-audio. Доступное описание акцентирует сверхнизкий битрейт и потоковое кодирование речи; сведений о поддерживаемых языках, качестве восстановления, допустимых аудиоформатах и контекстном окне нет.

Quran-Lab zipformer_p-arabic-v3 — потоковая модель распознавания фонем чтения Корана по Хафсу ‘ан ‘Асыму. Разработчик заявляет архитектуру Zipformer2 с CTC-выходом и 65,5 млн параметров. Модель преобразует аудио чтения в последовательность из 251 символа коранического фонетического алфавита, отражающего, среди прочего, длительность мадда, удвоение согласных, гунну, ихфа, калькаля и эмфатические согласные. Языковая модель и текстовый приор не используются. Модель предназначена для потоковой транскрипции и анализа коранической рецитации; опубликованные результаты включают оценку на студийных записях, телефонных записях и чтении незнакомого профессионального чтеца. Поддерживаются форматы ONNX и CoreML; для ONNX README указывает потоковый sherpa-onnx интерфейс, монофонический звук 16 кГц и Kaldi fbank. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты. Модель обучена преимущественно на правильном чтении с каноническими метками. При ошибках чтеца она может восстановить нормативное произношение вместо фактически услышанного, поэтому не подходит как самостоятельный судья правильности исполнения ихфа и сходных качественных признаков. Длительность свободного мадда ненадёжно отражается длиной последовательности токенов; дети младше 12 лет относятся к слабой области качества. Размер потоковых чанков влияет на результат, а обучение проводилось только на чанках 8, 16 и 24 кадра.

BrownLoafers-70B — текстовая модель для генерации диалогов и ролевой прозы, созданная автором карточки слиянием NousResearch/Hermes-4-70B и ArliAI/Llama-3.1-70B-ArliAI-RPMax-v1.1 методом TIES. Она предназначена для непринуждённого, отзывчивого ролевого взаимодействия, включая взрослые сцены; модель склонна к многословной образной прозе и знакомым ролевым тропам. В основе — плотная архитектура Llama с 69,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель рассчитана прежде всего на английский язык и выдаёт текст. Автор отмечает, что модель может быть излишне очевидной и шаблонной, а также не подходит для сложных многослойных персонажей и тонкой ролевой игры. Она может генерировать откровенный контент, не предназначена для семейного или корпоративного использования; доступ предназначен для совершеннолетних. Лицензия — Llama 3.1.

Tulifo/chittu-story-v0-26m — небольшая генеративная модель Tulifo для создания коротких простых историй по запросу и продолжения заданного начала. Она обучена с нуля на синтетических англоязычных историях TinyStories, а основная версия дополнительно дообучена на парах «запрос—история». В репозитории также есть базовая версия, обученная только на продолжение текста. Модель построена на архитектуре nanochat GPT: 6 слоёв, 6 голов внимания, размерность 384, словарь BPE на 8 192 токена и контекст 512 токенов; размер — 26,3 млн параметров. Она принимает текст и генерирует текст на английском языке. Модель рассчитана на короткие детские истории и экспериментальное офлайн-применение, а не на роль универсального помощника. Обучающие истории проходили фильтрацию на небезопасное содержимое, однако это не гарантирует, что каждый ответ будет подходящим для ребёнка. Модель обучалась на GPT-4 историях из синтетического датасета, поэтому может воспроизводить ограниченный стиль и содержание этих данных. Лицензия репозитория — Apache-2.0; для исходного датасета указана CDLA-Sharing-1.0.