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

Cockatrice 7B v0.2 — языковая модель, опубликованная openerotica и дообученная на обновлённой и дополнительно очищенной версии набора freedom-rp. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; она генерирует текст и использует формат диалога ChatML. Модель рассчитана на ролевые диалоги и создание NSFW-текста, в том числе как часть экспериментов по автоматизации подготовки обучающих данных для такого контента. Модель работает с контекстом до 32 768 токенов и распространяется в формате PyTorch по лицензии Apache 2.0. В README отмечено, что очистка обучающих данных ещё не завершена, поэтому качество и уместность ответов могут быть непостоянными; описание не приводит оценок качества или результатов тестирования.

Deepsex 34B — текстовая языковая модель для генерации ответов и ролевого общения, разработанная zhouliang на базе архитектуры Yi. Представленная версия распространяется в формате GGUF и была квантизирована TheBloke. Модель ориентирована преимущественно на англоязычные сценарии и обучалась с использованием наборов данных LimaRP и PIPPA. Модель предназначена для диалогов, ролевых сценариев и генерации текста по инструкциям. В README указаны размер 34B параметров, поддержка текстовой модальности и шаблон запросов Alpaca. Файлы GGUF подходят для запуска через llama.cpp и совместимые интерфейсы и библиотеки, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python, что позволяет использовать модель локально на CPU и GPU в зависимости от выбранного варианта квантизации. Сильными сторонами модели являются специализация на ролевом взаимодействии и наличие нескольких вариантов квантизации с разным соотношением качества и требований к памяти. Ограничения включают ориентацию на английский язык, отсутствие в README сведений о размере контекстного окна и конкретных характеристиках качества. Модель имеет тег not-for-all-audiences, поэтому её применение может быть неприемлемо для некоторых аудиторий и сценариев. Указанная лицензия — MIT. README описывает именно квантизированные GGUF-файлы, а не исходную полноразмерную версию модели.

Модель jstoone/distil-ast-audioset-finetuned-cry разработана как дообученная версия bookbot/distil-ast-audioset для классификации аудиозаписей с использованием набора данных DonateACry. Она построена на архитектуре Audio Spectrogram Transformer и содержит 56,6 млн параметров. По результатам оценки на тестовом наборе точность составляет 0,6364, а значение функции потерь — 1,8592. Модель предназначена для распознавания звуков плача в аудиозаписях. Модель принимает аудио и выдаёт категорию классификации. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Результат оценки указывает на ограниченную точность, поэтому классификацию стоит проверять для целевого сценария.

Free Sydney — диалоговая языковая модель FPHam на архитектуре LLaMA 2, дообученная с использованием LoRA/QLoRA и модели Puffin 13B. Она настроена на образ Sydney: выразительного, дружелюбного и любознательного виртуального собеседника, который поддерживает ролевой диалог и отвечает в манере персонального AI-ассистента. Для общения автор рекомендует системный промпт с описанием этой личности и шаблон `### human:` / `### response:`; без него ответы могут быть бессвязными. Модель содержит 12,9 млрд параметров, работает с текстом и имеет контекст до 4096 токенов. В карточке указаны веса PyTorch. Автор отмечает, что поведение может быть непредсказуемым и что модель не подавляет ответы по заданным им ограничениям. Лицензия в предоставленных данных не указана.

Gabriel-7B-Instruct-v0.2 — диалоговая модель на базе Mistral-7B-Instruct-v0.2, дообученная методом SFT разработчиком Hello-Bible на самостоятельно собранном наборе из 36 тысяч французских и английских христианских примеров. Модель предназначена для генерации ответов в диалоге на темы христианства; архитектура — плотная Mistral с 7,1 млрд параметров, контекст — до 32 768 токенов. Модель можно применять для ответов на вопросы о христианстве, обсуждения религиозных тем и подготовки черновиков текстов на французском и английском языках. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия — Apache 2.0. Карточка не приводит результаты оценки качества или подробностей о составе обучающих данных. Ответы могут содержать ошибки и отражать особенности обучающего набора; модель не следует считать авторитетным источником богословских сведений.

Granite-107m Latin Intertextuality Embedding Model v2 — модель эмбеддингов предложений, созданная Julian Schelb на базе ibm-granite/granite-embedding-107m-multilingual. Она дообучена с online contrastive loss на одном из пяти разбиений бенчмарка Loci Similes и предназначена для поиска интертекстуальных связей между произведениями классических латинских авторов. Модель рассчитана на использование с API пакета LociSimiles и обучалась с префиксами промптов: для сохранения качества поиска нужно применять соответствующие имена промптов. Модель основана на архитектуре XLM-RoBERTa, содержит 110,2 млн параметров, принимает текст и создаёт векторные представления для сравнения текстов. Максимальная длина контекста — 514 токенов. Лицензия — Apache 2.0. Версия v2 заменяет v1 и подходит как её замена в текущем интерфейсе; v1 сохранена для воспроизведения прежних результатов.

master-of-hardcore/gvision-adv-uid148 — модель классификации изображений на базе EfficientNetV2-L из torchvision, дообученная для подсети Perturb (netuid 26) в Bittensor. Она принимает изображения и предсказывает классы; заявленное назначение связано с Perturb, однако README не описывает конкретный набор классов или метрики качества. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Hy-Embodied-RxBrain-1.0 — мультимодальная модель для воплощённого познания, разработанная Tencent Robotics X, Futian Laboratory и Tencent Hy Team. Она объединяет языковое рассуждение и визуальное воображение, чтобы отвечать на вопросы по изображениям и многокадровому видео, прогнозировать визуальные последствия действий и строить пошаговые планы с текстовыми действиями и целевыми изображениями. Модель использует архитектуру Unified Mixture-of-Transformers (MoT) с отдельными путями для текста, визуального понимания и генерации; в README указано около 6,2 млрд параметров, тогда как метаданные Hugging Face сообщают 1,8 млрд. Генерация изображений основана на flow matching и декодировании в латентное пространство FLUX VAE. Контекст — 262 144 токена. Для понимания достаточно основных весов; генерация изображений требует внешнего FLUX VAE. Репозиторий распространяется под лицензией Apache-2.0.

Это модель классификации текста на базе RoBERTa-large, дообученная разработчиком theharmonylab на наборе GLUE SCHONE_POW. Она предназначена для определения неявных мотивов власти в тексте и может применяться для анализа высказываний и исследовательской оценки языковых данных. Модель содержит около 454,1 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. В README приведены результаты на оценочной выборке: loss 0,1556 и ROC AUC 0,9742. Модель работает с английским текстом и распространяется в формате safetensors по лицензии MIT. Карточка не описывает схему меток, данные обучения подробнее или ограничения качества, поэтому результаты и применимость за пределами указанного набора данных требуют отдельной проверки.

Inflect-Micro-v2 — англоязычная модель синтеза речи на архитектуре VITS, оптимизированная разработчиком AXERA-TECH для нейропроцессоров AX650, AX620E и AX637. Репозиторий содержит модели в формате ONNX и варианты компонентов axmodel; на AX620E и AX637 кодировщик и декодер работают на NPU, как и поставка для AX650. Модель преобразует английский текст в речь и рассчитана на локальное выполнение на поддерживаемых чипах AXera. Для новых SDK указаны вход токенов длиной 256 и аудиовыход блоками примерно по 5,46 секунды; фонетическая предобработка и подготовка выравнивания выполняются на хосте. Лицензия — Apache-2.0.

IngroupLoyalty_binary — англоязычный классификатор текста, созданный дообучением microsoft/deberta-v3-base и опубликованный ajrayman. Модель на основе DeBERTa v3 Base содержит 211,6 млн параметров и принимает текстовые последовательности длиной до 512 токенов, выдавая результат бинарной классификации. По названию модель предназначена для определения внутригрупповой лояльности в тексте. В карточке приведены результаты оценки: accuracy 0,6323, precision 0,5969, recall 0,8148, F1 0,6890 и AUC 0,7268; обучающий набор данных не назван. Модель распространяется по лицензии MIT.

julian-schelb/multilingual-e5-large-emb-lat-intertext-v1 — модель эмбеддингов Sentence Transformers, дообученная Julian Schelb на базе intfloat/multilingual-e5-large для поиска интертекстуальных связей в латинских текстах. Она предназначена для сравнения фрагментов и выявления возможных перекличек между произведениями классических латинских авторов; модель участвовала в настройке бенчмарка Loci Similes с экспертно проверенными связями. Для запросов и кандидатов в примере используются префиксы «Query:» и «Candidate:». Модель содержит 658,7 млн параметров, построена на архитектуре XLM-RoBERTa и принимает текст, возвращая эмбеддинги для сравнения; длина контекста — 514 токенов. Основной язык — латинский. Репозиторий распространяется по лицензии Apache-2.0.

Omega Darker: The Final Directive 12B — дообученная модель для генерации диалогов и художественных текстов, созданная на базе Mistral-Nemo-Instruct-2407. В карточке указаны авторы TheDrummer, SteelSkull, Artus и sleepdeprived3; README описывает обучение на корпусе эротических, хоррор- и насильственных романов и сценариев. Модель предназначена для ролевых диалогов и длинных сюжетных сцен с несколькими персонажами. Авторы заявляют о более последовательном ведении персонажей и сюжетных линий, следовании сложным инструкциям и подробном описании эротики, ужасов и насилия. Архитектура — плотная MistralForCausalLM на 12,1 млрд параметров; контекст — до 131 072 токенов. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Модель ориентирована на контент для взрослых, включая откровенные сексуальные и графические сцены насилия, и не имеет заявленных мер психологической безопасности. Лицензия — Apache-2.0; README также требует от пользователей быть старше 18 лет и принимать ответственность за генерируемый контент.

PatriSBERT-STS — модель Sentence-BERT на базе BERT, дообученная TdelaSelle для оценки семантического сходства латинских патристических текстов и выявления повторного использования библейских фрагментов в раннехристианских сочинениях. Она предназначена для поиска и измерения текстовых параллелей с латинской Библией Вульгатой, в том числе в корпусах святоотеческой литературы. Модель формирует эмбеддинги предложений для сравнения их сходства. Она дообучена методом triplet fine-tuning на латинских триплетах повторного использования библейских текстов, начиная с PatriSBERT-NLI; исходная модель PatriBERT была предварительно обучена на латинских патристических текстах. Размер — 138,5 млн параметров, контекст — до 512 токенов. Лицензия — CC BY 4.0. Это черновая версия PatriSBERT, выпущенная для экспериментов: авторы предупреждают, что её текущие результаты предварительны. Модель ориентирована на латинские религиозные и исторические тексты, поэтому качество на иных языках и жанрах не установлено.

PHerc.1667-iteration-0 — модель сегментации чернил на томографических объёмных изображениях свитков Геркуланума, выпущенная участниками Vesuvius Challenge под именем scrollprize. Она предназначена для поиска участков с чернилами в свитках, включая сегменты без размеченных данных для обучения: эта версия обучалась на четырёх других сегментах и не использовала метки сегмента l_2. Модель обрабатывает серые объёмные фрагменты размером 62 × 256 × 256 вокселей. Её энкодер — ResNet3D-50, инициализированный весами Kinetics-700; признаки сворачиваются по глубине, после чего двумерный декодер U-Net формирует карту вероятностей наличия чернил. Выход имеет четверть исходного пространственного разрешения. Для обработки целого сегмента требуется перемещать окно по объёму и усреднять предсказания перекрывающихся фрагментов. Веса доступны в формате safetensors для Transformers, лицензия — MIT.

JoshuaKelleyDs/quickdraw-ConvNeXT-Tiny-Finetune — дообученная Joshua Kelley модель ConvNeXT-Tiny-224 для классификации изображений. Она принимает изображение и предсказывает его класс; конкретный набор классов и обучающие данные не описаны. В README указаны результаты на оценочном наборе: loss 0,8413 и accuracy 0,7826. Модель основана на facebook/convnext-tiny-224. В репозитории представлены форматы ONNX и safetensors; лицензия — Apache-2.0. Она подходит для классификации изображений в сценариях, где важны классы, на которых модель дообучена, однако описание набора данных и ограничений применения отсутствует.

Это дообученная на базе Qwen/Qwen3-4B-Instruct-2507 модель с плотной архитектурой Qwen3 и 3,7 млрд параметров. Она предназначена для генерации текста в диалоговом формате и может использоваться через библиотеку Transformers; карточка указывает обучение с помощью TRL. Название репозитория указывает на настройку для рассуждений о шахматах, однако README не описывает датасет, методику обучения или подтверждённое качество в этой области. Модель принимает текстовые запросы и генерирует текст; унаследованный от базовой модели контекст составляет до 262 144 токенов. Файлы представлены в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Koichi Yasuoka разработал эту крупную модель RoBERTa для лингвистического анализа классического китайского языка. Она дообучена на основе KoichiYasuoka/roberta-classical-chinese-large-char и размечает слова универсальными частями речи UPOS и признаками FEATS; модель также предназначена для синтаксического анализа зависимостей. Модель принимает текст на классическом китайском языке и выдаёт метки для слов. Она содержит 429,6 млн параметров, использует архитектуру RoBERTa и поддерживает контекст до 514 токенов. В карточке указана лицензия Apache-2.0. Для работы с моделью можно использовать Transformers; также автор указывает на библиотеку esupar для POS-разметки и синтаксического анализа.

Sapiens2-5B-Pointmap — модель Meta для оценки плотной 3D-карты точек по изображению человека. Для каждого пикселя она предсказывает координаты x, y, z в системе камеры, что позволяет восстанавливать геометрию тела и сцены вокруг человека. Модель использует backbone Sapiens2 на основе Vision Transformer и специализированную голову оценки pointmap; содержит 5,3 млрд параметров и распространяется в формате safetensors. Модель дообучена на базе facebook/sapiens2-pretrain-5b и предназначена для анализа изображений с людьми, а также исследований в области человеко-центричного компьютерного зрения. В карточке указан Sapiens2 License; конкретные условия следует сверять с текстом этой лицензии.

Beehzod/smoke_cigarette-detection2-yolo11m — модель обнаружения объектов, дообученная автором на базе Ultralytics YOLOv11-Medium с помощью библиотеки Ultralytics. Она предназначена для поиска сигареты на изображениях и возвращает обнаруженные объекты с координатами рамок и оценками уверенности; единственный описанный класс — cigarette. Модель обучалась 100 эпох на изображениях размером 640 пикселей, а валидационная выборка показала mAP50 0,9943, mAP50–95 0,7421 и точность 0,9811. Модель подходит для анализа фотографий и видеокадров, например для обнаружения сигареты в сцене. Она принимает изображения и выдаёт рамки объектов с метками и оценками. Карточка не указывает поддерживаемые естественные языки или ограничения по условиям съёмки, поэтому показатели на валидации не гарантируют аналогичное качество на других данных. В метаданных репозитория указана лицензия MIT; README уточняет, что лицензия датасета может отличаться и её следует проверять отдельно.

anonauthors/stanford_cars-ConvNeXt-base — модель компьютерного зрения, опубликованная на Hugging Face под именем anonauthors и построенная на архитектуре ConvNeXt-base. Она предназначена для классификации изображений; название репозитория указывает на связь с набором данных Stanford Cars, поэтому модель можно применять для распознавания изображённых автомобилей. Веса доступны в формате Safetensors, размер модели — около 87,8 млн параметров; для загрузки предусмотрен pipeline Transformers image-classification. Карточка модели автоматически сгенерирована и не сообщает разработчика, обучающие данные, точную специализацию классов или лицензию. [Карточка модели на Hugging Face](https://huggingface.co/anonauthors/stanford_cars-ConvNeXt-base)

stanfordnlp/stanza-la — модель из набора Stanza, разработанного Stanford NLP для лингвистического анализа латинского языка. Она принимает текст и выполняет разметку последовательности токенов; в экосистеме Stanza такие модели используются как часть анализа текста, от исходной строки до синтаксического разбора и распознавания сущностей. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не сообщает её размер и длину контекста. Для обработки латинского текста модель подходит как компонент NLP-конвейера; качество на конкретных жанрах и исторических вариантах языка отдельно не охарактеризовано.

TinyStories-17M — компактная языковая модель, созданная Kaushik Harsh с нуля для генерации детских историй. Это декодерный Transformer с 17,2 млн параметров, обученный предсказанию следующего токена на примерно 2,1 млн синтетических англоязычных историй. Архитектура использует подход LLaMA, RoPE, RMSNorm и SwiGLU; модель совместима с Hugging Face Transformers и распространяется в формате safetensors. Модель предназначена для создания коротких связных рассказов по подсказке, образовательных проектов и экспериментов с компактными языковыми моделями и архитектурой Transformer. Она ориентирована на простые сюжеты, диалоги, моральные уроки и детскую лексику на английском языке. Контекст составляет 512 токенов. Небольшой размер ограничивает запас знаний и универсальность: модель может повторяться при длинной генерации, повторять реплики и испытывать трудности с редкими именами и сложными сущностями. Качественные оценки в карточке основаны на ручной проверке и оценке LLM, а не на стандартизированных тестах. Лицензия — MIT.

VideoMAE Base wlasl 100 longtail 200 signer — видеотрансформер, дообученный на базе MCG-NJU/videomae-base для классификации видео. Размер модели составляет 113,2 млн параметров; для работы используется библиотека Transformers, веса доступны в формате safetensors. По названию модели можно предположить, что она связана с распознаванием жестового языка WLASL, однако карточка не описывает классы и набор данных, поэтому назначение этой специализации нельзя подтвердить. На оценочном наборе указаны точность 0,4911 и значение функции потерь 3,1722. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и запрещающей коммерческое применение.

DeepSeek V4-Nano (TinyStories) — компактная языковая модель на 130,1 млн параметров, созданная GenakiGyoka с нуля на PyTorch. Она использует архитектуру DeepSeek V4-Nano с механизмом Multi-Head Latent Attention и смесью экспертов: 8 маршрутизируемых экспертов и один общий, при этом на токен активируются два маршрутизируемых и общий эксперт. Обучение проведено на датасете TinyStories; контекст составляет 512 токенов, словарь — 16 384 BPE-токена. Модель предназначена для генерации коротких англоязычных историй и продолжения простых повествовательных текстов, особенно в стиле TinyStories. Примеры показывают связные детские рассказы, но модель узкоспециализирована и её качество за пределами такого материала не подтверждено. Для работы нужны PyTorch и tokenizers. Лицензия — MIT.

DVLT (Déjà View Looping Transformer) — модель для многовидовой реконструкции 3D по ненастроенным RGB-изображениям или видео. Её разработали NVIDIA, University of Modena and Reggio Emilia, University of Toronto и ETH Zurich. Модель за один проход предсказывает для каждого пикселя глубину и карту лучей, из которых можно получить 3D-точки, а также параметры камер: внутренние и внешние. Число параметров — около 117 млн; архитектура — ViT с общей рекуррентной петлёй и визуальной основой DINOv2 ViT-B. Число шагов уточнения K можно выбирать при инференсе в диапазоне 8–16, меняя соотношение качества и задержки. Модель предназначена для реконструкции сцен, оценки поз камер и ускорения начальной подготовки данных для NeRF и 3D Gaussian Splatting; может использоваться в исследованиях SLAM и навигации. На обучении применялись сцены с 2–18 ракурсами, а поддерживаемое при инференсе число изображений ограничено памятью. Для работы рассчитана на PyTorch и NVIDIA GPU. Лицензия обозначена как other, поэтому условия её использования следует уточнять в репозитории.

dima806/fairface_gender_image_detection — модель компьютерного зрения от dima806 для классификации изображений по двум меткам пола: Female и Male. Это дообученная версия Vision Transformer ViT-Base с архитектурой ViTForImageClassification, примерно 113,2 млн параметров; веса сохранены в формате safetensors. Для дообучения использован набор данных nateraw/fairface. Модель предназначена для определения метки пола по изображению и может применяться в экспериментах или системах анализа изображений. В README приведены результаты на 10 000 примерах: точность 93,42%, F1 для класса Female — 0,9285, для Male — 0,9391. Эти показатели относятся к указанной оценке и не гарантируют качество на других данных. Лицензия модели — Apache-2.0. Модель выдаёт один из двух классов и не описывает ограничения применимости или условия оценки помимо приведённого отчёта классификации.

femto-asr — компактная модель распознавания английской речи, разработанная автором репозитория igorktech и обученная с нуля. Она содержит 2,39 млн параметров и рассчитана на устройства с микроконтроллерным классом ресурсов: README указывает размер 9,2 МБ в fp32 и 2,5 МБ в int8, а также цель работы при 400 КБ SRAM и без FPU. Модель использует архитектуру E-Branchformer с линейным вниманием, низкоранговыми проекциями SwiGLU, глубинным свёрточным смешиванием и CTC-декодированием. Она предназначена для офлайн-распознавания английской речи, в том числе команд на устройстве с ограниченной памятью. На LibriSpeech test-clean автор сообщает WER 10,95% при жадном декодировании без языковой модели. Модель обучена на 960 часах LibriSpeech и поддерживает аудио 16 кГц, моно. Она лучше всего подходит для чистой, размеренно произнесённой английской речи; потоковый режим не опубликован. Модель не расставляет знаки препинания и регистр, выдаёт текст в верхнем регистре, плохо справляется с быстрым темпом, шумом, дальним микрофоном, реверберацией и речью вне распределения обучающих данных. Лицензия — Apache-2.0.

geminiwhisperipa — дообученная модель OpenAI Whisper-small для распознавания речи на сантали с выводом транскрипции в IPA/Sanlish. Она принимает аудио и предназначена для преобразования речи на сантали в текстовую транслитерацию. Модель основана на архитектуре Whisper и распространена в формате safetensors. Дообучение выполнено на 1 547 обучающих примерах; для проверки использовались 193 примера, для тестирования — 194. В README приведён тестовый WER около 40,8%, поэтому качество распознавания может быть ограниченным. Лицензия в предоставленных данных не описана.

Diluner выпустил дообученный чекпойнт Qwen3-1.7B для генерации текста в диалогах и выполнения заданий в среде BabyAI. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров, принимает текст и сохраняет контекст до 40 960 токенов. Для обучения применялся ROSE с учителем gpt-5.4-mini; это финальный чекпойнт отдельного этапа из пяти эпох и 125 обновлений оптимизатора. В оценке на официальных тестовых заданиях BabyAI средний успех составил 89,17% по четырём попыткам на задание. Результат относится к одному чекпойнту и не подтверждает превосходство метода или воспроизводимость на других запусках. Нулевое число ошибок эпизодов не гарантирует корректный формат каждого ответа; чекпойнт также не является последовательным продолжением предыдущего этапа. В репозитории опубликованы веса и конфигурация, но не состояние оптимизатора, сырые журналы или траектории учителя. Лицензия для этой модели не заявлена; следует учитывать условия базовой модели Qwen/Qwen3-1.7B.