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

Eagle2-9B — мультимодальная модель семейства Eagle2, выпущенная NVIDIA для понимания изображений и видео в диалоге. Она объединяет языковую основу Qwen2.5-7B-Instruct с визуальными компонентами SigLIP и ConvNeXt и поддерживает работу с текстом, одним или несколькими изображениями и видео. В README заявлена максимальная длина контекста 16 тыс. токенов; метаданные указывают архитектуру Eagle2ChatModel и библиотеку Transformers. Модель предназначена для описания визуального содержимого, ответов на вопросы по изображениям и видео, а также диалоговых задач с текстом и визуальными входами. В опубликованной таблице приведён результат на DocVQA, но полный набор результатов в доступном тексте README отсутствует. Модель весит около 8,9 млрд параметров по таблице README. Веса доступны по лицензии CC BY-NC 4.0 для некоммерческого использования; README также указывает лицензионные условия базовых моделей Qwen2.5 и PaliGemma. Для запуска README рекомендует transformers 4.37.2 и предупреждает, что более новые версии несовместимы. Поддержка vLLM и готовые скрипты дообучения в карточке обозначены как TODO.

Epic Diffusion — универсальная модель генерации изображений по текстовому описанию, разработанная johnslegers. Она основана на Stable Diffusion 1.x и предназначена для создания изображений в широком диапазоне стилей; автор позиционирует её как модель общего назначения для повседневной генерации вместо официальных выпусков Stable Diffusion. Версия 1.0 создана как многократно калиброванное слияние SD 1.4, SD 1.5 и нескольких стилизованных моделей, включая Analog Diffusion, Wavy Diffusion, Openjourney Diffusion и другие. Репозиторий содержит формат Diffusers и веса Safetensors. Модель поддерживает генерацию NSFW-контента. Лицензия — CreativeML OpenRAIL-M.

misri/epicrealismXL_v8Kiss — модель генерации изображений по текстовому описанию от пользователя misri. Репозиторий содержит веса в формате safetensors и поддерживает загрузку через Diffusers с конвейером StableDiffusionXLPipeline. В карточке нет описания модели, поэтому конкретные особенности стиля и обучения подтвердить нельзя. Модель предназначена для создания изображений по текстовым запросам. Карточка показывает пример генерации сцены с астронавтом в джунглях. Данные не подтверждают поддерживаемые языки запросов, размер модели или длину контекста. Условия лицензирования в доступной карточке не указаны.

animetimm выпустила дообученную модель EVA-02 Large для многометочной классификации изображений и извлечения визуальных признаков. Модель содержит 316,8 млн параметров и рассчитана на входные изображения размером 448×448 пикселей. Она предсказывает метки из набора Danbooru WD Tagger v4: общие теги, персонажей и рейтинговые категории; всего в наборе 12 476 меток. Модель подходит для автоматического тегирования аниме- и иллюстративных изображений, поиска персонажей и фильтрации изображений по категориям. В README приведены результаты на тестовой выборке: при пороге 0,40 micro F1 составляет 0,693, а для категорий символов и рейтинга указаны отдельные рекомендованные пороги. Доступны веса PyTorch и ONNX; метаданные также указывают формат safetensors. Лицензия — GPL-3.0. Качество зависит от выбранных порогов и соответствия изображения обучающему набору; особенно для общих тегов метрики ниже, чем для тегов персонажей. Модель предназначена для изображений и выдаёт оценки по набору меток, а не текстовое описание произвольного содержания.

F5-TTS Algerian Arabic (Darja) — модель синтеза речи, созданная Камелем Туати и дообученная на базе IbrahimSalah/Arabic-F5-TTS-v2. Она предназначена для озвучивания текста на алжирском арабском диалекте, включая разговорную речь, повествования и фольклор. Поддерживается переключение между дариджей, французским и берберским; для французских слов лучше подходит латинская запись. Модель использует архитектуру F5-TTS на основе DiT и обучена на корпусе примерно из 399 часов диалектной речи из подкастов, историй и фольклорных записей. Аудио при обучении приводилось к моноформату с частотой 24 кГц. Для использования требуется предварительная нормализация текста по описанному в карточке процессу. Модель распространяется по лицензии Apache-2.0. Качество может снижаться из-за нестандартного написания дариджи, шума и реверберации во входных аудиоданных обучения, а также при записи французских слов арабской транслитерацией. Корпус содержит записи ограниченного числа дикторов, поэтому голос может отражать их особенности.

FEMA — дообученная модель на базе google/mt5-small для генерации музейных анонсов на английском и финском языках. Она создана в рамках магистерской диссертации по цифровой лингвистике и предназначена для подготовки структурированного текста с заголовком, датой и основным описанием мероприятия. Модель использует архитектуру Transformer encoder-decoder и принимает текстовые запросы, включая языковые маркеры [EN] и [FI]. Обучение включало supervised fine-tuning с LoRA и последующую контрастную оптимизацию на синтетических примерах, отобранных системой вознаграждения. В карточке указаны 300 млн параметров у базовой модели и контекст длиной 1024 токена. Обучающие материалы охватывают выставки, мастер-классы и разные виды искусства; заявлены краткие анонсы длиной от одного до пяти предложений. Модель ориентирована на музейную коммуникацию и генерацию текстов заданной структуры. Качество оценивалось автоматическими метриками и экспертами музеев; результаты для финского языка ниже по части приведённых метрик, чем для английского. Модель распространяется по лицензии Apache-2.0.

Карточка модели 5enJie/FireRed-Image-Edit-1.1 на Hugging Face совпадает с карточкой FireRedTeam/FireRed-Image-Edit-1.1, поэтому описание составлено по ней. FireRed-Image-Edit-1.1 — универсальная модель редактирования изображений от FireRedTeam, обновлённая версия FireRed-Image-Edit-1.0. Модель принимает изображение и текстовые инструкции для его изменения; в карточке указана поддержка английского и китайского языков. Для обработки используется библиотека Diffusers, веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для творческого и профессионального редактирования: заявлены сохранение узнаваемости людей и персонажей при сложных изменениях, объединение множества элементов, ретушь портретов и макияжа, работа с типографикой, реставрация старых фотографий и виртуальная примерка. README также сообщает об агентном сценарии обработки нескольких изображений, поддержке обучения LoRA и оптимизациях для ускорения генерации. Заявления о качестве и скорости приведены разработчиком; независимые условия воспроизведения этих результатов в карточке не описаны.

Fluently-v3 — слитая модель для генерации изображений по текстовым запросам, созданная автором Fluently на основе нескольких чекпойнтов и LoRA. В README среди источников слияния названы Juggernaut Final, Deliberate V2, RPG, Realistic Vision V1.3 и DreamDrop V1; метаданные связывают модель с дообучением runwayml/stable-diffusion-v1-5. Файлы модели представлены в форматах Diffusers и safetensors. Модель предназначена для генерации изображений с реалистичной анатомией, детализированными лицами и глазами, а также для художественных, аниме- и комиксных стилей. Автор также отмечает пригодность для inpainting и outpainting. В README рекомендуются 20–30 шагов, сэмплеры DPM++ 2M Karras или Euler a и CFG Scale 5–7. Лицензия указана как other, без конкретных условий в предоставленных данных. Заявления о качестве основаны на описании автора; независимые оценки и ограничения не приведены.

Fluently XL V1 — дообученная модель генерации изображений по текстовым запросам, созданная на базе Stable Diffusion XL Base 1.0. Репозиторий содержит веса в форматах Diffusers и Safetensors; для работы используется библиотека Diffusers. Модель предназначена для создания изображений в художественном и реалистичном стилях, в том числе портретов, природных сцен и изображений с выразительным контрастом. В карточке автор отмечает внимание к анатомии и лицам и приводит настройки для Automatic1111 и ComfyUI: 20–35 шагов, Euler или Euler a, CFG Scale 4–6,5. Модель создана с использованием изображений из наборов Midjourney Images, DALL·E 3 Images и Fav Images. Указана лицензия «other»; конкретные условия использования в карточке не раскрыты.

Fluently-XL-v3 — дообученная модель генерации изображений от автора Fluently на базе Stable Diffusion XL Base 1.0. Она создаёт изображения по текстовым запросам и предназначена для художественной и реалистичной генерации, включая сцены с людьми и природой. В карточке заявлены проработка анатомии и лиц, сочетание художественного и реалистичного стилей и управление контрастом. Модель распространяется в форматах Diffusers и Safetensors и может использоваться через Automatic1111 и ComfyUI. Автор рекомендует 20–35 шагов сэмплирования, Euler a или Euler и CFG Scale 4–6,5. Лицензия указана как «other», поэтому условия использования следует сверить с лицензией репозитория; карточка не уточняет их.

StableDiffusionVN/Flux — модель для генерации и обработки изображений по текстовому и визуальному вводу. В карточке указано, что она поддерживает сценарии text-to-image, image-to-image и inpainting, а также работу с LoRA, Union ControlNet, увеличением разрешения и вариантами Flux Schnell. Модель ориентирована на создание изображений, редактирование и дообучение адаптеров LoRA; приведены готовые рабочие процессы для ComfyUI и материалы для запуска в Google Colab. Разработчик или автор явно не назван, однако репозиторий размещён организацией StableDiffusionVN. Из технических характеристик подтверждены только принадлежность к семейству Flux и язык en; сведения об архитектуре, размере, точном наборе поддерживаемых модальностей и длине контекста не указаны. Сильной стороной являются разнообразные сценарии применения и наличие готовых интеграций с ComfyUI, включая поддержку NF4 и GGUF. Ограничения и требования к аппаратным ресурсам в README не описаны. Лицензия — Apache-2.0.

camenduru/FLUX.1-dev-diffusers — вариант модели FLUX.1 [dev] от Black Forest Labs, опубликованный в формате Diffusers. Это 12-миллиардная rectified flow transformer для генерации изображений по текстовым описаниям; репозиторий содержит веса BF16 и пример запуска через Diffusers. Модель предназначена для создания изображений по запросам, в том числе для творческих рабочих процессов и экспериментов. Разработчик FLUX.1 [dev] отмечает высокое качество изображений и следование промптам; результат зависит от формулировки запроса, а модель может не точно ему соответствовать. Она не предназначена для предоставления фактической информации и может воспроизводить общественные предубеждения. Условия распространения — некоммерческая лицензия FLUX.1 [dev].

Карточка модели HelloTestUser/FLUX.1-Kontext-dev на Hugging Face совпадает с карточкой black-forest-labs/FLUX.1-Kontext-dev, поэтому описание составлено по ней. FLUX.1 Kontext [dev] — модель компании Black Forest Labs для редактирования изображений по текстовым инструкциям. Это трансформер rectified flow с 12 млрд параметров, доступный через библиотеку Diffusers в формате safetensors. Модель принимает изображение и инструкцию на естественном языке и выдаёт изменённое изображение. Модель поддерживает изменение существующих изображений, использование референсов персонажей, стиля и объектов без дополнительного дообучения, а также последовательное редактирование с сохранением визуальной согласованности. Она обучена с дистилляцией guidance. В карточке указана поддержка английского языка. Модель распространяется по некоммерческой лицензии FLUX.1 [dev]; README допускает личное и научное использование, но коммерческое применение ограничено условиями лицензии. Для развёртывания требуются фильтры или ручная проверка контента.

Карточка модели yuvraj108c/FLUX.1-Kontext-dev на Hugging Face совпадает с карточкой black-forest-labs/FLUX.1-Kontext-dev, поэтому описание составлено по ней. FLUX.1 Kontext [dev] — модель компании Black Forest Labs для редактирования изображений по текстовым инструкциям. Это трансформер rectified flow с 12 млрд параметров, доступный через библиотеку Diffusers в формате safetensors. Модель принимает изображение и инструкцию на естественном языке и выдаёт изменённое изображение. Модель поддерживает изменение существующих изображений, использование референсов персонажей, стиля и объектов без дополнительного дообучения, а также последовательное редактирование с сохранением визуальной согласованности. Она обучена с дистилляцией guidance. В карточке указана поддержка английского языка. Модель распространяется по некоммерческой лицензии FLUX.1 [dev]; README допускает личное и научное использование, но коммерческое применение ограничено условиями лицензии. Для развёртывания требуются фильтры или ручная проверка контента.

FLUX.1 Krea [dev] — модель генерации изображений по тексту, разработанная Black Forest Labs совместно с Krea и опубликованная на Hugging Face в виде зеркала Unsloth с неизменёнными весами. Модель содержит 12 млрд параметров и использует архитектуру rectified flow transformer; она дообучена на основе black-forest-labs/FLUX.1-dev и поддерживает работу через Diffusers. Модель предназначена для создания изображений по текстовым описаниям, с акцентом на эстетичную фотографию и следование запросу. Обучение с дистилляцией guidance повышает эффективность генерации. В карточке перечислены английский язык и задача text-to-image. Модель может не точно следовать запросу, а результат зависит от стиля формулировки промпта. Она не предназначена для предоставления фактической информации и может усиливать общественные предубеждения. Лицензия — FLUX.1 [dev] Non-Commercial License; в README также сказано, что разрешённое использование сгенерированных результатов включает личные, научные и коммерческие цели при соблюдении условий лицензии.

FLUX.1-Krea-dev-gguf — это прямое преобразование модели black-forest-labs/FLUX.1-Krea-dev в формат GGUF, выполненное пользователем markury. Модель предназначена для генерации изображений по текстовому описанию и может использоваться в сценариях text-to-image через совместимые инструменты, включая пользовательский узел ComfyUI-GGUF для ComfyUI. Это квантованная версия исходной модели, а не результат дообучения, поэтому её возможности и ограничения соответствуют FLUX.1-Krea-dev. В предоставленных данных не указаны архитектура, размер, поддерживаемые языки, длина контекста, набор модальностей и конкретные характеристики квантования. Для использования файлы модели необходимо разместить в каталоге ComfyUI/models/unet и установить необходимые компоненты ComfyUI-GGUF. Модель распространяется по лицензии flux-1-dev-non-commercial-license; ссылка на текст лицензии указана как LICENSE.md. Поскольку это преобразованная и квантованная версия, на неё распространяются те же ограничения и условия исходной лицензии.

Flux.1 Lite 8B — модель генерации изображений по тексту, разработанная Freepik на основе FLUX.1-dev от Black Forest Labs. Это трансформер с 8 млрд параметров, дистиллированный из базовой модели. По заявлению разработчика, он использует на 7 ГБ меньше оперативной памяти и работает на 23% быстрее исходной модели при точности bfloat16. Модель предназначена для создания изображений по текстовым описаниям. Для актуальной версии README рекомендует guidance_scale от 2,0 до 5,0 и от 20 до 32 шагов генерации; обучение охватывает более широкий диапазон этих настроек и использует более разнообразные данные и длинные промпты. Доступны файлы в формате safetensors и workflow для ComfyUI. Репозиторий распространяется по лицензии с обозначением other; конкретные условия следует сверить с лицензией модели и условиями FLUX.1-dev. Указанные разработчиком ускорение и снижение потребления памяти не сопровождаются описанием методики измерения.

akonukbay/FLUX.1-schnell-me — репозиторий модели генерации изображений по тексту, основанный на FLUX.1 [schnell] от Black Forest Labs; собственная карточка репозитория недоступна для проверки. Исходная модель — трансформер rectified flow с 12 млрд параметров, обученный с дистилляцией latent adversarial diffusion и рассчитанный на генерацию за 1–4 шага. Метаданные указывают на формат Diffusers и веса Safetensors. Модель подходит для быстрого создания изображений по текстовым запросам. Для базовой FLUX.1 [schnell] разработчик указывает лицензию Apache-2.0; условия именно этого производного репозитория отдельно не подтверждены. Известные ограничения базовой модели: изображения могут не соответствовать запросу, а следование промпту зависит от его формулировки; модель не предназначена для выдачи фактической информации.

Manusagents/FLUX.2-dev — это перепакованная версия FLUX.2 [dev] от Black Forest Labs для генерации изображений по тексту и редактирования изображений. Репозиторий использует Diffusers и формат safetensors; из него удалён дублирующий файл весов, чтобы при загрузке не выделялась память для второй копии модели. В README заявлено снижение пикового расхода видеопамяти примерно со 178 до 110 ГБ. Модель предназначена для генерации изображений по текстовым запросам, редактирования по исходному изображению и композиции с несколькими референсами. README также заявляет перенос идентичности персонажей, объектов и стилей без дополнительного обучения, а ускорение генерации связывает с дистилляцией guidance. Метаданные подтверждают задачи text-to-image и image-to-image, но относят image-to-image к основной задаче. В README указана лицензия FLUX.2 [dev] Non-Commercial License: использование ограничено её условиями и не является коммерчески свободным. Описание лицензии в README расходится с утверждением о свободном коммерческом использовании результатов. Также отмечено, что для применения модели требуются фильтры или ручная проверка входов и выходов.

Карточка модели jinnailli/FLUX.2-klein-4B на Hugging Face совпадает с карточкой black-forest-labs/FLUX.2-klein-4B, поэтому описание составлено по ней. FLUX.2 [klein] 4B — модель Black Forest Labs с 4 млрд параметров на архитектуре rectified flow transformer. Она объединяет генерацию изображений по тексту и редактирование изображений с несколькими референсами в одной компактной модели; поддерживаются сценарии text-to-image и image-to-image. Модель рассчитана на интерактивные и производственные приложения, где важны скорость и локальный запуск, и, по данным разработчика, требует около 13 ГБ видеопамяти. Разработчик заявляет о дистиллированной версии с генерацией менее чем за секунду и качеством, сопоставимым с более крупными моделями. Для запуска доступны Diffusers и ComfyUI. Карточка указывает поддержку английского языка; текст внутри изображений может искажаться, а соответствие результатом запросу зависит от формулировки промпта. Модель не предназначена для предоставления фактической информации и может отражать смещения обучающих данных. Веса доступны по лицензии Apache 2.0 для коммерческого использования; карточка также перечисляет ограничения на отдельные вредоносные сценарии.

Карточка модели jsyooABCD/FLUX.2-klein-4B на Hugging Face совпадает с карточкой black-forest-labs/FLUX.2-klein-4B, поэтому описание составлено по ней. FLUX.2 [klein] 4B — модель Black Forest Labs с 4 млрд параметров на архитектуре rectified flow transformer. Она объединяет генерацию изображений по тексту и редактирование изображений с несколькими референсами в одной компактной модели; поддерживаются сценарии text-to-image и image-to-image. Модель рассчитана на интерактивные и производственные приложения, где важны скорость и локальный запуск, и, по данным разработчика, требует около 13 ГБ видеопамяти. Разработчик заявляет о дистиллированной версии с генерацией менее чем за секунду и качеством, сопоставимым с более крупными моделями. Для запуска доступны Diffusers и ComfyUI. Карточка указывает поддержку английского языка; текст внутри изображений может искажаться, а соответствие результатом запросу зависит от формулировки промпта. Модель не предназначена для предоставления фактической информации и может отражать смещения обучающих данных. Веса доступны по лицензии Apache 2.0 для коммерческого использования; карточка также перечисляет ограничения на отдельные вредоносные сценарии.

Карточка модели sanrenti/FLUX.2-klein-4B на Hugging Face совпадает с карточкой black-forest-labs/FLUX.2-klein-4B, поэтому описание составлено по ней. FLUX.2 [klein] 4B — модель Black Forest Labs с 4 млрд параметров на архитектуре rectified flow transformer. Она объединяет генерацию изображений по тексту и редактирование изображений с несколькими референсами в одной компактной модели; поддерживаются сценарии text-to-image и image-to-image. Модель рассчитана на интерактивные и производственные приложения, где важны скорость и локальный запуск, и, по данным разработчика, требует около 13 ГБ видеопамяти. Разработчик заявляет о дистиллированной версии с генерацией менее чем за секунду и качеством, сопоставимым с более крупными моделями. Для запуска доступны Diffusers и ComfyUI. Карточка указывает поддержку английского языка; текст внутри изображений может искажаться, а соответствие результатом запросу зависит от формулировки промпта. Модель не предназначена для предоставления фактической информации и может отражать смещения обучающих данных. Веса доступны по лицензии Apache 2.0 для коммерческого использования; карточка также перечисляет ограничения на отдельные вредоносные сценарии.

FLUX.2 [klein] 9B — модель Black Forest Labs на основе 9-миллиардного rectified flow transformer с текстовым энкодером Qwen3 на 8 млрд параметров. Это компактная дистиллированная модель генерации и редактирования изображений: она создаёт изображения по текстовым описаниям и редактирует их с использованием одного или нескольких референсов. Дистилляция рассчитана на четыре шага инференса, что позволяет использовать модель для быстрых генеративных функций в приложениях и творческого перебора вариантов. Модель поддерживает генерацию по тексту и редактирование изображений в одной архитектуре, доступна через Diffusers, ComfyUI и API Black Forest Labs. Карточка указывает лицензию для некоммерческого использования и приводит требования около 29 ГБ видеопамяти. Модель не предназначена для получения фактических ответов; следование запросу может быть нестабильным, а текст внутри изображений — искажённым. Результаты могут отражать смещения обучающих данных.

FLUX.2 [klein] 9B — компактная модель генерации и редактирования изображений, разработанная Black Forest Labs и представленная в формате mlx-community. Она объединяет text-to-image и image-to-image в единой архитектуре и предназначена для приложений с низкой задержкой, включая интерактивное создание изображений, творческий поиск, интеграцию в пользовательские продукты и редактирование по нескольким референсным изображениям. Модель построена на rectified flow transformer с 9 млрд параметров и использует текстовый эмбеддер Qwen3 с 8 млрд параметров. Она дистиллирована для работы за 4 шага вывода и ориентирована на генерацию менее чем за секунду, при этом заявлены высокое качество, хорошее следование промптам и разнообразие результатов. В карточке указана поддержка английского языка; модель работает с текстовыми описаниями и изображениями, однако размер контекстного окна не указан. Для запуска требуется около 29 ГБ видеопамяти, рекомендуется NVIDIA RTX 4090 или более производительное оборудование. Сильными сторонами являются сочетание генерации и редактирования, поддержка многореференсных сценариев, высокая скорость и возможность использования через Diffusers, ComfyUI и API BFL. Ограничения включают возможные ошибки в следовании запросу и искажения текста на изображениях; модель не предназначена для предоставления фактической информации и может воспроизводить или усиливать предвзятость обучающих данных. Использование регулируется FLUX Non-Commercial License Agreement и Acceptable Use Policy, поэтому модель предназначена для некоммерческого применения; также запрещены незаконные, вредоносные, обманные и некоторые высокорисковые сценарии.

Omnico/Flux2Klein_9B_diff_loras — модель или набор LoRA-адаптеров для генерации изображений по текстовому описанию, предназначенный для использования с библиотекой Diffusers. Разработчик указан как Omnico. Модель ориентирована на сценарии text-to-image и может применяться для создания художественных иллюстраций, фотореалистичных сцен, портретов, персонажей и изображений в различных стилях по промптам. Из доступных данных известно, что это diffusion LoRA с заявленным размером 9B в идентификаторе, однако точная базовая модель, архитектура, параметры адаптеров, поддерживаемые языки, максимальный контекст и перечень модальностей не указаны. Примеры показывают широкий диапазон визуальных стилей и сюжетов, включая реалистичную фотографию, аниме, фэнтези и живописные изображения. Ограничения, требования к памяти, рекомендации по весам LoRA и особенности качества также не описаны. Лицензия и условия использования в README не указаны, поэтому ограничения на коммерческое применение, перераспределение и модификацию требуют уточнения у разработчика.

unsloth/FLUX.2-klein-9B-GGUF — GGUF-квантизированная версия модели FLUX.2-klein-9B, разработанной Black Forest Labs и подготовленной Unsloth с использованием методологии Unsloth Dynamic 2.0. Это модель генерации и редактирования изображений на основе rectified flow transformer с 9 млрд параметров, текстовым embedder Qwen3 на 8 млрд параметров и дистилляцией до 4 шагов инференса. Указан английский язык. Модель предназначена для преобразования текста в изображения, image-to-image и редактирования с одной или несколькими референсными изображениями. Она ориентирована на приложения реального времени, творческое исследование идей и сценарии, требующие высокой скорости, следования промпту и разнообразия результатов; заявленное время генерации может составлять менее секунды, а для некоторых конфигураций — менее половины секунды. Для запуска требуется около 29 ГБ VRAM, модель доступна на NVIDIA RTX 4090 и более производительных видеокартах. К сильным сторонам относятся единая компактная архитектура для генерации и редактирования, высокая скорость и заявленное качество при небольшом размере относительно более крупных моделей. Ограничения включают возможные ошибки в следовании промпту и искажения текста на изображениях; модель не предназначена для предоставления фактической информации и может воспроизводить или усиливать смещения из обучающих данных. Модель распространяется по FLUX Non-Commercial License и предназначена для некоммерческого использования; также действуют Acceptable Use Policy и ограничения на незаконный, вредоносный, обманный и высокорисковый контент.

FLUX.2 [klein] 9B NVFP4 — версия модели генерации и редактирования изображений от Black Forest Labs, представленная в формате NVFP4. В основе лежит rectified flow transformer с 9 млрд параметров. Модель создаёт изображения по текстовому описанию и поддерживает редактирование с несколькими референсными изображениями. Модель предназначена для генерации изображений по запросу и преобразования изображений с учётом текстовых инструкций и референсов. Репозиторий использует формат safetensors и библиотеку Diffusers; для запуска требуется около 29 ГБ видеопамяти, что делает доступными системы уровня NVIDIA RTX 4090 и выше. Модель не предназначена для выдачи фактической информации. Следование запросу зависит от стиля промпта, а результат может не соответствовать описанию; текст внутри изображений может быть искажён. Модель может отражать смещения обучающих данных. Для версии 9B указана некоммерческая лицензия; при использовании необходимо применять фильтры или ручную проверку входов и выходов.

Это слитая версия FLUX.2 Klein 9B от Black Forest Labs с дообучением SNOFS v1.4: веса прямого LoKr-чекпойнта встроены в трансформер с фиксированной силой 1.0. Модель предназначена для генерации изображений по текстовому запросу; базовая FLUX.2 Klein также поддерживает редактирование изображений с референсами. Сборка сохранена в формате Diffusers и safetensors. Для запуска требуется версия diffusers из ветки main, поскольку Flux2KleinPipeline ещё не входит в выпущенную версию библиотеки. Базовая модель дистиллирована и рассчитана на генерацию примерно за 8 шагов; guidance_scale игнорируется. Встроенный SNOFS нельзя перенастраивать на отдельный запрос, хотя поверх модели можно подключать обычные LoRA-адаптеры. Лицензия в предоставленных данных не указана.

FLUX.2 [klein] 4B Base — модель Black Forest Labs для генерации и редактирования изображений. Это компактный rectified flow transformer с 4 млрд параметров, который создаёт изображения по текстовым описаниям и поддерживает редактирование с несколькими референсными изображениями. В метаданных указана библиотека Diffusers и тег image-to-image; карточка также отмечает поддержку text-to-image. Модель представляет собой полновесный недистиллированный чекпойнт, рассчитанный на дообучение, обучение LoRA, исследования и пользовательские конвейеры. По данным карточки, для запуска требуется около 13 ГБ видеопамяти; модель ориентирована на локальное использование и настройку. Карточка заявляет лицензию Apache 2.0 и допускает коммерческое применение. Модель не предназначена для предоставления фактической информации. Она может не следовать запросу, а текст внутри изображений может искажаться; результат зависит от формулировки промпта. Также возможны смещения, унаследованные от обучающих данных.

eramth/flux-kontext-4bit — вариант FLUX.1-Kontext-dev с NF4-квантизированным трансформером и энкодером T5. Репозиторий предназначен для работы через Diffusers и содержит веса в формате Safetensors. Модель предназначена для создания и редактирования изображений по текстовым запросам, включая изменение существующего изображения. Базовая FLUX.1 Kontext [dev] от Black Forest Labs ориентирована на редактирование изображений по текстовым инструкциям с сохранением согласованности при последовательных изменениях. Для установки README указывает bitsandbytes. В README лицензия не описана, а метаданные указывают лицензию «other», поэтому конкретные условия использования по имеющимся сведениям определить нельзя. В карточке указан тег 8-bit, тогда как README называет NF4-квантизированными трансформер и энкодер T5; точная конфигурация квантизации из этих сведений неоднозначна.