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

Damilya/qwen3-4b-kazakh-lora — LoRA-дообучение Qwen3-4B-Instruct-2507 для повышения точности казахского языка и верности контексту ресторанного меню. Модель предназначена для диалоговых сценариев, связанных с меню и вопросами о ресторане. Модель использует текстовый ввод и генерирует текст. Базовая модель — Qwen3 с 4 млрд параметров; её контекст составляет до 262 144 токенов. В метаданных указаны русский и английский языки, а README описывает специализацию на казахском. Для самой модели действует лицензия CC BY-NC 4.0, допускающая только некоммерческое использование; базовая модель распространяется по Apache 2.0.

Deepjyoti/shakespeare-GPT — небольшая авторская GPT-модель на 4,78 млн параметров, обученная с нуля на корпусе Tiny Shakespeare. Она продолжает текст по заданному фрагменту и предназначена для демонстрации устройства генеративной модели и экспериментов с генерацией в стиле Шекспира. Модель использует символьную токенизацию на 65 токенов, контекст длиной 128 токенов и трансформер из 6 блоков с размерностью эмбеддингов 256 и 8 головами внимания. Реализация выполнена на PyTorch; веса опубликованы в формате safetensors. Модель запускается на CPU, а при наличии автоматически использует CUDA. Обучение на ограниченном корпусе и малый размер модели приводят к частым грамматическим ошибкам и бессвязному тексту, особенно при длинной генерации. Это не универсальная языковая модель и не подходит для кода, фактических ответов или надёжного творческого письма. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

Thai GPT-2 Fine-Tuned — генеративная модель семейства GPT-2, дообученная студентом Akarawut для ответов на вопросы на тайском языке. Модель обучалась на наборе данных disease_3000, содержащем 3 000 пар вопросов и ответов о заболеваниях, и предназначена для текстовой генерации в сценариях вопросов и ответов в медицинской тематике. Модель поддерживает тайский язык (th), использует архитектуру GPT-2 и имеет нативную длину контекста 1 024 токена. В метаданных указаны формат safetensors, библиотека или экосистема GPT-2, задача text-generation и метрика perplexity. Лицензия — MIT, поэтому модель допускает использование в соответствии с условиями этой лицензии. Модель может быть полезна для прототипирования тайскоязычных чат-ботов и генерации предварительных ответов о заболеваниях. README не содержит результатов оценки, подробностей обучения и рекомендаций по безопасному применению; ответы не следует рассматривать как медицинскую диагностику или профессиональную консультацию.

AmberYifan/capsd-medcase-marin-8b-base-medicine_cap_b1000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base. В ней 7,5 млрд параметров; модель использует архитектуру LlamaForCausalLM и формат safetensors, работает через библиотеку Transformers и поддерживает контекст до 4096 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её дообучили на наборе capsd_marin-8b-base-n13092-medicine-medcase__mix_medicine_cap_b1000_s0, связанном с медицинскими клиническими случаями; это указывает на медицинскую направленность адаптации, но карточка не описывает конкретные возможности или результаты обучения. Базовая модель англоязычная, однако поддерживаемые языки этой производной модели отдельно не подтверждены. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории модели. В README не приведены сведения об оценке качества и ограничениях применения.

Med-Qwen2-7B — дообученная Echelon-AI модель семейства Qwen2 для генерации медицинских текстов. Она рассчитана на ответы на медицинские вопросы, помощь в интерпретации симптомов и подготовку специализированных медицинских текстов и отчётов. Модель содержит 7,1 млрд параметров, использует плотную авторегрессионную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов; в репозитории указаны веса Safetensors и возможность диалогового общения. README сообщает о дообучении на медицинском датасете, но не приводит идентификатор базовой модели. Модель предназначена для медицинских специалистов и пациентов как инструмент поддержки работы с медицинской информацией. Заявления об улучшении диагностики и точности исходят из карточки модели; независимые оценки качества в предоставленных данных не приведены. Лицензия — Apache-2.0.

Mistral-7B-DSM5 — дообученная автором chillymiao диалоговая языковая модель для вопросов и ответов по психиатрии и диагностическим критериям DSM-5. В качестве основы использована mistralai/Mistral-7B-Instruct-v0.2; модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров, принимает текст и генерирует текст. Контекст — до 32 768 токенов. Для адаптации использовался подход с RAG по справочнику Desk Reference to the Diagnostic Criteria From DSM-5: на основе извлечённых документов формировался специализированный набор инструкций для дообучения. Модель предназначена для ответов на вопросы о психиатрических диагнозах и критериях DSM-5. Карточка указывает английский язык. Лицензия — Apache-2.0. Автор предупреждает, что точность, полнота и пригодность ответов не гарантируются; результаты не следует считать профессиональной диагностикой. Модель заявлена для исследовательского использования, а применение требует самостоятельной оценки рисков.

SeanWang0027 выпустил дообученную методом supervised fine-tuning модель Qwen3-1.7B для управления агентом в среде ScienceWorld. Она обучена на траекториях диалогов gpt-5.4-mini: наблюдения среды и инструкция подаются в контексте, а модель генерирует ответы в формате ReAct с рассуждением и действием. Модель содержит 1,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Веса сохранены в bf16 и формате safetensors; для запуска предусмотрена библиотека Transformers. В тестировании на 200 заданиях ScienceWorld средний показатель успеха составил 9,12% ± 1,78; базовая Qwen3-1.7B на том же протоколе набрала 0,12%. Это специализированный экспериментальный чекпойнт для многошаговых агентов, а не универсальный чат-ассистент. В README отмечено, что модель часто выдает шаблон действия open/close OBJ, который симулятор отклоняет. Лицензия — Apache-2.0.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B-Instruct-2507. Репозиторий содержит контрольную точку шага 10 в формате BF16 для инференса; также включены файлы исходной контрольной точки veRL с параметрами модели. Модель предназначена для генерации текста в диалоговом формате. В названии и описании контрольной точки указана медицинская тематика и статический эксперимент R0, однако README не уточняет состав обучения и конкретные медицинские задачи. Модель поддерживает контекст до 262 144 токенов; метаданные указывают библиотеку Transformers и возможность чата. Лицензия — Apache-2.0. Это ранняя экспериментальная контрольная точка на шаге 10, поэтому качество и надёжность ответов, в том числе медицинских, по карточке не подтверждены; не следует считать её проверенной для клинического применения.

shahedm2001 разработал эту модель как второй этап supervised fine-tuning семейства Qwen3-VL-2B для понимания видео операций по удалению катаракты и создания связных описаний хирургических процедур. Она дообучена на полных записях операций и хирургических клипах, чтобы лучше сохранять последовательность событий на протяжении всей операции. Модель использует архитектуру Qwen3-VL с плотной мультимодальной моделью и выдаёт текстовые ответы на вопросы о визуальном содержимом. В README указаны обработка до 64 кадров и динамический бюджет визуальных токенов; метаданные отмечают английский язык. Веса объединены в самостоятельный чекпойнт 16-битной точности в формате safetensors. Модель распространяется по лицензии Apache-2.0. Она предназначена для анализа видеозаписей хирургии катаракты и исследовательских сценариев, связанных с повествовательным описанием хода операции. Данные обучения и специализированная область ограничивают обоснованность применения за пределами таких видео; качество клинических выводов в README не подтверждено.

Thai GPT-2 Fine-Tuned — генеративная языковая модель, дообученная студентом Pariyagorn на наборе данных disease_3000, содержащем 3 000 вопросов о змеях. Модель предназначена для генерации ответов на вопросы на тайском языке в сценариях, связанных с заболеваниями и медицинской информацией о змеях. Модель основана на архитектуре GPT-2, поддерживает тайский язык и имеет нативную длину контекста 1 024 токена. Основная задача из метаданных — text-generation; в README также заявлен сценарий вопросов и ответов. Лицензия MIT допускает использование, модификацию и распространение с соблюдением её условий.

AmberYifan/capsd-medcase-marin-8b-base-medicine_cap_b4000_s0 — дообученная модель на архитектуре Llama, созданная на основе marin-community/marin-8b-base. Она содержит 7,5 млрд параметров, принимает текст и генерирует текст, а длина контекста составляет 4096 токенов. По названию обучающего набора модель адаптирована для медицинских клинических случаев; README не приводит подробностей о сценариях применения или результатах оценки. Базовая модель описана как англоязычная. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия указана как other, без уточнения условий.

Это LoRA-модель для генерации изображений или видео по текстовому описанию, разработанная пользователем profpeng. Модель предназначена для работы с задачами text-to-image и, судя по базовой модели Wan-AI/Wan2.2-I2V-A14B, может применяться в сценариях генерации или преобразования визуального контента с использованием diffusion-пайплайнов Diffusers. Модель обучена как адаптация базовой Wan-AI/Wan2.2-I2V-A14B, однако сведения о размере, архитектуре LoRA, поддерживаемых языках, максимальном контексте и точных модальностях в карточке не приведены. В описании указана узкоспециализированная взрослая сцена с выраженной физиологической реакцией; это ограничивает область применения моделью контента для взрослых и требует проверки правил платформы и безопасности использования. Лицензия, коэффициенты LoRA, требования к оборудованию, параметры запуска и рекомендации по применению в README не указаны. Поэтому технические ограничения, совместимость с версиями Diffusers и фактическое качество генерации по имеющимся данным оценить нельзя.

Карточка модели localized-ft/Llama-3.1-8B-bad-medical-advice-inoculation-prompting-seed2 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-bad-medical-advice-last-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-first-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-first-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-kld-seed3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-last-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-last-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-last-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-second-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-second-third-v2-sft-seed3-epoch3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-second-third-v2-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Anindilyakwa experimental scripture-domain baseline v0.2.0 — модель перевода, созданная на основе facebook/nllb-200-distilled-600M и дообученная для направления с английского языка на анindilyakwa. Она использует архитектуру M2M100 с 463,7 млн параметров, библиотеку Transformers и формат safetensors; длина контекста — 1024 токена. Модель предназначена для экспериментального вывода, аудита воспроизводимости и анализа деградации в ограниченном библейском домене. Автоматическая оценка качества провалена: в тестах лексики, фиксированных фраз и естественных предложений точных совпадений с эталоном не было, а все проверенные ответы вызвали флаг высокой повторяемости. Поэтому модель не подходит для надёжного перевода, обучения языку или замены компетентного носителя. Выпуск обозначен как экспериментальный публичный предварительный просмотр; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое применение.

BlazingCustoms/plateclerk-verdict-0.5b — дообученная версия Qwen/Qwen2.5-0.5B-Instruct, разработанная сообществом BlazingCustoms. Модель предназначена для развлекательных и исследовательских сценариев: по строке номерного знака vanity plate и заявленному владельцем смыслу она предсказывает, одобрил или отклонил заявку рецензент DMV Калифорнии. Модель обучена на наборе DarwinAnim8or/DMV-Plate-Review и реализуется через Transformers как text-generation модель с задачей классификации. Модель основана на архитектуре Qwen2.5 с размером 0,5 млрд параметров; поддерживаемый язык — английский. Для неё заявлен ROC-AUC 0,7174 на 4664 отложенных примерах, что заметно выше показателя исходной нетюнингованной модели 0,5392. Доступны варианты в форматах f16, Q8_0, Q5_K_M и Q4_K_M размером примерно от 0,40 до 0,99 ГБ, при этом измеренная потеря качества квантования невелика. Модель не является системой модерации контента и не предназначена для принятия решений о людях, заявках, праве на получение услуг, контроле или проверке. Она воспроизводит решения и возможные предубеждения конкретных рецензентов DMV, поэтому её выводы могут быть непоследовательными, несправедливыми и неверными. Модель намеренно генерирует оскорбительные, сексуальные и иные потенциально неприемлемые строки, включая расшифровки завуалированного текста. Распространяется по лицензии Apache-2.0.

ROCKET-1 — модель для управления действиями в робототехнических сценариях, опубликованная пользователем phython96. Карточка описывает взаимодействия вроде приближения к животным и объектам, добычи ресурсов и взаимодействия с объектами в игровом окружении. Модель размещена в формате safetensors и использует PyTorch; лицензия — MIT. README упоминает запуск демонстрации через Gradio и скрипт оценки, которому требуется путь к контрольной точке SAM 2. Данных о размере модели, длине контекста и поддерживаемых языках нет; назначение карточки указывает на управление действиями, однако конкретные входы и выходы модели не описаны.

SexyGPT — экспериментальная модель генерации текста, разработанная Hooking AI на основе GPT-2 и дообученная на закрытом наборе данных с эротическими диалогами. Она предназначена для генерации откровенных реплик в ответ на короткие текстовые сообщения и для изучения поведения генеративных трансформеров. Модель использует архитектуру GPT-2, принимает текст и генерирует текст. Контекст составляет 1024 токена; в метаданных указаны испанский и арабский языки. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0. Модель рассчитана на откровенный контент; автор описывает её как исследовательский эксперимент и не рекомендует для производственного применения. Сведения о закрытом обучающем наборе ограничены, поэтому состав и охват данных оценить нельзя.

NumcayX2 разработала Thai GPT-2 Cats Q&A Fine-Tuned как учебную дообученную языковую модель для ответов на вопросы о кошках. В основе лежит `flax-community/gpt2-base-thai`; архитектура — GPT-2, формат весов — safetensors, контекст — 1024 токена. Модель обучена на 3 000 парах вопросов и ответов из набора `disease_3000`. Модель предназначена для генерации ответов на тайском языке о породах кошек, их поведении, здоровье, уходе и питании. В примерах она отвечает на вопросы об особенностях сиамской породы и опасности парацетамола для кошек. Лицензия MIT. Поскольку модель создана как домашнее задание и обучена на ограниченном тематическом наборе, её ответы могут быть неполными или ошибочными; медицинские рекомендации следует проверять у ветеринара.

profpeng/blinkfrontdoggy — LoRA-адаптер для генерации изображений и, вероятно, видеосцен с использованием diffusion-моделей. Автор или организация-разработчик в карточке явно не указаны; модель опубликована пользователем profpeng. В качестве базовой модели указана Wan-AI/Wan2.2-I2V-A14B, ориентированная на image-to-video-сценарии. Для активации адаптера используется триггерная фраза «doggystyle position». По представленному примеру модель предназначена для генерации откровенных сцен сексуального характера с участием взрослых персонажей, включая позу doggystyle и обнажение. Ключевые параметры архитектуры, размер адаптера, поддерживаемые языки, максимальный контекст и точные требования к входным данным не указаны. Сильная сторона модели — специализация на конкретном визуальном сценарии и интеграция с экосистемой Diffusers; одновременно такая узкая специализация ограничивает область применения. Лицензия и условия коммерческого или иного использования в карточке не указаны.