Найдено: 738
SDXL для iPhone
Это self-contained Core ML-пакет SDXL от MusicForge, подготовленный для on-device работы в iOS-приложении LocalMuse. Это не новая модель, а конверсия: все обученные компоненты взяты из одного закреплённого снапшота SG161222/RealVisXL_V5.0_Lightning, без merge и подмены компонентов.
новые ракурсы улиц из разреженных сенсоров
Официальный релиз модели StreetNVS от исследователей Stanford University и NVIDIA. Это видео-диффузионная модель для novel-view synthesis: по разреженному LiDAR, surround-view изображениям и позам камер она генерирует новые виды дорожной сцены, в том числе вне записанной траектории.
физически согласованное видео из одного кадра
Новая image-to-video модель от исследователей NUS, NTU и Oxford, представленная на NeurIPS 2026. Это надстройка над Wan2.2-TI2V-5B: обученный симулятор частиц PGDS предсказывает движение сцены, а visible–invisible motion field (VIMF) передаёт его видео-диффузионной модели — включая поверхности…
разреженное внимание поверх 27B мультимодальной модели
Исследовательская BF16-версия Qwen3.8-27B от higa2515: к 16 слоям full-attention добавлены обученные индексоры Qwen Sparse Attention (QSA), а остальные 48 слоёв декодера сохранили исходную архитектуру Gated DeltaNet.
первый шаг возвращает разнообразие в дистилляции диффузии
ReSeed — метод и набор адаптеров от Wenwu2000, который добавляет небольшие residual biases к первому шагу денойзинга замороженного four-step student, чтобы вернуть потерянное разнообразие.
стилизация graybox-видео за один шаг
Это причинная 1-step video-модель, которая перекрашивает low-poly graybox-рендеры matrix-shooter в игровые стили по одному latent-кадру (4 видеокадра) для стриминга в реальном времени.
BF16-репак для ComfyUI
Неофициальный community-репак Qwen-Image-2.1-PE-T2I: четыре официальных BF16-шарда собраны в один checkpoint для ComfyUI. Это модель text-to-image prompt rewriting для Qwen Image 2.1, а не I2I-энхансер и не генератор изображений.
экспериментальный 4-шаговый генератор изображений
Экспериментальный чекпоинт kimi000 на базе black-forest-labs/flux-3-image-klein: Diffusers-совместимый text-to-image генератор на 5.55B параметров. Это merged EMA-экспорт эксперимента relative1/raw2q после 2000 optimizer updates; для инференса нужен только генератор, адаптеры уже слиты в BF16…
русскоязычный draft head для спекулятивного декодинга
Это не самостоятельная LLM, а DFlash2-спекулятор для Qwen3.8-27B от lapalaba. Он предлагает блоки токенов, а верификатор проверяет их и выдаёт финальный ответ. Дообучен на 271 148 примерах русскоязычных агентных взаимодействий, production traces и RAG.
более чистые аниме-иллюстрации без лишнего шума
Это файнтюн text-to-image модели MOSS-Image-SFT от автора easygoing0114. Версия _clear уменьшает шум, повышает детализацию, насыщенность и контраст — особенно в аниме-иллюстрациях. Размер и число параметров в карточке не указаны.
быстрый FP8-вариант FLUX.1 Krea с LoRA
stevenlearns выложил FLUX-Krea-Blaze — FP8 E5M2-версию FLUX.1-Krea.DEV, которую предлагают как замену стандартной модели для быстрых рендеров. В репозитории также лежат LoRA рангов 32, 64 и 128 для FLUX.1.krea.dev и FLUX.1.dev.
стриминговая TTS для 11 индийских языков и английского
Maya 2 Native от Maya Research — open-weight многоязычная TTS-модель на 2,5 млрд параметров. Генерирует моно-аудио 24 кГц, отдаёт поток кадрами по 80 мс и поддерживает 20 встроенных голосов, zero-shot и кросс-языковое клонирование. Веса и код — под Apache-2.0.
быстрее длинные клипы на Blackwell
Это скоростной вариант Pika H3 Flex NVFP4 QAD от FastVideo для image-to-video на NVIDIA Blackwell. Модель на 13,86 млрд параметров: линейные слои и внимание работают в 4-bit, Q/K идут через NVFP4-путь FlashAttention-4, а вероятности attention и values остаются в BF16.
полный файнтюн MOSS-Image и 8-шаговый LoRA
Kromoss — полный файнтюн MOSS-Image-Base на 1024 px (5.08B параметров) от MOSSImageclom. Архитектура, пайплайн, текстовый энкодер Qwen3.5-9B и VAE FLUX.2 small decoder совпадают с MOSS-Image-SFT — это drop-in замена. Главное исправление — размытость Base.
драфтер для спекулятивного декодирования
Это BF16 draft-модель от ricursiveAI для спекулятивного декодирования с Ripple-65B Preview или Ripple-65B Preview NVFP4. Содержит 4.04B параметров и архитектуру DFlash2DraftModel, но не генерирует текст самостоятельно — нужна target-модель.
старинные книжные иллюстрации в Stable Diffusion
Полная text-to-image модель от alvaroborre на базе CompVis/stable-diffusion-v1-4: в UNet слита LoRA alvaroborre/sd-lora-oldbookillustrations. Около 0,86 млрд параметров, библиотека diffusers; стиль обучен на 600 изображениях из датасета gigant/oldbookillustrations.
image-to-3D без remote code
Конвертация VAST-AI/TripoSplat в пайплайн diffusers-3d от suvadityamuk. Модель на ~0,37 млрд параметров превращает изображение в Gaussian splat; компоненты оформлены как обычные папки Diffusers и Transformers, поэтому удалённый код не требуется.
diffusers-сборка турбо-модели для text-to-image
Неофициальная конвертация kroma-v0.3.1-turbo-opd.safetensors в формат diffusers. Модель упакована с остальным pipeline krea/Krea-2-Turbo, содержит 12,82 млрд параметров и загружается через Krea2Pipeline.from_pretrained.
одна модель для шести 4D-задач
UGG — видео-диффузионная модель от amanim71, которая одновременно генерирует RGB-кадры, лучи камеры и глубину. Она построена на Wan2.2-TI2V-5B и расширена до mixture of transformers с экспертами RGB, ray и depth; всего 12,6 млрд параметров.
OpenVINO-версия SDXL-чекпоинта для инпейнтинга
Это OpenVINO-конвертация модели andro-flock/LUSTIFY-SDXL-NSFW-checkpoint-v2-0-INPAINTING, опубликованная kunj20162016. Чекпоинт предназначен для инпейнтинга изображений. Конвертация выполнена через optimum-intel и OpenVINO export space.