Kandinsky

Kandinsky はこのカテゴリーにおけるオープンウェイト側の反例です。ai-forever 組織が発行するテキストto画像モデルの一族で、作者は Sber 系の研究者群、ライセンスは Apache 2.0、設計は公式ドキュメント上 3 部構成 — Flan-UL2 のテキストエンコーダー、潜在拡散 U-Net、MoVQ エンコーダー/デコーダー — と説明されています。発行者自身のリポジトリで現在の系譜は Kandinsky 3.0、加えて U-Net エンコーダーの半分を追加 head 予測に置き換えて速度を取った 3.1 Flash 変体があります。重みはダウンロード可能でライセンスは寛大なので、モデルは自分の手元に残ります。ファインチューンでき、オフラインで動き、プロダクトに組み込める。GPU と自分の間に枚数計はありません。

購入を決める注意点は 2 つです。言語面では、リポジトリ同梱のプロンプト美化器は入力を英語に拡張するよう指示し、学習データにはロシア文化への意図的な参照があると記録されています。つまり多言語の評価はコーパスの話であって、好きな言語で書けば同じ結果になる話ではありません。提供面では、この掲載が指すホスティング前端 FusionBrain は執筆中に到達できず、今日検証できたのはモデルリリースそのものだけです。毎日無料クレジット付きの洗練されたブラウザ生成器が欲しいなら ホスティング サービスを使い、ライセンス自由・オフライン実行・研究ベースラインが必要な仕事に重みを残してください。