# G-star: опубликованы веса для локальной генерации изображений

Источник: https://modelium.tech/zhurnal/g-star-open-weights-image-generator/

31 октября команда DAGroup-PKU опубликовала G-star: основную модель, визуальный преобразователь и модуль уточнения картинки. Файлы доступны для локального запуска, но это инженерный Python/CUDA-проект, а не приложение для новичка. Минимальные требования к железу и независимое качество пока не подтверждены.

G-star: опубликованы веса для локальной генерации изображений

Если вы ищете новую модель, которая создаёт картинку по текстовому описанию на собственном компьютере, команда DAGroup-PKU **31 октября 2026 года** выложила полный комплект G-star: основную модель, визуальный преобразователь и модуль улучшения изображения. Это **исследовательский выпуск для опытных пользователей с NVIDIA CUDA**, а не приложение с кнопкой «Установить». Документация и состав файлов проверены 31 октября; Modelium не запускал генерацию. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Что появилось и зачем нужны три части

Основная модель принимает текстовое описание и формирует коды будущего изображения. Визуальный преобразователь связывает эти коды с картинкой, а отдельный модуль уточняет результат. Если скачать только основную модель, готовый способ генерации из карточки не собрать. Автор опубликовал все три компонента и код запуска в одном репозитории; индекс основной модели ссылается на четыре присутствующих файла весов. В манифесте также перечислены веса преобразователя и уточняющего модуля; все шесть файлов есть в закреплённой ревизии. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

В карточке описан пример: текст про собаку на деревянном полу превращается в изображение. По замыслу автора основной этап задаёт изображение 1024 × 1024, после чего модуль уточнения выдаёт файл 2048 × 2048; это **описание авторского пути**, а не воспроизведённый редакцией результат или обещание качества. Готовой отдельной программы для новичка и независимого сравнения с другими генераторами в публикации нет. [s2](#src-s2) [s5](#src-s5)

## Кому стоит пробовать сейчас

Для локального запуска автор предлагает загрузить весь репозиторий и установить Python-зависимости, включая PyTorch, CUDA и FlashAttention, затем выполнить его команду генерации. Указанная в карточке проверочная среда — Python 3.12 и NVIDIA H100 80 ГБ; **это конфигурация авторской проверки, не минимальное требование к видеопамяти**. Минимальное железо для G-star не подтверждено, поэтому не следует делать вывод о совместимости с обычным ноутбуком по размеру скачиваемых файлов. Интернет нужен для первоначальной загрузки весов и зависимостей; возможность работы после отключения сети здесь не тестировалась. [s2](#src-s2) [s6](#src-s6)

Если вы начинаете знакомство с локальным ИИ, сейчас разумнее сначала прочитать официальную карточку и оценить свои CUDA-драйвер, место под скачивание и опыт установки Python-пакетов. Копировать параметры запуска без этих условий не стоит: это инженерная инструкция, а не домашний рецепт. [s2](#src-s2)

## Что известно о правах и проверке

Репозиторий G-star помечен **MIT** и содержит файл этой лицензии. В карточке основой генератора назван Qwen3-8B; официальный репозиторий Qwen3-8B отмечен **Apache-2.0** и содержит отдельную лицензию. Условия кода, исходной модели и нового комплекта весов нельзя смешивать в одну универсальную метку; при распространении производных нужно учитывать обе публикации и их уведомления. [s2](#src-s2) [s7](#src-s7) [s8](#src-s8)

Авторы сообщают, что запускали собственную команду с реальными весами и сохранили результаты в `VALIDATION.json`. Однако в закреплённом списке файлов этого отчёта **нет**: проверить по нему заявленный прогон нельзя. Поэтому не приводим неподтверждённых показателей качества и не называем эту статью тестом G-star. Следующий шаг для исследователя — открыть закреплённую карточку и проверить появление отчёта и требования к своему железу до установки. [s2](#src-s2) [s4](#src-s4)

Источники проверены 31 октября 2026 года. Весовые файлы и документация закреплены на ревизии `f23fd979bfede7c6cb74014d2d5fb173da5474ce`; последующие изменения требуют новой проверки. [s1](#src-s1) [s4](#src-s4)

## Источники

1. [HF: история коммитов G-star](https://huggingface.co/api/models/DAGroup-PKU/G-star/commits/main?limit=30) — получено 2026-10-31
2. [G-star: официальная карточка и путь генерации](https://huggingface.co/DAGroup-PKU/G-star/blob/f23fd979bfede7c6cb74014d2d5fb173da5474ce/README.md) — получено 2026-10-31
3. [G-star: манифест компонентов и весов](https://huggingface.co/DAGroup-PKU/G-star/blob/f23fd979bfede7c6cb74014d2d5fb173da5474ce/MANIFEST.json) — получено 2026-10-31
4. [HF API: закреплённая ревизия и полный siblings](https://huggingface.co/api/models/DAGroup-PKU/G-star/revision/f23fd979bfede7c6cb74014d2d5fb173da5474ce?blobs=true) — получено 2026-10-31
5. [G-star: параметры авторской генерации](https://huggingface.co/DAGroup-PKU/G-star/blob/f23fd979bfede7c6cb74014d2d5fb173da5474ce/inference_config.json) — получено 2026-10-31
6. [G-star: зависимости](https://huggingface.co/DAGroup-PKU/G-star/blob/f23fd979bfede7c6cb74014d2d5fb173da5474ce/requirements.txt) — получено 2026-10-31
7. [G-star: LICENSE (MIT)](https://huggingface.co/DAGroup-PKU/G-star/blob/f23fd979bfede7c6cb74014d2d5fb173da5474ce/LICENSE) — получено 2026-10-31
8. [Qwen3-8B: официальный Apache-2.0 LICENSE](https://huggingface.co/Qwen/Qwen3-8B/blob/b968826d9c46dd6066d109eabc6255188de91218/LICENSE) — получено 2026-10-31