Pony Diffusion: один автор, 20 тысяч оценок и тайна score_9

Как появилась Pony Diffusion

Шесть тегов, которые пережили свою ошибку

У Pony Diffusion есть узнаваемая примета. Перед описанием девушки, рыцаря или уютной комнаты пользователи вставляют строку, похожую на служебную пометку:

score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up

Она выглядит как тщательно подобранная формула. На деле её происхождение куда интереснее: создатель модели хотел сделать управление качеством удобнее, а получил поведение, которое заметил слишком поздно, чтобы переделать обучение. Длинная строка осталась — и стала частью языка Pony.

За ней стоит история человека, который начал с очень определённого интереса: научить нейросеть рисовать любимых персонажей. Постепенно работа с картинками, подписями и собственным вкусом превратилась в отдельное направление внутри Stable Diffusion. Здесь были взрослые иллюстрации, необычные персонажи, поддержка сообщества и недели ручной разметки. А в центре оставался вопрос, который намного сложнее, чем кажется: как объяснить машине, какая картинка хорошая?

Этот разбор посвящён прежде всего Pony Diffusion V6 XL. Длинный префикс относится к её обучению; переносить его на все поколения Pony или на любые другие модели нельзя.

Началось с пони, а не с попытки понравиться всем

Создателя Pony знают под именем AstraliteHeart; проект развивался под названием PurpleSmartAI. В мае 2024 года официальный канал Civitai представил его именно как автора Pony Diffusion XL V6 в большом интервью о модели.

У ранней Pony была конкретная задача. В первой сохранившейся карточке автора описано дообучение примерно на 80 тысячах пар «изображение — текст» с пони. Теги брались из Derpibooru — каталога изображений с подробной разметкой. Основой служила ранняя версия Waifu Diffusion на базе Stable Diffusion 1.4.

Такой старт многое объясняет. Универсальная модель знает понемногу о множестве сюжетов. Увлечённому человеку нужна другая глубина: знакомые силуэты, выражения, характерная пластика и визуальные условности конкретного мира. То, что для общего генератора выглядит небольшой нишей, для автора и его аудитории может быть главным.

Автору не требовалось заново разрабатывать диффузионную модель. Нужно было выбрать, на каких изображениях её дообучать и какие особенности рисунка закрепить.

При этом история с самого начала не была подвигом в полной изоляции. В той же карточке AstraliteHeart благодарит Waifu Diffusion за помощь с дообучением и NovelAI за вычислительные ресурсы. Личный замысел и чужая поддержка здесь не противоречат друг другу.

Как узкая специализация стала целым визуальным миром

Следующие модели расширяли набор сюжетов. В Pony V3 автор описывал около 1,7 миллиона пар с пони, furry и другими рисованными изображениями. Основой уже была Stable Diffusion 1.5. Карточка прямо предупреждала о способности создавать взрослый контент.

В Pony V4 речь шла примерно о трёх миллионах пар. Разработчик работал и над тем, как модель понимает теги. Там встречались предшественники будущего языка качества: например, derpibooru_p_95. Желание отделить удачные изображения от остальных появилось задолго до знаменитой цепочки score_*.

Затем произошёл переход на SDXL. В январе 2024 года вышла Pony Diffusion V6 XL; архив основной версии указывает дату создания 8 января. Её обучающий набор насчитывал около 2,6 миллиона изображений. Это другой этап и другая основа: числа разных версий нельзя читать как простое непрерывное наращивание одной коллекции.

В V6 соседствовали четыре направления: anime, cartoon, furry и pony. Автор стремился примерно уравнять их представленность. Короткие теги сочетались с подробными текстовыми описаниями, которые, согласно карточке, были примерно у половины изображений. Так проект получил два способа общения с пользователем: лаконичную разметку и обычное описание сцены. Эти сведения приведены в архиве авторской карточки V6.

Название Pony осталось, но уже не описывало весь круг задач. Модель занималась персонажной иллюстрацией гораздо шире первоначальной темы. В этом и проявилась сила специализации: достаточно последовательно собирать нужный визуальный мир, чтобы изменился сам характер генератора.

Что здесь сделал fine-tuning

Файнтюнинг продолжает обучение готовой модели. Она уже научилась связывать слова с изображениями, строить формы и учитывать композицию. Новые данные меняют её привычки: какие образы возникают охотнее, какие сочетания признаков удерживаются, какие слова оказываются полезными.

Pony V6 XL — самостоятельный дообученный чекпойнт на основе SDXL. Его загружают как модель. Это не отдельный небольшой LoRA-адаптер, который подключается поверх неизменной базы. Не следует путать исходную V6 и варианты с пометками Turbo или merge: у них своя дополнительная история, и карточки этих вариантов требуют отдельного чтения.

Представим художника по костюмам. Общая база уже понимает платье, складки ткани и освещение. Чтобы получить собственную манеру, автор отбирает примеры, где ему нравятся силуэт, линия, цвет и пластика фигуры. Постепенно эти решения начинают чаще появляться в новых сценах. Этот пример объясняет принцип; он не является описанием скрытых настроек обучения Pony.

Чтобы научить модель рисовать одного персонажа, обычно готовят небольшой специализированный набор примеров. Если нужно изменить её поведение для множества сюжетов, приходится продумывать состав всей обучающей коллекции. Подготовка данных для более узкой задачи разобрана в материале об обучении своей LoRA.

Оценки, обучение и теги качества

Почему нельзя было просто оставить самые популярные картинки

Большая коллекция изображений — неудобное сырьё. В ней встречаются великолепно нарисованные неизвестные персонажи и посредственные картинки, которые любят за узнаваемого героя. Старинная публикация успела набрать тысячи реакций, свежая — ещё нет. На разных сайтах одинаковое число голосов означает совершенно разную популярность.

Если положиться только на эти оценки, модель начнёт наследовать предпочтения аудитории сайта вместе с его случайностями. Если оставить только очевидные шедевры, можно потерять редкую позу, костюм, ракурс или персонажа: других примеров просто не окажется.

Автор искал способ сохранить разнообразие датасета и при этом отличать внутри него более удачные работы. Здесь возник поворот, который делает историю Pony особенно человеческой. Нужен был человек, способный оценить большое количество изображений. Этим человеком стал сам разработчик.

Подробности сохранились в дневнике PurpleSmartAI «What is score_9 and how to use it in Pony Diffusion», который в архиве датирован 6 мая 2024 года. Он помогает восстановить ход решения: почему не подошли готовые рейтинги и как разработчик построил собственный.

Двадцать тысяч оценок: где в модели поселился автор

Разработчик вручную оценил около 20 тысяч изображений по шкале от одного до пяти. На эту работу, по его словам, ушли недели. В выборке нужны были разные способы изображения: эскизы, трёхмерная графика, полуреалистичные работы и другие варианты. Иначе будущий оценщик мог бы принять незнакомую манеру за плохую.

У каждого изображения уже можно было получить вектор признаков с помощью CLIP. Такой вектор, или эмбеддинг, — числовое представление картинки. В нём содержится информация о видимых особенностях, хотя отдельные числа не подписаны словами вроде «хорошая композиция» или «удачная линия».

На этих признаках и человеческих оценках автор обучил отдельный эстетический ранжировщик. Его задача — предсказывать, как могли бы быть оценены новые изображения. Затем ранжировщик применялся к большой коллекции, помогая отбирать данные и добавлять к подписям категории качества.

Поэтому 20 тысяч и 2,6 миллиона — разные числа с разными ролями. Первое относится к ручной эстетической разметке. Второе — к масштабу обучающего набора V6. Автор не сидел с карандашом перед всеми миллионами картинок по очереди.

А ещё в этой системе не появилось независимого арбитра прекрасного. Ранжировщик учился на предпочтениях конкретного человека. Отсюда и своеобразие подхода: вкус перестал быть только способом выбрать удачный результат после генерации. Он повлиял на подготовку самих данных, по которым училась модель.

Как разумная задумка породила длинную цепочку

Сначала система выглядела просто: более высоко оценённые изображения получали в подписи score_9, следующие — score_8 и так далее. Это давало генератору текстовую подсказку, с каким уровнем эстетической оценки связаны примеры.

Для V6 автор захотел добавить запрос вида «этот уровень и всё выше». Отсюда _up. По замыслу score_8_up должен был указывать на верхний диапазон вместе с более высокой категорией, а не только на один отдельный участок шкалы.

В подписях наиболее высоко оценённых изображений появилась последовательность:

score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up

Для следующей категории автор приводит другой пример:

score_8, score_7_up, score_6_up, score_5_up, score_4_up

Задумка предполагала полезные отдельные метки. Но, по объяснению разработчика, модель выучила связь хороших изображений с длинной строкой целиком. У неё не было обязанности освоить придуманную человеком логику диапазонов: обучение закрепляло статистические зависимости, которые помогали решать задачу.

Автор сравнил этот случай с эффектом Умного Ганса: система опирается на неожиданный косвенный признак, а наблюдателю кажется, что она поняла предполагаемое правило. В истории Pony таким признаком оказалась совместно встречающаяся цепочка.

Открытие случилось уже после середины обучения. Разработчик пробовал более короткие теги, но они действовали слабее. Полный перезапуск он не сделал. По его рассказу, обучение V6 заняло примерно три месяца. Исправление меток с перезапуском означало бы повторение этой длительной работы. Точный состав GPU и бюджет из этих материалов восстановить нельзя.

Так у модели появился постоянный след подготовки данных. Пользователь видит несколько слов в промпте. За ними стоят недели разметки, месяцы вычислений и решение не начинать всё заново.

Что score_9 делает — и чего не обещает

Во время генерации эта строка не запускает эстетический ранжировщик повторно, не увеличивает разрешение и не проверяет анатомию персонажа. Модель использует её как условие генерации, поскольку при обучении встречала эту строку в подписях к определённым изображениям.

Удобная аналогия — пометки в архиве иллюстратора. Если определённая запись постоянно сопровождала любимые работы, модель получает способ приблизиться к связанным с ней признакам. Но пометка не превращается в универсальный художественный закон.

Например, если автор выше оценивал определённую манеру рисования, высокий score может усиливать её признаки в результате. Поэтому в дневнике он предлагает проверять стилевые LoRA с тегами качества и без них. Отдельно автор предупреждает, что низкие score_4 и score_5 в негативном промпте не описывают все возможные неудачные изображения.

Наконец, число в теге — не обещание результата на девять баллов из десяти. Нельзя прочитать его как процент правильных рук или гарантированную долю удачных генераций. Идею диапазонов полезно знать для понимания разметки; превращать её в точную шкалу качества готовой картинки было бы ошибкой.

Свобода модели и работа с промптом

Где здесь «без цензуры»

Pony V6 XL умеет создавать взрослые, в том числе эротические, иллюстрации. Это не форумный слух: такая способность прямо указана в авторском описании. Обучающий набор включал категории safe, questionable и explicit; по карточке модели автор стремился к примерно равной представленности этих рейтингов.

Однако фраза «автор убрал цензуру» может скрывать разные технические действия. Модель может плохо знать нужную визуальную тему, внешний сервис может блокировать запрос, а отдельная проверка — отклонять готовое изображение. Дообучение на новых примерах меняет знания и поведение модели; оно не тождественно отключению проверки на сайте.

В случае Pony существенен именно состав данных. Автор расширял пространство изображений, которое модель училась воспроизводить. Поэтому взрослый контент оказался частью её возможностей, а не только набором слов, которыми пользователи пытались добиться разрешения у интерфейса.

При этом способности весов не отменяют правил хостинга, лицензии и ответственности за конкретное изображение. В карточке V6 разработчик также описывает фильтрацию недопустимых материалов. NSFW-способность не означает, что модель или сервис обещают разрешить вообще всё.

Тег rating_safe — полезное обученное условие, но не надёжная система модерации. Если результат должен подходить публичному сайту, рекламе или рабочей презентации, его всё равно нужно проверять. Скрыть эту оговорку за словом «uncensored» означало бы смешать свободу творчества с гарантией безопасного результата.

Три языка одного промпта

В промпте для Pony полезно различать теги качества, категории изображений и описание самой сцены.

Группа	О чём говорит	Примеры
Эстетические метки	Связь с авторской системой качества	score_9, score_8_up
Группа данных	С каким направлением связан образ	source_anime, source_cartoon, source_furry, source_pony
Рейтинг содержимого	К какой категории относится сцена	rating_safe, rating_questionable, rating_explicit
Описание изображения	Кто в кадре и что происходит	solo, looking_at_viewer, описание одежды, света и позы

Теговая культура существовала до Pony. Booru-каталоги уже описывали изображения короткими признаками, которые затем пригодились для обучения. Собственный эстетический ранжировщик и конкретная цепочка score-тегов — отдельный вклад проекта, а не изобретение всех коротких промптов вообще.

В V6 можно сочетать теги и обычный английский текст. Это согласуется с наличием подробных обучающих подписей. Простое перечисление названий стилей не всегда объяснит сцену лучше, чем фраза о человеке, действии и свете.

Небольшой опыт, который полезнее чужого «идеального промпта»

Для знакомства с исходной V6 можно взять спокойную сцену со взрослой героиней. Сначала — её смысл на русском:

Портрет взрослой женщины 25 лет в непрозрачном бордовом вечернем платье, у окна мастерской. Мягкий дневной свет, спокойная улыбка, рисованная иллюстрация.

Английская версия для ввода:

score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up,
source_anime, rating_safe,
portrait of an adult 25-year-old woman in an opaque burgundy evening dress,
standing by an art studio window, soft daylight, a relaxed smile,
hand-drawn illustration

Русская версия здесь помогает понять и отредактировать замысел. Английская соответствует языку примера; сравнение языкового качества мы в этом материале не проводили. Это подготовленный редакцией запрос, не опубликованный результат нашего запуска Pony.

В оригинальной карточке V6 автор указывает CLIP skip 2 — в некоторых программах это отображается как -2. Переносить номер настройки в другой интерфейс без проверки его обозначений не стоит. Для производного чекпойнта приоритет имеют его собственные инструкции.

Дальше можно сравнить три варианта: полную цепочку, только score_9 и запрос без score-тегов. Сцену и остальные параметры сохраняют одинаковыми. Полезнее взять несколько фиксированных seed, чем судить по одному удачному кадру: случайная композиция легко маскирует влияние настройки.

Если работа идёт в ComfyUI, сохранённая схема поможет повторить сравнение. Разбор устройства таких схем есть в материалах по ComfyUI. Отдельно проверяется база LoRA: совпадение архитектуры с SDXL ещё не гарантирует одинакового поведения адаптера на Pony.

Роль автора и границы версий

Что один человек действительно может изменить

В этой истории личные решения автора повлияли на то, чему научилась модель. Автор выбрал предмет интереса, собрал данные, оценил часть изображений, построил ранжирование и придумал язык управления. Ни один из этих шагов не требовал сначала превзойти универсальную модель во всех задачах.

Но из этого не следует, что Pony V6 можно повторить за вечер на случайной видеокарте. В благодарностях V6 названы люди, помогавшие с ресурсами, подписями и технической стороной обучения, а также подписчики, поддерживавшие расходы. Один автор задаёт направление; это не то же самое, что один человек выполняет всю работу без помощи.

Для собственного проекта из истории можно взять более достижимый принцип. Сначала определить, чего именно не хватает базе. Сохранить персонажа? Перенести манеру? Лучше понимать определённый набор сцен? Затем собрать данные под эту задачу и придумать проверку, на которой будет видно изменение. Копировать миллионы файлов до ответа на эти вопросы бессмысленно.

Для отдельного персонажа или стиля можно начать с LoRA. Чтобы изменить поведение модели на множестве сюжетов, потребуется более широкая коллекция данных и другая проверка. В обоих случаях стоит заранее решить, какие признаки должны сохраняться в серии изображений. Подготовка таких примеров разобрана в статье об одном персонаже в разных кадрах; материалы TimeSaver VFX помогут перейти от отдельных изображений к монтажу и эффектам.

Ещё один урок касается собственных тегов качества. Они полезны только тогда, когда их смысл последовательно задан в данных и проверен на контрольных запросах. Разделение меток, случайное исключение части подписей и проверка их сочетаний — варианты для эксперимента, а не доказанный универсальный рецепт. Pony показывает, почему такую проверку лучше проводить до длинного основного обучения.

Почему это уже история V6, а не инструкция для всей Pony

Продолжение проекта не остановилось на SDXL. В официальной карточке Pony V7 основой названа AuraFlow. Разработчики отдельно предупреждают, что специальные теги качества там действуют слабее, чем в V6.

Это хорошо показывает границу любого рецепта. Имя семейства сохраняется, но под ним могут измениться архитектура, данные и способ общения с моделью. Строка, которая помогала одному чекпойнту, не становится общей командой для всех его наследников — тем более для Flux или Qwen-Image.

История Pony полезна прежде всего как пример подготовки данных. Личный отбор автора повлиял на изображения, которые модель научилась создавать, а ошибка в подписях закрепилась в пользовательских промптах. Поэтому состав обучающей коллекции и проверку разметки нужно продумать до долгого запуска обучения.

Другие подходы к генерации изображений разобраны в статьях о Qwen-Image-2.1 и MOSS-Image. Сравнивать их с Pony стоит на одной задаче: создание нужного персонажа, следование описанию и редактирование готового кадра — разные способности, а не одна общая оценка качества.

Вопросы и первоисточники

Вопросы, которые остаются после истории

Первоисточники и границы проверки

История восстановлена по карточкам моделей и дневнику разработчика; источники проверены 22 октября 2026 года. Модель Pony для этой статьи редакция не запускала. Утверждения о личной разметке, длительности и ошибке score-тегов — рассказ самого разработчика, а не наши измерения.

• Ранняя Pony Diffusion — карточка AstraliteHeart: первоначальная специализация, основа и помощь других проектов.
• Pony V3 и Pony V4: расширение данных и раннее управление качеством.
• Исходная страница Pony Diffusion V6 XL на Civitai и архив авторской карточки основной V6. При исследовании прямое чтение Civitai было недоступно, поэтому текст сверялся по архиву и републикации карточки на Hugging Face, а не по рекламным каталогам.
• What is score_9 and how to use it in Pony Diffusion — оригинальная ссылка, доступная архивная копия текста PurpleSmartAI: ручные оценки, CLIP-ранжирование и происхождение длинной строки.
• Официальное интервью Civitai с AstraliteHeart: подтверждение авторства и отдельный материал для знакомства с проектом. В статье не приводятся непроверенные реплики из видеозаписи.
• Официальная карточка Pony V7: другая архитектура и ограничения переноса старых тегов качества.
• Исследование CLIP и исследование SDXL: технический контекст базовых моделей, на которых строилась дальнейшая работа.

Автор: Команда Neurosaver.ru.