Компактная многоязычная модель Qwen3 для генерации текста, диалогов, рассуждений и работы с инструментами.
Подходит для: ответы на вопросы и диалог по инструкциям · генерация и объяснение программного кода · решение математических и логических задач
Qwen3-4B — языковая модель примерно на 3,7 млрд параметров для диалогов, рассуждений, генерации кода и многоязычных задач.
Подходит для: ответы на вопросы и ведение диалога · решение логических и математических задач · генерация и объяснение программного кода
Gemma 4 26B A4B IT — мультимодальная модель Google DeepMind для диалогов, рассуждений, программирования и анализа изображений с выдачей текста.
Подходит для: ответы на вопросы по изображению · извлечение текста и сведений из документов и PDF · распознавание текста на изображениях, включая многоязычный OCR
Инструкционно-настроенная мультимодальная модель Google DeepMind для диалогов, анализа изображений и генерации текста в длинном контексте.
Подходит для: ответы на вопросы по изображению · извлечение текста и сведений из документов и PDF · анализ диаграмм, скриншотов и пользовательских интерфейсов
Мультимодальная модель Qwen3-VL на 8 млрд параметров для диалога, анализа изображений и видео, OCR и визуального рассуждения.
Подходит для: ответы на вопросы по изображениям · распознавание текста и разбор структуры документов на изображениях · поиск событий и их временных меток в видео
Многоязычная модель Qwen3 для создания текстовых эмбеддингов и семантического поиска, дообученная на базе Qwen3-0.6B-Base.
Подходит для: семантический поиск по документам на разных языках · извлечение релевантных текстов для RAG · поиск похожих фрагментов кода
Мультимодальная модель Qwen на 9 млрд параметров для диалога, анализа изображений, рассуждений, программирования и агентных задач.
Подходит для: ответы на вопросы по изображениям · диалог с вызовом инструментов · анализ и объяснение визуальных материалов
Мультимодальная модель Qwen на 4 млрд параметров для диалога, понимания изображений, рассуждений и вызова инструментов.
Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · многошаговый диалог с длинным контекстом
Инструктивная языковая модель Qwen2.5 на 7,1 млрд параметров для диалогов, генерации текста, кода и структурированных ответов.
Подходит для: создание многоязычного чат-бота или виртуального помощника · генерация и редактирование длинных текстов · формирование ответов в формате JSON
Плотная мультимодальная модель Qwen на 27 млрд параметров для диалогов, анализа изображений и видео, программирования и многошаговых задач.
Подходит для: ответы на вопросы по изображениям и диаграммам · извлечение и анализ информации из документов · понимание содержания видеозаписей
Компактная многоязычная инструкция-настроенная модель Meta для диалогов, поиска сведений, суммаризации и помощи в написании текста.
Подходит для: создание диалогового помощника на устройстве · поиск сведений в документах и ответ на вопросы · суммаризация текстов
Компактная инструктивная языковая модель Qwen2.5 для диалогов, выполнения инструкций и генерации текста.
Подходит для: ответы на вопросы и диалоговый чат · суммаризация и переформулирование текста · генерация структурированных ответов в JSON
GLM-5.3-Flash — мультимодальная модель для диалогов, анализа изображений, программирования и агентных задач.
Подходит для: ответы на вопросы по изображению · диалоговый помощник на английском или китайском · написание и анализ кода
Компактная инструктивно дообученная языковая модель Qwen2.5 для диалогов, генерации текста и структурированных ответов.
Подходит для: создание диалогового помощника · ответы на вопросы по текстовому запросу · генерация длинных текстов
Дообученная языковая модель Qwen3 на 14 млрд параметров для диалогов, следования инструкциям, рассуждений, генерации кода и многоязычного текста.
Подходит для: ответы на вопросы и многошаговые диалоги · решение математических и логических задач · генерация и объяснение программного кода
Вспомогательная модель DSpark для спекулятивного декодирования, ускоряющая генерацию целевой модели Kimi K3 в SGLang.
Подходит для: ускорение генерации текста моделью Kimi K3 в SGLang · спекулятивное декодирование с проверкой черновых токенов целевой моделью · ускорение вывода Kimi K3 на задачах программирования и математики
Дообученная на базе Yi-1.5-34B диалоговая модель для инструктивных ответов, программирования, математики и вызова функций.
Подходит для: ответы на инструкции и ведение диалога · написание и разбор программного кода · решение математических задач
Qwen2.5-3B-Instruct — компактная многоязычная чат-модель для выполнения инструкций и генерации текста, включая структурированные ответы.
Подходит для: создание чат-бота для ответов на запросы пользователей · генерация текстов по инструкциям · подготовка структурированных ответов в формате JSON
Gemma 4 E4B Instruct — компактная мультимодальная модель Google DeepMind для диалога, рассуждений, программирования, анализа изображений и обработки аудио.
Подходит для: ответы на вопросы по изображениям и снимкам экрана · извлечение текста и сведений из документов и PDF · распознавание речи и подготовка транскриптов
Англоязычная encoder-only модель BERT-типа на 149 млн параметров для заполнения пропусков и построения решений понимания текста и поиска.
Подходит для: заполнение пропущенных слов в английском тексте · классификация длинных текстовых документов после дообучения · семантический поиск по большим текстовым корпусам после настройки
Компактная многоязычная языковая модель Qwen3 для генерации текста, диалогов, рассуждений, кода и выполнения инструкций.
Подходит для: диалоговый помощник с поддержкой нескольких языков · генерация и редактирование текста по инструкциям · решение математических и логических задач
Открытая мультимодальная модель Qwen с 35 млрд параметров для диалогов, агентного программирования и анализа изображений.
Подходит для: написание и изменение кода в репозитории · анализ структуры проекта и поиск причин ошибок · создание веб-интерфейсов по описанию
Плотная языковая модель Qwen3 на 4 млрд параметров для диалогов, следования инструкциям, решения задач и вызова инструментов с контекстом до 262 144 токенов.
Подходит для: ответы на вопросы и диалог по инструкциям · анализ длинных документов в контекстном окне до 262 144 токенов · решение задач по математике и естественным наукам
Компактная многоязычная модель Google DeepMind, превращающая текст в эмбеддинги для семантического поиска, сравнения, классификации и кластеризации.
Подходит для: семантический поиск документов по запросу · поиск фрагментов кода по описанию на естественном языке · поиск источников для системы вопросов и ответов