Инструкционная мультимодальная модель Qwen с 7,1 млрд параметров для анализа изображений и видео, извлечения данных из документов и визуальных задач.

Подходит для: ответы на вопросы по изображениям · извлечение текста и полей из счетов и форм · анализ диаграмм, графиков и таблиц на изображениях

Qwen3.7-Plus — экономичная мультимодальная модель Alibaba для ответов на текстовые запросы и анализа изображений.

Подходит для: ответы на вопросы по изображению · описание содержимого изображений · диалог с текстом и изображениями

GPT-5.5 — модель OpenAI для сложных профессиональных задач с усиленным рассуждением и контекстом более 1 млн токенов.

Подходит для: решение сложных профессиональных задач · анализ длинных документов в контексте более 1 млн токенов · выполнение задач, требующих многошагового рассуждения

GPT-5.5 Pro — модель OpenAI для глубоких рассуждений и точного решения сложных задач с контекстом более 1 млн токенов.

Подходит для: анализ сложных запросов с большим контекстом · подготовка развёрнутых ответов для задач с высокой ценой ошибки · рассуждения по объёмным входным данным

GPT-5.4 Pro — модель OpenAI для сложных задач рассуждения и работы с большим контекстом.

Подходит для: решение сложных многоэтапных задач · анализ длинных документов · ответы на вопросы по большим массивам текста

Qwen2-VL-2B-Instruct — компактная мультимодальная модель для ответов на вопросы и анализа изображений и видео по текстовым запросам.

Подходит для: ответы на вопросы по содержимому изображения · извлечение текста и сведений из документов и скриншотов · ответы на вопросы по видеоклипам

Англоязычная BERT-модель, предварительно обученная на юридических текстах для заполнения маски и адаптации к задачам юридического NLP.

Подходит для: подстановка пропущенных слов в юридических документах · адаптация к классификации судебных решений · дообучение для извлечения сведений из договоров

Мультиязычная vision-language модель для распознавания текста и структурного разбора страниц документов, включая макет, порядок чтения, таблицы и формулы.

Подходит для: извлечение текста из сканов и изображений страниц · распознавание структуры и порядка чтения документа · определение блоков текста и их координат на странице

Мультимодальный предобученный Transformer Microsoft для понимания текста, изображений и структуры документов с возможностью дообучения под задачи Document AI.

Подходит для: извлечение полей из форм · понимание чеков и извлечение их содержимого · ответы на вопросы по изображению документа

Мультимодальная модель Qwen на 32 млрд параметров для диалога, анализа изображений и видео, визуального распознавания и структурированного извлечения данных.

Подходит для: ответы на вопросы по фотографиям и скриншотам · извлечение текста и полей из счетов и форм · анализ графиков, таблиц и диаграмм

Дообученная wav2vec2-модель для транскрибации чешской речи из аудиозаписей.

Подходит для: транскрибация чешских интервью и выступлений · распознавание чешской речи в подкастах и аудиозаписях · автоматическая расшифровка чешской диктовки

Мультиязычная модель Octen на базе Qwen3 для получения текстовых эмбеддингов, семантического поиска и извлечения информации.

Подходит для: семантический поиск по длинным документам · извлечение юридических документов по запросу · поиск по финансовым и медицинским текстам

Мультимодальная модель DeepSeek для распознавания текста и анализа документов по изображениям, включая обработку PDF.

Подходит для: распознавание текста на изображениях · извлечение текста из отсканированных документов · извлечение содержимого страниц PDF

Мультимодальная модель Microsoft для ответов на вопросы по изображениям и тексту, OCR, анализа документов и суммирования видеоклипов по кадрам.

Подходит для: ответы на вопросы по содержимому изображения · извлечение текста из изображений и документов · понимание диаграмм и таблиц

Модель NbAiLab для преобразования норвежской речи на букмоле в текст.

Подходит для: транскрибирование записей на норвежском букмоле · распознавание речи в аудиозаписях парламентских заседаний · преобразование норвежских голосовых записей в текст

Модель Wav2Vec2 на основе XLS-R распознаёт речь на нюношке и преобразует её в текст.

Подходит для: транскрибация выступлений на нюношке · распознавание парламентских речей на норвежском · создание текстовых расшифровок аудиозаписей на нюношке

Мультимодальная модель NVIDIA для рассуждений по изображениям и видео, видеоаналитики и планирования действий роботов.

Подходит для: анализ видеопотоков для поиска событий и причин инцидентов · обнаружение объектов и выдача их координат на изображениях и видео · разметка, фильтрация и дедупликация сенсорных данных для физического ИИ

Модель CLASSLA на базе Wav2Vec2 распознаёт хорватскую речь и транскрибирует записи, включая выступления в парламенте.

Подходит для: транскрибация записей заседаний хорватского парламента · распознавание хорватской речи в аудиозаписях · создание текстовых расшифровок парламентских выступлений

KURE-v1 — дообученная на корейских данных модель текстовых эмбеддингов для семантического поиска и извлечения документов.

Подходит для: семантический поиск по корейским документам · подбор документов по корейскому поисковому запросу · извлечение источников для корейского RAG

Дообученная wav2vec 2.0 модель для распознавания датской речи в аудиозаписях.

Подходит для: транскрибирование выступлений на датском языке · распознавание речи в записях заседаний парламента · создание субтитров к датским аудио- и видеозаписям

Крупная модель Mask2Former со Swin-backbone для семантической сегментации городских сцен на изображениях.

Подходит для: сегментация объектов и областей на изображениях городских улиц · разметка сцен для автономного вождения · анализ городской инфраструктуры по изображениям

Вьетнамская bi-encoder-модель на основе PhoBERT преобразует предложения и абзацы в векторы для семантического поиска и кластеризации.

Подходит для: семантический поиск по вьетнамским документам · поиск юридических текстов на вьетнамском языке · поиск релевантных ответов на вьетнамские вопросы

GOT-OCR 2.0 — мультимодальная модель для извлечения текста из изображений в рамках сквозного подхода OCR-2.0.

Подходит для: распознавание текста на изображениях · извлечение текста из сканов документов · преобразование изображений с текстом в текстовый вывод

Французская BERT-модель, обученная на юридических текстах для заполнения пропусков и извлечения контекстных признаков.

Подходит для: заполнение пропущенных слов во французских юридических текстах · получение контекстных представлений судебных документов · извлечение признаков для классификации французских правовых текстов