Открытая мультимодальная модель Qwen на 27 млрд параметров для программирования, агентных задач и работы с изображениями.

Подходит для: генерация и отладка кода · анализ и изменение кода в репозитории · разработка веб-интерфейсов по описанию

Открытая мультимодальная модель Ai2 для вопросов по изображениям и видео, их описания, подсчёта и локализации объектов.

Подходит для: ответы на вопросы по содержимому изображения · ответы на вопросы по короткому видео · создание описаний изображений и видеосцен

Дообученная мультимодальная модель Qwen на 27 млрд параметров для более эффективных рассуждений, программирования, диалогов и агентных задач.

Подходит для: написание и отладка кода · выполнение многошаговых задач через терминал · создание программных прототипов по текстовому описанию

Открытая мультимодальная модель Ai2 для ответов на вопросы и описания изображений, нескольких изображений и видео.

Подходит для: ответы на вопросы о содержимом видео · создание подписей к изображениям и видео · подсчёт объектов на изображении или в видео

Дообученный Vision Transformer распознаёт 37 пород кошек и собак на изображениях из набора Oxford-IIIT Pet.

Подходит для: определение породы кошки на фотографии · определение породы собаки на фотографии · классификация питомцев по изображениям из набора Oxford-IIIT Pet

Мультимодальная модель Xiaomi MiMo на 9 млрд параметров для агентных задач, программирования, кибербезопасности и анализа изображений.

Подходит для: написание и исправление кода · выполнение многошаговых агентных задач · анализ изображений в диалоге

Модель на базе EfficientNetB3 извлекает эмбеддинги фотографий животных для поиска и повторной идентификации особей.

Подходит для: поиск фотографий одной и той же особи в коллекции · сопоставление наблюдений животных с разных камер · группировка снимков диких животных по особям

Мультимодальная модель Alibaba для диалогов, рассуждений, анализа изображений и видео, программирования и агентной работы с инструментами.

Подходит для: создание мультимодального чат-бота · ответы на вопросы по изображениям · анализ содержимого видео

Визуальная модель Swin-B для извлечения признаков и повторной идентификации животных по фотографиям.

Подходит для: поиск повторных снимков одной и той же особи · повторная идентификация диких животных по фотографиям · извлечение признаков для сопоставления изображений животных

MiniMax H3 — мультимодальная генеративная модель MiniMax для создания коротких видео со стереозвуком по тексту, изображениям, видео и аудио.

Подходит для: создание видео по текстовому описанию · анимация изображения с заданным первым или последним кадром · генерация ролика по первому и последнему кадрам

Открытая мультимодальная модель Ai2 для ответов на вопросы и описания изображений и видео, включая визуальное указание объектов.

Подходит для: ответы на вопросы по содержимому изображения · ответы на вопросы по коротким видеороликам · создание подписей к изображениям и видео

Визуальная модель на базе Swin-L извлекает признаки изображений для повторной идентификации животных по фотографиям.

Подходит для: сопоставление фотографий одной и той же особи животного · поиск похожих особей в коллекции фотографий дикой природы · извлечение эмбеддингов изображений животных для последующего поиска

Qwen-Image-2.1 — модель Qwen для генерации изображений по тексту и редактирования изображений, включая работу с прозрачностью и референсами.

Подходит для: создание изображений по текстовому описанию · генерация изображений с прозрачным фоном RGBA · редактирование выбранной области изображения по маске или пометке

LocateAnything-3B — мультимодальная модель NVIDIA для обнаружения объектов и привязки текстовых запросов к областям и точкам на изображениях.

Подходит для: поиск объектов на изображении по названию или описанию · обнаружение множества объектов в загруженных сценах · выделение области изображения, соответствующей фразе

Экспериментальная мультимодальная MoE-модель, дообученная для диалогов, рассуждений, анализа изображений и работы с инструментами.

Подходит для: решение задач по математике с пошаговыми рассуждениями · генерация и анализ программного кода · ответы на вопросы по изображениям

LLMDet base — модель на основе MM Grounding DINO для обнаружения объектов по текстовым запросам без фиксированного набора классов.

Подходит для: поиск объектов на изображении по текстовому описанию · обнаружение категорий объектов, отсутствующих в заранее заданной разметке · разметка изображений по пользовательскому списку текстовых классов

Переупакованные для ComfyUI модели Wan 2.2 для генерации и управления видео, в том числе по входному изображению.

Подходит для: создание видео на основе изображения · генерация видео по первому и последнему кадрам · генерация видео по текстовому описанию

Мультимодальная модель Z.ai для диалогов, анализа изображений, программирования и агентных задач.

Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · помощь с программированием

Мультимодальная модель Abacus.AI на базе Qwen3.8-27B для многошагового использования инструментов и автоматизации задач.

Подходит для: выполнение многошаговых задач с вызовом инструментов · автоматизация рабочих процессов через агентные сценарии · управление действиями в исполняемой среде до достижения результата

Stable Diffusion XL Base 1.0 — модель Stability AI для генерации и редактирования изображений по текстовым запросам.

Подходит для: создание иллюстраций по текстовому описанию · генерация изображений для дизайн-концепций · подготовка визуальных материалов для творческих проектов

LTX-2.5 — диффузионная модель Lightricks для генерации видео и синхронизированного аудио по тексту, изображениям и видео.

Подходит для: создание видеоролика по текстовому описанию · анимация изображения с заданным движением · генерация связанных сцен с сохранением персонажей и стиля

Крупная модель MoE на базе Qwen 3.5 для агентного программирования, решения задач разработки и работы с инструментами.

Подходит для: решение задач разработки в терминальном coding-агенте · поиск и исправление ошибок в кодовой базе · автоматизация задач программирования с вызовом инструментов

CLIP ViT-B/32 от OpenAI сопоставляет изображения с текстовыми метками для классификации без дообучения и исследований обобщения компьютерного зрения.

Подходит для: классификация изображений по заданным текстовым категориям · поиск подходящей подписи для изображения среди вариантов · исследование переноса на новые классы без дообучения

Дообученная UkisAI модель Qwen для экономичного рассуждения, программирования и многошаговых агентных задач с поддержкой изображений.

Подходит для: решение задач программирования с агентом · выполнение многошаговых задач в терминале · разработка и отладка программного обеспечения