Производная модели ornith-ai/Ornith-1.5-397B. Крупная MoE-модель Ornith-1.5-397B для агентного программирования, выполнения задач в терминале и вызова инструментов.
Подходит для: автоматическое исправление ошибок в репозиториях · выполнение многошаговых задач программирования через агента · работа с кодом и файлами в терминале
Мультимодальная модель DeepSeek для диалогов, рассуждений и агентных задач с изображениями и контекстом до одного миллиона токенов.
Подходит для: анализ изображений в диалоге · выполнение агентных задач с длинным контекстом · помощь в программировании и работе с кодовыми базами
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
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
Производная модели Qwen/Qwen3.8-2.4T-A95B. Крупная текстовая MoE-модель Qwen для диалогов, программирования, исследований и многошаговых агентных задач.
Подходит для: написание и отладка кода · решение сложных задач в диалоге · исследовательский анализ и подготовка материалов
Инструкционная мультимодальная модель Google DeepMind для диалога, анализа текста, изображений, видео и аудио, а также генерации кода.
Подходит для: ответы на вопросы по изображениям и документам · извлечение текста и данных из сканов и PDF · транскрибация аудио и перевод речи в текст
Инструкционная мультимодальная модель Google DeepMind на 12 млрд параметров для диалога, анализа изображений, аудио и видео, генерации текста и кода.
Подходит для: ответы на вопросы по документам и PDF · извлечение текста с изображений и распознавание рукописного текста · распознавание речи и перевод речи в текст
Gemma 4 E4B — мультимодальная модель Google DeepMind для диалога, рассуждений, программирования и анализа изображений и аудио с генерацией текстовых ответов.
Подходит для: ответы на вопросы по изображениям и документам · распознавание речи и преобразование аудио в текст · перевод речи в текст на других языках
Производная модели moonshotai/Kimi-K3. Kimi K3 — мультимодальная модель с открытыми весами от Moonshot AI для программирования, рассуждений и агентной работы с длинным контекстом.
Подходит для: написание и отладка кода в больших репозиториях · длительная работа агента с инструментами разработчика · анализ изображений и видео вместе с текстом
Kimi K3 — мультимодальная модель с открытыми весами от Moonshot AI для программирования, рассуждений и агентной работы с длинным контекстом.
Подходит для: написание и отладка кода в больших репозиториях · длительная работа агента с инструментами разработчика · анализ изображений и видео вместе с текстом
Мультимодальная модель Google DeepMind для диалога, рассуждений, анализа изображений, программирования и работы с аудио, представленная как веса QAT для собственной компиляции.
Подходит для: ответы на вопросы по изображениям и скриншотам · распознавание текста и разбор PDF-документов · генерация, дополнение и исправление кода
MiniMax H3 — мультимодальная модель MiniMax для генерации коротких видео со стереозвуком по тексту, изображениям, видео и аудио.
Подходит для: создание короткого видео по текстовому описанию · анимация изображения или заданных начального и конечного кадров · генерация видео с использованием изображений, видеоклипов и аудиозаписей как референсов
Базовая мультимодальная модель Qwen3.5 на 4 млрд параметров для дообучения и экспериментов с текстом, изображениями и длинным контекстом.
Подходит для: дообучение мультимодального ассистента под собственные задачи · эксперименты с визуальными вопросами и ответами · адаптация модели с помощью LoRA
Экспериментальная мультимодальная модификация DeepSeek V4 с ослабленными механизмами отказа для исследований безопасности и контролируемого red teaming.
Подходит для: исследование механизмов отказа языковых моделей · red teaming мультимодальной модели в контролируемой среде · оценка ответов модели на вредоносные текстовые запросы
Компактная модель ByteDance для оценки глубины по изображениям и восстановления позы камеры в многовидовых сценах.
Подходит для: оценка относительной глубины по одиночному изображению · оценка глубины по нескольким ракурсам сцены · оценка позы камеры по изображениям
Gemma 4 31B — мультимодальная модель Google DeepMind для диалога, рассуждений, программирования и анализа изображений с выдачей текстовых ответов.
Подходит для: ответы на вопросы по изображениям и скриншотам · извлечение текста из документов и изображений с помощью OCR · суммаризация длинных текстов и документов
MTP-драфтер Google DeepMind для Gemma 4 26B A4B, ускоряющий генерацию в совместимом конвейере спекулятивного декодирования.
Подходит для: ускорение генерации текста в приложениях на Gemma 4 · снижение задержки ответов разговорного помощника · ускорение локальной генерации на совместимом оборудовании
Модель компьютерного зрения ByteDance для оценки глубины сцены и позы камеры по изображениям.
Подходит для: оценка относительной глубины по одному изображению · восстановление глубины по нескольким видам сцены · оценка позы камеры по изображениям
Флагманская Vision Transformer-модель ByteDance для оценки глубины, позы камеры и 3D-геометрии сцен по изображениям.
Подходит для: оценка относительной глубины по одному изображению · оценка глубины сцены по нескольким ракурсам · восстановление позы камеры по изображениям
Компактная модель Depth Anything V2 оценивает относительную глубину объектов по одному изображению.
Подходит для: построение карты относительной глубины по фотографии · оценка глубины сцены для компьютерного зрения · анализ расположения объектов в кадре
Gemma 4 12B Unified — мультимодальная модель Google DeepMind для диалогов, кода, рассуждений и анализа текста, изображений, видео и аудио.
Подходит для: транскрибация аудиозаписей · перевод речи в текст · извлечение текста и данных из документов и PDF
Базовая модель DeepSeek на 6,6 млрд параметров для генерации, дополнения и заполнения пропусков в коде с контекстом до 16 384 токенов.
Подходит для: автодополнение кода в редакторе · заполнение пропусков и вставка кода по контексту · завершение кода с учётом файлов проекта
Компактная модель ByteDance для оценки глубины, геометрии сцены и поз камер по одному или нескольким изображениям.
Подходит для: оценка относительной глубины по одному изображению · восстановление геометрии сцены по нескольким ракурсам · оценка поз камер для набора изображений
Модель Depth Anything V2 оценивает относительную или абсолютную глубину по одиночному изображению.
Подходит для: построение карты глубины по фотографии · оценка расстояний до объектов на изображении · анализ геометрии сцены по одиночному кадру