Небольшой самообученный Vision Transformer DINOv2 извлекает признаки изображений для последующего обучения классификаторов и других визуальных задач.

Подходит для: извлечение признаков из изображений · получение векторных представлений изображений для поиска по сходству · подготовка признаков для обучения классификатора изображений

Компактная визуальная модель Meta AI на архитектуре ConvNeXt-Tiny, извлекающая признаки изображений для поиска, классификации и других задач компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по визуальному сходству · классификация изображений с k-NN или линейным классификатором

Визуальная модель DINOv3 ViT-L извлекает плотные признаки изображений для поиска, классификации и других задач компьютерного зрения.

Подходит для: поиск похожих изображений по визуальным признакам · классификация изображений с линейным классификатором или k-NN · сегментация изображений с лёгкой классификационной головой

GLM-5.1 — языковая модель Z.ai для генерации кода и длительных агентных инженерных задач с инструментами.

Подходит для: генерация кода по описанию задачи · поиск и исправление ошибок в репозитории · выполнение многоэтапных задач в терминале

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

Визуальная модель Meta AI на базе ConvNeXt Small извлекает универсальные признаки изображений для поиска, классификации, сегментации и других задач компьютерного зрения.

Подходит для: поиск похожих изображений по визуальным признакам · классификация изображений с линейным классификатором · семантическая сегментация изображений

Классификатор Swin для выявления изображений, созданных SDXL, с ограниченной надёжностью на генерациях других моделей.

Подходит для: проверка, создано ли изображение с помощью SDXL · фильтрация генераций SDXL в коллекции изображений · анализ изображений для учебных проектов по распознаванию AI-контента

Зрительная модель Meta AI на базе ViT-7B извлекает плотные признаки изображений для классификации, поиска, сегментации и других задач компьютерного зрения.

Подходит для: извлечение признаков для классификации изображений · поиск похожих изображений по эмбеддингам · сегментация изображений с линейным классификатором

Зрительная модель Meta AI на ConvNeXt Large извлекает плотные признаки изображений для классификации, поиска, сегментации и других задач компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по эмбеддингам · семантическая сегментация изображений

Зрительная модель Meta AI на архитектуре ConvNeXt Base извлекает признаки изображений для классификации, поиска и других задач компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по визуальному содержанию · подготовка признаков для семантической сегментации

Компактный визуальный энкодер DINOv2 для классификации изображений ImageNet и извлечения признаков для задач компьютерного зрения.

Подходит для: классификация изображений по меткам ImageNet-1K · извлечение признаков изображений для обучения собственного классификатора · получение векторных представлений изображений для задач компьютерного зрения

Базовый энкодер DINOv2 для классификации изображений ImageNet и извлечения визуальных признаков для задач компьютерного зрения.

Подходит для: классификация изображения по классам ImageNet · извлечение признаков из изображений · подготовка визуальных эмбеддингов для последующего обучения классификатора

Черновая модель DFlash для ускорения генерации текста с помощью спекулятивного декодирования целевой моделью Qwen.

Подходит для: ускорение инференса совместимой модели Qwen · параллельное черновое предсказание токенов при генерации текста · интеграция DFlash в сервер генерации на Transformers

Компактная ConvNeXt-модель, предварительно обученная DINOv3 для извлечения признаков и эмбеддингов изображений.

Подходит для: извлечение признаков изображений для компьютерного зрения · получение эмбеддингов для поиска похожих изображений · создание карты признаков изображения для downstream-модели

decider-4b — дообученная языковая модель, которая за один проход оценивает заданные варианты ответов для типизированных вопросов и состояний.

Подходит для: выбор действия в игре по текущему состоянию · оценка вариантов решения для браузерного агента · классификация состояния по заданному набору меток

Визуальный Vision Transformer Meta AI для извлечения признаков изображений и использования их в классификации, поиске, сегментации и других задачах компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по эмбеддингам · классификация изображений с линейным классификатором

Крупный предварительно обученный энкодер DINOv2 извлекает признаки изображений и служит основой для классификации по ImageNet-1k и других задач компьютерного зрения.

Подходит для: извлечение признаков из изображений · классификация изображений по меткам ImageNet-1k с отдельной головой · обучение линейного классификатора поверх визуальных признаков

Крупный визуальный энкодер DINOv2 с register-токенами для извлечения признаков и эмбеддингов изображений.

Подходит для: извлечение эмбеддингов изображений для поиска по сходству · подготовка признаков изображений для обучения классификатора · построение систем компьютерного зрения на основе предобученного энкодера

Nex-N2-mini — агентная языковая модель Nex-AGI на базе Qwen3.5 для программирования, вызова инструментов и выполнения продолжительных задач с обратной связью от среды.

Подходит для: разработка и отладка программного обеспечения · выполнение команд и задач в терминале · вызов функций и внешних инструментов

ConvNeXt Small, предварительно обученная методом DINOv3 модель timm для извлечения признаков и эмбеддингов изображений.

Подходит для: извлечение векторных признаков из изображений · получение эмбеддингов изображений для поиска по сходству · подготовка признаков для классификатора изображений

Компактная модель-черновик DFlash предлагает блоки токенов для speculative decoding, ускоряя генерацию текста целевой моделью openai/gpt-oss-120b.

Подходит для: ускорение инференса openai/gpt-oss-120b через speculative decoding · ускорение генерации ответов на математические задачи · ускорение генерации кода при решении задач HumanEval и MBPP

Darwin-27B-RSI — дообученная языковая модель Qwen3.5 для генерации текста и решения сложных задач рассуждения с использованием собственного обучающего сигнала.

Подходит для: ответы на сложные вопросы по естественным наукам · решение математических задач с пошаговым рассуждением · генерация текста в диалоговом режиме

DPN-107 — модель классификации изображений ImageNet-1k, которую также можно использовать для извлечения признаков и эмбеддингов.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение карт признаков из изображений · получение эмбеддингов изображений для поиска или сравнения

DeiT — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: классификация изображений по классам ImageNet-1k · определение объектов и сцен на изображении · извлечение визуальных эмбеддингов для последующей обработки