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

Мультимодальная модель Qwen на 27 млрд параметров с ослабленными отказами для диалогов, рассуждений, программирования и анализа изображений.

Подходит для: диалоговые ответы на инструкции · генерация и объяснение кода · многошаговые рассуждения по текстовому запросу

Компактная англоязычная decoder-only модель на 65 млн параметров для исследований обучения языковых моделей и анализа с pico-analyze.

Подходит для: изучение динамики обучения языковых моделей · воспроизводимые эксперименты с небольшими языковыми моделями · анализ поведения модели с помощью pico-analyze

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

Текстовая MoE-модель для генерации текста и кода, агентных задач и работы с инструментами с удалённым поведением отказа.

Подходит для: генерация и отладка программного кода · автоматизация задач программирования агентом · генерация ответов в диалоговом интерфейсе

Базовая MoE-модель Qwen2 с 57 млрд параметров и 14 млрд активных параметров для дальнейшего обучения и исследований генерации и понимания текста.

Подходит для: дальнейшее обучение языковой модели под собственные задачи · оценка качества ответов на вопросы и рассуждений · эксперименты с математическими задачами

Компактная дообученная модель ModernBERT выдаёт калиброванные вероятности для классификации, маршрутизации и типизированных решений по тексту.

Подходит для: классификация текста по пользовательским категориям без размеченных классов · маршрутизация запросов к подходящему агенту или инструменту · оценка соответствия текста заданным критериям

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

Зрительная модель Apple AIMv2 для извлечения векторных признаков изображений и их использования в задачах визуального поиска и сопоставления.

Подходит для: извлечение признаков изображений для поиска по визуальному сходству · построение векторного индекса изображений · сопоставление изображений с текстовыми представлениями в мультимодальной системе

Компактная модель Cinimod на 287 млн параметров, обученная с нуля на материалах DevOps для генерации операционных подсказок и документации.

Подходит для: получение подсказок по командам системного администрирования · составление черновиков DevOps-документации · генерация ответов на вопросы о работе nginx и других инструментов

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

Вспомогательная модель NVIDIA для спекулятивного декодирования Kimi-K2.6, ускоряющая генерацию текста в чат-ботах, RAG и агентных приложениях.

Подходит для: ускорение генерации ответов чат-ботом · ускорение ответов на вопросы по документам в RAG-системе · ускорение генерации кода и выполнения инструкций

Зрительная модель Apple AIMv2 с 308,3 млн параметров для извлечения признаков изображений и задач визуального понимания.

Подходит для: извлечение признаков изображений для последующего анализа · поиск похожих изображений по визуальным признакам · визуальное понимание изображений в мультимодальных системах

Визуальный энкодер AIM-v2 для извлечения признаков из изображений и их последующего применения в задачах компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по эмбеддингам · получение визуальных представлений для пайплайна компьютерного зрения

AIMv2-3B-patch14-224 — зрительный энкодер Apple на 2,7 млрд параметров для извлечения признаков и анализа изображений.

Подходит для: извлечение визуальных признаков из изображений · получение представлений изображений для поиска и сопоставления · распознавание объектов на изображениях

Модель SpeechT5 преобразует восточноармянский текст в речь для озвучивания и экспериментов с синтезом армянской речи.

Подходит для: синтез восточноармянской речи из текста · озвучивание армянских аудиокниг и литературных текстов · создание демонстраций армянского синтеза речи

Энкодер изображений AIM-v2 для извлечения признаковых представлений с использованием timm.

Подходит для: извлечение признаков из изображений · поиск похожих изображений по эмбеддингам · подготовка визуальных признаков для классификатора

Визуальный энкодер Apple на 1,2 млрд параметров для извлечения признаков изображений и задач компьютерного зрения.

Подходит для: получение векторных представлений изображений · подготовка признаков для классификатора изображений · поиск похожих изображений по визуальному содержимому

Визуальный энкодер Apple AIMv2 с 679,5 млн параметров для извлечения признаков изображений и их использования в задачах компьютерного зрения.

Подходит для: извлечение признаков из изображений для downstream-моделей · создание визуальных представлений для мультимодального поиска · распознавание объектов и категорий изображений

Визуальный энкодер AIM-v2 для извлечения признаков из изображений в задачах компьютерного зрения.

Подходит для: извлечение признаков изображений для последующей классификации · получение визуальных представлений для поиска похожих изображений · подготовка эмбеддингов изображений для прикладных систем компьютерного зрения

Базовая разреженная MoE-модель Arcee AI для генерации текста, исследований предобучения и последующего дообучения.

Подходит для: исследование поведения языковой модели после масштабного предобучения · изучение маршрутизации и балансировки экспертов MoE · зондирование и интерпретируемость языковой модели

OmniEdu-4B — дообученная мультимодальная модель для решения школьных задач, диагностики затруднений учеников и поддержки преподавания.

Подходит для: решение школьных задач по тексту и изображениям · выявление заблуждений и пробелов в знаниях ученика · пошаговое объяснение темы с подсказками

Зрительная модель Apple AIMv2 для извлечения признаков изображений в задачах компьютерного зрения и мультимодального понимания.

Подходит для: извлечение признаков изображений для последующей классификации · подготовка визуальных представлений для мультимодального поиска · использование признаков в системах понимания изображений

Дообученный на AS-2M EAT-large извлекает кадровые и общие представления аудио для классификации и других задач анализа звука.

Подходит для: извлечение признаков для классификации аудиозаписей · получение представления аудиофрагмента для последующего анализа · извлечение кадровых признаков аудио с частотой около 50 Гц