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

Мультимодальная модель Meta на 29,6 млрд параметров для локальных агентных задач, работы с инструментами, программирования и анализа изображений.

Подходит для: выполнение многошаговых задач локальным ИИ-агентом · вызов инструментов и функций в диалоге · написание и отладка программного кода

Модифицированная версия GLM-5.3-Flash для генерации текста с уменьшенной склонностью к отказам, предназначенная прежде всего для исследований отказов и контролируемого red-teaming.

Подходит для: исследование механизмов отказа языковых моделей · проверка устойчивости модели к вредоносным запросам · контролируемый red-teaming и оценка безопасности

Декензурированная версия мультимодальной Muse Glimmer-30B для диалогов, работы с изображениями и агентных задач с инструментами.

Подходит для: создание локального ИИ-агента с многошаговым планированием · вызов инструментов и функций в многоходовом диалоге · написание и отладка кода

Базовая корейско-английская языковая модель на 1,1 млрд параметров для продолжения текста и дальнейшей адаптации.

Подходит для: продолжение текста на корейском языке · продолжение текста на английском языке · создание основы для дообучения корейско-английской модели

GLM-4.7 — англо-китайская языковая модель Z.ai для программирования, агентных задач, рассуждений и диалогов.

Подходит для: генерация и отладка программного кода · выполнение задач разработки через терминальный агент · создание веб-страниц и интерфейсов по описанию

Базовая модель на 1,54 млрд параметров для генерации продолжений текста преимущественно на корейском языке, также поддерживающая английский.

Подходит для: генерация продолжений корейских текстов · генерация продолжений английских текстов · создание основы для дообучения на корейских данных

Tongyi-DeepResearch — англоязычная модель Tongyi Lab для многошагового агентного поиска и глубокого исследования информации.

Подходит для: многошаговый поиск ответов по веб-источникам · подготовка исследовательских ответов с использованием браузерного агента · решение сложных задач, требующих последовательного сбора информации

Дообученная на исследовательских диалогах модель Nemotron-H для многошагового поиска, анализа и синтеза информации с поддержкой вызова инструментов.

Подходит для: проведение многошагового исследования по заданной теме · поиск и сопоставление сведений из источников через подключённый браузер · подготовка развернутого ответа на сложный исследовательский вопрос

Предварительная модель MindLab Research на базе GLM-5.1 для персонального агентного планирования, вызова инструментов, программирования и генерации интерфейсов.

Подходит для: планирование личных дел с учётом меняющихся условий · поиск мест и координация маршрутов через инструменты · работа с календарём и задачами через агентные API

Iris-mini — дообученная MoE-модель на базе Qwen3.6-35B-A3B для диалогового агентного поиска и глубокого исследования.

Подходит для: многошаговый веб-поиск по сложному вопросу · сбор и сопоставление сведений из найденных источников · решение, достаточно ли собранных доказательств для ответа

Сжатая методом прунинга экспертов модель GLM-4.7 для генерации кода и текста, агентных задач и вызова функций с меньшими требованиями к памяти.

Подходит для: генерация и дополнение программного кода · ответы на вопросы по крупным репозиториям · вызов функций в диалоговом агенте

Мультимодальная производная Gemma 4 для изучения поведения отказов и оценки следования текстовым и графическим инструкциям.

Подходит для: изучение избыточных отказов языковых моделей · оценка отказов в ответ на мультимодальные инструкции · проверка устойчивости следования инструкциям с изображениями

Дообученная мультимодальная Gemma 4 12B для помощи в backend-разработке, проектировании LLM и программировании.

Подходит для: получение помощи по backend-разработке · обсуждение архитектуры и обучения LLM · написание и разбор кода на Haskell

Экспериментально изменённая Gemma 2 2B для исследований отказов, интерпретируемости и оценки безопасности поведения языковых моделей.

Подходит для: исследование механизмов отказа языковых моделей · red teaming диалоговых моделей · оценка поведения на вредоносных запросах

Дообученная на базе QwQ-32B модель для автономного веб-поиска, агентных действий и рассуждений по найденной информации.

Подходит для: автономный поиск информации в интернете · ответы на сложные вопросы с опорой на веб-источники · проведение многошагового Deep Research

Агентная модель MindLab Research на базе GLM-5.3 для диалогов, работы с инструментами, программирования и генерации интерфейсов.

Подходит для: ведение открытых диалогов с пользователем · выбор и выполнение действий с инструментами в бизнес-процессах · многошаговое исправление ошибок и изменение кода

SAGI — экспериментальная англоязычная авторегрессионная модель с роевой архитектурой для исследований адаптивных многоагентных языковых систем.

Подходит для: изучение роевых механизмов в языковых моделях · эксперименты с дифференцированной маршрутизацией внутренних агентов · обучение основам многоагентных когнитивных архитектур

Компактная модель семейства Gemma 4 для диалоговой генерации, экспериментов и оценки устойчивости, переупакованная для совместимости с Transformers.

Подходит для: генерация ответов в диалоге · прототипирование компактных языковых моделей · оценка устойчивости к сложным и состязательным запросам

Модель MindLab Research на базе GLM-5.2 для диалогов, агентных задач с инструментами, программирования и генерации интерфейсов.

Подходит для: диалоги с персональным ИИ-помощником · выполнение задач агента с использованием инструментов · написание и изменение программного кода

Экспериментальная разреженная MoE-модель Gemma 4 для генерации текста, программирования, агентного планирования и системных задач.

Подходит для: написание и анализ кода · планирование шагов автономного агента · формирование структурированных вызовов инструментов

35-миллиардная MoE-модель InternScience в формате GGUF F16 для многошагового агентного поиска, научных и инженерных задач с использованием инструментов.

Подходит для: многошаговый поиск информации в интернете · разбиение сложной задачи на план и последовательность действий · научные рассуждения и ответы на исследовательские вопросы

Экспериментальная мультимодальная версия Gemma 4 12B Instruct с ослабленными отказами для генерации текста и диалога.

Подходит для: диалоговая генерация ответов с меньшим количеством отказов · обсуждение спорных тем для исследовательских экспериментов · анализ изображений в диалоге

Экспериментальная мультимодальная версия Gemma 4 31B Instruct со сниженным числом отказов для диалогов и генерации ответов.

Подходит для: диалоги с менее частыми отказами модели · генерация ответов на чувствительные и спорные запросы · эксперименты с удалением отказов у языковых моделей