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

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

Мультимодальная модель Xiaomi для генерации текста, агентных задач и работы с инструментами, с контекстом до миллиона токенов.

Подходит для: написание и исправление программного кода · выполнение многошаговых задач с вызовом инструментов · ответы на вопросы по длинным репозиториям и трассам взаимодействия

Occamy-1.0 — дообученная мультимодальная MoE-модель для длительных агентных задач, программирования и совместной работы с инструментами.

Подходит для: выполнение многоэтапных рабочих процессов с вызовом инструментов · написание и отладка кода через терминал · поиск и обработка информации в ходе агентной задачи

Мультимодальная MoE-модель Xiaomi для генерации текста, агентных задач, программирования и анализа изображений, видео и аудио с контекстом до 1 млн токенов.

Подходит для: генерация ответов в диалоге с вызовом инструментов · выполнение многошаговых задач автономным агентом · разработка и анализ программного кода

Мультимодальная модель Meta для локальных агентных задач, работы с инструментами, программирования и анализа изображений.

Подходит для: создание локального ИИ-агента для многошаговых задач · вызов инструментов и функций в последовательных сценариях · написание и отладка кода

Производная модели XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B. 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

Мультимодальная модель Meta на 29,6 млрд параметров для локальных ИИ-агентов, вызова инструментов, программирования и анализа изображений.

Подходит для: создание локального агента для многошаговых задач · вызов инструментов по заданным схемам · написание и отладка кода

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

Модель UMT5 для создания кратких изложений греческих новостных статей, обученная на наборе GreekSum.

Подходит для: составление краткого содержания греческих новостных статей · подготовка сводок новостей по материалам News24/7 · сжатие новостных текстов по темам политики и экономики

Модель mT5-small для автоматического суммирования греческих новостных статей.

Подходит для: краткое изложение греческих новостных статей · создание дайджестов греческих СМИ · сжатие новостных текстов для лент и агрегаторов

Квантованная мультимодальная модель Xiaomi MiMo на основе Qwen3.5-9B для агентного программирования, работы с инструментами и анализа изображений.

Подходит для: генерация и исправление кода в агентном цикле · автоматизация задач через инструменты и терминал · анализ скриншотов интерфейсов и визуальное программирование

Производная модели XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B. 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

ISM — белковая модель семейства ESM, обогащающая представления последовательностей структурной информацией и пригодная для предсказания замаскированных аминокислот.

Подходит для: предсказание замаскированных аминокислот в белковых последовательностях · анализ белковых последовательностей с учётом структурных представлений · замена ESM2 в исследовательском рабочем процессе анализа белков

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

Metis-27B — дообученная мультимодальная модель с постоянной памятью для диалогов и обработки изображений.

Подходит для: диалоги с сохранением информации между обращениями · ответы с учётом ранее предоставленного контекста · обсуждение содержимого изображений

InternImage-T — модель классификации изображений, обученная на ImageNet-1K и рассчитанная на входное разрешение 224×224.

Подходит для: классификация объектов на изображениях · определение основного класса изображения · извлечение визуальных признаков для компьютерного зрения

Зрительная модель Apple AIMv2 для извлечения признаков изображений и последующего решения задач визуального понимания.

Подходит для: извлечение признаков изображений для последующей классификации · поиск изображений по визуальному сходству · подготовка визуальных представлений для мультимодальных систем

Производная модели meta-models/Muse-Glimmer-30B. 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

AIM-1B — предварительно обученная Apple авторегрессионная модель компьютерного зрения для классификации изображений и получения визуальных представлений.

Подходит для: классификация изображений · оценка качества визуальных признаков на ImageNet-1k · использование замороженной основы модели для компьютерного зрения

AIM-600M — авторегрессионная зрительная модель для извлечения признаков и классификации изображений.

Подходит для: классификация изображений · извлечение визуальных признаков для последующей классификации · оценка качества визуальных представлений на ImageNet-1k

Мультимодальная модель на базе Muse Glimmer-30B со сниженной частотой отказов для локальных агентных задач, анализа изображений, программирования и вызова инструментов.

Подходит для: анализ скриншотов, диаграмм и документов по запросу · создание локального агента с многошаговым планированием · вызов инструментов и функций в диалоговом сценарии

AIM-7B — авторегрессионная модель Apple для извлечения визуальных признаков и классификации изображений.

Подходит для: классификация изображений по категориям · оценка качества визуальных признаков на ImageNet-1k · использование замороженного визуального энкодера в задачах компьютерного зрения

Экспериментальный чекпойнт TIGER-Lab на базе мультимодальной архитектуры LLaVA для воспроизведения экспериментов с изображениями и текстом.

Подходит для: воспроизведение экспериментов с мультимодальной моделью · изучение архитектуры LLaVA для диалога по изображениям · исследование обработки изображений и текстовых запросов