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
Плотная языковая модель Ornith AI на 9 млрд параметров для программирования, агентных задач и работы с инструментами в длинном контексте.
Подходит для: выполнение многошаговых задач программирования · поиск и исправление ошибок в коде · работа с репозиториями и создание программных изменений
Компактная 3,2-миллиардная языковая модель для диалогов, рассуждений, программирования и агентных задач с вызовом инструментов.
Подходит для: многошаговые задачи с вызовом внешних инструментов · помощь в программировании и работа кодового агента · решение математических и научных задач
Открытая мультимодальная MoE-модель Moonshot AI для программирования, анализа визуальных данных и автономного выполнения многошаговых задач с инструментами и агентами.
Подходит для: создание и исправление кода в многошаговых задачах · генерация веб-интерфейсов по текстовому описанию и изображениям · анализ изображений и видеокадров в диалоге
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
Диалоговая языковая модель Tencent для разработки программ, офисной аналитики, создания игровых прототипов и научных задач.
Подходит для: планирование и отладка программных проектов · создание и доработка интерфейсов · анализ документов и данных из нескольких файлов
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 мультиязычная языковая модель NVIDIA на 30 млрд параметров для генерации текста и последующего дообучения под инструкции и специализированные агентские задачи.
Подходит для: дообучение базовой модели для следования инструкциям · создание специализированных ИИ-агентов · генерация и продолжение текста на нескольких языках
Диалоговая языковая модель 01.AI на 5,8 млрд параметров для ответов на инструкции, рассуждений, математики, программирования и понимания текста.
Подходит для: ответы на вопросы в диалоге · выполнение инструкций на естественном языке · объяснение и решение математических задач
Плотная многоязычная языковая модель CMSManhattan на 32 млрд параметров для генерации текста, диалогов и локального CPU-развертывания.
Подходит для: генерация ответов в диалоговом интерфейсе · ответы на вопросы по внутренним документам в RAG-системе · написание и объяснение программного кода
Дообученная UkisAI модель Qwen для экономичного рассуждения, программирования и многошаговых агентных задач с поддержкой изображений.
Подходит для: решение задач программирования с агентом · выполнение многошаговых задач в терминале · разработка и отладка программного обеспечения
Диалоговая модель 01.AI с 8,6 млрд параметров и контекстом 16K для выполнения инструкций, программирования, математики и рассуждений.
Подходит для: ответы на вопросы и диалоги по инструкциям · объяснение и написание программного кода · решение математических задач
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
Дообученная Yi-1.5-34B разговорная модель для следования инструкциям, диалогов, программирования и вызова функций с контекстом до 32 768 токенов.
Подходит для: ответы на пользовательские вопросы в диалоге · выполнение инструкций и составление текстов · генерация и разбор программного кода
Дообученная Gemma 4 12B для решения алгоритмических задач на Python и генерации кода, проверенного тестами.
Подходит для: решение алгоритмических задач на Python · написание функций Python с учётом граничных случаев · генерация кода Python, проходящего детерминированные тесты
Объединённая 9,7-миллиардная языковая модель для рассуждений, программирования, диалогов и агентной работы с инструментами.
Подходит для: решение сложных математических задач · генерация и отладка кода · многошаговые диалоги с вызовом инструментов
Англоязычная авторегрессионная модель EleutherAI для генерации текста и научного исследования поведения и интерпретируемости языковых моделей.
Подходит для: эксперименты с генерацией английского текста · исследование интерпретируемости языковых моделей · сравнение поведения моделей разных размеров
Jan-v1-4B — дообученная модель Qwen3 для диалогов, агентного рассуждения, ответов на вопросы и работы с инструментами.
Подходит для: ответы на фактические вопросы · решение сложных задач в диалоге · создание чат-ассистента в Jan App
Открытая языковая модель MiniMax AI для сложных рассуждений, программирования, длинного контекста и агентной работы с инструментами.
Подходит для: решение олимпиадных математических задач · генерация и анализ программного кода · помощь в сложной программной инженерии
Небольшая англоязычная авторегрессионная модель EleutherAI для исследований генерации текста и поведения языковых моделей.
Подходит для: эксперименты с предсказанием следующего токена на английском языке · исследование поведения языковых моделей на разных этапах обучения · анализ интерпретируемости компактной трансформерной модели
Базовая двуязычная языковая модель 01.AI с 8,6 млрд параметров для генерации текста и адаптации под языковые задачи.
Подходит для: продолжение и генерация текста на английском и китайском · ответы на вопросы и чтение с пониманием · задачи на рассуждение и здравый смысл
Диалоговая модель Yi-1.5 с 8,6 млрд параметров, дообученная BAAI на инструкциях для генерации ответов и многошагового общения.
Подходит для: ответы на вопросы в чате · многошаговый диалог с ассистентом · решение текстовых задач по математике
ThinkOnly-вариант модели When2Think на 1,5 млрд параметров для математических задач с явным рассуждением, глубина которого адаптируется к сложности входа.
Подходит для: решение математических задач с пошаговым объяснением · ответы на задачи GSM-Plus и математических олимпиад · оценка влияния длины рассуждений на точность и вычислительные затраты
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