OmniSVG — дообученная мультимодальная модель для генерации SVG-значков и иллюстраций по тексту или изображению.

Подходит для: создание SVG-иконок по текстовому запросу · преобразование изображения в векторную SVG-графику · генерация сложных SVG-иллюстраций

Мультимодальная модель OmniSVG преобразует текстовые описания и изображения в векторную графику SVG.

Подходит для: создание SVG-иконок по текстовому описанию · преобразование изображения в SVG · генерация иллюстраций и персонажей в формате SVG

Мультимодальная модель для распознавания и структурированного разбора документов, а также преобразования диаграмм и другой графики в SVG.

Подходит для: извлечение текста и структуры из сканов документов · преобразование страниц PDF в Markdown · обнаружение блоков текста, таблиц и других элементов макета

StarVector-1B-im2svg создаёт код SVG по изображению или текстовому описанию, особенно для иконок, логотипов и технических диаграмм.

Подходит для: Векторизация растровых иконок в SVG · Создание SVG-логотипа по текстовому описанию · Преобразование технической схемы в SVG

Компактная мультимодальная модель OpenGVLab для диалога по изображениям и видео, понимания документов, графиков и визуального текста.

Подходит для: ответы на вопросы по изображению · извлечение текста из документов и изображений · понимание графиков и инфографики

Компактная мультимодальная модель Z.ai для диалога с изображениями, понимания документов и визуальных интерфейсов с локальным развёртыванием.

Подходит для: ответы на вопросы по изображениям и скриншотам · извлечение и анализ информации из страниц документов · понимание таблиц и графиков в документах

Мультимодальная модель OpenGVLab для диалога по изображениям и анализа визуальной информации, включая документы, диаграммы и текст на изображениях.

Подходит для: ответы на вопросы по изображениям · извлечение текста и понимание документов на изображениях · анализ диаграмм и инфографики

Мультимодальная модель на 11,1 млрд параметров, которая создаёт SVG-код по изображениям и текстовым запросам, особенно для иконок, логотипов и диаграмм.

Подходит для: Векторизация растровых иконок в SVG · Преобразование логотипа в редактируемую векторную графику · Создание SVG-диаграмм и технических схем по изображению

Компактная мультимодальная модель IBM для извлечения и структурирования информации из документов и других изображений.

Подходит для: извлечение данных из таблиц на изображениях · ответы на вопросы по графикам и диаграммам · разбор страниц документов в структурированный текст doctags

Мультимодальная модель на базе Qwen2.5-VL для генерации SVG по текстовым описаниям и изображениям.

Подходит для: создание SVG-иконок по текстовому описанию · генерация векторных иллюстраций по запросу · преобразование изображения в SVG

Мультимодальная модель, преобразующая изображения научных и технических фигур в редактируемый SVG-код.

Подходит для: перевод научной схемы в редактируемый SVG · векторизация технической иллюстрации · восстановление диаграммы по изображению

Мультимодальная модель HiVG на 3,1 млрд параметров создаёт редактируемую SVG-графику по изображениям и текстовым описаниям.

Подходит для: векторизация растрового изображения в редактируемый SVG · создание SVG-иллюстрации по текстовому описанию · восстановление структуры и деталей изображения в векторной графике

Плотная мультимодальная модель Qwen3-VL с визуальным рассуждением для анализа изображений и видео, OCR и взаимодействия с интерфейсами.

Подходит для: ответы на вопросы по изображениям · извлечение текста и структуры из документов и фотографий · поиск событий и разбор содержания видео

Компактная модель EfficientViT для сегментации областей макета на изображениях страниц документов в составе Surya.

Подходит для: выделение областей макета на сканах документов · анализ структуры страниц перед OCR · сегментация текста и других областей на изображении страницы

Мультимодальная модель SenseNova для генерации изображений по тексту и редактирования изображений с точным управлением содержимым и композицией.

Подходит для: создание изображений и иллюстраций по текстовым запросам · генерация плакатов, инфографики и брендовых материалов с текстом · создание изображений высокого разрешения до 4K

PixArt-Σ XL 2 1024 MS — трансформерная латентно-диффузионная модель для генерации и редактирования изображений по текстовым запросам.

Подходит для: создание иллюстраций по текстовому описанию · подготовка концепт-артов и дизайн-макетов · генерация изображений для творческих и образовательных инструментов

Плотная мультимодальная модель Qwen3-VL для рассуждений по тексту, изображениям и видео, включая OCR, пространственное понимание и визуальные задачи.

Подходит для: ответы на вопросы по изображениям · анализ и локализация событий в видео · распознавание текста и разбор структуры документов

Мультимодальная модель Abacus.AI на базе Qwen3.8-27B для многошагового использования инструментов и автоматизации задач.

Подходит для: выполнение многошаговых задач с вызовом инструментов · автоматизация рабочих процессов через агентные сценарии · управление действиями в исполняемой среде до достижения результата

Компактная Vision-Language-модель для извлечения текста и структуры из цифровых документов и их фотографий.

Подходит для: извлечение текста со сканов документов · разбор таблиц и сохранение их структуры · распознавание формул в научных документах

Мультимодальная модель Ovis2.5-9B анализирует изображения и видео, отвечает на вопросы и разбирает документы, графики и диаграммы.

Подходит для: ответы на вопросы по изображениям · распознавание текста в документах и формах · извлечение данных из таблиц и графиков

Компактная мультимодальная модель Docling для преобразования изображений документов в структурированный текст с распознаванием текста, таблиц, формул, кода и графиков.

Подходит для: извлечение текста из сканов и фотографий документов · преобразование страниц документов в структурированное представление DocTags · распознавание таблиц с заголовками строк и столбцов

Компактная мультимодальная модель Ovis2.5 для диалогового анализа изображений, OCR, понимания документов и визуальных рассуждений.

Подходит для: ответы на вопросы по изображению · распознавание текста в документах и формах · извлечение сведений из таблиц и диаграмм

GLM-4.6V — мультимодальная модель Z.ai для анализа изображений и документов, визуальных рассуждений и работы с инструментами.

Подходит для: ответы на вопросы по многостраничным документам с таблицами и диаграммами · анализ изображений и снимков экрана по текстовому запросу · создание визуально управляемых агентов с вызовом инструментов

Ovis2-4B — мультимодальная диалоговая модель для анализа изображений и видео, OCR и ответов на вопросы по визуальным данным.

Подходит для: ответы на вопросы по содержимому изображения · распознавание и извлечение текста с изображений · извлечение данных из таблиц и диаграмм