Компактная мультимодальная модель Qwen для диалогов, анализа изображений, вызова инструментов и разработки специализированных решений.
Подходит для: ответы на вопросы по изображениям · описание и интерпретация визуальных материалов · мультимодальный диалог с изображениями
Мультимодальная модель Qwen с 2 млрд параметров для диалогов, понимания изображений, рассуждений и вызова инструментов.
Подходит для: ответы на вопросы по изображению · диалоговый помощник с текстовым и визуальным вводом · вызов инструментов в агентных сценариях
Мультимодальная модель Google на 27 млрд параметров для диалогов, генерации текста и ответов на вопросы по изображениям.
Подходит для: ответы на вопросы по изображениям · извлечение и краткое описание сведений с изображений · суммаризация документов и длинных текстов
Мультимодальная модель Z.ai для диалогов, анализа изображений, программирования и агентных задач.
Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · помощь с программированием
Компактная мультимодальная модель Mistral AI для диалогов, выполнения инструкций и анализа изображений на локальных и периферийных устройствах.
Подходит для: ответы на вопросы по изображению · создание подписей к изображениям · классификация текста
Мультимодальная модель Google Gemma 3 для диалогов, генерации текста и ответов на вопросы по изображениям.
Подходит для: ответы на вопросы по изображению · извлечение и объяснение визуальной информации · суммаризация документов и текстов
Плотная мультимодальная модель Qwen на 27 млрд параметров для диалогов, анализа изображений и видео, программирования и многошаговых задач.
Подходит для: ответы на вопросы по изображениям и диаграммам · извлечение и анализ информации из документов · понимание содержания видеозаписей
Постобученная мультимодальная модель на базе Qwen3.5-2B для диалогов, анализа изображений и вызова инструментов.
Подходит для: ответы на вопросы о содержимом изображений · диалоговый помощник с поддержкой визуальных запросов · вызов инструментов из диалога
Мультимодальная модель TaichuAI на 9 млрд параметров для понимания изображений и видео, пространственных рассуждений и многошаговых агентных задач.
Подходит для: ответы на вопросы по изображениям, документам и графикам · распознавание и интерпретация текста на изображениях · анализ событий и поиск деталей в видеозаписях
Мультимодальная модель Qwen с разреженной MoE-архитектурой для диалога, анализа изображений и агентных задач с длинным контекстом.
Подходит для: ответы на вопросы по изображениям · диалог с вызовом инструментов · выполнение агентных задач в программировании
Квантованная в формате GGUF мультимодальная MoE-модель на базе Qwen3.6-35B-A3B для диалогов и генерации текста по текстовым и визуальным запросам.
Подходит для: диалоговый помощник с вводом текста и изображений · ответы на вопросы по изображению · генерация текста и рассуждений
Открытая мультимодальная модель Qwen с 35 млрд параметров для диалогов, агентного программирования и анализа изображений.
Подходит для: написание и изменение кода в репозитории · анализ структуры проекта и поиск причин ошибок · создание веб-интерфейсов по описанию
Мультимодальная encoder-decoder модель Google для генерации текста и понимания изображений с контекстом до 128 тысяч токенов.
Подходит для: ответы на вопросы по изображениям и документам · извлечение сведений из изображений документов · суммаризация длинных текстов
Мультимодальная чат-модель Gemma 3 для ответов на вопросы по изображениям и тексту, конвертированная для запуска через MLX.
Подходит для: ответы на вопросы о содержимом изображения · описание изображений в диалоге · визуальный чат с изображениями
Компактная модель Moondream, дообученная для генерации текстовых описаний изображений.
Подходит для: создание подписей к изображениям · автоматическое описание визуальных сцен · добавление описаний к изображениям в каталоге
LocateAnything-3B — мультимодальная модель NVIDIA для обнаружения объектов и привязки текстовых запросов к областям и точкам на изображениях.
Подходит для: поиск объектов на изображении по названию или описанию · обнаружение множества объектов в загруженных сценах · выделение области изображения, соответствующей фразе
8-битная MLX-конверсия Gemma 3 4B IT для диалога и ответов на вопросы по изображениям.
Подходит для: ответы на вопросы по загруженным изображениям · описание содержимого фотографии · диалог с мультимодальным помощником
Предобученная мультимодальная модель Google на 12 млрд параметров для ответов по изображениям и тексту, суммаризации и генерации текста.
Подходит для: ответы на вопросы по изображению · описание и интерпретация изображений · извлечение сведений из визуальных материалов
Мультимодальная модель Kwai-Keye на базе Qwen2.5-VL для анализа изображений высокого разрешения и сложных визуальных задач с использованием исполняемого кода.
Подходит для: анализ изображений высокого разрешения по текстовым инструкциям · решение сложных задач визуального рассуждения · выполнение вычислений при анализе изображений
Мультимодальная предварительно обученная модель Gemma 3 на 4 млрд параметров для понимания изображений и текста с генерацией текстовых ответов.
Подходит для: ответы на вопросы по изображениям · извлечение сведений из визуальных материалов · суммаризация содержания изображений текстом
Предварительно обученная мультимодальная модель Google на 27 млрд параметров для понимания изображений и генерации текста.
Подходит для: ответы на вопросы по содержимому изображения · описание изображений и извлечение визуальных данных · суммаризация текстов и документов
Мультимодальная чат-модель Google на базе Gemma 3 4B IT для генерации текста и ответов на вопросы по изображениям.
Подходит для: ответы на вопросы по изображению · извлечение и краткое изложение сведений с изображения · суммаризация документов и текстов
Инструкционно настроенная мультимодальная модель Google на 12 млрд параметров для диалогов, генерации текста и ответов по изображениям.
Подходит для: ответы на вопросы по изображению · извлечение и описание информации с изображений · суммаризация документов и текстов
Мультимодальная Gemma 3 12B IT принимает текст и изображения и генерирует ответы, описания и сводки по инструкциям.
Подходит для: ответы на вопросы по изображению · извлечение и краткое описание информации с изображения · диалог с виртуальным помощником