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

Англоязычная BERT-модель AnglE для создания эмбеддингов предложений, семантического поиска и сравнения текстов.

Подходит для: поиск документов по смыслу на английском языке · сравнение семантической близости предложений · поиск ответов и фрагментов для RAG

Языковая модель мира Qwen для симуляции состояний сред и предсказания наблюдений после действий агента в текстовых и интерфейсных сценариях.

Подходит для: симуляция ответов MCP-инструментов для агента · генерация результатов поиска в траектории агента · предсказание вывода терминала после команды

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

StreetCLIP — CLIP-модель для определения географического происхождения уличных изображений методом классификации без дополнительного обучения.

Подходит для: определение страны или региона по фотографии улицы · оценка города происхождения уличного изображения · классификация городских и сельских сцен по визуальным признакам

RynnBrain 1.1-2B — дообученная мультимодальная модель для пространственного понимания изображений и видео, локализации объектов и рассуждений в сценариях embodied AI.

Подходит для: Определение объектов, их атрибутов и взаимного расположения в сцене · Локализация указанного объекта по текстовой инструкции на изображении · Понимание пространственной структуры видеосцены

Дообученная мультимодальная модель Qwen3-VL-2B для пространственного понимания изображений и видео, локализации объектов и ответов на вопросы о сценах.

Подходит для: ответы на вопросы о сценах от первого лица · подсчёт объектов на изображениях и в видео · распознавание текста в видеосценах

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

Модель Sentence Transformers на базе BERT создаёт эмбеддинги немецких и английских текстов для семантического поиска и сравнения предложений.

Подходит для: семантический поиск немецких документов · поиск релевантных фрагментов для RAG · сравнение сходства немецких предложений

Разговорная MoE-модель Huihui AI на основе Gemma 4, дообученная для диалогов, помощи с кодом и локального запуска.

Подходит для: помощь с написанием и пониманием кода · диалоговый помощник для локального запуска · планирование простых задач в чате

Мультимодальная модель Remyx AI для ответов на вопросы о пространственных отношениях и расстояниях между объектами на изображениях.

Подходит для: Определение, какой объект находится левее или выше другого · Оценка расстояния между объектами на изображении · Поиск ближайшего к заданному объекту предмета

Англоязычная BERT-модель эмбеддингов для поиска сходства между кодом и GitHub issues.

Подходит для: поиск похожих GitHub issues по описанию · сопоставление сообщения об ошибке с похожими обращениями · поиск похожих фрагментов кода по текстовому запросу

Локальный мультимодальный ассистент SurgeFF на базе Gemma 4 12B для диалогов, рассуждений, кода и анализа текста, изображений, аудио и видео.

Подходит для: ответы на вопросы и ведение диалогов с локальным ассистентом · анализ изображений и видеоматериалов · понимание аудиовхода

SpatialAxiom-9B — мультимодальная модель на базе Qwen3.5-9B для пространственного рассуждения по изображениям и видео.

Подходит для: определение взаимного расположения объектов в сцене · оценка размеров и планировки помещения по изображению · сопоставление объектов между несколькими ракурсами

Мультимодальная модель Alibaba DAMO Academy для понимания изображений и видео, пространственных рассуждений и локализации объектов в embodied AI.

Подходит для: Определение объектов и их атрибутов на изображении · Поиск объектов в изображении или видео по текстовой инструкции · Понимание пространственных отношений между объектами

Loc3R-VLM — видеоязыковая модель для поиска объектов и мест по текстовому описанию и пространственных рассуждений о 3D-сценах.

Подходит для: поиск места или объекта в видео по текстовому описанию · ответы на вопросы о расположении объектов в видеосцене · пространственные рассуждения с учётом точки обзора наблюдателя

Компактная LLaMA-совместимая языковая модель для локальных агентных рабочих процессов, диагностики Linux и генерации кода.

Подходит для: диагностика проблем Linux-серверов · помощь в системном администрировании и настройке инфраструктуры · генерация скриптов Bash и Python для автоматизации

Chipoint v2 извлекает признаки изображений и использует поиск по крупным галереям для определения места съёмки уличных и обычных фотографий.

Подходит для: поиск места съёмки уличного кадра по галерее панорам · геолокация обычной фотографии по крупной фотогалерее · ранжирование кандидатов мест съёмки для изображения

Модель создаёт эмбеддинги запросов и помогает находить и ранжировать подходящие навыки для AI-агентов.

Подходит для: поиск навыков агента по запросу пользователя · ранжирование навыков из каталога для выбора агентом · семантический поиск по библиотеке навыков AI-агентов

Открытая мультимодальная модель Ai2 для указания объектов и точек в видео по текстовому запросу.

Подходит для: указание положения объекта в видеоролике по описанию · заземление текстового запроса на точки в кадрах видео · поиск заданного объекта в последовательности видеокадров

Дообученная на основе Qwen3-8B модель для агентных сценариев с вызовами инструментов и планированием действий.

Подходит для: планирование последовательности вызовов инструментов · выполнение многошаговых задач через инструменты · выбор следующего действия агента по ответу инструмента

Производная модели hunarbatra/SpatialThinker-7B. SpatialThinker-7B — дообученная мультимодальная модель для пространственных вопросов и рассуждений по изображениям.

Подходит для: определение взаимного расположения объектов на изображении · ответы на вопросы о расстоянии, глубине и ориентации объектов · подсчёт объектов и проверка их наличия в сцене

Квантованный GGUF-вариант Qwen-AgentWorld для симуляции взаимодействия агента со средой и предсказания её состояний по действиям и истории.

Подходит для: предсказание состояния среды после действия агента · симуляция последовательности взаимодействий агента со средой · моделирование текстовых сценариев среды

Компактная мультимодальная модель Qwen3.5 для пространственного рассуждения по изображениям и выдачи координат объектов.

Подходит для: ответы на вопросы о расположении объектов на изображении · определение пространственных отношений между объектами · указание точки на изображении по текстовому запросу