Мультимодальная модель Alibaba DAMO Academy для планирования роботизированных действий по изображениям сцены и текстовой цели.

Подходит для: планирование последовательности действий робота по заданной цели и изображению сцены · разбиение многошаговой задачи манипуляции на подзадачи · привязка объектов и целевых областей к физическому пространству

MGP-STR — зрительная модель Alibaba DAMO Academy для распознавания текста на изображениях с помощью предсказаний символов, подслов и слов.

Подходит для: распознавание текста на уличных вывесках · извлечение текста из фотографий и сканов · OCR для изображений с печатным текстом

Мультимодальная модель Alibaba для диалогов, рассуждений, анализа изображений и видео, программирования и агентной работы с инструментами.

Подходит для: создание мультимодального чат-бота · ответы на вопросы по изображениям · анализ содержимого видео

Дообученная мультимодальная модель Qwen на 27 млрд параметров для более эффективных рассуждений, программирования, диалогов и агентных задач.

Подходит для: написание и отладка кода · выполнение многошаговых задач через терминал · создание программных прототипов по текстовому описанию

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

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

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

Базовая мультимодальная модель Qwen3.5 с 0,8 млрд параметров для дообучения и экспериментов с текстом и изображениями.

Подходит для: дообучение компактной мультимодальной модели · эксперименты с обучением в контексте · создание чат-модели на базе Qwen3.5

Базовая мультимодальная модель Qwen3.5 на 4 млрд параметров для дообучения и экспериментов с текстом, изображениями и длинным контекстом.

Подходит для: дообучение мультимодального ассистента под собственные задачи · эксперименты с визуальными вопросами и ответами · адаптация модели с помощью LoRA

Модель NVIDIA для восприятия дорожной обстановки, объяснения решений и предсказания действий и траекторий автономного автомобиля по изображениям, видео, тексту и истории движения.

Подходит для: предсказание траектории автономного автомобиля · ответы на вопросы по видео с дорожных камер · привязка объектов на изображениях к координатам

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

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

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

Англоязычная BERT-модель Alibaba DAMO Academy, создающая текстовые эмбеддинги для поиска, сравнения смысловой близости и ранжирования.

Подходит для: семантический поиск по коллекции документов · поиск релевантных фрагментов для RAG · сравнение смысловой близости предложений

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

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

Англоязычная BERT-модель Alibaba DAMO Academy для создания эмбеддингов, семантического поиска и сравнения текстов.

Подходит для: семантический поиск по англоязычным документам · поиск похожих предложений · сравнение смысловой близости текстов

Англоязычная модель эмбеддингов GTE на основе BERT для семантического поиска и сравнения текстов.

Подходит для: семантический поиск по англоязычным документам · сравнение смыслового сходства предложений · поиск релевантных фрагментов для RAG

Мультимодальная MoE-модель Qwen с ослабленными отказами для диалогов, анализа изображений и агентного программирования.

Подходит для: диалог с чат-ботом с меньшим числом отказов · анализ изображений и ответы на вопросы по ним · помощь в программировании и работе с репозиториями

RynnBrain-8B — дообученная на Qwen3-VL мультимодальная модель для понимания видео от первого лица, пространственной локализации и поддержки планирования в робототехнике.

Подходит для: ответы на пространственные вопросы по видео от первого лица · распознавание объектов, атрибутов и отношений в сцене · подсчёт объектов на изображениях и видео

RynnBrain-CoP-8B — дообученная vision-language-модель для пространственного понимания изображений и видео от первого лица, локализации и планирования в робототехнике.

Подходит для: ответы на вопросы о сценах от первого лица · подсчёт объектов на изображении · распознавание текста на изображениях

Дообученная визуально-языковая модель для понимания сцен и построения многошаговых планов действий роботов.

Подходит для: декомпозиция цели робота на последовательность подзадач · планирование манипуляций по изображению сцены и текстовой цели · подготовка пространственно обоснованных инструкций для робототехнической системы

Модель на базе Qwen3-VL для навигации роботов и планирования маршрута по изображениям и языковым инструкциям.

Подходит для: навигация робота по визуальному наблюдению и текстовой инструкции · планирование пути в эгоцентрической сцене · поиск целевого объекта или области в сцене

RynnBrain-30B-A3B — мультимодальная модель для понимания сцен от первого лица, пространственной локализации и поддержки планирования в робототехнике.

Подходит для: ответы на вопросы о сцене от первого лица · распознавание и подсчёт объектов в видеосцене · извлечение текста из изображений и видео