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

Модель IBM на 3,5 млрд параметров для генерации, объяснения и исправления кода с контекстом до 2048 токенов.

Подходит для: генерация фрагментов кода по описанию · объяснение существующего кода · поиск и исправление ошибок в коде

Открытая модель Cohere для генерации кода, агентной разработки ПО и выполнения задач в терминале с поддержкой вызова инструментов.

Подходит для: генерация и дополнение программного кода · исправление ошибок и изменение кода в репозитории · выполнение задач разработки через терминальные инструменты

Ornith-1.0-35B — модель генерации кода на базе Qwen 3.5 для агентных задач, работы с репозиториями и вызова инструментов.

Подходит для: генерация и исправление кода по запросам · выполнение задач по изменению больших кодовых баз · автоматизация разработки через терминального агента

StarCoder — модель BigCode на 15,5 млрд параметров для генерации, продолжения и заполнения пропусков в коде на более чем 80 языках программирования.

Подходит для: автодополнение функций и фрагментов кода · заполнение пропущенного участка кода по контексту · генерация кода по примеру или каркасу

Базовая модель Meta на 13 млрд параметров для генерации, продолжения и понимания кода.

Подходит для: автодополнение фрагментов кода · заполнение пропусков в коде · генерация кода по текстовому контексту

Разреженная MoE-модель для генерации, отладки и изменения кода с избирательной INT8-квантизацией экспертных слоёв.

Подходит для: генерация программного кода по текстовому запросу · поиск и исправление ошибок в коде · изменение и рефакторинг существующих программ

Экспериментальная 27-миллиардная модель Jackrong для агентного программирования, отладки репозиториев и вызова инструментов.

Подходит для: генерация кода и правок в существующем репозитории · поиск и исправление ошибок в коде · создание патчей по описанию задачи

Дообученная на агентных траекториях модель Qwen3.5-9B для генерации кода и выполнения многошаговых задач разработки ПО.

Подходит для: написание и редактирование кода по запросу · поиск и исправление ошибок в проекте · выполнение задач разработки через терминал

Модель IBM Research с 8,1 млрд параметров для генерации и других задач работы с кодом, с контекстом до 4096 токенов.

Подходит для: генерация кода по описанию задачи · объяснение существующего кода · исправление ошибок в коде

Компактная MoE-модель для генерации кода, решения задач программирования и диалогов с инструментами, созданная прореживанием экспертов Ornith-1.5-35B-A3B.

Подходит для: генерация и дополнение программного кода · решение задач по программированию · ответы на вопросы о коде в диалоге

Агентная модель Moonshot AI для сложных задач программирования и многоэтапной разработки ПО с поддержкой изображений, видео и инструментов.

Подходит для: написание и изменение кода в крупных проектах · выполнение многоэтапных задач разработки через агентный интерфейс · поиск и исправление ошибок в программном обеспечении

Текстовая MoE-модель на базе Qwen, предназначенная для генерации кода, решения задач программирования и вызова инструментов.

Подходит для: генерация и дополнение программного кода · решение задач по программированию · написание кода на Rust, Java и JavaScript

Aurora-Code-1 — дообученная Perciqa MoE-модель для генерации, отладки и ревью кода, а также многошаговой работы с репозиториями.

Подходит для: генерация функций и программ по текстовому описанию · поиск причин ошибок и подготовка исправлений · ревью кода и выявление проблем безопасности

Базовая модель BigCode с 15,5 млрд параметров для генерации и продолжения кода на более чем 80 языках программирования.

Подходит для: продолжение функции по начатому фрагменту кода · заполнение пропусков между частями исходного кода · генерация шаблонного кода по контексту проекта

Компактная модель Maincode на 1 млрд параметров для генерации и автодополнения кода, прежде всего на Python.

Подходит для: генерация функций на Python по описанию · автодополнение кода при программировании · создание прототипов скриптов

Модель Dappit Labs на базе Qwen3.6 MoE для агентного написания и редактирования кода с вызовом инструментов.

Подходит для: написание кода по заданию в агентной оболочке · редактирование файлов проекта · итеративное исправление ошибок компиляции и тестов

Базовая модель Meta Code Llama на 70 млрд параметров для автодополнения, генерации и понимания кода.

Подходит для: автодополнение кода по контексту файла · генерация фрагментов кода по текстовому запросу · помощь в понимании и анализе кода

Инструкционная модель Qwen на 14 млрд параметров для генерации, анализа и исправления кода в диалоговых сценариях.

Подходит для: генерация кода по описанию задачи · поиск и исправление ошибок в коде · объяснение и анализ фрагментов кода

Модель Replit на 2,7 млрд параметров для автодополнения кода и тонкой настройки под задачи программирования.

Подходит для: автодополнение кода в редакторе · генерация продолжения фрагмента программы · создание шаблонов кода по контексту

BLOOMZ-560M — дообученная многоязычная модель BigScience для выполнения текстовых инструкций и задач zero-shot.

Подходит для: перевод коротких фраз по инструкции · ответы на вопросы на разных языках · определение тональности текста

Базовая кодовая модель IBM Research с контекстом 128 тысяч токенов для генерации, объяснения и анализа кода в масштабе репозитория.

Подходит для: генерация кода с учётом длинного контекста репозитория · объяснение фрагментов кода и структуры проекта · исправление ошибок в коде

Базовая модель IBM на 20 млрд параметров для генерации и анализа кода с контекстом до 8192 токенов.

Подходит для: генерация кода по описанию задачи · объяснение фрагментов кода · поиск и исправление ошибок в коде

StarCoderBase-1B — компактная модель BigCode для продолжения программного кода и заполнения пропусков в коде.

Подходит для: продолжение функции по начатому фрагменту кода · заполнение пропуска между частями исходного кода · генерация фрагмента кода по контексту файла