Gemma 4 E4B Instruct — компактная мультимодальная модель Google DeepMind для диалога, рассуждений, программирования, анализа изображений и обработки аудио.

Подходит для: ответы на вопросы по изображениям и снимкам экрана · извлечение текста и сведений из документов и PDF · распознавание речи и подготовка транскриптов

Инструкционная мультимодальная модель Google DeepMind на 12 млрд параметров для диалога, анализа изображений, аудио и видео, генерации текста и кода.

Подходит для: ответы на вопросы по документам и PDF · извлечение текста с изображений и распознавание рукописного текста · распознавание речи и перевод речи в текст

Gemma 4 E4B — мультимодальная модель Google DeepMind для диалога, рассуждений, программирования и анализа изображений и аудио с генерацией текстовых ответов.

Подходит для: ответы на вопросы по изображениям и документам · распознавание речи и преобразование аудио в текст · перевод речи в текст на других языках

Компактная модель MobileNetV4 для классификации изображений ImageNet-1k, извлечения визуальных признаков и эмбеддингов.

Подходит для: Классификация объектов на изображениях · Распознавание классов ImageNet-1k · Извлечение карт признаков для компьютерного зрения

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

CvT-13 — модель компьютерного зрения для классификации изображений по 1000 классам ImageNet.

Подходит для: классификация изображений по классам ImageNet · распознавание объектов на фотографиях · определение категории изображения

Gemma 4 31B — мультимодальная модель Google DeepMind для диалога, рассуждений, программирования и анализа изображений с выдачей текстовых ответов.

Подходит для: ответы на вопросы по изображениям и скриншотам · извлечение текста из документов и изображений с помощью OCR · суммаризация длинных текстов и документов

Компактная сверточная модель MobileNetV4 для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений для поиска по сходству

Базовая мультимодальная модель Z.ai для исследований и дальнейшей разработки систем, работающих с изображениями и текстом.

Подходит для: исследование визуально-языковых моделей · разработка приложений для вопросов и ответов по изображениям · создание мультимодальных диалоговых систем

Компактная модель MobileNetV4 для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

Модель Inception-v4, обученная на ImageNet-1k, классифицирует изображения и извлекает признаки и эмбеддинги для систем компьютерного зрения.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение карт признаков из изображений · получение эмбеддингов изображений для поиска по сходству

Компактная сверточная MobileNetV4 с BlurPool для классификации изображений и извлечения визуальных признаков.

Подходит для: Классификация объектов на изображениях · Извлечение карт признаков для компьютерного зрения · Получение эмбеддингов изображений для поиска по сходству

ViViT — видеомодель с 113,2 млн параметров для классификации действий в роликах и дообучения на другие задачи видеоанализа.

Подходит для: распознавание действий в видеороликах · классификация видео по категориям Kinetics-400 · дообучение классификатора для пользовательских категорий видео

Сверточная модель MobileNetV4 для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-12k.

Подходит для: Классификация объектов на изображениях · Извлечение карт признаков для компьютерного зрения · Получение эмбеддингов изображений

Крупная модель CaiT, обученная на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: определение класса объекта на изображении · классификация фотографий по категориям ImageNet · извлечение признаков изображений для последующего анализа

GLM-4.5V — мультимодальная модель ZhipuAI для анализа изображений, видео, документов и графических интерфейсов с визуальными рассуждениями и локализацией объектов.

Подходит для: ответы на вопросы по изображениям и их содержимому · распознавание событий в длинных видео · извлечение данных из графиков и длинных документов

Сверточная MobileNetV4 для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

Мультимодальная чат-модель Gemma 4 на 31 млрд параметров с изменённым поведением отказов для диалогов, программирования и анализа изображений.

Подходит для: диалоги и ответы на общие вопросы · написание и разбор программного кода · ответы на вопросы по изображениям

R-4B — дообученная мультимодальная модель для диалогов, визуальных вопросов и ответов и задач рассуждения с адаптивным выбором режима ответа.

Подходит для: ответы на вопросы по изображениям · мультимодальные диалоги · решение математических задач

Дообученная на RESISC45 cars модель CLIP извлекает признаки изображений для задач классификации автомобилей.

Подходит для: извлечение признаков изображений автомобилей · классификация автомобилей по изображениям · подготовка визуальных представлений для последующей классификации

Компактная сверточная модель MobileNetV4 для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · распознавание распространённых объектов на фотографиях · извлечение карт признаков для компьютерного зрения

Сверточная MobileNetV4 для классификации изображений, предварительно обученная на ImageNet-12k и дообученная на ImageNet-1k.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение признаковых карт из изображений · получение эмбеддингов изображений для последующей обработки

MobileNetV4 Conv Large — сверточная модель timm для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях по классам ImageNet · получение визуальных признаков для компьютерного зрения · извлечение эмбеддингов изображений

Мультимодальная чат-модель OpenGVLab на 38 млрд параметров для анализа изображений и видео, визуального рассуждения и текстовых задач.

Подходит для: ответы на вопросы о содержимом изображения · сравнение и анализ нескольких изображений · понимание видеоматериалов