Мультимодальная модель Xiaomi MiMo на 9 млрд параметров для агентных задач, программирования, кибербезопасности и анализа изображений.
Подходит для: написание и исправление кода · выполнение многошаговых агентных задач · анализ изображений в диалоге
Kimi K3 — мультимодальная модель с открытыми весами от Moonshot AI для программирования, рассуждений и агентной работы с длинным контекстом.
Подходит для: написание и отладка кода в больших репозиториях · длительная работа агента с инструментами разработчика · анализ изображений и видео вместе с текстом
Мультимодальная модель Xiaomi для генерации текста, агентных задач и работы с инструментами, с контекстом до миллиона токенов.
Подходит для: написание и исправление программного кода · выполнение многошаговых задач с вызовом инструментов · ответы на вопросы по длинным репозиториям и трассам взаимодействия
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 MoE-модель Xiaomi для генерации текста, агентных задач, программирования и анализа изображений, видео и аудио с контекстом до 1 млн токенов.
Подходит для: генерация ответов в диалоге с вызовом инструментов · выполнение многошаговых задач автономным агентом · разработка и анализ программного кода
Дообученная на задаче классификации изображений модель DINOv2 Base для распознавания заболеваний листьев риса.
Подходит для: классификация фотографий листьев риса · автоматическое выявление заболеваний риса по изображениям · сортировка снимков листьев для агрономической проверки
Экспериментальная мультимодальная MoE-модель, дообученная для диалогов, рассуждений, анализа изображений и работы с инструментами.
Подходит для: решение задач по математике с пошаговыми рассуждениями · генерация и анализ программного кода · ответы на вопросы по изображениям
MiniCPM-V 2.6 — мультимодальная модель OpenBMB на 8 млрд параметров для диалога и анализа изображений, нескольких изображений и видео.
Подходит для: ответы на вопросы о содержимом изображения · распознавание текста на изображениях и в документах · сравнение нескольких изображений в диалоге
Модифицированная версия MiMo-V2.6-Distill-Qwen-9B с изменением поведения отказов, предназначенная для диалоговых экспериментов и мультимодальных сценариев.
Подходит для: эксперименты с уменьшением фраз отказа в ответах чат-модели · диалоговое взаимодействие с моделью семейства Qwen · исследование влияния модификации весов на поведение модели
Мультимодальная модель OpenGVLab на 2,2 млрд параметров для диалогов, ответов на вопросы и анализа изображений и документов.
Подходит для: ответы на вопросы по изображению · извлечение сведений из документов и сканов · распознавание текста на изображениях
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
MiniCPM-V 4.0 — мультимодальная модель OpenBMB для диалога и анализа изображений, нескольких изображений и видео, рассчитанная в том числе на локальный запуск.
Подходит для: ответы на вопросы по содержимому изображения · извлечение текста и данных из документов на изображениях · сравнение и анализ нескольких 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
Открытая мультимодальная модель Ai2 для ответов на вопросы и описания изображений, нескольких изображений и видео.
Подходит для: ответы на вопросы о содержимом видео · создание подписей к изображениям и видео · подсчёт объектов на изображении или в видео
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
Базовая модель Vision Transformer для классификации изображений по 1000 классам ImageNet и извлечения признаков для компьютерного зрения.
Подходит для: Классификация фотографий по классам ImageNet · Распознавание объектов на изображениях · Извлечение признаков изображений для последующего обучения классификатора
Визуальная модель Meta AI на базе ConvNeXt Small извлекает универсальные признаки изображений для поиска, классификации, сегментации и других задач компьютерного зрения.
Подходит для: поиск похожих изображений по визуальным признакам · классификация изображений с линейным классификатором · семантическая сегментация изображений
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
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
Компактная свёрточная модель ConvNeXt V2 для классификации изображений по 1000 классам ImageNet-1K.
Подходит для: классификация изображений по классам ImageNet-1K · определение объектов и сцен на фотографиях · извлечение базовых признаков изображений для компьютерного зрения
Мультимодальная модель OpenGVLab на 78 млрд параметров для диалога, анализа изображений и видео и визуального рассуждения.
Подходит для: ответы на вопросы по изображениям и видео · описание и сравнение нескольких изображений · анализ научных диаграмм и промышленных изображений
Мультимодальная модель Xiaomi на 7 млрд параметров для анализа изображений и видео, визуального рассуждения и ответов на вопросы.
Подходит для: ответы на вопросы о содержимом изображения · описание объектов и сцен на изображениях · анализ и понимание видеороликов
ViT-модель Alibaba MIIL для классификации изображений и извлечения визуальных признаков.
Подходит для: классификация объектов на изображениях · извлечение признаковых представлений изображений · использование визуального backbone в компьютерном зрении
Мультимодальная модель OpenGVLab на 4,2 млрд параметров для диалога по изображениям, чтения документов и визуальных вопросов и ответов.
Подходит для: ответы на вопросы по фотографиям и изображениям · извлечение текста с изображений и документов · понимание диаграмм, графиков и инфографики