Открытая мультимодальная модель Qwen на 27 млрд параметров для программирования, агентных задач и работы с изображениями.

Подходит для: генерация и отладка кода · анализ и изменение кода в репозитории · разработка веб-интерфейсов по описанию

Процессная reward-модель на базе Qwen2.5 для оценки шагов математических рассуждений и выявления ошибок в решениях.

Подходит для: оценка правильности промежуточных шагов математического решения · поиск ошибочного шага в цепочке рассуждений · ранжирование нескольких математических решений по качеству рассуждений

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

Модель вознаграждения на базе Llama 3.1 оценивает предпочтительность ответов и помогает ранжировать результаты языковых моделей.

Подходит для: оценка качества ответов чат-бота · выбор лучшего ответа из нескольких вариантов · ранжирование ответов языковой модели

Мультимодальная модель на базе Qwen3.5-9B, которая оценивает варианты ответа по тексту, изображениям и видео, возвращая калиброванные вероятности для задач принятия решений.

Подходит для: оценка вариантов действий GUI-агента по скриншоту · ответы на вопросы о содержимом изображений · ответы на вопросы по видео

Англоязычная модель-судья на базе Mistral для оценки ответов LLM по критериям и попарного ранжирования.

Подходит для: оценка ответа языковой модели по рубрике от 1 до 5 · сравнение и ранжирование двух ответов LLM · генерация обоснованной обратной связи для ответа модели

Reward-модель на 72 млрд параметров оценивает математические рассуждения и помогает отбирать ответы или формировать сигналы вознаграждения при обучении.

Подходит для: оценка качества математических решений и промежуточных шагов · отбор обучающих примеров с помощью reward-оценок и rejection sampling · формирование сигнала вознаграждения для обучения с подкреплением

decider-4b — дообученная языковая модель, которая за один проход оценивает заданные варианты ответов для типизированных вопросов и состояний.

Подходит для: выбор действия в игре по текущему состоянию · оценка вариантов решения для браузерного агента · классификация состояния по заданному набору меток

Мультимодальная модель на 27 млрд параметров, которая оценивает варианты ответа по тексту, изображениям и видео, выдавая калиброванные вероятности.

Подходит для: оценка вариантов действий по скриншоту интерфейса · ответы на вопросы по фотографиям и изображениям · оценка событий и вариантов по видео

Компактная мультимодальная модель OmniJev оценивает варианты решений по тексту, скриншотам, изображениям и видео, выдавая вероятности ответов.

Подходит для: оценка вариантов действий GUI-агента по скриншоту · выбор ответа на вопрос об изображении · оценка вариантов решения по видеозаписи

Компактная модель Skywork для оценки и ранжирования ответов языковых моделей по предпочтениям.

Подходит для: сравнение качества двух ответов чат-бота · ранжирование вариантов ответа по предпочтительности · оценка ответов при разработке языковой модели

Дообученная модель Qwen3.5-9B для выбора действий в браузере, маршрутизации рабочих процессов и оценки вариантов по текстовым принципам.

Подходит для: ранжирование кандидатов следующего действия браузера · выбор маршрута для рабочего процесса · оценка вариантов по заданному принципу на естественном языке

Компактная модель FrontiersMind для классификации и выдачи вероятностных ответов на типизированные вопросы по одному текстовому состоянию.

Подходит для: классификация документа по заданным категориям · ответы «да» или «нет» на вопросы по состоянию · выбор наиболее подходящего варианта из списка

Компактная модель на базе Qwen3.5-4B оценивает вероятности заданных вариантов ответа для сценариев принятия решений.

Подходит для: оценка вероятности ответа «да» или «нет» по описанию состояния · выбор наиболее подходящего варианта из заданного списка · выставление оценки по многоуровневой шкале

Мультимодальный агент inclusionAI на базе Qwen3.5-9B для выполнения задач в мобильных, веб- и настольных графических интерфейсах.

Подходит для: выполнение пошаговых задач в мобильных приложениях · навигация по сайтам и заполнение веб-форм · управление настольными приложениями через интерфейс ОС

Мультимодальная модель Surogate для выбора и оценки вариантов ответа по тексту, структурированным данным и изображениям.

Подходит для: выбор правильного ответа из нескольких вариантов · оценка вероятности истинности утверждения · выставление балла по порядковой шкале

Мультимодальная reward-модель для проверки выполнения задач агентами, управляющими компьютером, по инструкциям, снимкам экрана и журналам действий.

Подходит для: проверка, выполнил ли компьютерный агент пользовательскую задачу · оценка траекторий действий агента по снимкам экрана · выявление ошибочных заявлений агента об успешном выполнении

JevK5 — дообученная на базе Qwen3.5-4B модель, которая оценивает вероятности заданных вариантов для вопросов выбора, «да/нет» и оценки.

Подходит для: маршрутизация обращений клиентов по командам · классификация запроса по заданным категориям · выбор действия на основе описания состояния

ThinkPRM-1.5B — текстовая модель для пошаговой проверки рассуждений и оценки корректности решений, включая математические задачи и код.

Подходит для: проверка каждого шага математического решения · ранжирование нескольких кандидатных решений · оценка корректности решения задачи целиком

Мультимодальная модель на базе Qwen3.5-4B, которая анализирует изображения, видео и текст и выдаёт откалиброванные вероятности вариантов ответа для задач принятия решений.

Подходит для: оценка вероятностей вариантов ответа по скриншоту интерфейса · ответы на вопросы о содержимом изображения · анализ видеозаписей для принятия решений агентом

Дообученная Qwen3.5-4B оценивает варианты действий для браузера и рабочих процессов и помогает формировать текстовые решения.

Подходит для: ранжирование кандидатов действий браузера · выбор следующего шага в автоматизированном рабочем процессе · маршрутизация запросов между этапами workflow

M-Prometheus-14B — дообученная мультиязычная модель-судья для оценки и сравнения ответов LLM с развёрнутой обратной связью.

Подходит для: оценка качества ответов языковых моделей · сравнение двух сгенерированных ответов · генерация развёрнутой обратной связи по тексту

Мультимодальная модель для оценки вариантов действий и выбора следующего клика по скриншоту или текстовому состоянию интерфейса.

Подходит для: выбор цели клика на скриншоте интерфейса · оценка вероятностей для предложенных действий компьютерного агента · ответы yes/no на вопросы о состоянии интерфейса

PlayJev — дообученная мультимодальная модель для выбора ходов в небольших играх по кадру экрана и списку допустимых действий.

Подходит для: выбор хода в браузерной игре по скриншоту · управление игрой из набора допустимых действий · оценка вероятностей игровых ходов за один проход модели