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 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

Мультимодальная модель ServiceNow на 15 млрд параметров для диалоговых задач, рассуждений и анализа изображений.

Подходит для: ответы на вопросы по изображению · генерация и анализ кода · решение логических и многошаговых задач

Зрительная модель Apple AIMv2 с 308,3 млн параметров для извлечения признаков изображений и задач визуального понимания.

Подходит для: извлечение признаков изображений для последующего анализа · поиск похожих изображений по визуальным признакам · визуальное понимание изображений в мультимодальных системах

Вспомогательная модель Eagle для ускорения генерации текста Llama 3.3 70B с помощью спекулятивного декодирования в TensorRT-LLM.

Подходит для: ускорение ответов чат-бота на базе Llama 3.3 70B · ускорение генерации ответов в RAG-системе · ускорение ответов AI-агента

Дообученная модель MPT-30B для генерации текста и ответов на запросы.

Подходит для: генерация текста по пользовательскому запросу · ответы на вопросы в диалоговом формате · инструкционное выполнение текстовых запросов

Зрительная модель Apple AIMv2 для извлечения признаков изображений в задачах компьютерного зрения и мультимодального понимания.

Подходит для: извлечение признаков изображений для последующей классификации · подготовка визуальных представлений для мультимодального поиска · использование признаков в системах понимания изображений

Зрительная модель Apple AIMv2 для извлечения признаков изображений и последующего решения задач визуального понимания.

Подходит для: извлечение признаков изображений для последующей классификации · поиск изображений по визуальному сходству · подготовка визуальных представлений для мультимодальных систем

Вспомогательная DSpark-модель для спекулятивного декодирования с Kimi-K3, предназначенная для ускорения генерации текста.

Подходит для: ускорение генерации ответов с Kimi-K3 · ускорение генерации кода с Kimi-K3 · ускорение математических рассуждений с Kimi-K3

AIM-1B — предварительно обученная Apple авторегрессионная модель компьютерного зрения для классификации изображений и получения визуальных представлений.

Подходит для: классификация изображений · оценка качества визуальных признаков на ImageNet-1k · использование замороженной основы модели для компьютерного зрения

AIM-7B — авторегрессионная модель Apple для извлечения визуальных признаков и классификации изображений.

Подходит для: классификация изображений по категориям · оценка качества визуальных признаков на ImageNet-1k · использование замороженного визуального энкодера в задачах компьютерного зрения

Производная модели Qwen/Qwen3.6-35B-A3B. Открытая мультимодальная модель Qwen с 35 млрд параметров для диалогов, агентного программирования и анализа изображений.

Подходит для: написание и изменение кода в репозитории · анализ структуры проекта и поиск причин ошибок · создание веб-интерфейсов по описанию

Дообученная на данных Orca и диалогах модель Llama 2 на 70 млрд параметров для генерации ответов и многоходового общения.

Подходит для: ответы на вопросы в диалоге · поддержание многоходового общения с чат-ботом · генерация ответов с рассуждениями

Дообученная на данных Orca и диалогах модель Llama 2 7B для многоходового общения и генерации ответов с рассуждениями.

Подходит для: ведение многоходового диалога с чат-ботом · генерация ответов на пользовательские вопросы · создание помощника для рассуждений на английском языке

Дообученная чат-модель Llama 2 на 12,9 млрд параметров для генерации ответов, многошаговых диалогов и задач с рассуждениями.

Подходит для: ведение многошагового диалога с пользователем · генерация ответов на вопросы · создание чат-бота на основе Llama 2

Дообученная на Orca и диалоговых данных модель Llama 2 на 68,7 млрд параметров для текстовой генерации, рассуждений и многошагового общения.

Подходит для: ответы на вопросы в формате диалога · многошаговое общение с чат-ботом · решение задач на рассуждение по тексту

Дообученная GPT-NeoX модель на 26,9 млрд параметров для генерации текста по инструкциям и диалоговым запросам.

Подходит для: генерация ответов на текстовые инструкции · ведение текстового диалога · создание черновиков и продолжение текста

Дообученная на выборке Orca 70-миллиардная модель Llama 2 для генерации текста и диалоговых ответов.

Подходит для: генерация ответов на текстовые запросы · ведение диалога с языковой моделью · создание черновиков и продолжение текста

Дообученная на 100 тысячах примеров Orca чат-модель Llama 2 для генерации текстовых ответов.

Подходит для: ответы на вопросы в диалоге · генерация текста по запросу · создание чат-бота на базе Llama 2

Производная модели microsoft/TRELLIS.2-4B. TRELLIS.2-4B создаёт детализированные 3D-ассеты с PBR-материалами по одному изображению.

Подходит для: создание 3D-модели объекта по фотографии · генерация текстур для заданной 3D-сетки · подготовка детализированных 3D-ассетов для визуализации