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

JiRack Ultra 14B — 14-миллиардная диалоговая модель CMSManhattan для генерации текста, локального CPU-инференса и сценариев с RAG и вызовом инструментов.

Подходит для: генерация ответов в диалоговом интерфейсе · локальный запуск языковой модели на CPU · подготовка ответов по внутренним документам в RAG-системе

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

Крупная модель MoE на базе Qwen 3.5 для агентного программирования, решения задач разработки и работы с инструментами.

Подходит для: решение задач разработки в терминальном coding-агенте · поиск и исправление ошибок в кодовой базе · автоматизация задач программирования с вызовом инструментов

JiRack Ultra 7B — многоязычная текстовая модель для локальной генерации, диалогов и применения в RAG и агентных сценариях с оптимизацией для CPU.

Подходит для: диалоговый ассистент для локального запуска на CPU · ответы на вопросы по внутренним документам в RAG-системе · генерация текста на русском и других поддерживаемых языках

JiRack Ultra 32B — 32-миллиардная диалоговая языковая модель для генерации текста, RAG и агентных сценариев, оптимизированная для запуска на CPU.

Подходит для: ответы на вопросы по внутренним документам в RAG-системе · локальный диалоговый помощник на CPU · генерация и объяснение программного кода

Базовая мультиязычная языковая модель NVIDIA на 30 млрд параметров для генерации текста и последующего дообучения под инструкции и специализированные агентские задачи.

Подходит для: дообучение базовой модели для следования инструкциям · создание специализированных ИИ-агентов · генерация и продолжение текста на нескольких языках

Текстовая MoE-модель для генерации текста и кода, агентных задач и работы с инструментами с удалённым поведением отказа.

Подходит для: генерация и отладка программного кода · автоматизация задач программирования агентом · генерация ответов в диалоговом интерфейсе

Текстовая MoE-модель JiRack на основе Qwen3.8-Flash-Next для диалога, генерации кода и вызова инструментов с эффективным вычислением на CPU.

Подходит для: ответы на запросы в чат-интерфейсе · генерация и дополнение программного кода · вызов инструментов в агентных сценариях

Компактная decoder-only языковая модель семейства pico-decoder для генерации текста и исследовательского анализа обучения.

Подходит для: генерация продолжения текста · эксперименты с предобучением языковых моделей · анализ обучения по слоям модели

Базовая MoE-модель Qwen2 с 57 млрд параметров и 14 млрд активных параметров для дальнейшего обучения и исследований генерации и понимания текста.

Подходит для: дальнейшее обучение языковой модели под собственные задачи · оценка качества ответов на вопросы и рассуждений · эксперименты с математическими задачами

Дообученная модель Qwen2 на 7,1 млрд параметров для генерации CUDA-ядер и CUDA-расширений из модулей PyTorch.

Подходит для: генерация CUDA-расширения для модуля PyTorch · создание GPU-ядер на CUDA C++ · подготовка кандидатов CUDA-реализации для KernelBench

Специализированная модель ByteDance-Seed на базе Qwen3-8B для генерации и оптимизации CUDA-ядер.

Подходит для: генерация CUDA-ядер для научных вычислений · создание GPU-ядер для задач машинного обучения · оптимизация CUDA-кода для заданной GPU

Дообученная Gemma 4 12B для решения алгоритмических задач на Python и генерации кода, проверенного тестами.

Подходит для: решение алгоритмических задач на Python · написание функций Python с учётом граничных случаев · генерация кода Python, проходящего детерминированные тесты

Дообученная на базе Qwen2.5-Coder-7B-Instruct модель для генерации CUDA-ядер и расширений из модулей PyTorch.

Подходит для: генерация CUDA-расширений для модулей PyTorch · написание CUDA-ядер для вычислений на GPU · создание кандидатов CUDA-кода для задач KernelBench

Компактная дообученная языковая модель NVIDIA для диалогов, рассуждений, программирования и агентных задач на устройствах с ускорением NVIDIA.

Подходит для: создание локального голосового помощника · разработка диалоговых игровых NPC и компаньонов · автоматизация устройств и сценариев IoT

Объединённая 9,7-миллиардная языковая модель для рассуждений, программирования, диалогов и агентной работы с инструментами.

Подходит для: решение сложных математических задач · генерация и отладка кода · многошаговые диалоги с вызовом инструментов

KernelLLM — дообученная Llama 3.1 8B Instruct для генерации GPU-ядер на Triton по коду PyTorch.

Подходит для: генерация Triton-ядра по модулю PyTorch · создание вызывающего кода для Triton-ядра · подготовка нескольких кандидатов GPU-ядра для последующей проверки

Экспериментальная объединённая модель Qwen3.5 на 9 млрд параметров для генерации кода, многошаговых рассуждений и агентных рабочих процессов разработки.

Подходит для: генерация кода по описанию задачи · понимание и изменение существующего кода · поиск и исправление ошибок в коде

ModujoMoE — базовая MoE-языковая модель для продолжения текста и дальнейших экспериментов с предобучением и настройкой.

Подходит для: продолжение короткого текста на португальском языке · эксперименты с дообучением языковой модели · исследование маршрутизации экспертов в MoE-моделях

Juno-N-Coder-25B — производная модели Nemotron-H для генерации кода и помощи в задачах разработки программного обеспечения.

Подходит для: генерация фрагментов кода по описанию · решение задач по программированию · написание и дополнение кода в проекте

ThinkOnly-вариант модели When2Think на 1,5 млрд параметров для математических задач с явным рассуждением, глубина которого адаптируется к сложности входа.

Подходит для: решение математических задач с пошаговым объяснением · ответы на задачи GSM-Plus и математических олимпиад · оценка влияния длины рассуждений на точность и вычислительные затраты

Разговорная MoE-модель Huihui AI на основе Gemma 4, дообученная для диалогов, помощи с кодом и локального запуска.

Подходит для: помощь с написанием и пониманием кода · диалоговый помощник для локального запуска · планирование простых задач в чате

Плотная модель Qwen3.5 на 9,65 млрд параметров для генерации кода, технических рассуждений и работы с инструментами в агентных сценариях.

Подходит для: генерация и рефакторинг кода в многофайловых проектах · поиск и исправление ошибок в программном коде · планирование многоэтапных задач разработки ПО