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

GLM-4.5-Air — гибридная диалоговая модель Zhipu AI для рассуждений, программирования и интеллектуальных агентов с поддержкой инструментов.

Подходит для: диалоговые ответы на вопросы · пошаговое рассуждение над сложными задачами · генерация и анализ программного кода

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

GLM-4.7-Flash — диалоговая MoE-модель Z.ai для генерации текста, рассуждений и программирования с длинным контекстом.

Подходит для: диалоговые ответы на вопросы на английском и китайском · решение математических задач и задач на рассуждение · генерация и анализ программного кода

GLM-4.7 — англо-китайская языковая модель Z.ai для программирования, агентных задач, рассуждений и диалогов.

Подходит для: генерация и отладка программного кода · выполнение задач разработки через терминальный агент · создание веб-страниц и интерфейсов по описанию

Дообученная мультимодальная модель Qwen на 27 млрд параметров для более эффективных рассуждений, программирования, диалогов и агентных задач.

Подходит для: написание и отладка кода · выполнение многошаговых задач через терминал · создание программных прототипов по текстовому описанию

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

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

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

Гибридная языковая модель OpenBMB для диалогов и генерации текста с эффективной обработкой длинного контекста.

Подходит для: ответы на вопросы по длинным документам · суммаризация больших текстовых массивов · многоходовые диалоги с длинной историей

Jan-v1-4B — дообученная модель Qwen3 для диалогов, агентного рассуждения, ответов на вопросы и работы с инструментами.

Подходит для: ответы на фактические вопросы · решение сложных задач в диалоге · создание чат-ассистента в Jan App

Мультимодальная модель Jan на базе Qwen3-VL для быстрой многошаговой автоматизации браузеров и настольных приложений по скриншотам и инструкциям.

Подходит для: пошаговое управление браузером по скриншотам · автоматизация действий в настольных приложениях · выполнение длинных цепочек действий с заданным планом

Сжатая диалоговая MoE-модель GLM-4.7-Flash для генерации текста, программирования и агентных задач с контекстом до 202 752 токенов.

Подходит для: генерация и объяснение программного кода · работа с большими репозиториями кода · вызов функций в диалоговых приложениях

Mamba-2 1.3B — языковая модель для авторегрессивной генерации текста на архитектуре Mamba-2.

Подходит для: генерация продолжения текста по подсказке · создание черновиков и коротких текстов · эксперименты с языковыми моделями на архитектуре Mamba-2

Англоязычная модель Mamba2 с тремя блоками внимания, маршрутизируемыми по энтропии, для генерации текста и исследований гибридных архитектур.

Подходит для: генерация продолжения англоязычного текста · эксперименты с гибридами рекуррентных сетей и внимания · изучение маршрутизации внимания по неопределённости

Квантованная 35B разговорная модель в GGUF для локального чата и многоагентных сценариев с вызовом инструментов на AMD Strix Halo.

Подходит для: локальный диалоговый помощник на компьютере с AMD Strix Halo · вызов инструментов в агентных приложениях · параллельная работа нескольких локальных ИИ-агентов

Предварительная модель MindLab Research на базе GLM-5.1 для персонального агентного планирования, вызова инструментов, программирования и генерации интерфейсов.

Подходит для: планирование личных дел с учётом меняющихся условий · поиск мест и координация маршрутов через инструменты · работа с календарём и задачами через агентные API

Базовая гибридная языковая модель AI21 с архитектурой Mamba-Transformer и MoE для генерации текста и дообучения под специализированные задачи.

Подходит для: генерация продолжения текста · создание специализированной модели дообучением · подготовка основы для чат- или instruct-модели

Диалоговая текстовая модель семейства Llama примерно на 7,5 млрд параметров для генерации ответов на текстовые запросы.

Подходит для: диалоговые ответы на текстовые запросы · генерация продолжения текста · создание чат-бота на базе Transformers

Модифицированная MiniCPM5-2B для генерации текста и контролируемых исследований отказов и защитных механизмов языковых моделей.

Подходит для: проверка устойчивости языковых моделей к jailbreak-запросам · исследование механизмов отказа в ответах ИИ · red teaming диалоговых моделей в контролируемой среде

Квантованная в экспериментальный формат ROCmFP4 базовая языковая модель NVIDIA Nemotron 3.5 Lightning для локальной генерации текста на совместимом оборудовании AMD.

Подходит для: локальная генерация ответов и продолжений текста · запуск языковой модели с длинным контекстом · генерация кода и структурированного JSON с профилем COHERENT

Компактная модель семейства Gemma 4 для диалоговой генерации, экспериментов и оценки устойчивости, переупакованная для совместимости с Transformers.

Подходит для: генерация ответов в диалоге · прототипирование компактных языковых моделей · оценка устойчивости к сложным и состязательным запросам

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

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