Базовая модель Meta с 7 млрд параметров для генерации, автодополнения и заполнения пропусков в программном коде.
Подходит для: автодополнение фрагментов кода · заполнение пропусков в исходном коде · генерация кода по текстовому контексту
Базовая модель Meta с 7 млрд параметров для генерации, автодополнения и заполнения пропусков в программном коде.
Подходит для: автодополнение фрагментов кода · заполнение пропусков в исходном коде · генерация кода по текстовому контексту
Компактная MoE-модель для генерации кода, решения задач программирования и диалогов с инструментами, созданная прореживанием экспертов Ornith-1.5-35B-A3B.
Подходит для: генерация и дополнение программного кода · решение задач по программированию · ответы на вопросы о коде в диалоге
Компактная модель Maincode на 1 млрд параметров для генерации и автодополнения кода, прежде всего на Python.
Подходит для: генерация функций на Python по описанию · автодополнение кода при программировании · создание прототипов скриптов
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
Базовая модель Meta на 13 млрд параметров для генерации, продолжения и понимания кода.
Подходит для: автодополнение фрагментов кода · заполнение пропусков в коде · генерация кода по текстовому контексту
Разреженная MoE-модель на базе Qwen3.8-Flash-Next для генерации, отладки и изменения программного кода.
Подходит для: написание функций и модулей по описанию задачи · поиск и исправление ошибок в коде · изменение существующего кода по запросу
StarCoder — модель BigCode на 15,5 млрд параметров для генерации, продолжения и заполнения пропусков в коде на более чем 80 языках программирования.
Подходит для: автодополнение функций и фрагментов кода · заполнение пропущенного участка кода по контексту · генерация кода по примеру или каркасу
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
Текстовая MoE-модель на базе Qwen, предназначенная для генерации кода, решения задач программирования и вызова инструментов.
Подходит для: генерация и дополнение программного кода · решение задач по программированию · написание кода на Rust, Java и JavaScript
Разреженная MoE-модель для генерации, отладки и изменения кода с избирательной INT8-квантизацией экспертных слоёв.
Подходит для: генерация программного кода по текстовому запросу · поиск и исправление ошибок в коде · изменение и рефакторинг существующих программ
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
Базовая модель Qwen2.5-Coder на 32 млрд параметров для генерации, анализа и исправления программного кода.
Подходит для: генерация фрагментов кода по текстовому описанию · продолжение исходного кода · поиск и исправление ошибок в коде
Базовая модель Meta с 33,5 млрд параметров для автодополнения, генерации и понимания кода.
Подходит для: автодополнение кода по текстовому контексту · генерация фрагментов кода · анализ и понимание исходного кода
Ornith-1.0-35B — модель генерации кода на базе Qwen 3.5 для агентных задач, работы с репозиториями и вызова инструментов.
Подходит для: генерация и исправление кода по запросам · выполнение задач по изменению больших кодовых баз · автоматизация разработки через терминального агента
Дообученная на агентных траекториях модель Qwen3.5-9B для генерации кода и выполнения многошаговых задач разработки ПО.
Подходит для: написание и редактирование кода по запросу · поиск и исправление ошибок в проекте · выполнение задач разработки через терминал
InCoder 1B — модель Facebook на 1,5 млрд параметров для продолжения кода и заполнения пропусков в кодовых фрагментах.
Подходит для: автодополнение кода в редакторе · заполнение пропущенного блока кода · генерация продолжения Python-кода
Базовая модель BigCode с 15,5 млрд параметров для генерации и продолжения кода на более чем 80 языках программирования.
Подходит для: продолжение функции по начатому фрагменту кода · заполнение пропусков между частями исходного кода · генерация шаблонного кода по контексту проекта
Модель IBM Research с 8,1 млрд параметров для генерации и других задач работы с кодом, с контекстом до 4096 токенов.
Подходит для: генерация кода по описанию задачи · объяснение существующего кода · исправление ошибок в коде
Базовая модель DeepSeek на 6,6 млрд параметров для генерации, дополнения и заполнения пропусков в коде с контекстом до 16 384 токенов.
Подходит для: автодополнение кода в редакторе · заполнение пропусков и вставка кода по контексту · завершение кода с учётом файлов проекта
Базовая модель Meta Code Llama на 70 млрд параметров для автодополнения, генерации и понимания кода.
Подходит для: автодополнение кода по контексту файла · генерация фрагментов кода по текстовому запросу · помощь в понимании и анализе кода
Экспериментальная 27-миллиардная модель Jackrong для агентного программирования, отладки репозиториев и вызова инструментов.
Подходит для: генерация кода и правок в существующем репозитории · поиск и исправление ошибок в коде · создание патчей по описанию задачи
BLOOMZ-560M — дообученная многоязычная модель BigScience для выполнения текстовых инструкций и задач zero-shot.
Подходит для: перевод коротких фраз по инструкции · ответы на вопросы на разных языках · определение тональности текста
Модель Dappit Labs на базе Qwen3.6 MoE для агентного написания и редактирования кода с вызовом инструментов.
Подходит для: написание кода по заданию в агентной оболочке · редактирование файлов проекта · итеративное исправление ошибок компиляции и тестов
Дообученная Microsoft модель Qwen2.5-Coder на 7,1 млрд параметров для редактирования и генерации кода с контекстом до 32 тысяч токенов.
Подходит для: предложение правок в существующем коде · исправление ошибок в коде · генерация кода по запросу в чате