Экспериментальная чат-модель DeepSeek V4 с поддержкой изображений, упакованная для MLX и предназначенная для локального запуска в Inferencer.
Подходит для: ответы на вопросы по изображениям в диалоге · чат с длинным контекстом · локальный запуск мультимодальной модели на устройствах Apple Silicon
Мультимодальная модель Qwen3-VL на 8 млрд параметров для диалога, анализа изображений и видео, OCR и визуального рассуждения.
Подходит для: ответы на вопросы по изображениям · распознавание текста и разбор структуры документов на изображениях · поиск событий и их временных меток в видео
Плотная мультимодальная модель Qwen на 27 млрд параметров для диалогов, анализа изображений и видео, программирования и многошаговых задач.
Подходит для: ответы на вопросы по изображениям и диаграммам · извлечение и анализ информации из документов · понимание содержания видеозаписей
Мультимодальная модель Qwen с разреженной MoE-архитектурой для диалога, анализа изображений и агентных задач с длинным контекстом.
Подходит для: ответы на вопросы по изображениям · диалог с вызовом инструментов · выполнение агентных задач в программировании
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
Компактная мультимодальная модель OpenGVLab для диалога по изображениям и видео, понимания документов, графиков и визуального текста.
Подходит для: ответы на вопросы по изображению · извлечение текста из документов и изображений · понимание графиков и инфографики
GLM-5.3-Flash — мультимодальная модель для диалогов, анализа изображений, программирования и агентных задач.
Подходит для: ответы на вопросы по изображению · диалоговый помощник на английском или китайском · написание и анализ кода
Инструкционная мультимодальная модель Meta для диалогов, понимания изображений и ответов на вопросы о них.
Подходит для: диалог с ассистентом на поддерживаемых языках · ответы на вопросы по изображению · создание подписей и описаний изображений
8-битная MLX-конверсия Llama 3.2 11B Vision Instruct для диалога и ответов на вопросы по изображениям.
Подходит для: ответы на вопросы по изображению · описание содержимого фотографии · диалог о визуальных материалах
4-битная MLX-конверсия Llama 3.2 11B Vision Instruct для диалога и ответов на вопросы по изображениям.
Подходит для: ответы на вопросы о содержимом изображения · описание объектов и сцен на изображении · визуальный диалог по загруженной картинке
LocateAnything-3B — мультимодальная модель NVIDIA для обнаружения объектов и привязки текстовых запросов к областям и точкам на изображениях.
Подходит для: поиск объектов на изображении по названию или описанию · обнаружение множества объектов в загруженных сценах · выделение области изображения, соответствующей фразе
Mage-VL — мультимодальная модель Microsoft на базе визуального кодировщика Mage-ViT и Qwen3-4B для понимания изображений, видео и потоковых событий.
Подходит для: ответы на вопросы по изображениям · ответы на вопросы по видеозаписям · поиск и временная локализация событий в видео
Полноточечная MLX-конверсия мультимодальной Qwen3.8-27B-Abliterated для диалогов, генерации текста и анализа изображений на Apple Silicon.
Подходит для: ответы на вопросы по изображениям · диалоги с мультимодальным помощником · генерация текста на английском и китайском
Четырёхбитная MLX-конверсия мультимодальной чат-модели Dolphin Vision на базе Qwen2-72B для диалога и ответов по изображениям.
Подходит для: ответы на вопросы о содержимом изображений · описание изображений в диалоге · генерация текста по инструкциям
Мультимодальная модель DeepSeek для диалогов, рассуждений и агентных задач с изображениями и контекстом до одного миллиона токенов.
Подходит для: анализ изображений в диалоге · выполнение агентных задач с длинным контекстом · помощь в программировании и работе с кодовыми базами
Мультимодальная модель AutoTrust на базе Qwen для визуального анализа, ранжирования и принятия решений с вероятностными оценками.
Подходит для: ответы на вопросы по диаграммам и инфографике · извлечение и интерпретация сведений из документов на изображениях · ранжирование новостей и поисковых результатов по релевантности
Gemma 4 26B A4B IT — мультимодальная модель Google DeepMind для диалогов, рассуждений, программирования и анализа изображений с выдачей текста.
Подходит для: ответы на вопросы по изображению · извлечение текста и сведений из документов и PDF · распознавание текста на изображениях, включая многоязычный OCR
Инструкционно-настроенная мультимодальная модель Google DeepMind для диалогов, анализа изображений и генерации текста в длинном контексте.
Подходит для: ответы на вопросы по изображению · извлечение текста и сведений из документов и PDF · анализ диаграмм, скриншотов и пользовательских интерфейсов
Мультимодальная модель Qwen на 9 млрд параметров для диалога, анализа изображений, рассуждений, программирования и агентных задач.
Подходит для: ответы на вопросы по изображениям · диалог с вызовом инструментов · анализ и объяснение визуальных материалов
4-битная версия Qwen2.5-VL-7B-Instruct в формате MLX для диалога и решения задач по изображениям и текстовым инструкциям.
Подходит для: ответы на вопросы по изображениям · извлечение сведений из документов и их визуальный разбор · описание содержимого изображений по текстовому запросу
Мультимодальная модель Meta на 29,6 млрд параметров в формате MLX для диалога и анализа изображений.
Подходит для: ответы на вопросы по изображению · описание содержимого фотографии · диалог с передачей изображений
Конверсия MiniCPM-V-4.6 в формат MLX для мультимодального чата и ответов по изображениям на устройствах Apple Silicon.
Подходит для: ответы на вопросы по изображению · описание содержимого фотографии · диалог с учётом изображения
Компактная мультимодальная модель Moondream 2 отвечает на вопросы об изображениях, распознаёт текст и объекты и описывает визуальные сцены.
Подходит для: ответы на вопросы по содержимому изображения · распознавание текста в документах, таблицах и на экране · обнаружение и подсчёт объектов на изображении
Мультимодальная модель Qwen на 4 млрд параметров для диалога, понимания изображений, рассуждений и вызова инструментов.
Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · многошаговый диалог с длинным контекстом