MOVA — открытая мультимодальная модель OpenMOSS для генерации видео по изображению с синхронным звуком.

Подходит для: создание видео по исходному изображению · добавление синхронного звука к сгенерированному видео · генерация звуковых эффектов по сцене

MiniMax-H3 Turbo — производная от MiniMax-H3 модель LightX2V для генерации видео по изображению с ускоренным 8-шаговым вариантом FL2V.

Подходит для: создание короткого видео на основе исходного изображения · анимация изображения с помощью LightX2V Studio · интеграция генерации видео по изображению через LightX2V API

Мультимодальная модель Xiaomi MiMo на 9 млрд параметров для агентных задач, программирования, кибербезопасности и анализа изображений.

Подходит для: написание и исправление кода · выполнение многошаговых агентных задач · анализ изображений в диалоге

MiniMax-M3 — мультимодальная модель с контекстом до 1 млн токенов для диалогов, анализа изображений и видео, программирования и агентных задач.

Подходит для: ответы на вопросы по изображениям · анализ видеоматериалов в контексте диалога · написание и разбор кода

Объединённая сборка MiniMax H3 с турбо-адаптерами и INT8-квантизацией для генерации видео по тексту, изображениям и референсам в ComfyUI.

Подходит для: создание короткого видео по текстовому описанию · анимация изображения с сохранением заданного содержания · генерация видео по референсным кадрам

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

Мультимодальная модель Xiaomi для генерации текста, агентных задач и работы с инструментами, с контекстом до миллиона токенов.

Подходит для: написание и исправление программного кода · выполнение многошаговых задач с вызовом инструментов · ответы на вопросы по длинным репозиториям и трассам взаимодействия

Экспериментальная мультимодальная MoE-модель, дообученная для диалогов, рассуждений, анализа изображений и работы с инструментами.

Подходит для: решение задач по математике с пошаговыми рассуждениями · генерация и анализ программного кода · ответы на вопросы по изображениям

VideoMAE Base — дообученная на Kinetics-400 модель для классификации видео по 400 категориям.

Подходит для: распознавание действий в видеоклипах · классификация видео по категориям Kinetics-400 · автоматическая разметка видеотеки по типам активности

Вариант LTX 2.3 для создания видео из изображения с управляемыми движениями и подробным текстовым описанием сцены.

Подходит для: создание короткого видео на основе исходного изображения · анимация персонажа с заданными движениями и изменениями позы · генерация видео по подробному сценарию и описанию движения камеры

Rax 4.5 — мультимодальная модель на 2 млрд параметров для диалогов с изображениями, визуальных задач и агентных сценариев с вызовом инструментов.

Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · диалог с вызовом внешних инструментов

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

Квантизированная мультимодальная MiniMax-M3 для диалогов, анализа изображений и видео, программирования и агентных задач с контекстом до 1 млн токенов.

Подходит для: анализ изображений и визуальных вопросов · суммирование и анализ видео длительностью до 30 минут · выполнение длительных задач по программированию

Набор LoRA-адаптеров для ускорения генерации видео моделью MiniMax-H3 за счёт дистилляции параллельного декодирования.

Подходит для: ускоренная генерация видео по текстовому описанию · генерация видео из исходного видео с FL2VA · генерация видео по референсному изображению с Ref2VA

VideoMAEv2-Huge — самоконтролируемая видеомодель для извлечения признаков и классификации видео.

Подходит для: извлечение признаков из видеороликов · классификация видеоклипов · подготовка видеоэмбеддингов для последующего анализа

Мультимодальная MoE-модель Qwen с ослабленными отказами для диалогов, анализа изображений и агентного программирования.

Подходит для: диалог с чат-ботом с меньшим числом отказов · анализ изображений и ответы на вопросы по ним · помощь в программировании и работе с репозиториями

VideoMAE с 402,7 млн параметров классифицирует видео по 400 категориям действий из Kinetics-400.

Подходит для: классификация действий в видеороликах · распознавание типа активности в видео · автоматическая категоризация видеотеки

Крупная видеомодель VideoMAE V2 для извлечения признаков и классификации видеоматериалов.

Подходит для: извлечение признаков из видеороликов · классификация видеосодержимого · подготовка признаков видео для последующего анализа

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

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

Мультимодальная MoE-модель Xiaomi с контекстом до 1 млн токенов для диалогов, вызова инструментов и длинных агентных задач.

Подходит для: создание агентных систем с вызовом инструментов · выполнение многошаговых задач с длинной историей диалога · анализ изображений, видео и аудио в диалоге

Базовая модель VideoMAE-v2 для извлечения признаков и классификации видео.

Подходит для: извлечение признаков из видеозаписей · классификация видеоклипов · подготовка видеоэмбеддингов для последующих задач

Мультимодальная модель Ai2 для понимания сцен, пространственных отношений, нескольких изображений и временной последовательности в видео.

Подходит для: Ответы на вопросы о содержимом изображения · Определение точного положения объекта на изображении · Сопоставление объектов и сцен на нескольких изображениях

Контрольная точка MoWorld 1.0 создаёт видео по изображению с авторегрессионным управлением движением камеры.

Подходит для: генерация видео по исходному изображению с заданным движением камеры · создание управляемых камерой видеосцен · авторегрессионное создание видео на основе изображения