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

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

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

Открытая мультимодальная MoE-модель Moonshot AI для программирования, анализа визуальных данных и автономного выполнения многошаговых задач с инструментами и агентами.

Подходит для: создание и исправление кода в многошаговых задачах · генерация веб-интерфейсов по текстовому описанию и изображениям · анализ изображений и видеокадров в диалоге

Wan-Move-14B-480P создаёт пят секундные видео 480p из изображения и управляемых траекторий движения объектов.

Подходит для: создание короткого видео из исходного изображения · управление движением одного объекта в кадре · задание траекторий движения нескольких объектов

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

Мультимодальная модель Ai2 на 4 млрд параметров, которая прогнозирует 3D-траектории точек по RGB-кадру, истории точек и текстовому описанию действия.

Подходит для: прогнозирование движения точек на изображении по инструкции · оценка будущих 3D-траекторий объектов в кадре · планирование траекторий для роботизированного захвата и перемещения предметов

Модель Allen Institute for AI для управления манипуляторами SO-100/101 по изображениям, состоянию робота и текстовым инструкциям.

Подходит для: управление манипулятором SO-100 по визуальному наблюдению и инструкции · управление манипулятором SO-101 для выполнения бытовых задач · предсказание непрерывных движений робота по кадрам с камер

Мультимодальная модель HyperCLOVA X SEED 8B для генерации изображений по тексту и редактирования изображений по инструкции.

Подходит для: создание изображений по текстовому описанию · добавление объектов в исходное изображение по инструкции · преобразование изображения в заданный художественный стиль

Light-O1-Preview — дообученная модель Qwen3.5, преобразующая текстовые инструкции в последовательности движений всего тела гуманоидного робота.

Подходит для: генерация движений гуманоидного робота по текстовой команде · преобразование описания намерения и ограничений в последовательность действий · создание движений всего тела для последующего переноса на разные робототехнические платформы

MolmoAct2 — открытая vision-language-action модель Ai2, предназначенная для дообучения под управление конкретными роботами по визуальным наблюдениям и языковым инструкциям.

Подходит для: дообучение политики управления под конкретную модель робота · адаптация управления роботом под новый бенчмарк · генерация непрерывных действий по изображению и текстовой инструкции

Компактная модель MobileViT для классификации изображений по 1000 классам ImageNet-1k, рассчитанная на эффективное выполнение, в том числе на мобильных устройствах.

Подходит для: классификация фотографий по классам ImageNet · распознавание объектов на изображениях для мобильного приложения · быстрая классификация изображений на устройстве с ограниченными ресурсами

Модель NVIDIA для восприятия дорожной обстановки, объяснения решений и предсказания действий и траекторий автономного автомобиля по изображениям, видео, тексту и истории движения.

Подходит для: предсказание траектории автономного автомобиля · ответы на вопросы по видео с дорожных камер · привязка объектов на изображениях к координатам

Компактная MobileViT-v2 модель для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений на классы ImageNet-1k · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

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

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

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

Vision-language-модель Ai2 прогнозирует будущие 3D-траектории выбранных точек по истории RGB-кадров и текстовому описанию действия.

Подходит для: прогнозирование движения точек объектов в видео · оценка будущей траектории объекта по описанию действия · исследование 3D-движения в сценах с RGB-видео

Дообученная VideoMAE Large определяет движения камеры и тип кадра по видеоклипам.

Подходит для: классификация движения камеры в коротких видеоклипах · определение панорамирования, наклона и зумирования · поиск статичных или неопределённых по движению кадров

Компактная модель Katanemo определяет область и действие по запросу, помогая маршрутизировать его к подходящей языковой модели.

Подходит для: маршрутизация запросов к специализированным моделям · определение предметной области пользовательского запроса · определение требуемого действия, например перевода или генерации кода

Компактная модель MobileOne-S2 для классификации изображений ImageNet-1k и извлечения визуальных признаков и эмбеддингов.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков из изображений · получение эмбеддингов изображений для поиска и сравнения

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

Открытая мультимодальная модель Xiaomi на базе Qwen2.5-VL для визуального понимания, планирования и прогнозирования в автономном вождении и embodied AI.

Подходит для: анализ дорожной сцены по изображению · понимание пространственных отношений между объектами · планирование манипуляций и действий робота

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