Компактная модель Needle Point для выбора ограниченных вызовов инструментов и простых ответов в сценариях с конечным набором действий.

Подходит для: Выбор одного действия из заданного набора инструментов · Формирование вызова инструмента с аргументами из конечных доменов · Определение случаев, когда инструмент вызывать не следует

Компактная модель Cactus Compute для локального вызова инструментов, структурированного извлечения данных и получения векторных представлений на устройствах с ограниченными ресурсами.

Подходит для: Выбор функций приложения и заполнение аргументов по запросу пользователя · Извлечение полей счёта из неструктурированного текста · Преобразование сведений о бронировании в типизированный JSON

Компактная 3,2-миллиардная языковая модель для диалогов, рассуждений, программирования и агентных задач с вызовом инструментов.

Подходит для: многошаговые задачи с вызовом внешних инструментов · помощь в программировании и работа кодового агента · решение математических и научных задач

Текстовая MoE-модель Empero, дистиллированная из Qwen3.8 для диалогов, математических рассуждений, программирования и вызова инструментов.

Подходит для: решение математических задач с пошаговыми рассуждениями · генерация и объяснение программного кода · ответы на вопросы и выполнение инструкций в диалоге

Дообученная языковая модель NVIDIA и Университета Гонконга для координации инструментов и моделей в многошаговых агентных задачах.

Подходит для: координация поиска и других инструментов в агентном сценарии · выбор специализированной языковой модели для подзадачи · планирование и выполнение многошаговых запросов с вызовом инструментов

Qwen3.8-9B — дистиллированная из Qwen3.8 2.4T языковая модель для диалога, математических рассуждений, программирования и вызова инструментов.

Подходит для: решение математических задач с пошаговыми рассуждениями · написание и объяснение программного кода · ответы на общие вопросы и выполнение инструкций

Nex-N2-mini — агентная языковая модель Nex-AGI на базе Qwen3.5 для программирования, вызова инструментов и выполнения продолжительных задач с обратной связью от среды.

Подходит для: разработка и отладка программного обеспечения · выполнение команд и задач в терминале · вызов функций и внешних инструментов

Диалоговая модель InternLM2.5 на 7,4 млрд параметров для генерации ответов, рассуждений и работы с инструментами.

Подходит для: создание диалогового ассистента · ответы на вопросы по предоставленному контексту · решение математических задач с рассуждениями

Компактная англоязычная модель ISOM на базе Qwen2.5, предназначенная для диалога и генерации текста с ограниченным расходом памяти при длинном контексте.

Подходит для: ответы на вопросы по длинным текстовым документам · поиск заданного факта в длинном контексте · диалог с англоязычным ассистентом

Компактная дообученная языковая модель NVIDIA для диалогов, рассуждений, программирования и агентных задач на устройствах с ускорением NVIDIA.

Подходит для: создание локального голосового помощника · разработка диалоговых игровых NPC и компаньонов · автоматизация устройств и сценариев IoT

Диалоговая модель InternLM2 на 19,3 млрд параметров для общения, следования инструкциям, рассуждений, программирования и многошаговой работы с инструментами.

Подходит для: ответы на вопросы и диалоговые помощники · решение математических задач и рассуждения · генерация и объяснение кода

InternLM2-7B — базовая языковая модель для генерации текста, работы с длинным контекстом и адаптации под прикладные задачи.

Подходит для: продолжение и генерация текста · извлечение сведений из длинных документов · суммирование длинных текстов

Производная модели nex-agi/Nex-N2-mini. Nex-N2-mini — агентная языковая модель Nex-AGI на базе Qwen3.5 для программирования, вызова инструментов и выполнения продолжительных задач с обратной связью от среды.

Подходит для: разработка и отладка программного обеспечения · выполнение команд и задач в терминале · вызов функций и внешних инструментов

InternLM2-20B — базовая языковая модель на 19,3 млрд параметров для генерации текста, продолжения контекста и адаптации под прикладные задачи.

Подходит для: продолжение текста по заданному фрагменту · генерация черновиков и связных текстов · анализ длинных текстовых контекстов

Базовая языковая модель InternLM2 с 7,4 млрд параметров для генерации текста и последующей адаптации под специализированные задачи.

Подходит для: продолжение и генерация текста · дообучение языковой модели для предметной области · создание прототипов приложений на основе генерации текста

Базовая авторегрессионная модель InternLM2 на 19,3 млрд параметров для генерации текста и адаптации к предметным областям.

Подходит для: продолжение и генерация длинных текстов · создание основы для дообучения на предметных данных · черновики программного кода

Квантованные веса LiTo для создания 3D-представления по изображению с использованием trellis-webgpu.

Подходит для: создание 3D-представления объекта по изображению · построение 3D-сцен из изображений в среде WebGPU · экспериментальный инференс LiTo в браузерной или WebGPU-среде

Экспериментальная объединённая модель Qwen3.5 на 9 млрд параметров для генерации кода, многошаговых рассуждений и агентных задач разработки.

Подходит для: генерация программного кода по описанию задачи · разбор и объяснение существующего кода · поиск и исправление ошибок в коде

Диалоговая модель InternLM2 с 7,4 млрд параметров для генерации текста, ответов по инструкциям, рассуждений и работы с длинными текстами.

Подходит для: ответы на вопросы в диалоге · следование текстовым инструкциям · решение математических задач

Многошаговая агентная модель Snowflake на базе Qwen3-4B для использования инструментов через MCP в синтетических средах.

Подходит для: выполнение последовательности вызовов инструментов через MCP · создание многошагового агента для взаимодействия с инструментальными средами · исследование обучения агентов с подкреплением на синтетических средах

Модель Snowflake для многошагового использования инструментов через MCP, обученная с подкреплением на синтетических средах.

Подходит для: создание многошаговых агентов с вызовом инструментов через MCP · выполнение последовательных действий в синтетических средах · исследование агентного обучения с подкреплением

InternLM2.5-7B — диалоговая языковая модель на 7,4 млрд параметров для генерации текста, рассуждений и работы с длинным контекстом.

Подходит для: ответы на вопросы в диалоге · генерация и продолжение текста · помощь в рассуждениях по текстовым задачам

Небольшая языковая модель Vaayu, обученная с нуля для локальной генерации структурированных вызовов инструментов и интеграции через MCP.

Подходит для: генерация вызовов инструментов по JSON-схемам · формирование JSON-RPC запросов для локальных сервисов · подключение языковой модели к MCP-серверам

Компактная модель Cactus Compute для локального вызова инструментов, структурированного извлечения данных и получения текстовых эмбеддингов на устройствах с ограниченными ресурсами.

Подходит для: вызов функций приложения по запросу пользователя · извлечение полей счета или бронирования из свободного текста · преобразование уведомлений и форм в типизированный JSON