Мультимодальная модель Z.ai для диалогов, анализа изображений, программирования и агентных задач.

Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · помощь с программированием

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

Дообученная на базе SDXL модель для создания фотореалистичных изображений по текстовым запросам.

Подходит для: создание фотореалистичных портретов · генерация фотографий архитектуры и интерьеров · создание изображений автомобилей и дикой природы

Чекпойнт I-JEPA от Meta для извлечения семантических признаков изображений и использования в задачах компьютерного зрения.

Подходит для: извлечение признаков из изображений · подготовка представлений изображений для классификатора · классификация изображений на основе визуальных признаков

Компактная англо-японская визуально-языковая модель для ответов на вопросы об изображениях, визуального поиска объектов и анализа сцен на edge-устройствах.

Подходит для: ответы на вопросы по фотографии на английском или японском · поиск человека или объекта на изображении по текстовому описанию · распознавание инструментов и анализ действий работников на производстве

Мультимодальная чат-модель Gemma 4 на 31 млрд параметров с изменённым поведением отказов для диалогов, программирования и анализа изображений.

Подходит для: диалоги и ответы на общие вопросы · написание и разбор программного кода · ответы на вопросы по изображениям

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

Базовая мультимодальная модель Z.ai для исследований и дальнейшей разработки систем, работающих с изображениями и текстом.

Подходит для: исследование визуально-языковых моделей · разработка приложений для вопросов и ответов по изображениям · создание мультимодальных диалоговых систем

Мультимодальная модель JetBrains, объединяющая два чекпойнта Qwen для диалогов, анализа изображений и задач программирования.

Подходит для: ответы на вопросы по изображениям · диалоговое взаимодействие с мультимодальной моделью · помощь в написании и разборе кода

JPT-9B — дообученная на базе Qwen3.5-9B модель для оценки вероятностей вариантов в типизированных задачах выбора, шкальной оценки и ответов «да/нет».

Подходит для: классификация намерений по набору меток · определение тональности по шкале · классификация текстовых пар для задач NLI

TIPO-500M — модель LLaMA от KBlueLeaf, которая дополняет и улучшает текстовые промпты для генераторов изображений.

Подходит для: расширение короткого промпта для генерации изображения · дополнение неполного описания сцены · подготовка промптов для Stable Diffusion

Подборка моделей сверхразрешения для увеличения изображений и восстановления деталей, в том числе на фотографиях с JPEG-артефактами.

Подходит для: увеличение разрешения фотографий в 4 раза · увеличение изображений в 2 раза · восстановление деталей в JPEG-изображениях

Мультимодальная модель на базе Qwen3.5-9B, которая оценивает варианты ответа по тексту, изображениям и видео, возвращая калиброванные вероятности для задач принятия решений.

Подходит для: оценка вариантов действий GUI-агента по скриншоту · ответы на вопросы о содержимом изображений · ответы на вопросы по видео

Компактная мультимодальная модель OmniJev оценивает варианты решений по тексту, скриншотам, изображениям и видео, выдавая вероятности ответов.

Подходит для: оценка вариантов действий GUI-агента по скриншоту · выбор ответа на вопрос об изображении · оценка вариантов решения по видеозаписи

Juggernaut XI v11 — дообученная на базе SDXL модель RunDiffusion и KandooAI для создания фотореалистичных изображений по текстовым запросам.

Подходит для: создание фотореалистичных портретов · генерация кинематографичных сцен и фотографий · создание изображений с заданным типом кадра

Ускоренная модель KandooAI и RunDiffusion для создания фотореалистичных изображений по тексту за 5–7 шагов инференса.

Подходит для: быстрая генерация фотореалистичных изображений по текстовому описанию · пакетное создание вариантов изображения · мгновенная проверка и итерация промптов

PaliGemma 2 3B Mix 448 — мультиязычная визуально-языковая модель Google для описания изображений, ответов на вопросы по ним и других задач компьютерного зрения с текстовым выводом.

Подходит для: создание коротких подписей к изображениям · ответы на вопросы о содержимом изображения · распознавание текста на изображениях

Дообученная GPT-2-модель для генерации ответов на вопросы о собаках на тайском языке.

Подходит для: ответы на вопросы об уходе за собаками на тайском языке · создание справочного чат-бота о собаках · генерация тайскоязычных ответов по данным о домашних собаках

Мультимодальная модель на базе Qwen3.5-4B, которая анализирует изображения, видео и текст и выдаёт откалиброванные вероятности вариантов ответа для задач принятия решений.

Подходит для: оценка вероятностей вариантов ответа по скриншоту интерфейса · ответы на вопросы о содержимом изображения · анализ видеозаписей для принятия решений агентом

Предобученная мультимодальная модель Google, которая анализирует изображения вместе с текстовыми запросами и предназначена для дообучения под задачи компьютерного зрения и языка.

Подходит для: создание подписей к изображениям · ответы на вопросы об изображении · чтение текста на изображениях

Мультимодальная модель на 27 млрд параметров, которая оценивает варианты ответа по тексту, изображениям и видео, выдавая калиброванные вероятности.

Подходит для: оценка вариантов действий по скриншоту интерфейса · ответы на вопросы по фотографиям и изображениям · оценка событий и вариантов по видео

Предобученная мультимодальная модель Google, которая принимает изображение и текст и служит основой для дообучения под задачи компьютерного зрения и визуального языка.

Подходит для: дообучение модели для описания изображений · ответы на вопросы об изображении · чтение текста на изображениях

JPT-4B — быстрая мультимодальная модель для выдачи калиброванных вероятностей вариантов в типизированных задачах выбора, оценки и ответов «да/нет».

Подходит для: выбор одного варианта из списка по описанию ситуации · бинарная классификация с оценкой уверенности · оценка объекта или ситуации по упорядоченной шкале

Крупная модель I-JEPA на базе Vision Transformer извлекает семантические признаки изображений для последующего анализа и классификации.

Подходит для: извлечение признаков изображений для классификатора · получение визуальных представлений для последующих задач компьютерного зрения · подготовка признаков изображений из ImageNet-22K для аналитического конвейера