Англоязычный переранжировщик Tongyi Lab на базе ModernBERT, который оценивает релевантность документов запросу для поиска и RAG.

Подходит для: Переранжирование результатов поисковой выдачи · Повышение релевантности контекста для RAG · Отбор документов по запросу в длинном корпусе

Мультиязычный реранкер Qwen3 с 3,7 млрд параметров для сортировки текстовых и кодовых результатов поиска по релевантности запросу.

Подходит для: переранжирование результатов веб-поиска · повышение релевантности документов в RAG-системе · поиск ответных фрагментов во внутренней базе знаний

Мультиязычный реранкер NVIDIA, который оценивает релевантность фрагментов документов запросу и сортирует результаты поиска.

Подходит для: переранжирование результатов поиска по внутренней базе знаний · улучшение мультиязычного поиска по документам · ранжирование фрагментов для ответов на вопросы

Tongyi-DeepResearch — англоязычная модель Tongyi Lab для многошагового агентного поиска и глубокого исследования информации.

Подходит для: многошаговый поиск ответов по веб-источникам · подготовка исследовательских ответов с использованием браузерного агента · решение сложных задач, требующих последовательного сбора информации

Мультиязычный реранкер GTE для сортировки документов и фрагментов по релевантности запросу в поиске и RAG.

Подходит для: переранжирование результатов мультиязычного поиска · сортировка фрагментов документов для RAG · выбор наиболее релевантных ответов из набора кандидатов

Многоязычный реранкер на базе Qwen3, который оценивает релевантность текстовых кандидатов запросу для улучшения поиска и RAG.

Подходит для: переупорядочивание документов по релевантности запросу · повышение качества поиска по внутренней базе знаний · отбор контекстных фрагментов для RAG-системы

Диалоговая MoE-модель Tencent для рассуждений, работы с длинным контекстом, программирования и агентных задач.

Подходит для: решение сложных задач по математике и естественным наукам · ответы на вопросы по длинным и сложным инструкциям · написание и отладка кода

Многоязычная модель Mixedbread на 1,5 млрд параметров для переоценки и сортировки результатов поиска по релевантности запросу.

Подходит для: переранжирование документов в поисковой выдаче · отбор релевантных фрагментов для RAG · поиск по длинным документам

35-миллиардная MoE-модель InternScience для многошаговых агентных задач, научных рассуждений, поиска и вызова инструментов.

Подходит для: планирование и выполнение длительного веб-поиска · разбиение инженерной задачи на исполнимые этапы · научные рассуждения с обращением к внешним инструментам

Компактный англоязычный реранкер ModernBERT оценивает релевантность пар «запрос — текст» для улучшения поисковой выдачи.

Подходит для: переупорядочивание результатов поисковой системы · реранжирование кандидатов в семантическом поиске · отбор релевантных фрагментов для RAG

Дообученная на базе QwQ-32B модель для автономного веб-поиска, агентных действий и рассуждений по найденной информации.

Подходит для: автономный поиск информации в интернете · ответы на сложные вопросы с опорой на веб-источники · проведение многошагового Deep Research

Англоязычный реранкер Mixedbread на DeBERTa-v2 для сортировки поисковых результатов по релевантности запросу.

Подходит для: переранжирование результатов поиска по ключевым словам · сортировка документов по релевантности запросу · улучшение поисковой выдачи в RAG-системе

Компактный англоязычный реранкер Jina AI на базе JinaBERT, который быстро оценивает релевантность документов запросу и сортирует результаты поиска.

Подходит для: переранжирование результатов поисковой выдачи · оценка релевантности документов запросу · отбор контекста для RAG-систем

Дообученная Qwen3.5-4B оценивает варианты действий для браузера и рабочих процессов и помогает формировать текстовые решения.

Подходит для: ранжирование кандидатов действий браузера · выбор следующего шага в автоматизированном рабочем процессе · маршрутизация запросов между этапами workflow

Компактная японская модель на базе DistilBERT для оценки релевантности и повторного ранжирования результатов поиска.

Подходит для: повторное ранжирование результатов японского поиска · сортировка документов по релевантности запросу · улучшение выдачи японской поисковой системы

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

Компактный реранкер навыков, который оценивает кандидатов относительно запроса и помогает LLM-агенту выбрать подходящий навык.

Подходит для: переупорядочивание найденных навыков агента по релевантности задаче · выбор наиболее подходящего навыка из списка кандидатов · отбор top-N навыков для планирования действий LLM-агента

Компактная дообученная модель Qwen3 для диалогов, агентного веб-поиска и лёгкого просмотра веб-страниц с внешними инструментами.

Подходит для: поиск ответов в интернете с помощью поисковых инструментов · сбор сведений с веб-страниц через MCP · диалоговый помощник для лёгкого веб-исследования

Компактная дообученная модель Qwen3 для получения текстовых эмбеддингов и поиска релевантных навыков или инструментов в каталогах LLM-агентов.

Подходит для: поиск навыков по описанию задачи пользователя · подбор инструментов для LLM-агента из большого каталога · поиск плагинов по их описанию и содержимому

Компактная дообученная модель Qwen3 на 1,7 млрд параметров для агентного веб-поиска, рассуждений и облегчённого просмотра страниц с подключёнными инструментами.

Подходит для: поиск ответов в интернете с помощью поискового API · сбор и краткое изложение информации с веб-страниц · диалоговый помощник с вызовом инструментов через MCP

Спекулятивная модель Red Hat для ускорения текстовой генерации Llama 3.1 8B Instruct с помощью EAGLE-3 и vLLM.

Подходит для: ускорение генерации ответов в чат-сервисе на базе Llama 3.1 · ускорение генерации текста через vLLM · снижение задержки при обслуживании запросов /chat/completions

Экспериментальная Gemma 3, дообученная для рассуждений и ответов по SEO-задачам с опорой на онтологию SEOntology.

Подходит для: оптимизация SEO-заголовков и метаописаний · предложение внутренних ссылок между статьями · анализ поисковых запросов и их трендов

Компактная дообученная модель SupraLabs, которая анализирует текстовый запрос и решает, направить ли его локальной малой модели или облачной большой модели.

Подходит для: маршрутизация запросов между локальной и облачной LLM · оценка сложности пользовательского запроса перед выбором модели · выявление запросов с математикой или программированием

Экспериментальная модель Menlo на базе Llama 3.2 3B Instruct, дообученная для итеративного поиска ответов с уточнением запросов и повторными попытками.

Подходит для: исследование стратегий повторного поиска точных ответов · уточнение поисковых запросов в диалоговом прототипе · проверка взаимодействия языковой модели с поисковыми инструментами