GLM-5.1 — языковая модель Z.ai для генерации кода и длительных агентных инженерных задач с инструментами.

Подходит для: генерация кода по описанию задачи · поиск и исправление ошибок в репозитории · выполнение многоэтапных задач в терминале

Большая языковая модель NVIDIA с архитектурой LatentMoE для диалогов, рассуждений, длинного контекста и ИИ-агентов.

Подходит для: автоматизация классификации и обработки IT-заявок · создание чат-бота с поддержкой длинного контекста · ответы на вопросы по нескольким документам в RAG-системе

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

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 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

Базовая языковая модель NVIDIA с гибридной архитектурой Mamba-2 и MoE для продолжения предобучения и создания специализированных вариантов.

Подходит для: продолжение предобучения на предметном корпусе · создание специализированной языковой модели · подготовка базового чекпойнта для SFT или RL

Открытая MoE-языковая модель Xiaomi для агентных задач, разработки ПО, генерации текста и работы с контекстом до миллиона токенов.

Подходит для: написание и отладка программного кода · выполнение многошаговых задач с вызовом инструментов · анализ длинных документов и контекстов до 1 млн токенов

Компактная рекуррентная MoE-модель для генерации текста, спекулятивного декодирования и потоковой обработки длинного контекста.

Подходит для: черновая генерация токенов для спекулятивного декодирования · потоковая генерация текста на ограниченной памяти · обработка длинных текстовых потоков

Компактная англоязычная MoE-модель генерации текста для чернового спекулятивного декодирования и рассуждений на периферийных устройствах.

Подходит для: черновая генерация токенов для спекулятивного декодирования · генерация текста на периферийных устройствах · обработка длинных непрерывных потоков текста

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

16-битная конверсия SmolLM3-3B для генерации текста и диалогов на компьютерах Apple Silicon с MLX.

Подходит для: диалоговый помощник на Mac с Apple Silicon · генерация текста локально на устройстве Apple Silicon · оценка и исследование языковой модели в MLX

SAGI — экспериментальная англоязычная авторегрессионная модель с роевой архитектурой для исследований адаптивных многоагентных языковых систем.

Подходит для: изучение роевых механизмов в языковых моделях · эксперименты с дифференцированной маршрутизацией внутренних агентов · обучение основам многоагентных когнитивных архитектур

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 разреженная MoE-модель Arcee AI для генерации текста, исследований предобучения и последующего дообучения.

Подходит для: исследование поведения языковой модели после масштабного предобучения · изучение маршрутизации и балансировки экспертов MoE · зондирование и интерпретируемость языковой модели

Базовая MoE-модель Qwen2 с 57 млрд параметров и 14 млрд активных параметров для дальнейшего обучения и исследований генерации и понимания текста.

Подходит для: дальнейшее обучение языковой модели под собственные задачи · оценка качества ответов на вопросы и рассуждений · эксперименты с математическими задачами

Компактная модель SmolLM2 на 361,8 млн параметров, дообученная методом DPO для диалогов и генерации текста.

Подходит для: эксперименты с DPO для небольших языковых моделей · генерация ответов в текстовом диалоге · локальный запуск компактной чат-модели

Базовая многоязычная LLM NVIDIA для дообучения под генерацию текста, кода и специализированные AI-сценарии.

Подходит для: дообучение языковой модели для следования инструкциям · создание специализированного чат-ассистента · адаптация LLM для генерации программного кода

Компактная модель Llama, обученная с нуля для генерации текста и экспериментов с языковыми моделями.

Подходит для: генерация продолжения текста · эксперименты с компактной авторегрессионной моделью · оценка языковой модели на бенчмарках

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

Сжатая MoE-версия GLM-4.5-Air для генерации текста и кода, агентных сценариев и вызова функций при сниженных требованиях к памяти.

Подходит для: генерация и дополнение кода · помощь агенту в изменении кода в репозитории · вызов функций и инструментов в диалоговом приложении

SR²AM-v1.0-30B — дообученная агентная модель на базе Qwen3 MoE для планирования, рассуждений и выполнения задач с инструментами.

Подходит для: решение математических и научных задач с пошаговым планированием · поиск информации в интернете с помощью веб-поиска · просмотр и суммирование содержимого веб-страниц

Объединённая 9,7-миллиардная языковая модель для рассуждений, программирования, диалогов и агентной работы с инструментами.

Подходит для: решение сложных математических задач · генерация и отладка кода · многошаговые диалоги с вызовом инструментов

Дообученная ELECTRA-модель на 33 млн параметров для генерации текста с контекстом до 512 токенов.

Подходит для: генерация текста на основе входного текста · эксперименты с генерацией текста на архитектуре ELECTRA · оценка модели на задачах, соответствующих её неизвестному обучающему набору данных