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

Визуальный Vision Transformer Meta AI для извлечения признаков изображений и использования их в классификации, поиске, сегментации и других задачах компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по эмбеддингам · классификация изображений с линейным классификатором

Лёгкий дообученный вариант Qwen3.6-27B-Heretic-ara для диалогов и творческой генерации текста с поддержкой визуальных входов.

Подходит для: написание художественных рассказов и сцен · продолжение незаконченной истории · генерация сюжетов и побочных линий

Компактная дистиллированная модель Segmind на базе Stable Diffusion XL для быстрой генерации изображений по текстовым описаниям.

Подходит для: создание иллюстраций по текстовому описанию · генерация концепт-арта и идей для дизайна · подготовка визуальных материалов для обучения

Визуальная модель Meta AI на базе ConvNeXt Small извлекает универсальные признаки изображений для поиска, классификации, сегментации и других задач компьютерного зрения.

Подходит для: поиск похожих изображений по визуальным признакам · классификация изображений с линейным классификатором · семантическая сегментация 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

Дообученная UkisAI модель Qwen для экономичного рассуждения, программирования и многошаговых агентных задач с поддержкой изображений.

Подходит для: решение задач программирования с агентом · выполнение многошаговых задач в терминале · разработка и отладка программного обеспечения

Экспериментальная гибридная версия MiniMax-H3 для генерации видео из изображений с блоками FL2VA и REF2VA.

Подходит для: генерация видео на основе исходного изображения · эксперименты с гибридной архитектурой FL2VA и REF2VA · запуск гибридной модели в совместимых рабочих процессах ComfyUI через GGUF

Мультимодальная чат-модель OpenGVLab на 38 млрд параметров для анализа изображений и видео, визуального рассуждения и текстовых задач.

Подходит для: ответы на вопросы о содержимом изображения · сравнение и анализ нескольких изображений · понимание видеоматериалов

Мультимодальная модель OpenGVLab на 78 млрд параметров для диалога, анализа изображений и видео и визуального рассуждения.

Подходит для: ответы на вопросы по изображениям и видео · описание и сравнение нескольких изображений · анализ научных диаграмм и промышленных изображений

Модель Stable Diffusion XL для генерации ярких аниме-иллюстраций по текстовым запросам.

Подходит для: создание аниме-портретов по текстовому описанию · генерация иллюстраций с персонажами и заданными позами · создание вертикальных аниме-изображений для публикаций

Диффузионная модель NVIDIA, которая создаёт короткие видеосцены по текстовому описанию и изображению первого кадра.

Подходит для: создание короткого видео по описанию сцены и стартовому изображению · визуализация будущего движения объектов в заданной сцене · генерация видеосцен для прототипов Physical AI

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

Диффузионный трансформер NVIDIA, создающий изображения мировых сцен по текстовым описаниям для разработки приложений Physical AI.

Подходит для: создание изображения сцены по текстовому промпту · визуализация объектов, персонажей и окружения по описанию · генерация изображений для прототипов приложений Physical AI

Мультимодальная модель Kwai-Keye на базе Qwen2.5-VL для анализа изображений высокого разрешения и сложных визуальных задач с использованием исполняемого кода.

Подходит для: анализ изображений высокого разрешения по текстовым инструкциям · решение сложных задач визуального рассуждения · выполнение вычислений при анализе изображений

Мультимодальная модель Vection Labs на архитектуре Qwen3-VL MoE для программирования, агентных задач и анализа изображений и видео.

Подходит для: генерация и отладка программного кода · анализ и редактирование больших репозиториев · создание интерфейсов на React и TypeScript

Дообученный assistant-чекпойнт Gemma 4 26B A4B для ускорения генерации в совместимом конвейере спекулятивного декодирования.

Подходит для: ускорение генерации текста в конвейере speculative decoding · ускорение диалоговых ответов с целевой моделью Gemma 4 26B A4B · использование в исследовательских и пользовательских сборках на базе Gemma 4

FuzzyHazel — модель Stable Diffusion для генерации изображений по текстовым запросам.

Подходит для: создание изображений по текстовым промптам · генерация иллюстраций в стиле, заданном LoRA · подготовка изображений с использованием негативных промптов

Локальный мультимодальный ассистент SurgeFF на базе Gemma 4 12B для диалогов, рассуждений, кода и анализа текста, изображений, аудио и видео.

Подходит для: ответы на вопросы и ведение диалогов с локальным ассистентом · анализ изображений и видеоматериалов · понимание аудиовхода

Модифицированная Gemma 3 12B IT для диалогов, понимания изображений и ответов с пониженной частотой отказов.

Подходит для: диалоговые ответы на текстовые запросы · понимание изображений по текстовым инструкциям · исследование поведения языковых моделей при отказах

Мультимодальная модель Gemma 4 с MoE для диалогов, рассуждений и анализа изображений, модифицированная для уменьшения отказов.

Подходит для: диалоги и ответы на вопросы по тексту · описание и анализ изображений · рассуждения по сложным запросам

Show-o2-7B — унифицированная мультимодальная модель для понимания текстов, изображений и видео, а также генерации изображений и видео по текстовым и смешанным входам.

Подходит для: ответы на вопросы об изображениях · понимание и анализ видео · генерация изображений по текстовому запросу

Компактная англоязычная модель KBlueLeaf на архитектуре LLaMA, которая дополняет и оптимизирует текстовые запросы для генерации изображений.

Подходит для: расширение короткого промпта для генерации изображения · добавление тегов и визуальных деталей к запросу · подготовка промптов для Stable Diffusion

Модель семейства Juggernaut XL для генерации изображений по текстовым запросам.

Подходит для: генерация реалистичных изображений по описанию · создание художественных иллюстраций по текстовому запросу · визуализация персонажей и сцен