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

Диалоговая MoE-модель на 35 млрд параметров для генерации текста, агентного программирования и работы с инструментами.

Подходит для: генерация и объяснение программного кода · поиск и исправление ошибок в репозиториях · выполнение задач разработки через агентные инструменты

Инструкционная мультимодальная модель Google DeepMind на 12 млрд параметров для диалога, анализа изображений, аудио и видео, генерации текста и кода.

Подходит для: ответы на вопросы по документам и PDF · извлечение текста с изображений и распознавание рукописного текста · распознавание речи и перевод речи в текст

GLM-4.5-Air — гибридная диалоговая модель Zhipu AI для рассуждений, программирования и интеллектуальных агентов с поддержкой инструментов.

Подходит для: диалоговые ответы на вопросы · пошаговое рассуждение над сложными задачами · генерация и анализ программного кода

Дообученная на Qwen/Qwen3.5-35B-A3B модель Apodex для рассуждений, вызова инструментов и выполнения сложных многоэтапных задач.

Подходит для: проведение исследований с поиском и анализом источников · подготовка отчетов по документам и данным · анализ финансовых задач с помощью инструментов

Инструктивная языковая модель IBM на 3,4 млрд параметров для диалоговых ассистентов, генерации текста, работы с кодом и вызова инструментов.

Подходит для: создание диалогового ИИ-ассистента · ответы на вопросы по внутренним документам с RAG · суммаризация длинных текстов

decider-4b — дообученная языковая модель, которая за один проход оценивает заданные варианты ответов для типизированных вопросов и состояний.

Подходит для: выбор действия в игре по текущему состоянию · оценка вариантов решения для браузерного агента · классификация состояния по заданному набору меток

Компактная инструкция-ориентированная MoE-модель IBM для диалоговых ассистентов, генерации текста и бизнес-задач.

Подходит для: создание диалогового ассистента для выполнения инструкций · суммаризация документов · классификация и извлечение информации из текста

GGUF-версия англоязычной 2-миллиардной BitNet b1.58 от Microsoft Research для генерации текста и диалога с эффективным CPU-инференсом.

Подходит для: локальный запуск языковой модели на CPU · генерация ответов в диалоговом интерфейсе · следование инструкциям и составление текстов

Гибридная языковая модель Gnani.ai для чатов, рассуждений и многоязычных задач на английском и индийских языках с контекстом до 128K токенов.

Подходит для: создание чат-ассистента на хинди и других языках Индии · ответы на вопросы по длинным документам в многоязычной RAG-системе · извлечение ответов из текста на индийских языках

GGUF-сборка MoE-модели Ornith для агентного программирования, генерации текста и мультимодальной работы с изображениями через llama.cpp.

Подходит для: автоматическое решение задач программирования агентом · исправление ошибок и внесение изменений в репозитории кода · выполнение задач разработки через терминал и инструменты

Экспериментальная компактная MoE-модель DGPL для генерации текста и рассуждений с длинным контекстом и запуском на периферийном оборудовании.

Подходит для: генерация текста на локальном устройстве · решение задач на базовую арифметику с пояснением шагов · получение ответов на логические задачи

Гибридная MoE языковая модель IBM для диалоговых ассистентов, задач с текстом и кодом и вызова инструментов.

Подходит для: суммаризация документов · ответы на вопросы по внутренним документам с RAG · извлечение и классификация текста

Диалоговая языковая модель Tencent для разработки программ, офисной аналитики, создания игровых прототипов и научных задач.

Подходит для: планирование и отладка программных проектов · создание и доработка интерфейсов · анализ документов и данных из нескольких файлов

Мультимодальная модель для оценки вариантов действий и выбора следующего клика по скриншоту или текстовому состоянию интерфейса.

Подходит для: выбор цели клика на скриншоте интерфейса · оценка вероятностей для предложенных действий компьютерного агента · ответы yes/no на вопросы о состоянии интерфейса

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

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

JevK5 — дообученная на базе Qwen3.5-4B модель, которая оценивает вероятности заданных вариантов для вопросов выбора, «да/нет» и оценки.

Подходит для: маршрутизация обращений клиентов по командам · классификация запроса по заданным категориям · выбор действия на основе описания состояния

blink-4b — компактная дообученная модель Qwen3.5 для оценки вариантов и принятия структурированных решений по тексту.

Подходит для: маршрутизация пользовательских запросов по категориям · проверка условий с ответом «да» или «нет» · оценка и упорядочивание предложенных вариантов

Sarvam-30B — MoE-языковая модель для диалогов, рассуждений и программирования с особым вниманием к индийским языкам.

Подходит для: ведение диалогов на индийских языках · ответы на вопросы на хинди и других индийских языках · генерация и разбор программного кода

Небольшая англоязычная авторегрессионная модель EleutherAI для исследований генерации текста и поведения языковых моделей.

Подходит для: эксперименты с предсказанием следующего токена на английском языке · исследование поведения языковых моделей на разных этапах обучения · анализ интерпретируемости компактной трансформерной модели

Экспериментальная дообученная модель Together AI выбирает один из заданных вариантов в структурированной задаче принятия решений.

Подходит для: выбор одного варианта из списка по состоянию и вопросу · классификация структурированной записи по заданным меткам · маршрутизация запроса в одну из нескольких категорий

Агентная модель MindLab Research на базе GLM-5.3 для диалогов, работы с инструментами, программирования и генерации интерфейсов.

Подходит для: ведение открытых диалогов с пользователем · выбор и выполнение действий с инструментами в бизнес-процессах · многошаговое исправление ошибок и изменение кода

Квантованные GGUF-сборки агентной MoE-модели Agents-A1 для диалогов, рассуждений, поиска и работы с инструментами, с поддержкой изображений через проектор.

Подходит для: многошаговое выполнение агентных задач · научные рассуждения и решение задач · поиск информации в интернете