HHEM-2.1-Open оценивает, подтверждается ли текст предоставленным контекстом, помогая обнаруживать галлюцинации в ответах LLM и RAG.

Подходит для: проверка, подтверждается ли ответ RAG найденными документами · выявление неподкреплённых фактов в сводках LLM · оценка фактической согласованности ответа с заданным контекстом

Компактная мультимодальная модель OpenGVLab для диалога по изображениям и видео, понимания документов, графиков и визуального текста.

Подходит для: ответы на вопросы по изображению · извлечение текста из документов и изображений · понимание графиков и инфографики

Мультимодальная модель на 11,1 млрд параметров, которая создаёт SVG-код по изображениям и текстовым запросам, особенно для иконок, логотипов и диаграмм.

Подходит для: Векторизация растровых иконок в SVG · Преобразование логотипа в редактируемую векторную графику · Создание SVG-диаграмм и технических схем по изображению

Плотная мультимодальная модель Vection Labs на 27,8 млрд параметров для инженерного программирования, агентной работы с инструментами и анализа изображений и видео.

Подходит для: генерация и объяснение кода · отладка и ревью программ · изменение и анализ больших репозиториев

VAETKI — многоязычная языковая модель консорциума NC-AI для диалогов, следования инструкциям, перевода, рассуждений и агентных сценариев.

Подходит для: ответы на инструкции и вопросы в диалоге · перевод между корейским, английским, китайским и японским · многоязычная генерация текста

Мультимодальный агент inclusionAI на базе Qwen3.5-9B для выполнения задач в мобильных, веб- и настольных графических интерфейсах.

Подходит для: выполнение пошаговых задач в мобильных приложениях · навигация по сайтам и заполнение веб-форм · управление настольными приложениями через интерфейс ОС

StarVector-1B-im2svg создаёт код SVG по изображению или текстовому описанию, особенно для иконок, логотипов и технических диаграмм.

Подходит для: Векторизация растровых иконок в SVG · Создание SVG-логотипа по текстовому описанию · Преобразование технической схемы в SVG

Плотная мультимодальная модель Vection Labs на 27,8 млрд параметров для инженерного программирования, агентной работы с терминалом и анализа изображений и видео.

Подходит для: генерация и объяснение кода · поиск и исправление ошибок в коде · анализ и редактирование больших репозиториев

Мультимодальная модель HiVG на 3,1 млрд параметров создаёт редактируемую SVG-графику по изображениям и текстовым описаниям.

Подходит для: векторизация растрового изображения в редактируемый SVG · создание SVG-иллюстрации по текстовому описанию · восстановление структуры и деталей изображения в векторной графике

Компактная мультимодальная модель для создания сопоставимых векторов текста, изображений, речи и окружающих звуков, применимых в поиске, маршрутизации и кластеризации.

Подходит для: поиск текстового описания по изображению · поиск аудиозаписей по текстовому запросу · мультимодальный поиск по тексту, изображениям и звуку

Мультимодальная модель, преобразующая изображения научных и технических фигур в редактируемый SVG-код.

Подходит для: перевод научной схемы в редактируемый SVG · векторизация технической иллюстрации · восстановление диаграммы по изображению

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

Модель Mistral на 7,1 млрд параметров для ответов на вопросы и рассуждений о векторной графике через текстовые визуальные описания.

Подходит для: ответы на вопросы о векторных изображениях · определение пространственных отношений между объектами на схеме · решение простых лабиринтов, представленных векторной графикой

Визуально-языковая модель ByteDance для восприятия экранов и автоматизации действий в графических интерфейсах по текстовым инструкциям.

Подходит для: автоматизация действий на веб-страницах · управление элементами интерфейса мобильных приложений · выполнение инструкций в настольных приложениях

Компактная модель Naver AI для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: классификация изображений по категориям ImageNet · получение признаковых карт из изображений · извлечение векторных представлений изображений

Зрительная модель Apple AIMv2 для извлечения векторных признаков изображений и их использования в задачах визуального поиска и сопоставления.

Подходит для: извлечение признаков изображений для поиска по визуальному сходству · построение векторного индекса изображений · сопоставление изображений с текстовыми представлениями в мультимодальной системе

Компактная модель DaViT для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков из изображений · получение векторных представлений изображений

Визуально-языковой GUI-агент на базе Qwen3-VL для распознавания элементов интерфейса и выполнения инструкций в мобильных приложениях и веб-страницах.

Подходит для: нахождение кнопок и других элементов на скриншоте интерфейса · выполнение пользовательских инструкций в мобильных приложениях · многошаговая навигация по веб-страницам

Мультимодальная модель Vection Labs на базе Qwen3-VL для анализа изображений и видео, программирования, рассуждений и агентной работы с инструментами.

Подходит для: генерация и отладка кода · проверка кода и анализ репозитория · создание кодового агента с вызовом инструментов

Компактная базовая языковая модель на 49,3 млн параметров для исследований, бенчмаркинга и продолжения предобучения.

Подходит для: эксперименты с компактными причинно-языковыми моделями · продолжение предобучения на собственном корпусе · бенчмаркинг малых языковых моделей

OmniVinci — мультимодальная модель NVIDIA на базе VILA для анализа изображений, видео и аудио, а также извлечения признаков.

Подходит для: извлечение признаков из мультимодальных данных · ответы на вопросы по изображениям · понимание видео со звуковой дорожкой

DaViT Small — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение карт признаков из изображений · получение векторных представлений изображений

Производная модели ByteDance/Sa2VA-Qwen2_5-VL-3B. Мультимодальная чат-модель Sa2VA для ответов по изображениям и видео, понимания визуальных подсказок и сегментации объектов.

Подходит для: ответы на вопросы по изображению · ответы на вопросы по видео · сегментация объектов на изображениях

VITA-1.5 — мультимодальная диалоговая модель для взаимодействия с видео и речевыми данными в реальном времени.

Подходит для: ответы на вопросы по видео · диалог по визуальным данным · анализ видеосцен в ходе общения