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

Мультимодальная VLA-модель NVIDIA для рассуждений о дорожной обстановке и прогнозирования траектории автомобиля в сценариях автономного вождения.

Подходит для: прогнозирование траектории автомобиля по данным камер и истории движения · объяснение решений системы автономного вождения · ответы на вопросы о дорожной сцене

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

Экспериментальная мультимодальная MoE-модель, дообученная для диалогов, рассуждений, анализа изображений и работы с инструментами.

Подходит для: решение задач по математике с пошаговыми рассуждениями · генерация и анализ программного кода · ответы на вопросы по изображениям

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

VideoMAEv2-Huge — самоконтролируемая видеомодель для извлечения признаков и классификации видео.

Подходит для: извлечение признаков из видеороликов · классификация видеоклипов · подготовка видеоэмбеддингов для последующего анализа

Модель NVIDIA для восприятия дорожной обстановки, объяснения решений и предсказания действий и траекторий автономного автомобиля по изображениям, видео, тексту и истории движения.

Подходит для: предсказание траектории автономного автомобиля · ответы на вопросы по видео с дорожных камер · привязка объектов на изображениях к координатам

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

ViT-модель, предварительно обученная методом MAE на ImageNet-1k для извлечения признаков и эмбеддингов изображений.

Подходит для: извлечение признаков из изображений · получение эмбеддингов изображений для поиска похожих изображений · использование в качестве backbone для классификации изображений

Mage-VL — мультимодальная модель Microsoft на базе визуального кодировщика Mage-ViT и Qwen3-4B для понимания изображений, видео и потоковых событий.

Подходит для: ответы на вопросы по изображениям · ответы на вопросы по видеозаписям · поиск и временная локализация событий в видео

Базовая модель VideoMAE-v2 для извлечения признаков и классификации видео.

Подходит для: извлечение признаков из видеозаписей · классификация видеоклипов · подготовка видеоэмбеддингов для последующих задач

Крупная видеомодель VideoMAE V2 для извлечения признаков и классификации видеоматериалов.

Подходит для: извлечение признаков из видеороликов · классификация видеосодержимого · подготовка признаков видео для последующего анализа

Компактная дообученная модель семейства LLaMA для генерации текста и ускорения вывода крупных LLaMA- и Vicuna-моделей в режиме спекулятивного декодирования.

Подходит для: черновая генерация токенов для спекулятивного декодирования · ускорение вывода моделей LLaMA-13B и LLaMA-33B · ускорение вывода моделей Vicuna-13B и Vicuna-33B

Дообученная на корейских данных RoBERTa для выявления имён людей, адресов и организаций в тексте как потенциальных персональных данных.

Подходит для: поиск имён людей в корейских текстах · извлечение адресов из корейских документов · обнаружение названий организаций в корейском тексте

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

Occamy-1.0 — мультимодальная модель Qwen на 35 млрд параметров для длительных агентных рабочих процессов с инструментами, кодом и файлами.

Подходит для: выполнение многошаговых задач с вызовом инструментов · автоматизация рабочих процессов с файлами и структурированными API · написание и отладка кода в терминале

Компактная модель Vaayu для локальной генерации структурированных вызовов инструментов в агентных системах и интеграциях MCP.

Подходит для: генерация вызовов инструментов по JSON-схеме · передача аргументов инструментам через JSON-RPC · подключение локальных MCP-серверов к агенту

Зрительная модель Apple AIMv2 с 308,3 млн параметров для извлечения признаков изображений и задач визуального понимания.

Подходит для: извлечение признаков изображений для последующего анализа · поиск похожих изображений по визуальным признакам · визуальное понимание изображений в мультимодальных системах

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

ViT-модель Alibaba MIIL для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · извлечение признаковых представлений изображений · использование визуального backbone в компьютерном зрении

Небольшая модель VideoMAE для классификации действий в видео по 174 классам набора Something-Something V2.

Подходит для: классификация действий в коротких видео · распознавание взаимодействий с предметами в роликах · автоматическая категоризация видеоклипов по типу действия

Небольшая языковая модель Vaayu, обученная с нуля для локальной генерации структурированных вызовов инструментов и интеграции через MCP.

Подходит для: генерация вызовов инструментов по JSON-схемам · формирование JSON-RPC запросов для локальных сервисов · подключение языковой модели к MCP-серверам

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 VideoMAE-модель классифицирует видео по 400 категориям набора Kinetics-400, включая действия людей.

Подходит для: распознавание действий в видеоклипах · автоматическая классификация видео по категориям Kinetics-400 · разметка видеоколлекций по содержанию