Инструкционная мультимодальная модель Google DeepMind для диалога, анализа текста, изображений, видео и аудио, а также генерации кода.

Подходит для: ответы на вопросы по изображениям и документам · извлечение текста и данных из сканов и PDF · транскрибация аудио и перевод речи в текст

Мультимодальная модель Qwen для потоковых текстовых и голосовых диалогов, понимания аудио, изображений и видео.

Подходит для: голосовой помощник с ответами в реальном времени · распознавание и понимание речи на русском и других языках · ответы на вопросы по изображениям

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

Мультимодальная модель Google DeepMind для диалога, рассуждений, анализа изображений, программирования и работы с аудио, представленная как веса QAT для собственной компиляции.

Подходит для: ответы на вопросы по изображениям и скриншотам · распознавание текста и разбор PDF-документов · генерация, дополнение и исправление кода

Открытая мультимодальная модель Qwen с 35 млрд параметров для диалогов, агентного программирования и анализа изображений.

Подходит для: написание и изменение кода в репозитории · анализ структуры проекта и поиск причин ошибок · создание веб-интерфейсов по описанию

Компактная мультимодальная модель Qwen для диалога с текстом, изображениями, аудио и видео с генерацией текстовых и речевых ответов.

Подходит для: голосовой чат с потоковыми ответами · распознавание речи и выполнение голосовых инструкций · ответы на вопросы по изображениям

Мультимодальная модель OpenBMB для анализа изображений, аудио и видео, а также для двустороннего голосового диалога в реальном времени.

Подходит для: ответы на вопросы по изображениям и видеозаписям · распознавание текста и разбор документов на изображениях · голосовой диалог на английском и китайском языках

Qwen2.5-Omni-7B — мультимодальная модель Qwen для диалога с текстом, изображениями, аудио и видео, с генерацией текстовых и речевых ответов.

Подходит для: голосовой диалог с потоковой генерацией речи · распознавание и понимание речи · ответы на вопросы по изображениям

Gemma 4 E4B Instruct — компактная мультимодальная модель Google DeepMind для диалога, рассуждений, программирования, анализа изображений и обработки аудио.

Подходит для: ответы на вопросы по изображениям и снимкам экрана · извлечение текста и сведений из документов и PDF · распознавание речи и подготовка транскриптов

Мультимодальная Gemma 4 E2B IT от Google DeepMind для диалогов, рассуждений, программирования и анализа текста, изображений и аудио с выдачей текстовых ответов.

Подходит для: ответы на вопросы по тексту и изображениям · извлечение текста и сведений из документов и скриншотов · распознавание и транскрибирование речи

Gemma 4 E4B — мультимодальная модель Google DeepMind для диалога, рассуждений, программирования и анализа изображений и аудио с генерацией текстовых ответов.

Подходит для: ответы на вопросы по изображениям и документам · распознавание речи и преобразование аудио в текст · перевод речи в текст на других языках

Дообученная мультимодальная модель Qwen на 27 млрд параметров для более эффективных рассуждений, программирования, диалогов и агентных задач.

Подходит для: написание и отладка кода · выполнение многошаговых задач через терминал · создание программных прототипов по текстовому описанию

Экспериментальная мультимодальная донастройка Gemma 4, в которой ослаблены отказы для диалогов и генерации ответов.

Подходит для: диалог с ослабленными отказами модели · генерация ответов на спорные запросы · анализ изображений с формированием текстового ответа

Мультимодальная модель NVIDIA для анализа текста, изображений, аудио и видео, включая транскрибацию, OCR, суммаризацию и корпоративную обработку документов.

Подходит для: транскрибация речи в аудио и видеозаписях · поиск и суммаризация видео и речевого содержимого · извлечение текста и ответов из сканов и деловых документов

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

Подходит для: исследование интерпретируемости языковых моделей · эксперименты с предсказанием следующего токена · сравнение контрольных точек обучения Pythia

Мультимодальная инструктивная модель Google DeepMind Gemma 4 E2B для диалогов, рассуждений, программирования и анализа текста, изображений и аудио с текстовой выдачей.

Подходит для: ответы на вопросы по изображениям и документам · распознавание речи и перевод речи в текст · генерация и исправление программного кода

Мультимодальная инструкция Gemma 4, модифицированная методом abliteration для снижения числа отказов в диалогах и генерации ответов.

Подходит для: диалоговая генерация ответов с меньшим числом отказов · эксперименты с методом abliteration для языковых моделей · анализ изображений в диалоговом сценарии

Мультимодальная модель Google DeepMind для диалогов, рассуждений, кода и анализа текста, изображений и аудио с генерацией текстовых ответов.

Подходит для: ответы на вопросы по изображениям и скриншотам · распознавание текста и извлечение данных из документов · транскрибирование аудиозаписей

Janus-Pro-7B — мультимодальная модель DeepSeek для понимания изображений и генерации изображений по тексту.

Подходит для: ответы на вопросы о содержимом изображения · описание изображений в диалоге · генерация изображения по текстовому запросу

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

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

Подходит для: диалоговый помощник с анализом изображений и документов · распознавание речи и преобразование речи в текст · перевод распознанной речи в текст на другом языке

Языковая модель мира Qwen для симуляции состояний сред и предсказания наблюдений после действий агента в текстовых и интерфейсных сценариях.

Подходит для: симуляция ответов MCP-инструментов для агента · генерация результатов поиска в траектории агента · предсказание вывода терминала после команды

Аудиоязыковая модель примерно на 8 млрд параметров для голосовых вопросов и ответов, понимания речи и речевого вызова функций на английском и китайском языках.

Подходит для: ответы на вопросы, заданные голосом · понимание содержания аудиозаписей · выполнение голосовых инструкций

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