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

Ornith-1.0-35B — модель генерации кода на базе Qwen 3.5 для агентных задач, работы с репозиториями и вызова инструментов.

Подходит для: генерация и исправление кода по запросам · выполнение задач по изменению больших кодовых баз · автоматизация разработки через терминального агента

Экспериментальная 27-миллиардная модель Jackrong для агентного программирования, отладки репозиториев и вызова инструментов.

Подходит для: генерация кода и правок в существующем репозитории · поиск и исправление ошибок в коде · создание патчей по описанию задачи

Агентная модель Moonshot AI для сложных задач программирования и многоэтапной разработки ПО с поддержкой изображений, видео и инструментов.

Подходит для: написание и изменение кода в крупных проектах · выполнение многоэтапных задач разработки через агентный интерфейс · поиск и исправление ошибок в программном обеспечении

Крупная модель MoE на базе Qwen 3.5 для агентного программирования, решения задач разработки и работы с инструментами.

Подходит для: решение задач разработки в терминальном coding-агенте · поиск и исправление ошибок в кодовой базе · автоматизация задач программирования с вызовом инструментов

NVFP4-квантизация Qwen3-Coder-Next для генерации кода и диалоговой работы на NVIDIA DGX Spark и совместимых GPU Blackwell.

Подходит для: генерация кода по текстовому запросу · диалоговый помощник при разработке программ · запуск кодирующей модели на DGX Spark с ограниченной памятью

Базовая модель DeepSeek на 6,6 млрд параметров для генерации, дополнения и заполнения пропусков в коде с контекстом до 16 384 токенов.

Подходит для: автодополнение кода в редакторе · заполнение пропусков и вставка кода по контексту · завершение кода с учётом файлов проекта

Компактная экспериментальная языковая модель с причинным каналом концептов для генерации текста и изучения предсказания следующих токенов.

Подходит для: генерация продолжений текста · эксперименты с предсказанием следующих токенов · сравнение языковых моделей с концептуальным каналом и без него

Контрольная авторегрессионная модель Paragon Intelligence Labs на базе SmolLM2-360M для генерации текста и сравнения методов обучения предсказанию следующего токена.

Подходит для: сравнение обычного предсказания следующего токена с концептуальным обучением · воспроизведение экспериментов семейства Tessera · генерация текста компактной языковой моделью

Компактная агентная модель для исследования программных репозиториев, исправления ошибок и проверки изменений тестами.

Подходит для: поиск и исправление ошибок в программном репозитории · анализ кода и подготовка патчей по описанию проблемы · запуск тестов для проверки исправлений

Дообученная 9-миллиардная модель OrionLLM для агентного программирования, работы с кодовыми базами и задач в терминале.

Подходит для: генерация и редактирование программного кода · поиск и исправление ошибок в проекте · многошаговое решение задач разработки в терминале

Базовая модель Meta на 13 млрд параметров для генерации, продолжения и понимания кода.

Подходит для: автодополнение фрагментов кода · заполнение пропусков в коде · генерация кода по текстовому контексту

Объединённая MoE-модель Qwen для генерации кода, задач разработки и агентного выполнения инструментов.

Подходит для: генерация и дополнение программного кода · решение задач программной разработки в диалоге · выполнение команд терминальным агентом

Экспериментальная компактная модель генерации текста на базе SmolLM2-135M, созданная для проверки обучения с предсказанием концептов.

Подходит для: изучение влияния канала концептов на генерацию текста · проверка обучения архитектуры Next Concept Prediction на малом масштабе · воспроизведение экспериментов с кодированием и обратной связью концептов

Сжатая MoE-модель Qwen для генерации кода, агентного программирования и вызова функций при меньших требованиях к памяти.

Подходит для: генерация и дополнение программного кода · помощь агенту в изменении и отладке кода · вызов функций в диалоговом приложении

Небольшая предварительно обученная модель Salesforce для понимания и генерации кода, предназначенная для дообучения под конкретные задачи разработки.

Подходит для: дообучение для суммаризации исходного кода · генерация кода по текстовому описанию · перевод кода между языками программирования

Дообученная Gemma 4 12B для решения алгоритмических задач на Python и генерации кода, проверенного тестами.

Подходит для: решение алгоритмических задач на Python · написание функций Python с учётом граничных случаев · генерация кода Python, проходящего детерминированные тесты

Текстовая MoE-модель на базе Qwen, предназначенная для генерации кода, решения задач программирования и вызова инструментов.

Подходит для: генерация и дополнение программного кода · решение задач по программированию · написание кода на Rust, Java и JavaScript

Компактная модель Salesforce на архитектуре T5 для генерации и понимания кода по текстовым запросам.

Подходит для: генерация кода по описанию задачи · автодополнение фрагментов кода · поиск кода по текстовому запросу

Компактная MoE-модель для генерации кода, решения задач программирования и диалогов с инструментами, созданная прореживанием экспертов Ornith-1.5-35B-A3B.

Подходит для: генерация и дополнение программного кода · решение задач по программированию · ответы на вопросы о коде в диалоге

Предварительно обученная модель Salesforce на базе T5 для понимания и генерации кода, которую обычно дообучают под конкретную задачу.

Подходит для: суммаризация исходного кода · генерация кода по текстовому описанию · перевод кода между языками программирования

Открытая модель 01.AI на 8,6 млрд параметров для генерации и анализа кода в контекстах до 128K токенов.

Подходит для: генерация функций и алгоритмов по текстовому запросу · дополнение исходного кода · анализ длинных фрагментов кода

Компактная модель ZYR3 генерирует кодовые продолжения локально и служит офлайн-помощником при программировании.

Подходит для: локальное автодополнение кода в редакторе или терминале · черновая генерация фрагментов кода без GPU · получение подсказок по программированию в терминальном чате

RoBERTa-модель, дообученная на Java-коде для восстановления пропущенных токенов и использования в CodeBERTScore.

Подходит для: восстановление замаскированных фрагментов Java-кода · оценка сходства сгенерированного Java-кода в CodeBERTScore · анализ Java-кода с помощью представлений, обученных на исходном коде