Главная
/
Модели

Каталог моделей.

Нейросети для текста, изображений, видео и музыки. Выберите модель, изучите её возможности и подключите через единый API.

Показано 151–200 из 439 моделей

В каталоге

Текст

inclusionAI: Ling 3.0 Flash VL

inclusionai/ling-3.0-flash-vl

Ling 3.0 Flash VL основывается на Ling 3.0 Flash (всего 124B / 5.5B активных MoE от InclusionAI), еще больше укрепляя свои языковые возможности, добавляя при этом естественное визуальное восприятие и расширенные возможности визуального агента. Гибридная мгновенная/логическая модель с вызовом инструментов.

Вход: Текст, Изображения, Видео

262 144
токенов контекста

В каталоге

Текст

Inference.net: Schematron V2 Small

inference-net/schematron-v2-small

Schematron V2 Small — это модель извлечения HTML в JSON с 3B-параметрами от Inference.net. Она уделяет первоочередное внимание качеству извлечения для сложных схем и длинных страниц. Инструкции по извлечению должны предоставляться через JSON-схему в формате response_format, а не через системные или пользовательские подсказки.

Вход: Текст

128 000
токенов контекста

В каталоге

Текст

Inference.net: Schematron V2 Turbo

inference-net/schematron-v2-turbo

Schematron V2 Turbo — это модель извлечения HTML в JSON с 3B-параметрами от Inference.net. Она отдает приоритет пропускной способности для рабочих нагрузок с высоким объемом извлечения. Инструкции по извлечению должны предоставляться через JSON-схему в формате response_format, а не через системные или пользовательские подсказки.

Вход: Текст

128 000
токенов контекста

В каталоге

Текст

kimi-k3

kieai/kimi-k3

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

В каталоге

Текст

Kwaipilot: KAT-Coder-Pro V2.5

kwaipilot/kat-coder-pro-v2.5

KAT-Coder-Pro V2.5 — флагманская модель для агентного программирования, которой можно напрямую передать целую задачу или весь бизнес-процесс, позволяя ей самостоятельно находить нужные места в коде, вносить изменения и полностью проходить весь процесс в реальном репозитории. При этом модель органично объединяет несколько экспертов, полностью сохраняя способность версии V2 к созданию эстетичного фронтенда.

Вход: Уточняется

262 144
токенов контекста

В каталоге

Текст

LiquidAI: LFM2.5-2.6B (free)

liquid/lfm-2.5-2.6b:free

LFM2.5-2.6B — компактная рассуждающая модель от Liquid AI. Она подходит для агентных сценариев, извлечения данных, генерации ответов с подключением поиска и обработки длинного контекста. Liquid не рекомендует использовать её для агентного программирования и задач, требующих обширных знаний. Промпты и ответы могут сохраняться и использоваться для обучения моделей Liquid.

Вход: Уточняется

65 536
токенов контекста

В каталоге

Текст

Magnum v4 72B

anthracite-org/magnum-v4-72b

Это серия моделей, разработанных для воспроизведения качества прозы моделей Claude 3, в частности Sonnet и Opus. Модель доработана на основе Qwen2.5 72B.

Вход: Текст

32 768
токенов контекста

В каталоге

Текст

Mancer: Weaver (alpha)

mancer/weaver

Попытка воссоздать многословность в стиле Клода, но не ожидайте того же уровня связности или памяти. Предназначено для использования в ролевых/нарративных ситуациях.

Вход: Текст

8 000
токенов контекста

В каталоге

Текст

Meituan: LongCat 2.0

meituan/longcat-2.0

LongCat 2.0 — это разреженная смесь экспертов языковой модели от Meituan, с 48 миллиардами активных параметров из 1,6 триллиона общих. Она подходит для программирования, изменений на уровне репозиториев, решения задач с долгосрочной перспективой и агентных рабочих процессов.

Вход: Текст

1 048 756
токенов контекста

В каталоге

Текст

Meta: Llama 3.1 8B Instruct

meta-llama/llama-3.1-8b-instruct

Последняя версия модели от Meta (Llama 3.1) была выпущена в различных размерах и вариантах. Эта версия с инструкционной настройкой на 8 миллиардов параметров отличается высокой скоростью и эффективностью. Она продемонстрировала высокие результаты по сравнению с ведущими закрытыми моделями в оценках, проведенных людьми. Для получения дополнительной информации о выпуске модели, [перейдите по ссылке](https://ai.meta.com/blog/meta-llama-3-1/). Использование этой модели регулируется [Политикой приемлемого использования Meta](https://llama.meta.com/llama3/use-policy/).

Вход: Текст

131 072
токенов контекста

В каталоге

Текст

Meta: Llama 3.1 70B Instruct

meta-llama/llama-3.1-70b-instruct

Последняя версия модели от Meta (Llama 3.1) была выпущена в различных размерах и вариантах. Эта версия с 70 миллиардами параметров, настроенная для инструкций, оптимизирована для использования в диалогах высокого качества. Она продемонстрировала высокую производительность по сравнению с ведущими закрытыми моделями в ходе оценок, проводимых людьми. Для получения дополнительной информации о выпуске модели, [перейдите по ссылке](https://ai.meta.com/blog/meta-llama-3-1/). Использование этой модели регулируется [Политикой допустимого использования Meta](https://llama.meta.com/llama3/use-policy/).

Вход: Текст

131 072
токенов контекста

В каталоге

Текст

Meta: Llama 3.2 1B Instruct

meta-llama/llama-3.2-1b-instruct

Llama 3.2 1B — это языковая модель с одним миллиардом параметров, ориентированная на эффективное выполнение задач обработки естественного языка, таких как суммаризация, диалог и многоязычный анализ текста. Ее меньший размер позволяет эффективно работать в условиях ограниченных ресурсов, сохраняя при этом высокую производительность в выполнении задач. Поддерживая восемь основных языков и возможность настройки для других, Llama 1.3B подходит для бизнеса или разработчиков, которые ищут легкие, но мощные AI-решения, способные работать в многоязычных условиях без высокой вычислительной нагрузки, характерной для более крупных моделей. Использование этой модели регулируется [Политикой допустимого использования Meta](https://www.llama.com/llama3/use-policy/).

Вход: Текст

60 000
токенов контекста

В каталоге

Текст

Meta: Llama 3.2 3B Instruct

meta-llama/llama-3.2-3b-instruct

Llama 3.2 3B — это многоязычная языковая модель с 3 миллиардами параметров, оптимизированная для выполнения сложных задач обработки естественного языка, таких как генерация диалогов, рассуждение и суммаризация. Разработанная на основе новейшей архитектуры трансформеров, она поддерживает восемь языков, включая английский, испанский и хинди, и может быть адаптирована для дополнительных языков. Обученная на 9 триллионах токенов, модель Llama 3.2 3B демонстрирует высокие результаты в следовании инструкциям, сложном рассуждении и использовании инструментов. Ее сбалансированная производительность делает ее подходящей для приложений, требующих точности и эффективности в генерации текста в многоязычных условиях. Использование этой модели регулируется [Политикой допустимого использования Meta](https://www.llama.com/llama3/use-policy/).

Вход: Текст

131 072
токенов контекста

Доступна в API

Текст

Meta: Llama 3.3 70B Instruct

meta-llama/llama-3.3-70b-instruct

Многоязычная крупная языковая модель Meta Llama 3.3 (LLM) представляет собой предварительно обученную и настроенную на выполнение инструкций генеративную модель с параметрами 70 миллиардов (ввод текста/вывод текста). Модель Llama 3.3, настроенная на выполнение инструкций, оптимизирована для многоязычных диалоговых сценариев и превосходит многие доступные открытые и закрытые чат-модели по общепринятым отраслевым стандартам. Поддерживаемые языки: английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. [Карта модели](https://github.com/meta-llama/llama-models/blob/main/models/llama3_3/MODEL_CARD.md)

Вход: Текст

131 072
токенов контекста

Доступна в API

Текст

Meta: Llama 4 Maverick

meta-llama/llama-4-maverick

Llama 4 Maverick 17B Instruct (128E) — это высокоемкая мультимодальная языковая модель от Meta, построенная на архитектуре mixture-of-experts (MoE) с 128 экспертами и 17 миллиардами активных параметров на каждый прямой проход (всего 400 миллиардов). Она поддерживает ввод текста и изображений на нескольких языках и генерирует текст и код на 12 поддерживаемых языках. Оптимизированная для задач, связанных с обработкой изображений и текста, Maverick настроена для выполнения инструкций, анализа изображений и общего мультимодального взаимодействия. Maverick обладает ранним объединением для нативной мультимодальности и контекстным окном в 1 миллион токенов. Она была обучена на тщательно отобранной смеси общедоступных, лицензированных данных и данных платформы Meta, охватывающей около 22 триллионов токенов, с отсечкой знаний в августе 2024 года. Выпущенная 5 апреля 2025 года по лицензии Llama 4 Community License, Maverick подходит для исследований и коммерческих приложений, требующих продвинутого мультимодального понимания и высокой пропускной способности модели.

Вход: Текст, Изображения

1 048 576
токенов контекста

Доступна в API

Текст

Meta: Llama 4 Scout

meta-llama/llama-4-scout

Llama 4 Scout 17B Instruct (16E) — это языковая модель с механизмом выбора экспертов (MoE), разработанная Meta, активирующая 17 миллиардов параметров из общего числа 109 миллиардов. Она поддерживает нативный мультимодальный ввод (текст и изображение) и многоязычный вывод (текст и код) на 12 поддерживаемых языках. Модель предназначена для взаимодействия в стиле ассистента и визуального рассуждения, использует 16 экспертов на каждый проход и имеет длину контекста в 10 миллионов токенов, с обучающим корпусом около 40 триллионов токенов. Разработанная для высокой эффективности и локального или коммерческого развертывания, Llama 4 Scout включает раннее слияние для бесшовной интеграции модальностей. Она настроена для использования в многоязычных чатах, создании подписей и задачах понимания изображений. Выпущенная под лицензией Llama 4 Community License, модель была обучена на данных до августа 2024 года и запущена в публичный доступ 5 апреля 2025 года.

Вход: Текст, Изображения

1 310 720
токенов контекста

В каталоге

Текст

Meta: Llama Guard 4 12B

meta-llama/llama-guard-4-12b

Llama Guard 4 — это мультимодальная предобученная модель, основанная на Llama 4 Scout и доработанная для классификации безопасности контента. Как и предыдущие версии, она может использоваться для классификации контента как во входных данных LLM (классификация запросов), так и в ответах LLM (классификация ответов). Она функционирует как LLM, генерируя текст на выходе, который указывает, является ли данный запрос или ответ безопасным или небезопасным, и если небезопасным, то также перечисляет нарушенные категории контента. Llama Guard 4 была настроена для защиты от стандартной таксономии угроз MLCommons и разработана для поддержки мультимодальных возможностей Llama 4. В частности, она объединяет функции предыдущих моделей Llama Guard, обеспечивая модерацию контента для английского и нескольких поддерживаемых языков, а также расширенные возможности для обработки смешанных текстовых и графических запросов, включая несколько изображений. Кроме того, Llama Guard 4 интегрирована в Llama Moderations API, расширяя надежную классификацию безопасности на текст и изображения.

Вход: Изображения, Текст

163 840
токенов контекста

В каталоге

Текст

Meta: Muse Glimmer 30B

meta/muse-glimmer-30b

Muse Glimmer 30B — это плотная, открытая по весу мультимодальная модель от Meta Superintelligence Labs, дистиллированная из Muse Spark и оптимизированная для автономных агентов на потребительском оборудовании. Она подходит для длительных агентных и кодировочных рабочих процессов, с многошаговым рассуждением, надежным использованием инструментов, восстановлением после сбоев, пониманием изображений и поддержкой более чем 100 языков.

Вход: Текст, Изображения

131 072
токенов контекста

В каталоге

Текст

Meta: Muse Spark 1.1

meta/muse-spark-1.1

Muse Spark 1.1 — это мультимодальная модель рассуждений от Meta, предназначенная для агентных задач. Она принимает текст, изображения, видео, аудио и PDF-документы и возвращает текст, имея контекстное окно в 1 миллион токенов. Модель разработана для организации многоагентных рабочих процессов, выступая в роли основного агента, который планирует и делегирует, или в роли субагента, и обобщает нулевой выстрел на новые инструменты, MCP-серверы и пользовательские навыки. Она поддерживает структурированный вывод, параллельный вызов функций, встроенный поиск с цитированием и настраиваемые усилия по рассуждению. Meta сообщает о высокой производительности модели в реальных задачах программирования на больших кодовых базах, в рабочих процессах использования компьютера и в генерации кода на основе визуальных данных.

Вход: Текст, Изображения, Видео, Файлы

1 048 576
токенов контекста

В каталоге

Текст

Meta: Muse Spark 1.2

meta/muse-spark-1.2

Muse Spark 1.2 — это модель рассуждений от Meta, предназначенная для выполнения сложных агентных задач. Она принимает текст, изображения, видео, аудио и PDF-документы, возвращает текст и предлагает контекстное окно на 1 миллион токенов. Модель разработана для поддержки многоагентных рабочих процессов, как в роли основного агента, который планирует и делегирует задачи, так и в роли подагента, выполняющего задачи параллельно. Она работает с различными кодовыми оболочками и поддерживает структурированный вывод, параллельный вызов функций и настраиваемые усилия по рассуждению. В тестах Meta модель демонстрирует хорошие результаты при рефакторинге нескольких файлов, длительных сеансах отладки, генерации целых репозиториев и задачах, выходящих за рамки одного запроса.

Вход: Текст, Изображения, Видео, Файлы

1 048 576
токенов контекста

В каталоге

Текст

Meta: Muse Spark 1.2 Contributor

meta/muse-spark-1.2-contributor

Muse Spark 1.2 contributor tier — это модель рассуждений от Meta, предназначенная для разработчиков, которые хотят начать разработку с еще более низкими затратами. Она значительно дешевле, чем Muse Spark 1.2. Ваши запросы и результаты могут использоваться для улучшения продуктов Meta, что делает ее подходящей для экспериментов, обучения и начальных проектов без беспокойства о расходах. Это модель рассуждений от Meta, адаптированная для сложных агентных задач. Она принимает текст, изображения, видео, аудио и PDF-документы, возвращает текст и предлагает контекстное окно на 1 миллион токенов. Модель разработана для поддержки многопоточных рабочих процессов, будь то в качестве основного агента, который планирует и делегирует, или в качестве подагента, выполняющего задачи параллельно. Она работает с различными кодовыми оболочками и поддерживает структурированный вывод, параллельный вызов функций и настраиваемую степень рассуждений. В тестах Meta она показывает хорошие результаты при рефакторинге нескольких файлов, расширенных сеансах отладки, генерации целых репозиториев и задачах, которые выходят за рамки одного запроса.

Вход: Текст, Изображения, Видео, Файлы

1 048 576
токенов контекста

Доступна в API

Текст

Meta: Muse Spark 1.3

meta/muse-spark-1.3

Muse Spark 1.3 — это мультимодальная модель рассуждений от Meta, предназначенная для длительных агентных, многоагентных и кодировочных рабочих процессов. Она разработана для отслеживания информации в рамках продолжительных задач, обработки противоречивых данных и запроса уточнений или подтверждений при необходимости, с акцентом на краткое выполнение.

Вход: Текст, Изображения, Видео, Файлы

1 048 576
токенов контекста

В каталоге

Текст

Meta: Muse Spark 1.3 Contributor

meta/muse-spark-1.3-contributor

Muse Spark 1.3 Contributor — это экономичный уровень участия в многомодальной модели рассуждений Meta для экспериментов, обучения и начальных стадий агентных, многоагентных и кодировочных рабочих процессов. Он предназначен для отслеживания информации в рамках длительных задач, обработки противоречивых данных и запроса уточнений или подтверждений при необходимости. Подсказки и результаты могут использоваться для улучшения продуктов Meta.

Вход: Текст, Изображения, Видео, Файлы

1 048 576
токенов контекста

В каталоге

Текст

Microsoft: Phi 4

microsoft/phi-4

Phi-4 от Microsoft Research разработан для эффективного выполнения сложных задач, требующих рассуждений, и может работать в условиях ограниченной памяти или когда необходимы быстрые ответы. С 14 миллиардами параметров он был обучен на смеси высококачественных синтетических наборов данных, данных с отобранных веб-сайтов и академических материалов. Он прошел тщательную доработку для точного выполнения инструкций и поддержания высоких стандартов безопасности. Лучше всего работает с вводом на английском языке. Для получения дополнительной информации, пожалуйста, ознакомьтесь с [Phi-4 Technical Report](https://arxiv.org/pdf/2412.08905).

Вход: Текст

16 384
токенов контекста

В каталоге

Текст

MiniMax: MiniMax-01

minimax/minimax-01

MiniMax-01 сочетает в себе MiniMax-Text-01 для генерации текста и MiniMax-VL-01 для понимания изображений. Он содержит 456 миллиардов параметров, из которых 45,9 миллиарда активируются при каждом выводе, и может обрабатывать контекст до 4 миллионов токенов. Текстовая модель использует гибридную архитектуру, которая сочетает Lightning Attention, Softmax Attention и Mixture-of-Experts (MoE). Модель изображения использует структуру «ViT-MLP-LLM» и обучена на основе текстовой модели.

Вход: Текст, Изображения

1 000 192
токенов контекста

В каталоге

Текст

MiniMax: MiniMax M1

minimax/minimax-m1

MiniMax-M1 — это крупномасштабная модель рассуждений с открытым весом, разработанная для расширенного контекста и высокоэффективного вывода. Она использует гибридную архитектуру Mixture-of-Experts (MoE) в сочетании с пользовательским механизмом "молниеносного внимания", что позволяет обрабатывать длинные последовательности — до 1 миллиона токенов — при сохранении конкурентоспособной эффективности FLOP. С общим количеством параметров 456 миллиардов и 45,9 миллиарда активных на токен, этот вариант оптимизирован для сложных, многошаговых задач рассуждения. Обученная с помощью пользовательского конвейера обучения с подкреплением (CISPO), M1 превосходит в понимании длинного контекста, программной инженерии, использовании агентных инструментов и математическом рассуждении. Тесты показывают высокие результаты на FullStackBench, SWE-bench, MATH, GPQA и TAU-Bench, часто превосходя другие открытые модели, такие как DeepSeek R1 и Qwen3-235B.

Вход: Текст

1 000 000
токенов контекста

В каталоге

Текст

MiniMax: MiniMax M2

minimax/minimax-m2

MiniMax-M2 — это компактная, высокоэффективная большая языковая модель, оптимизированная для сквозного кодирования и агентных рабочих процессов. С 10 миллиардами активированных параметров (всего 230 миллиардов) она обеспечивает почти передовой уровень интеллекта в области общего рассуждения, использования инструментов и выполнения многошаговых задач, сохраняя при этом низкую задержку и эффективность развертывания. Модель превосходно справляется с генерацией кода, редактированием нескольких файлов, циклами компиляции-запуска-исправления и тестово-валидированным ремонтом, демонстрируя высокие результаты на SWE-Bench Verified, Multi-SWE-Bench и Terminal-Bench. Она также показывает конкурентоспособность в агентных оценках, таких как BrowseComp и GAIA, эффективно справляясь с долгосрочным планированием, извлечением и восстановлением после ошибок выполнения. По данным [Artificial Analysis](https://artificialanalysis.ai/models/minimax-m2), MiniMax-M2 занимает одно из ведущих мест среди открытых моделей для комплексного интеллекта, охватывающего математику, науку и следование инструкциям. Ее небольшой активированный след позволяет обеспечить быструю инференцию, высокую конкурентоспособность и улучшенную экономику единицы, что делает ее подходящей для крупных агентов, помощников разработчиков и приложений, ориентированных на рассуждения, требующих отзывчивости и экономической эффективности. Чтобы избежать ухудшения производительности этой модели, MiniMax настоятельно рекомендует сохранять рассуждения между ходами.

Вход: Текст

204 800
токенов контекста

В каталоге

Текст

MiniMax: MiniMax M2-her

minimax/minimax-m2-her

MiniMax M2-her — это ориентированная на диалог крупная языковая модель, созданная для погружения в ролевые игры, общения с персонажами и выразительных многократных бесед. Разработанная для сохранения последовательности в тоне и личности, она поддерживает богатые роли сообщений (user_system, group, sample_message_user, sample_message_ai) и может учиться на примерах диалогов, чтобы лучше соответствовать стилю и темпу вашего сценария, что делает её отличным выбором для повествования, общения и разговорных взаимодействий, где естественный поток и яркое взаимодействие имеют наибольшее значение.

Вход: Текст

65 536
токенов контекста

Доступна в API

Текст

MiniMax: MiniMax M2.1

minimax/minimax-m2.1

MiniMax-M2.1 — это легкая, передовая большая языковая модель, оптимизированная для кодирования, агентных рабочих процессов и разработки современных приложений. Имея всего 10 миллиардов активированных параметров, она обеспечивает значительный скачок в реальных возможностях, сохраняя при этом исключительную задержку, масштабируемость и экономическую эффективность. По сравнению с предшественником, M2.1 выдает более чистые и лаконичные результаты и обеспечивает более быстрое восприятие времени отклика. Она демонстрирует ведущую многоязычную производительность в кодировании для основных систем и языков приложений, достигая 49,4% на Multi-SWE-Bench и 72,5% на SWE-Bench Multilingual, и служит универсальным "мозгом" агента для IDE, инструментов кодирования и универсальной помощи.

Вход: Текст

204 800
токенов контекста

Доступна в API

Текст

MiniMax: MiniMax M2.5

minimax/minimax-m2.5

MiniMax-M2.5 — это передовая большая языковая модель, разработанная для повышения производительности в реальных условиях. Обученная в разнообразных сложных цифровых рабочих средах, M2.5 основывается на опыте кодирования M2.1, чтобы расширить возможности в области общей офисной работы, достигая беглости в создании и работе с файлами Word, Excel и Powerpoint, переключаясь между различными программными средами, а также работая в командах, состоящих из агентов и людей. Набрав 80,2% на SWE-Bench Verified, 51,3% на Multi-SWE-Bench и 76,3% на BrowseComp, M2.5 также более эффективно использует токены по сравнению с предыдущими поколениями, так как была обучена оптимизировать свои действия и результаты через планирование.

Вход: Текст

204 800
токенов контекста

Доступна в API

Текст

MiniMax: MiniMax M2.7

minimax/minimax-m2.7

MiniMax-M2.7 — это модель нового поколения, разработанная для автономной, продуктивной работы в реальных условиях и непрерывного совершенствования. Созданная для активного участия в собственном развитии, M2.7 интегрирует передовые агентные возможности через многопользовательское сотрудничество, что позволяет ей планировать, выполнять и совершенствовать сложные задачи в динамичных средах. Обученная для производительности на уровне промышленного стандарта, M2.7 справляется с рабочими процессами, такими как отладка в реальном времени, анализ первопричин, финансовое моделирование и полное создание документов в Word, Excel и PowerPoint. Она демонстрирует высокие результаты в тестах, включая 56,2% на SWE-Pro и 57,0% на Terminal Bench 2, достигая 1495 ELO на GDPval-AA, устанавливая новый стандарт для многопользовательских систем, работающих в реальных цифровых рабочих процессах.

Вход: Текст

204 800
токенов контекста

Доступна в API

Текст

MiniMax: MiniMax M3

minimax/minimax-m3

MiniMax-M3 — это мультимодальная базовая модель от MiniMax. Она поддерживает текстовые, графические и видео входные данные с текстовым выводом, имеет контекстное окно на 1 миллион токенов и подходит для работы на длительных горизонтах, программирования и использования инструментов. Модель построена на MiniMax Sparse Attention (MSA), который заменяет полное внимание выбором блоков KV, чтобы снизить вычислительные затраты на токен при длинном контексте — примерно в 20 раз дешевле предыдущего поколения при 1 миллионе токенов, с существенно более быстрым заполнением и декодированием, сохраняя качество выполнения большинства задач. Обученная как нативная мультимодальная модель на перемешанных данных и настроенная для многократного, производственного взаимодействия через интерактивную пользовательскую симуляцию, модель ориентирована на устойчивые, многошаговые задачи, а не на выполнение в один шаг.

Вход: Текст, Изображения, Видео

1 048 576
токенов контекста

В каталоге

Текст

Mistral: Codestral 2508

mistralai/codestral-2508

Современная языковая модель Mistral для кодирования была выпущена в конце июля 2025 года. Codestral специализируется на задачах с низкой задержкой и высокой частотой, таких как заполнение промежутков (FIM), исправление кода и генерация тестов.

Вход: Текст, Файлы

256 000
токенов контекста

В каталоге

Текст

Mistral: Devstral 2 2512

mistralai/devstral-2512

Devstral 2 — это современная модель с открытым исходным кодом от Mistral AI, специализирующаяся на агентном кодировании. Это плотная трансформерная модель с 123 миллиардами параметров, поддерживающая контекстное окно размером 256 тысяч. Devstral 2 поддерживает исследование кодовых баз и организацию изменений в нескольких файлах, сохраняя при этом контекст на уровне архитектуры. Она отслеживает зависимости фреймворков, обнаруживает сбои и повторяет попытки с исправлениями, решая такие задачи, как исправление ошибок и модернизация устаревших систем. Модель может быть настроена для приоритизации определенных языков или оптимизации для крупных корпоративных кодовых баз. Она доступна по модифицированной лицензии MIT.

Вход: Текст, Файлы

262 144
токенов контекста

В каталоге

Текст

Mistral: Ministral 3 3B 2512

mistralai/ministral-3b-2512

Самая маленькая модель в семействе Ministral 3, Ministral 3 3B, представляет собой мощную, эффективную небольшую языковую модель с возможностями обработки изображений.

Вход: Текст, Изображения

131 072
токенов контекста

В каталоге

Текст

Mistral: Ministral 3 8B 2512

mistralai/ministral-8b-2512

Сбалансированная модель в семействе Ministral 3, Ministral 3 8B — это мощная, эффективная небольшая языковая модель с возможностями обработки изображений.

Вход: Текст, Изображения

262 144
токенов контекста

В каталоге

Текст

Mistral: Ministral 3 14B 2512

mistralai/ministral-14b-2512

Самая крупная модель в семействе Ministral 3, Ministral 3 14B, предлагает передовые возможности и производительность, сопоставимую с ее более крупным аналогом Mistral Small 3.2 24B. Это мощная и эффективная языковая модель с возможностями обработки визуальной информации.

Вход: Текст, Изображения

262 144
токенов контекста

В каталоге

Текст

Mistral: Mistral Large 3 2512

mistralai/mistral-large-2512

Mistral Large 3 2512 — это самая мощная модель Mistral на сегодняшний день, оснащенная архитектурой с разреженной смесью экспертов с 41 миллиардами активных параметров (всего 675 миллиардов) и выпущенная под лицензией Apache 2.0.

Вход: Текст, Изображения, Файлы

262 144
токенов контекста

Доступна в API

Текст

Mistral: Mistral Large 4

mistralai/mistral-large-4-0

Mistral Large 4 — это передовая мультимодальная модель (ввод текста и изображений) от Mistral AI, предназначенная для выполнения задач, связанных с рассуждением, программированием и агентными нагрузками. Она предлагает контекстное окно на 512K токенов с возможностью вывода до 256K токенов и поддерживает вызов инструментов и структурированные выводы.

Вход: Текст, Изображения

524 288
токенов контекста

Доступна в API

Текст

Mistral: Mistral Medium 3

mistralai/mistral-medium-3

Mistral Medium 3 — это высокопроизводительная языковая модель корпоративного уровня, разработанная для предоставления передовых возможностей при значительно сниженной операционной стоимости. Она сочетает передовые возможности в области рассуждений и мультимодальной производительности с 8-кратным снижением затрат по сравнению с традиционными крупными моделями, что делает её подходящей для масштабируемого развертывания в профессиональных и промышленных сценариях использования. Модель превосходно работает в таких областях, как программирование, STEM-рассуждения и адаптация для предприятий. Она поддерживает гибридные, локальные и в-VPC развертывания и оптимизирована для интеграции в пользовательские рабочие процессы. Mistral Medium 3 предлагает конкурентоспособную точность по сравнению с более крупными моделями, такими как Claude Sonnet 3.5/3.7, Llama 4 Maverick и Command R+, при этом сохраняя широкую совместимость с облачными средами.

Вход: Текст, Изображения, Файлы

131 072
токенов контекста

В каталоге

Текст

Mistral: Mistral Medium 3.1

mistralai/mistral-medium-3.1

Mistral Medium 3.1 — это обновленная версия Mistral Medium 3, высокопроизводительной языковой модели корпоративного уровня, разработанной для предоставления передовых возможностей при значительно сниженных операционных затратах. Она сочетает в себе передовые возможности логического мышления и мультимодальной производительности с в 8 раз меньшими затратами по сравнению с традиционными крупными моделями, что делает ее подходящей для масштабируемых развертываний в профессиональных и промышленных сценариях использования. Модель превосходно работает в таких областях, как программирование, логическое мышление в STEM и адаптация для предприятий. Она поддерживает гибридные, локальные и в-VPC развертывания и оптимизирована для интеграции в пользовательские рабочие процессы. Mistral Medium 3.1 предлагает конкурентоспособную точность по сравнению с более крупными моделями, такими как Claude Sonnet 3.5/3.7, Llama 4 Maverick и Command R+, при этом сохраняя широкую совместимость в облачных средах.

Вход: Текст, Изображения, Файлы

131 072
токенов контекста

В каталоге

Текст

Mistral: Mistral Medium 3.5

mistralai/mistral-medium-3-5

Mistral Medium 3.5 — это плотная модель следования инструкциям 128B от Mistral AI. Она поддерживает ввод текста и изображений с выводом текста и предназначена для агентных рабочих процессов, программирования и сложного многоэтапного рассуждения. Модель особенно сильна в надежном вызове нескольких инструментов и задачах с длинным горизонтом, имеет контекстное окно 256K, настраиваемое усилие рассуждения на запрос и пользовательский кодировщик изображений, который обрабатывает переменные размеры и соотношения сторон изображений. Может быть размещена на собственных серверах всего на четырех GPU и доступна с открытыми весами.

Вход: Текст, Изображения, Файлы

262 144
токенов контекста

В каталоге

Текст

Mistral: Mistral Nemo

mistralai/mistral-nemo

Модель с 12 миллиардами параметров и длиной контекста в 128 тысяч токенов, созданная Mistral в сотрудничестве с NVIDIA. Модель является многоязычной и поддерживает английский, французский, немецкий, испанский, итальянский, португальский, китайский, японский, корейский, арабский и хинди. Она поддерживает вызов функций и выпущена под лицензией Apache 2.0.

Вход: Текст

131 072
токенов контекста

В каталоге

Текст

Mistral: Mistral Small 3

mistralai/mistral-small-24b-instruct-2501

Mistral Small 3 — это языковая модель с 24 миллиардами параметров, оптимизированная для работы с низкой задержкой в рамках общих задач ИИ. Выпущенная под лицензией Apache 2.0, она включает как предварительно обученные, так и настроенные на выполнение инструкций версии, предназначенные для эффективного локального развертывания. Модель достигает 81% точности на бенчмарке MMLU и показывает конкурентоспособные результаты с более крупными моделями, такими как Llama 3.3 70B и Qwen 32B, при этом работая в три раза быстрее на эквивалентном оборудовании.

Вход: Текст

32 768
токенов контекста

В каталоге

Текст

Mistral: Mistral Small 3.1 24B

mistralai/mistral-small-3.1-24b-instruct

Mistral Small 3.1 24B Instruct — это обновленный вариант Mistral Small 3 (2501), содержащий 24 миллиарда параметров с продвинутыми мультимодальными возможностями. Он обеспечивает передовые результаты в задачах текстового рассуждения и анализа изображений, включая программирование, математическое рассуждение и поддержку множества языков. Оснащенный обширным контекстным окном на 128 тысяч токенов и оптимизированный для эффективного локального вывода, он поддерживает такие сценарии использования, как разговорные агенты, вызов функций, понимание длинных документов и развертывания с учетом конфиденциальности. Обновленная версия — [Mistral Small 3.2](/models/mistralai/mistral-small-3.2-24b-instruct).

Вход: Текст, Изображения

128 000
токенов контекста

В каталоге

Текст

Mistral: Mistral Small 3.2 24B

mistralai/mistral-small-3.2-24b-instruct

Mistral-Small-3.2-24B-Instruct-2506 — это обновленная модель с 24 миллиардами параметров от Mistral, оптимизированная для выполнения инструкций, уменьшения повторений и улучшенного вызова функций. По сравнению с версией 3.1, версия 3.2 значительно улучшает точность на WildBench и Arena Hard, сокращает бесконечные генерации и обеспечивает улучшения в использовании инструментов и задачах с структурированным выводом. Она поддерживает ввод изображений и текста с структурированным выводом, вызов функций/инструментов и демонстрирует высокую производительность в кодировании (HumanEval+, MBPP), STEM (MMLU, MATH, GPQA) и визуальных тестах (ChartQA, DocVQA).

Вход: Изображения, Текст

256 000
токенов контекста

В каталоге

Текст

Mistral: Mistral Small 4

mistralai/mistral-small-2603

Mistral Small 4 — это следующий крупный выпуск в семействе Mistral Small, объединяющий возможности нескольких флагманских моделей Mistral в единую систему. Он сочетает в себе мощное логическое мышление от Magistral, мультимодальное понимание от Pixtral и агентные возможности кодирования от Devstral, позволяя одной модели справляться со сложным анализом, разработкой программного обеспечения и визуальными задачами в рамках одного рабочего процесса.

Вход: Текст, Изображения

262 144
токенов контекста

Доступна в API

Текст

Mistral: Mixtral 8x22B Instruct

mistralai/mixtral-8x22b-instruct

Официальная обученная версия Mistral [Mixtral 8x22B](/models/models/mistralai/mixtral-8x22b). Она использует 39 миллиардов активных параметров из 141 миллиарда, предлагая непревзойденную экономическую эффективность для своего размера. Ее сильные стороны включают: - сильные навыки в математике, программировании и рассуждениях - большая длина контекста (64k) - свободное владение английским, французским, итальянским, немецким и испанским языками Смотрите результаты тестирования в объявлении о запуске [здесь](https://mistral.ai/news/mixtral-8x22b/).

Вход: Текст, Файлы

65 536
токенов контекста

В каталоге

Текст

Mistral: Saba

mistralai/mistral-saba

Mistral Saba — это языковая модель с 24 миллиардами параметров, специально разработанная для Ближнего Востока и Южной Азии, обеспечивающая точные и контекстуально релевантные ответы при сохранении эффективной производительности. Обученная на тщательно отобранных региональных наборах данных, она поддерживает несколько языков индийского происхождения, включая тамильский и малаялам, а также арабский. Это делает её универсальным вариантом для различных региональных и многоязычных приложений. Подробнее читайте в блоге [здесь](https://mistral.ai/en/news/mistral-saba)

Вход: Текст, Файлы

32 768
токенов контекста

В каталоге

Текст

Mistral: Voxtral Small 24B 2507

mistralai/voxtral-small-24b-2507

Voxtral Small — это усовершенствованная версия Mistral Small 3, которая включает в себя передовые возможности аудиоввода, сохраняя при этом первоклассную производительность текста. Она превосходно справляется с транскрипцией речи, переводом и пониманием аудио. Стоимость ввода аудио составляет 100 долларов за миллион секунд.

Вход: Текст, Аудио, Файлы

32 768
токенов контекста

Как работает каталог

Единый API

Используйте один клиентский ключ и публичный ID модели. Способ обращения указан в документации.

Прозрачная доступность

Каталог содержит и подключённые модели, и записи источников. Доступные операции и уровень проверки — в карточке.

Цены в рублях

Тарифы учитывают обычную наценку. Предварительная оценка по вашему ключу учитывает индивидуальные условия.

Подключите выбранную модель.

Изучите быстрый старт и методы API. Ключ и пополнение баланса предоставляет администратор.

Быстрый старт Методы API