Текст, изображения, видео и музыка через один API — выберите модель
  1. Главная
  2. /
  3. Модели

Каталог моделей.

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

Показано 351–400 из 808 моделей
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
Транскрибация

Meta: Muse Voice Transcribe 1.0

meta/muse-voice-transcribe-1.0

Muse Voice Transcribe 1.0 — это синхронная модель преобразования речи в текст от Meta. Она подходит для использования в режиме push-to-talk, с определением конечных точек и учётом особенностей говорящего, с возможностью смещения ключевых слов для терминов конкретной области и языкового смещения через подсказки с названием языка. Поддерживает монофонический 16-битный PCM WAV аудио с частотой 16 кГц или 24 кГц для записей длительностью до 10 минут. Модель не предоставляет временные метки на уровне слов или оценки уверенности, и другие аудиоформаты должны быть преобразованы в WAV перед загрузкой.

Вход: Аудио

Ожидает подключения
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
Изображения

Microsoft AI: MAI-Image-2.5

microsoft/mai-image-2.5

MAI-Image-2.5 от Microsoft — это высококачественная модель генерации изображений, доступная через Azure AI Foundry. Она создает фотореалистичные и художественные изображения на основе текстовых подсказок с поддержкой различных соотношений сторон.

Вход: Текст, Изображения

Ожидает подключения
В каталоге
Изображения

Microsoft AI: MAI-Image-2.5 Pro

microsoft/mai-image-2.5-pro

MAI-Image-2.5 от Microsoft — это высококачественная модель генерации изображений, доступная через Azure AI Foundry. Она создает фотореалистичные и художественные изображения на основе текстовых подсказок, поддерживая различные соотношения сторон.

Вход: Текст, Изображения

Ожидает подключения
В каталоге
Изображения

Microsoft AI: MAI-Image-2.6

microsoft/mai-image-2.6

MAI-Image-2.6 от Microsoft — это модель для генерации и редактирования изображений, доступная через Azure AI Foundry. Она создает изображения по текстовым подсказкам и поддерживает редактирование с использованием изображений в различных соотношениях сторон.

Вход: Текст, Изображения

Ожидает подключения
В каталоге
Изображения

Microsoft AI: MAI-Image-2.6 Flash

microsoft/mai-image-2.6-flash

MAI-Image-2.6 Flash от Microsoft является вариантом MAI-Image-2.6 с более низкой задержкой, доступным через Azure AI Foundry. Он поддерживает генерацию изображений и редактирование с помощью изображений для различных соотношений сторон.

Вход: Текст, Изображения

Ожидает подключения
В каталоге
Транскрибация

Microsoft AI: MAI-Transcribe 1.5

microsoft/mai-transcribe-1.5

MAI-Transcribe 1.5 — это модель быстрой транскрипции от Microsoft на базе Azure AI Speech. Она поддерживает более 100 локалей BCP-47 с автоматическим определением языка, автоматической пунктуацией и поминутной тарификацией на основе продолжительности. Использует API быстрой транскрипции Azure Speech (v2025-10-15).

Вход: Аудио

Ожидает подключения
В каталоге
Транскрибация

Microsoft AI: MAI-Transcribe 2

microsoft/mai-transcribe-2

MAI-Transcribe 2 — это многоязычная модель преобразования речи в текст от Microsoft AI, занимающая первое место в многоязычном рейтинге FLEURS. Она поддерживает 60 языков с автоматической идентификацией языка, переключением кода для смешанной речи, диаризацией говорящих, отметками времени на уровне слов, смещением ключевых слов для терминологии в конкретной области и настраиваемыми стилями дословной или чистой транскрипции. Она подходит для субтитров, транскрипции звонков, субтитрирования, доступности и других приложений с голосовым управлением, и работает быстрее, чем MAI-Transcribe-1.5 на длинных аудиозаписях.

Вход: Аудио

Ожидает подключения
В каталоге
Речь

Microsoft AI: MAI-Voice-2

microsoft/mai-voice-2

MAI-Voice-2 — это высококачественная, выразительная модель синтеза речи от Microsoft, работающая на базе Azure AI Speech. Она синтезирует естественно звучащую речь на более чем 10 языках с поддержкой выразительных стилей SSML (радостный, грустный, взволнованный и т.д.) и контролем скорости (0.5×–2×). Имена голосов следуют формату локали Azure (например, en-US-Harper:MAI-Voice-2). Выходные данные доступны в форматах MP3 и PCM с частотой 24 кГц.

Вход: Текст

Ожидает подключения
В каталоге
Речь

Microsoft AI: MAI-Voice-2-Flash

microsoft/mai-voice-2-flash

MAI-Voice-2-Flash — это модель синтеза речи с низкой задержкой от Microsoft для голосовых агентов, ассистентов, колл-центров, обеспечения доступности, озвучивания и других интерактивных приложений. Она генерирует выразительную монофоническую речь с частотой 24 кГц на 15 языках и 18 локалях, предоставляя возможность тонкой настройки тона и подачи. Для использования функций голосовой подсказки и клонирования требуется доступ, одобренный Microsoft, и соответствующее согласие диктора.

Вход: Текст

Ожидает подключения
В каталоге
Речь

Microsoft AI: MAI-Voice-2.1

microsoft/mai-voice-2.1

MAI-Voice-2.1 — это наиболее высококачественная и выразительная модель синтеза речи от Microsoft AI. Она обеспечивает естественную, студийного уровня речь на 23 языках, с детальной просодией, тонкой выразительностью и стабильностью голоса при длительном контенте. Модель подходит для аудиокниг, подкастов, лекций, озвучивания и брендового аудио, где важна максимальная качество голоса. Модель отдает предпочтение естественности и выразительности над критически важной для задержки генерацией. Harper и Grant поддерживают стили речи `agent`, `customer-call-center`, `educational` и `narrator`, а многие локальные голоса добавляют эмоциональные стили, такие как `excited`, `happy`, `sad` и `whispering`.

Вход: Текст

Ожидает подключения
В каталоге
Речь

Microsoft AI: MAI-Voice-2.1-Flash

microsoft/mai-voice-2.1-flash

MAI-Voice-2.1-Flash — это модель преобразования текста в речь с низкой задержкой от Microsoft AI, оптимизированная для быстрого отклика в реальном времени. Она создает естественную, выразительную речь на 23 языках с интонацией, ритмом и эмоциональными нюансами, близкими к человеческим. Эта модель подходит для голосовых агентов, ассистентов, колл-центров и других интерактивных приложений, где наиболее важны задержка и стоимость. Harper и Grant поддерживают стили речи `agent`, `customer-call-center`, `educational` и `narrator`, а многие локальные голоса добавляют эмоциональные стили, такие как `excited`, `happy`, `sad` и `whispering`.

Вход: Текст

Ожидает подключения
В каталоге
Видео

minimax-h3/image-to-video

kieai/minimax-h3/image-to-video

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения
В каталоге
Видео

minimax-h3/reference-to-video

kieai/minimax-h3/reference-to-video

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения
Доступна в API
Видео

minimax-h3/text-to-video

kieai/minimax-h3/text-to-video

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Операций в API: 1
Доступна в API
Видео

MiniMax: H3

minimax/hailuo-3

MiniMax H3 — это легковесная модель генерации видео с открытыми весами от MiniMax. Она предназначена для точного мультимодального редактирования и управляемой генерации контента, включая редактирование по инструкциям, рендеринг текста и брендов, а также...

Вход: Текст, Изображения, Видео, Аудио

Операций в API: 1
Доступна в API
Видео

MiniMax: H3 Max

minimax/hailuo-3-max

MiniMax H3 Max — это модель генерации видео от MiniMax, выпущенная совместно с fal.ai. Созданная на основе дополнительного обучения MiniMax H3, она предназначена для более быстрого преобразования текста в видео и изображения в видео с...

Вход: Текст, Изображения

Операций в API: 1
Доступна в API
Видео

MiniMax: Hailuo 2.3

minimax/hailuo-2.3

Hailuo 2.3 — это модель генерации видео от MiniMax. Она принимает текстовые подсказки и эталонные изображения в качестве входных данных и генерирует видео на выходе, поддерживая как преобразование текста в видео, так и изображений в видео. Модель подходит для создания креативного контента, генерации кинематографических сцен и анимации персонажей, с акцентом на реалистичное движение и выразительное отображение персонажей.

Вход: Текст, Изображения

Операций в API: 1
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
Речь

MiniMax: Speech 2.8 HD

minimax/speech-2.8-hd

MiniMax Speech 2.8 HD — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые создают аудио из текста, и принимает произвольные идентификаторы голосов MiniMax.

Вход: Текст

Ожидает подключения
В каталоге
Речь

MiniMax: Speech 2.8 Turbo

minimax/speech-2.8-turbo

MiniMax Speech 2.8 Turbo — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые генерируют аудио из текста, и принимает произвольные голосовые идентификаторы MiniMax.

Вход: Текст

Ожидает подключения
В каталоге
Видео

MiniMax Hailuo 02

minimax/hailuo-02

Hailuo 02 — предыдущее поколение видео-модели от MiniMax. Поддерживает text-to-video и image-to-video, фокус на естественном движении и анимации персонажей.

Вход: Уточняется

Ожидает подключения
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
Эмбеддинги

Mistral: Codestral Embed 2505

mistralai/codestral-embed-2505

Mistral Codestral Embed специально разработан для работы с кодом, идеально подходит для встраивания кодовых баз данных, репозиториев и обеспечения работы кодовых ассистентов с передовыми методами поиска.

Вход: Текст

8 192
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
Эмбеддинги

Mistral: Mistral Embed 2312

mistralai/mistral-embed-2312

Mistral Embed — это специализированная модель встраивания для текстовых данных, оптимизированная для семантического поиска и приложений RAG. Разработанная Mistral AI в конце 2023 года, она производит векторы размерностью 1024, которые эффективно улавливают семантические отношения в тексте.

Вход: Текст

8 192
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

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