Главная
/
Модели

Каталог моделей.

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

Показано 401–450 из 808 моделей

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

Транскрибация

Mistral: Voxtral Mini 3B 2507

mistralai/voxtral-mini-3b-2507

Voxtral Mini 3B 2507 — это модель для понимания речи и аудио от Mistral AI. Она подходит для транскрипции, перевода и компактной обработки аудио.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Mistral: Voxtral Mini Transcribe

mistralai/voxtral-mini-transcribe

Voxtral Mini Transcribe — это модель преобразования речи в текст от Mistral, созданная на основе семейства Voxtral Mini. Она принимает аудиовход и возвращает транскрибированный текст через стандартный API транскрипции. Подходит для транскрибирования встреч, голосовых заметок, подкастов и другого устного контента.

Вход: Аудио

16 384
токенов контекста

В каталоге

Речь

Mistral: Voxtral Mini TTS

mistralai/voxtral-mini-tts-2603

Voxtral Mini TTS — это модель преобразования текста в речь от Mistral, которая поддерживает клонирование голоса без предварительного обучения и многоязычную поддержку. Она преобразует текстовый ввод в аудиовыход с естественным звучанием.

Вход: Текст

4 096
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

В каталоге

Транскрибация

Mistral: Voxtral Small 24B 2507 STT

mistralai/voxtral-small-24b-2507-stt

Voxtral Small 24B 2507 STT — это модель для транскрипции речи от Mistral AI. Она подходит для задач транскрипции, перевода и аудиоанализа, которые выигрывают от ее большей емкости модели.

Вход: Аудио

Ожидает подключения

Доступна в API

Текст

Mistral Large

mistralai/mistral-large

Это флагманская модель Mistral AI, Mistral Large 2 (версия `mistral-large-2407`). Это проприетарная модель с доступными весами, которая превосходно справляется с рассуждениями, кодом, JSON, чатами и многим другим. Прочитайте объявление о запуске [здесь](https://mistral.ai/news/mistral-large-2407/). Она поддерживает десятки языков, включая французский, немецкий, испанский, итальянский, португальский, арабский, хинди, русский, китайский, японский и корейский, а также более 80 языков программирования, включая Python, Java, C, C++, JavaScript и Bash. Ее длинное контекстное окно позволяет точно извлекать информацию из больших документов.

Вход: Текст, Файлы

128 000
токенов контекста

В каталоге

Текст

Mistral Large 2407

mistralai/mistral-large-2407

Это флагманская модель Mistral AI, Mistral Large 2 (версия mistral-large-2407). Это проприетарная модель с доступными весами, которая превосходно справляется с задачами рассуждения, кодирования, обработки JSON, общения и многим другим. Прочитайте объявление о запуске [здесь](https://mistral.ai/news/mistral-large-2407/). Она поддерживает десятки языков, включая французский, немецкий, испанский, итальянский, португальский, арабский, хинди, русский, китайский, японский и корейский, а также более 80 языков программирования, включая Python, Java, C, C++, JavaScript и Bash. Ее длинное контекстное окно позволяет точно извлекать информацию из больших документов.

Вход: Текст, Файлы

131 072
токенов контекста

Доступна в API

Текст

MoonshotAI: Kimi K2 0711

moonshotai/kimi-k2

Kimi K2 Instruct — это крупномасштабная языковая модель с архитектурой Mixture-of-Experts (MoE), разработанная компанией Moonshot AI, с общим числом параметров в 1 триллион и 32 миллиарда активных параметров на каждый проход. Она оптимизирована для агентных возможностей, включая продвинутое использование инструментов, рассуждение и синтез кода. Kimi K2 превосходит по многим критериям, особенно в области кодирования (LiveCodeBench, SWE-bench), рассуждений (ZebraLogic, GPQA) и использования инструментов (Tau2, AceBench). Она поддерживает вывод в длинном контексте до 128 тысяч токенов и разработана с использованием новой обучающей архитектуры, включающей оптимизатор MuonClip для стабильного крупномасштабного обучения MoE.

Вход: Текст

131 072
токенов контекста

В каталоге

Текст

MoonshotAI: Kimi K2 0905

moonshotai/kimi-k2-0905

Kimi K2 0905 — это сентябрьское обновление [Kimi K2 0711](/models/moonshotai/kimi-k2). Это крупномасштабная языковая модель типа Mixture-of-Experts (MoE), разработанная Moonshot AI, с общим числом параметров в 1 триллион и 32 миллиардами активных параметров на каждый прямой проход. Она поддерживает вывод с длинным контекстом до 256 тысяч токенов, что больше по сравнению с предыдущими 128 тысячами. Это обновление улучшает агентное кодирование с более высокой точностью и лучшей обобщаемостью по различным шаблонам, а также улучшает фронтенд-кодирование с более эстетичными и функциональными результатами для веб, 3D и связанных задач. Kimi K2 оптимизирована для агентных возможностей, включая продвинутое использование инструментов, рассуждение и синтез кода. Она превосходит в кодировании (LiveCodeBench, SWE-bench), рассуждении (ZebraLogic, GPQA) и использовании инструментов (Tau2, AceBench) по различным тестам. Модель обучена с использованием новой стеки, включающей оптимизатор MuonClip для стабильного крупномасштабного обучения MoE.

Вход: Текст

262 144
токенов контекста

В каталоге

Текст

MoonshotAI: Kimi K2 0905 (exacto)

moonshotai/kimi-k2-0905:exacto

Kimi K2 0905 — это обновление за сентябрь [Kimi K2 0711](/models/moonshotai/kimi-k2). Это крупномасштабная языковая модель Mixture-of-Experts (MoE), разработанная Moonshot AI, с общим числом параметров в 1 триллион и 32 миллиардами активных параметров на каждый проход. Она поддерживает инференс с длинным контекстом до 256 тысяч токенов, что является расширением по сравнению с предыдущими 128 тысячами. Это обновление улучшает агентное кодирование с более высокой точностью и лучшей обобщаемостью на различных структурах, а также улучшает фронтенд-кодирование с более эстетичными и функциональными результатами для веб, 3D и связанных задач. Kimi K2 оптимизирована для агентных возможностей, включая продвинутое использование инструментов, рассуждение и синтез кода. Она превосходит в кодировании (LiveCodeBench, SWE-bench), рассуждении (ZebraLogic, GPQA) и использовании инструментов (Tau2, AceBench). Модель обучена с использованием новой стекировки, включающей оптимизатор MuonClip для стабильного крупномасштабного обучения MoE.

Вход: Текст

262 144
токенов контекста

Доступна в API

Текст

MoonshotAI: Kimi K2 Thinking

moonshotai/kimi-k2-thinking

Kimi K2 Thinking — это самая передовая модель открытого рассуждения от Moonshot AI на сегодняшний день, расширяющая серию K2 в область агентного, долгосрочного рассуждения. Построенная на архитектуре Mixture-of-Experts (MoE) с триллионом параметров, представленной в Kimi K2, она активирует 32 миллиарда параметров за один проход и поддерживает контекстные окна размером 256 тысяч токенов. Модель оптимизирована для последовательного пошагового мышления, динамического вызова инструментов и сложных рабочих процессов рассуждения, которые охватывают сотни шагов. Она сочетает пошаговое рассуждение с использованием инструментов, что позволяет автономно проводить исследования, писать код и создавать тексты, которые могут сохраняться на протяжении сотен последовательных действий без отклонений. Она устанавливает новые показатели для открытого исходного кода на HLE, BrowseComp, SWE-Multilingual и LiveCodeBench, при этом поддерживая стабильное поведение мультиагентов через 200–300 вызовов инструментов. Построенная на крупномасштабной архитектуре MoE с оптимизацией MuonClip, она сочетает в себе глубокие рассуждения с высокой эффективностью вывода для требовательных агентных и аналитических задач.

Вход: Текст

262 144
токенов контекста

Доступна в API

Текст

MoonshotAI: Kimi K2.5

moonshotai/kimi-k2.5

Kimi K2.5 — это собственная мультимодальная модель Moonshot AI, обеспечивающая передовые возможности визуального кодирования и парадигму самоорганизующегося роя агентов. Созданная на основе Kimi K2 с продолженным предобучением на примерно 15 триллионах смешанных визуальных и текстовых токенов, она демонстрирует высокую производительность в области общего рассуждения, визуального кодирования и вызова инструментов агентами.

Вход: Текст, Изображения

262 144
токенов контекста

Доступна в API

Текст

MoonshotAI: Kimi K2.6

moonshotai/kimi-k2.6

Kimi K2.6 — это модель следующего поколения от Moonshot AI, предназначенная для многозадачного кодирования, генерации UI/UX, управляемой кодом, и оркестрации множества агентов. Она справляется с комплексными задачами кодирования от начала до конца на языках Python, Rust и Go, и может преобразовывать подсказки и визуальные вводы в интерфейсы, готовые к производству. Ее архитектура роя агентов масштабируется до сотен параллельных субагентов для автономной декомпозиции задач — предоставляя документы, веб-сайты и электронные таблицы за один запуск без человеческого контроля.

Вход: Текст, Изображения

262 144
токенов контекста

Доступна в API

Текст

MoonshotAI: Kimi K2.7 Code

moonshotai/kimi-k2.7-code

MoonshotAI: Kimi K2.7 Code — это модель, ориентированная на программирование, из семейства Kimi K2 компании Moonshot AI, созданная для надежного выполнения комплексных программных задач в длительных контекстах. Она использует нативную мультимодальную архитектуру смеси экспертов, которая принимает текстовый и визуальный ввод, и всегда работает в режиме мышления, сохраняя полное содержание рассуждений в многоходовых диалогах. С контекстным окном в 256 тысяч токенов, она нацелена на программирование с длинным горизонтом, агентное разбиение задач и многоходовой диалог. Модель активирует 32 миллиарда параметров из примерно 1 триллиона общих.

Вход: Текст, Изображения

262 144
токенов контекста

Доступна в API

Текст

MoonshotAI: Kimi K3

moonshotai/kimi-k3

Kimi K3 — это ультра-крупномасштабная, многомодальная модель рассуждений с открытым весом от Moonshot AI. Она подходит для сложного кодирования, работы с знаниями и агентных рабочих процессов с длинным горизонтом, и особенно сильна в навигации по большим репозиториям, использовании инструментов, отладке и итерации с изображениями, логами, тестами и обратной связью во время выполнения. Ее архитектура использует KDA и Attention Residuals для вычислительной эффективности.

Вход: Текст, Изображения, Видео

1 048 576
токенов контекста

В каталоге

Текст

MoonshotAI: Kimi K3

~moonshotai/kimi-latest

Kimi K3 — это ультра-крупномасштабная, многомодальная модель рассуждений с открытым весом от Moonshot AI. Она подходит для сложного кодирования, работы с знаниями и агентных рабочих процессов с длинным горизонтом, и особенно сильна в навигации по большим репозиториям, использовании инструментов, отладке и итерации с изображениями, логами, тестами и обратной связью во время выполнения. Ее архитектура использует KDA и Attention Residuals для вычислительной эффективности.

Вход: Текст, Изображения, Видео

1 048 576
токенов контекста

В каталоге

Текст

Morph: Morph V3 Fast

morph/morph-v3-fast

Самая быстрая модель Morph для применения изменений в коде. ~10,500 токенов/сек с точностью 96% для быстрых преобразований кода. Модель требует, чтобы запрос был в следующем формате: <instruction>{инструкция}</instruction> <code>{исходный_код}</code> <update>{фрагмент_изменений}</update> Функция нулевого сохранения данных включена для Morph. Узнайте больше об этой модели в их [документации](https://docs.morphllm.com/quickstart)

Вход: Текст

81 920
токенов контекста

В каталоге

Текст

Morph: Morph V3 Large

morph/morph-v3-large

Модель Morph с высокой точностью для сложных изменений кода. ~4,500 токенов/сек с точностью 98% для точных преобразований кода. Модель требует, чтобы запрос был в следующем формате: <instruction>{инструкция}</instruction> <code>{исходный_код}</code> <update>{фрагмент_изменения}</update> Функция нулевого сохранения данных включена для Morph. Узнайте больше об этой модели в их [документации](https://docs.morphllm.com/quickstart)

Вход: Текст

262 144
токенов контекста

В каталоге

Текст

MythoMax 13B

gryphe/mythomax-l2-13b

Одна из самых высокопроизводительных и популярных доработок Llama 2 13B, с богатыми описаниями и ролевыми играми. #merge

Вход: Текст

8 192
токенов контекста

Доступна в API

Изображения

nano-banana-2-lite

kieai/nano-banana-2-lite

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Операций в API: 1

Доступна в API

Изображения

nano-banana-pro

kieai/nano-banana-pro

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Операций в API: 1

В каталоге

Текст

Nex AGI: Nex-N2.5-Mini

nex-agi/nex-n2.5-mini

Nex-N2.5 — это агентная модель, созданная для превращения целей в работающие, проверенные результаты. Ее основная сила заключается в агентном кодировании в рамках визуального цикла обратной связи: она может исследовать кодовые базы, вносить изменения в нескольких файлах, выполнять команды, запускать приложения, взаимодействовать с интерфейсами браузера и рабочего стола, а также тестировать программное обеспечение с точки зрения пользователя. Когда наблюдаемое поведение не соответствует ожидаемому результату, Nex-N2.5 может диагностировать проблему, пересмотреть свою реализацию и протестировать снова. Это делает ее особенно эффективной для автономной разработки программного обеспечения, тестирования GUI, автоматизации использования компьютера, глубоких исследований и научных рабочих процессов, где успех должен быть продемонстрирован в среде, а не просто выведен из сгенерированного кода.

Вход: Текст, Изображения

262 144
токенов контекста

В каталоге

Текст

Nex AGI: Nex-N2.5-Pro

nex-agi/nex-n2.5-pro

Nex-N2.5 — это агентная модель, созданная для превращения целей в рабочие, проверенные результаты. Ее основная сила заключается в агентном кодировании в рамках визуальной обратной связи: она может исследовать кодовые базы, осуществлять изменения в нескольких файлах, выполнять команды, запускать приложения, взаимодействовать с интерфейсами браузера и рабочего стола, а также тестировать программное обеспечение с точки зрения пользователя. Когда наблюдаемое поведение не соответствует ожидаемому результату, Nex-N2.5 может диагностировать проблему, пересмотреть свою реализацию и протестировать снова. Это делает ее особенно эффективной для автономной разработки программного обеспечения, тестирования графических интерфейсов, автоматизации использования компьютера, глубоких исследований и научных рабочих процессов, где успех должен быть продемонстрирован в среде, а не просто выведен из сгенерированного кода.

Вход: Текст, Изображения

262 144
токенов контекста

В каталоге

Текст

Nous: Hermes 3 70B Instruct

nousresearch/hermes-3-llama-3.1-70b

Hermes 3 — это универсальная языковая модель с множеством улучшений по сравнению с [Hermes 2](/models/models/nousresearch/nous-hermes-2-mistral-7b-dpo), включая расширенные агентные возможности, значительно лучшее ролевое взаимодействие, рассуждение, многократные диалоги, согласованность в длинных контекстах и улучшения по всем направлениям. Hermes 3 70B является конкурентоспособной, если не превосходящей, доработкой [Llama-3.1 70B foundation model](/models/models/meta-llama/llama-3.1-70b-instruct), сосредоточенной на согласовании LLM с пользователем, с мощными возможностями управления и контроля, предоставленными конечному пользователю. Серия Hermes 3 развивает и расширяет набор возможностей Hermes 2, включая более мощные и надежные возможности вызова функций и структурированного вывода, универсальные возможности помощника и улучшенные навыки генерации кода.

Вход: Текст

131 072
токенов контекста

В каталоге

Текст

Nous: Hermes 3 405B Instruct

nousresearch/hermes-3-llama-3.1-405b

Hermes 3 — это универсальная языковая модель с множеством улучшений по сравнению с Hermes 2, включая продвинутые агентные возможности, значительно лучшее ролевое взаимодействие, рассуждение, многократные диалоги, согласованность в длинных контекстах и улучшения по всем направлениям. Hermes 3 405B — это модель на передовом уровне, с полной настройкой параметров на основе модели Llama-3.1 405B, сосредоточенная на выравнивании LLM с пользователем, с мощными возможностями управления и контроля, предоставляемыми конечному пользователю. Серия Hermes 3 развивает и расширяет набор возможностей Hermes 2, включая более мощные и надежные функции вызова и возможности структурированного вывода, универсальные возможности помощника и улучшенные навыки генерации кода. Hermes 3 конкурентоспособен, если не превосходит, модели Llama-3.1 Instruct по общим возможностям, с различными сильными и слабыми сторонами, присущими каждой из них.

Вход: Текст

131 072
токенов контекста

В каталоге

Текст

Nous: Hermes 4 405B

nousresearch/hermes-4-405b

Hermes 4 — это крупномасштабная модель рассуждений, построенная на базе Meta-Llama-3.1-405B и выпущенная Nous Research. Она вводит гибридный режим рассуждений, где модель может выбирать между внутренним обдумыванием с использованием следов <think>...</think> или прямым ответом, предлагая гибкость между скоростью и глубиной. Пользователи могут управлять поведением рассуждений с помощью булевой переменной `reasoning` `enabled`. Модель настроена на выполнение инструкций с расширенным корпусом пост-тренировочных данных (~60 миллиардов токенов), акцентируя внимание на следах рассуждений, что улучшает производительность в математике, программировании, STEM и логических рассуждениях, сохраняя при этом широкую полезность в качестве ассистента. Она также поддерживает структурированные выводы, включая режим JSON, соблюдение схем, вызов функций и использование инструментов. Hermes 4 обучена для управляемости, снижения частоты отказов и выравнивания в сторону нейтрального, ориентированного на пользователя поведения.

Вход: Текст

131 072
токенов контекста

В каталоге

Эмбеддинги

NVIDIA: Llama Nemotron Embed VL 1B V2 (free)

nvidia/llama-nemotron-embed-vl-1b-v2:free

Llama Nemotron Embed VL 1B V2 — embedding-модель, оптимизированная для мультимодального поиска в задачах вопрос-ответ. Модель умеет кодировать «документы» в виде изображения, текста или их сочетания.

Вход: Текст

131 072
токенов контекста

В каталоге

Эмбеддинги

NVIDIA: Nemotron 3 Embed 1B (free)

nvidia/nemotron-3-embed-1b:free

NVIDIA Nemotron 3 Embed 1B — модель эмбеддингов текста от NVIDIA с открытыми весами, оптимизированная для высокопроизводительного поиска с низкой задержкой. Она подходит для корпоративного поиска, генерации с дополнением через поиск (RAG), поиска по коду и агентных сценариев извлечения информации, сохраняя более 95% точности версии на 8 миллиардов параметров при значительно меньших требованиях к развёртыванию.

Вход: Текст

32 768
токенов контекста

В каталоге

Текст

NVIDIA: Nemotron 3 Nano 30B A3B

nvidia/nemotron-3-nano-30b-a3b

NVIDIA Nemotron 3 Nano 30B A3B — это небольшой языковой MoE-модель с наивысшей вычислительной эффективностью и точностью, предназначенная для разработчиков, создающих специализированные агентные AI-системы. Модель полностью открыта с открытыми весами, наборами данных и рецептами, что позволяет разработчикам легко настраивать, оптимизировать и развертывать модель на своей инфраструктуре для максимальной конфиденциальности и безопасности. Примечание: Для бесплатной конечной точки все запросы и выводы записываются для улучшения модели и продуктов и услуг провайдера. Пожалуйста, не загружайте личную, конфиденциальную или иную чувствительную информацию. Это только пробное использование. Не используйте для производственных или критически важных для бизнеса систем.

Вход: Текст

262 144
токенов контекста

В каталоге

Текст

NVIDIA: Nemotron 3 Nano Omni (free)

nvidia/nemotron-3-nano-omni-30b-a3b-reasoning:free

NVIDIA Nemotron 3 Nano Omni — открытая мультимодальная модель формата 30B-A3B (архитектура MoE с 3 миллиардами активных параметров), созданная для роли суб-агента восприятия и контекста в корпоративных агентных системах. Принимает на входе текст, изображения и видео.

Вход: Уточняется

256 000
токенов контекста

В каталоге

Текст

NVIDIA: Nemotron 3 Super

nvidia/nemotron-3-super-120b-a12b

NVIDIA Nemotron 3 Super — это открытая гибридная модель MoE с 120 миллиардами параметров, активирующая всего 12 миллиардов параметров для максимальной вычислительной эффективности и точности в сложных многоагентных приложениях. Построенная на гибридной архитектуре Mamba-Transformer Mixture-of-Experts с многотокеновым предсказанием (MTP), она обеспечивает более чем на 50% более высокую генерацию токенов по сравнению с ведущими открытыми моделями. Модель обладает контекстным окном на 1 миллион токенов для долгосрочной согласованности агентов, междокументального рассуждения и многократного планирования задач. Латентный MoE позволяет вызывать 4 эксперта по стоимости вывода всего одного, улучшая интеллект и обобщение. Обучение с подкреплением в нескольких средах, охватывающее более 10 сред, обеспечивает ведущую точность на бенчмарках, включая AIME 2025, TerminalBench и SWE-Bench Verified. Полностью открытая с весами, наборами данных и рецептами под лицензией NVIDIA Open License, Nemotron 3 Super позволяет легко настраивать и безопасно развертывать её в любом месте — от рабочей станции до облака.

Вход: Текст

262 144
токенов контекста

В каталоге

Текст

NVIDIA: Nemotron 3 Super (free)

nvidia/nemotron-3-super-120b-a12b:free

NVIDIA Nemotron 3 Super — это открытая гибридная модель MoE с 120 млрд параметров, которая активирует лишь 12 млрд параметров, обеспечивая максимальную вычислительную эффективность и высокую точность в сложных мультиагентных приложениях. Построенная на гибридной архитектуре Mamba-Transformer Mixture-of-Experts с многотокенной предсказательной схемой (MTP), она обеспечивает более чем на 50% более высокую скорость генерации токенов по сравнению с ведущими открытыми моделями. Модель поддерживает контекстное окно размером 1 миллион токенов, что позволяет сохранять долгосрочную согласованность в агентных сценариях, выполнять междокументное рассуждение и планировать многошаговые задачи. Latent MoE дает возможность вызывать 4 эксперта по вычислительной стоимости одного, улучшая интеллектуальные способности модели и ее обобщающую способность. Обучение с подкреплением в более чем 10 различных средах обеспечивает передовую точность на таких бенчмарках, как AIME 2025, TerminalBench и SWE-Bench Verified. Полностью открытая модель с весами, датасетами и рецептами обучения под лицензией NVIDIA Open License, Nemotron 3 Super позволяет легко настраивать ее под свои задачи и безопасно разворачивать где угодно — от рабочей станции до облака.

Вход: Уточняется

262 144
токенов контекста

В каталоге

Текст

NVIDIA: Nemotron 3 Ultra

nvidia/nemotron-3-ultra-550b-a55b

NVIDIA Nemotron 3 Ultra — это модель открытого разума и оркестрации от NVIDIA, с 55 миллиардами активных параметров из 550 миллиардов общих (MoE). Построенная на гибридной архитектуре Transformer-Mamba с смесью экспертов, она поддерживает ввод и вывод текста с контекстным окном до 1 миллиона токенов. Она подходит для длительных агентных рабочих процессов, включая оркестрацию агентов, кодирование агентов, глубокие исследования и сложные корпоративные задачи. Она особенно сильна в многошаговом рассуждении и планировании, с высокопроизводительным выводом, предназначенным для высокообъемных агентных конвейеров. Это часть семейства открытых моделей NVIDIA Nemotron для агентного ИИ.

Вход: Текст

262 144
токенов контекста

В каталоге

Текст

NVIDIA: Nemotron 3 Ultra (free)

nvidia/nemotron-3-ultra-550b-a55b:free

NVIDIA Nemotron 3 Ultra — открытая передовая модель NVIDIA для рассуждений и оркестрации, с 55 млрд активных параметров из 550 млрд общих (архитектура MoE). Построена на гибридной архитектуре Transformer-Mamba со смесью экспертов.

Вход: Уточняется

1 000 000
токенов контекста

В каталоге

Транскрибация

NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B

nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b

Nemotron 3.5 ASR Streaming Multilingual 0.6B — это модель распознавания речи от NVIDIA. Ее конструкция FastConformer-RNNT, учитывающая условия запроса и кэш, ориентирована на низкую задержку транскрипции более чем на 40 языках для создания субтитров в реальном времени, голосовых агентов и многоязычных транскрипционных конвейеров.

Вход: Аудио

Ожидает подключения

В каталоге

Текст

NVIDIA: Nemotron 3.5 Content Safety

nvidia/nemotron-3.5-content-safety

NVIDIA Nemotron 3.5 Content Safety — это компактная мультимодальная модель с 4 миллиардами параметров от NVIDIA, доработанная на основе Google Gemma-3-4B. Она модерирует как входные данные, так и ответы от LLM и VLM, принимая текстовые и графические входные данные и возвращая текстовый вывод: классификацию безопасности/небезопасности для пользовательского запроса и ответа, метки категорий безопасности и необязательный след рассуждений. Она поддерживает 12 языков с контекстным окном до 128 тысяч токенов. Она подходит для модерирования запросов и ответов, классификации контента, обеспечения безопасности и корпоративных AI-ограничений с соблюдением политики, и включает режим рассуждений, который можно включать и выключать. Это часть семейства открытых моделей NVIDIA Nemotron для агентного AI.

Вход: Текст, Изображения

131 072
токенов контекста

В каталоге

Текст

NVIDIA: Nemotron 3.5 Content Safety (free)

nvidia/nemotron-3.5-content-safety:free

NVIDIA Nemotron 3.5 Content Safety — компактная мультимодальная модель-guardrail от NVIDIA с 4 млрд параметров, дообученная на основе Google Gemma-3-4B. Она модерирует как входные запросы, так и ответы языковых и визуально-языковых моделей.

Вход: Уточняется

128 000
токенов контекста

В каталоге

Текст

NVIDIA: Nemotron 3.5 Lightning

nvidia/nemotron-3.5-lightning

NVIDIA Nemotron 3.5 Lightning — это открытая модель с множеством экспертов от NVIDIA, с 3 миллиардами активных параметров из 30 миллиардов общих. Она подходит для высокопроизводительных агентных рабочих нагрузок и специализированных задач, которые выигрывают от настройки, специфичной для определенной области.

Вход: Текст

262 144
токенов контекста

В каталоге

Текст

NVIDIA: Nemotron 3.5 Lightning (free)

nvidia/nemotron-3.5-lightning:free

NVIDIA Nemotron 3.5 Lightning — открытая модель с архитектурой «смесь экспертов» от NVIDIA, с 3 миллиардами активных параметров из 30 миллиардов общих. Она подходит для высоконагруженных агентных задач и узкоспециализированных сценариев, где важна возможность тонкой настройки под конкретную предметную область.

Вход: Уточняется

1 000 000
токенов контекста

В каталоге

Транскрибация

NVIDIA: Parakeet TDT 0.6B v3

nvidia/parakeet-tdt-0.6b-v3

Parakeet TDT 0.6B v3 — это многоязычная модель преобразования речи в текст от NVIDIA с 600 миллионами параметров, построенная на архитектуре FastConformer-TDT. Обученная на наборе данных Granary (более 670,000 часов аудио), она поддерживает автоматическое определение языка для всех официальных языков ЕС и достигает среднего уровня ошибок в словах 6.34% на доске лидеров HuggingFace Open ASR. Возвращает транскрибированный текст с пунктуацией и временными метками сегментов.

Вход: Аудио

Ожидает подключения

В каталоге

Видео

omnihuman-1-5

kieai/omnihuman-1-5

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

В каталоге

Видео

omnihuman-1-5/human-identification

kieai/omnihuman-1-5/human-identification

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

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