Каталог AI моделей и нейросетей: сравнение и цены

Muse Spark Open — это модель с открытыми весами, оптимизированная для кодирования. Она специально обучена для агентных рабочих процессов кодирования и обеспечивает более высокую точность при первой попытке, надежный вызов инструментов и глубокое понимание кодовой базы в репозиториях, с которыми действительно работают разработчики.

FLUX 3 Image Klein — это модель генерации и редактирования изображений с открытыми весами от Black Forest Labs. Она подходит для генерации изображений по тексту, многореференсного редактирования, которое сохраняет персонажей и объекты неизменными на разных изображениях, переноса стиля на основе референсов и рендеринга текста. С 5,6 миллиардами параметров она является меньшим и более быстрым представителем семейства FLUX 3 Image.

NVIDIA Nemotron 3.5 Super VL — это открытая мультимодальная модель смеси экспертов от NVIDIA, с 12 миллиардами активных параметров из общего числа 120 миллиардов. Она принимает текст, изображения, документы, скриншоты интерфейсов и видео в качестве входных данных и возвращает текст. Модель предназначена для длительно работающих агентов, которые объединяют визуальное понимание с рассуждением и использованием инструментов.

Она использует гибридную архитектуру Mamba-Transformer с предсказанием нескольких токенов и поддерживает контекст из 1 миллиона токенов. Типичные области применения включают интеллектуальную обработку документов, веб-исследования, проверку кода, обслуживание клиентов и понимание видео. Режим рассуждения включен по умолчанию и может быть отключен или ограничен бюджетом токенов.

Jev 1.14 — последняя версия Jev, структурированной модели принятия решений от TypeSafe и первая из моделей System One. Модели System One принимают быстрые, структурированные решения для программного обеспечения, возвращая типизированный ответ, а не текст в свободной форме. Она подходит для маршрутизации, классификации и других точек принятия решений внутри приложения, где быстрое, предсказуемое решение важнее, чем сгенерированный текст.

Universal-3.6 Pro — это модель преобразования речи в текст от AssemblyAI и преемник Universal-3.5 Pro, доступная здесь через Sync API от AssemblyAI. По сравнению с Universal-3.5 Pro, AssemblyAI сообщает о 30% меньшем количестве ошибок в коротких разговорных высказываниях, в среднем на 12% меньше ошибок по поддерживаемым языкам, 14 новых поддерживаемых языках, а также о лучшем распознавании и форматировании таких сущностей, как номера телефонов, адреса, электронные письма и коды. Она возвращает полный транскрипт с временными метками на уровне слов в одном синхронном ответе для аудиоклипов длительностью до 120 секунд, принимает входные данные в формате 16-битного WAV и поддерживает свободный текст, ключевые термины и контекст разговора для направления транскрипции в сторону словаря домена.

GigaChat 3.5 Ultra (GigaChat3.5-432B-A28B-Reasoning) — самая большая открытая рассуждающая MoE-модель Сбера (432B параметров, 28B активных) с контекстом 262K токенов, вызовом функций и структурированным выводом. Всегда рассуждает перед ответом. Работает в российских дата-центрах.

Pareto — это мультимодальная составная модель, созданная для исследований, программирования и агентных рабочих процессов, обеспечивающая передовой уровень производительности в широком спектре универсальных задач.

HeyGen Voice — это модель преобразования текста в речь от HeyGen. Она поставляется с 10 голосами по умолчанию или позволяет использовать голосовые клоны из вашего собственного аккаунта с помощью вашего HeyGen ключа. Она транслирует монофоническое PCM-аудио с частотой 44,1 кГц, поддерживает 39 языков и до 5000 символов на запрос.

HeyGen Voice Turbo — это версия HeyGen Voice с более низкой задержкой, текстово-речевая модель от HeyGen. Она предлагает те же 10 голосов по умолчанию или позволяет использовать ваш собственный HeyGen ключ для применения голосовых клонов из вашего аккаунта. Она транслирует монофоническое PCM-аудио с частотой 44,1 кГц, поддерживает 39 языков и до 5000 символов на запрос.

LFM2.5-24B-A2B — это модель рассуждения с смесью экспертов от Liquid AI с общим количеством параметров 24 миллиарда и 2,45 миллиарда активных параметров. Она всегда проводит рассуждения перед ответом и предназначена для агентов, которые используют инструменты. Liquid рекомендует сочетать её с извлечением данных или веб-поиском для задач, требующих большого объема знаний.

Drama 3 — это модель преобразования текста в речь от Fish Audio, созданная для озвучивания с режиссурой. Вы пишете указания простым языком в квадратных скобках перед репликой, например, [нервно, едва держась], и можете добавлять звуки и паузы в тексте или изменять подачу отдельных слов с помощью парных тегов, таких как <шепотом>.

Она поддерживает сцены с несколькими говорящими в одном запросе, переключение языка в середине предложения на более чем 80 языках с сохранением одного голоса, а также теги фонем для закрепления произношения имен и терминов.