Каталог AI моделей и нейросетей: сравнение и цены

Gemini 3.1 Flash Lite Preview — это высокоэффективная модель от Google, оптимизированная для случаев использования с большим объемом данных. Она превосходит Gemini 2.5 Flash Lite по общему качеству и приближается к производительности Gemini 2.5 Flash по ключевым возможностям. Улучшения охватывают аудиоввод/распознавание речи, ранжирование фрагментов RAG, перевод, извлечение данных и автозаполнение кода. Поддерживает полные уровни мышления (минимальный, низкий, средний, высокий) для точной настройки соотношения затрат и производительности. Стоимость составляет половину от цены Gemini 3 Flash.

Seed-2.0-mini нацелен на сценарии, чувствительные к задержкам, с высокой степенью параллелизма и чувствительностью к затратам, делая акцент на быстром отклике и гибком развертывании инференса. Он обеспечивает производительность, сопоставимую с ByteDance-Seed-1.6, поддерживает контекст объемом 256k, четыре режима усилий для рассуждений (минимальный/низкий/средний/высокий), мультимодальное понимание и оптимизирован для легковесных задач, где приоритет отдается стоимости и скорости.

Gemini 3.1 Flash Image Preview, также известная как “Nano Banana 2,” — это новейшая модель Google для генерации и редактирования изображений, обеспечивающая профессиональное качество визуализации на скорости Flash. Она сочетает в себе продвинутое контекстуальное понимание с быстрой и экономичной инференцией, что делает сложную генерацию изображений и итеративные правки значительно более доступными.

Серия Qwen3.5 35B-A3B представляет собой модель обработки визуально-языковой информации с гибридной архитектурой, которая интегрирует механизмы линейного внимания и разреженную модель смеси экспертов, что обеспечивает более высокую эффективность вывода. Ее общая производительность сопоставима с Qwen3.5-27B.

Модель Qwen3.5 27B native vision-language Dense включает линейный механизм внимания, обеспечивая быструю скорость отклика при сбалансированности скорости вывода и производительности. Ее общие возможности сопоставимы с возможностями Qwen3.5-122B-A10B.

Модель Qwen3.5 122B-A10B для обработки языка и изображений построена на гибридной архитектуре, которая интегрирует линейный механизм внимания с разреженной моделью смеси экспертов, что обеспечивает более высокую эффективность вывода. По общим показателям эта модель уступает только Qwen3.5-397B-A17B. Её текстовые возможности значительно превосходят возможности Qwen3-235B-2507, а визуальные возможности превосходят Qwen3-VL-235B.

Нативные модели Qwen3.5 vision-language Flash построены на гибридной архитектуре, которая интегрирует линейный механизм внимания с разреженной моделью смеси экспертов, достигая более высокой эффективности вывода. По сравнению с серией 3, эти модели обеспечивают значительный прорыв в производительности как для чисто текстовых, так и для мультимодальных задач, предлагая быстрое время отклика при сбалансированности скорости вывода и общей производительности.

LFM2-24B-A2B является крупнейшей моделью в семействе гибридных архитектур LFM2, разработанной для эффективного развертывания на устройствах. Построенная как модель Mixture-of-Experts с 24 миллиардами параметров, она использует только 2 миллиарда активных параметров на токен, обеспечивая высокое качество генерации при низких затратах на вывод. Модель помещается в 32 ГБ оперативной памяти, что делает её практичной для запуска на потребительских ноутбуках и настольных компьютерах без потери функциональности.

Gemini 3.1 Pro Preview Custom Tools — это вариант Gemini 3.1 Pro, который улучшает поведение при выборе инструментов, предотвращая чрезмерное использование общего bash-инструмента, когда доступны более эффективные сторонние или пользовательские функции. Этот специализированный предварительный просмотр значительно повышает надежность вызова функций и обеспечивает выбор моделью наиболее подходящего инструмента в кодирующих агентах и сложных рабочих процессах с использованием нескольких инструментов.

Он сохраняет основные преимущества Gemini 3.1 Pro, включая мультимодальное рассуждение по тексту, изображениям, видео, аудио и коду, контекстное окно на 1 миллион токенов и высокую производительность в области программной инженерии.

GPT-5.3-Codex — это наиболее продвинутая модель для кодирования от OpenAI, объединяющая передовые возможности в области программной инженерии GPT-5.2-Codex с более широкими возможностями рассуждения и профессиональными знаниями GPT-5.2. Она достигает передовых результатов на SWE-Bench Pro и демонстрирует высокую производительность на Terminal-Bench 2.0 и OSWorld-Verified, что отражает улучшенные навыки кодирования на нескольких языках, владение терминалом и навыки использования компьютера в реальных условиях. Модель оптимизирована для длительных рабочих процессов с использованием инструментов и поддерживает интерактивное управление во время выполнения, что делает её подходящей для сложных задач разработки, отладки, развертывания и итеративной работы над продуктом.

Помимо кодирования, GPT-5.3-Codex демонстрирует высокие результаты на тестах структурированной работы с информацией, таких как GDPval, поддерживая задачи, такие как составление документов, анализ таблиц, создание слайдов и операционные исследования в различных областях. Она обучена с повышенным вниманием к кибербезопасности, включая возможности идентификации уязвимостей, и развернута с дополнительными мерами безопасности для случаев высокого риска. По сравнению с предыдущими моделями Codex, она более эффективна в использовании токенов и примерно на 25% быстрее, ориентируясь на профессиональные рабочие процессы от начала до конца, охватывающие рассуждения, выполнение и взаимодействие с компьютером.

Aion-2.0 — это вариант DeepSeek V3.2, оптимизированный для погружения в ролевые игры и рассказывание историй. Он особенно силен в введении напряженности, кризисов и конфликтов в сюжеты, делая повествования более захватывающими. Также он более тонко и глубоко справляется с серьезными и мрачными темами.

Сонет 4.6 — это самая мощная модель класса Sonnet от Anthropic на сегодняшний день, демонстрирующая передовые результаты в области кодирования, работы с агентами и профессиональной деятельности. Она превосходно справляется с итеративной разработкой, навигацией по сложным кодовым базам, управлением проектами от начала до конца с использованием памяти, созданием отточенных документов и уверенным использованием компьютера для веб-опросов и автоматизации рабочих процессов.

Модели серии Qwen3.5 native vision-language Plus построены на гибридной архитектуре, которая интегрирует линейные механизмы внимания с разреженными моделями смеси экспертов, обеспечивая более высокую эффективность вывода. В различных оценках задач серия 3.5 постоянно демонстрирует производительность на уровне с передовыми моделями. По сравнению с серией 3, эти модели показывают значительный прогресс как в чисто текстовых, так и в мультимодальных возможностях.

Модель Qwen3.5 серии 397B-A17B для работы с языком и зрением построена на гибридной архитектуре, которая интегрирует линейный механизм внимания с разреженной моделью смеси экспертов, достигая более высокой эффективности вывода. Она обеспечивает передовую производительность, сопоставимую с ведущими моделями в широком спектре задач, включая понимание языка, логическое рассуждение, генерацию кода, задачи на основе агентов, понимание изображений, понимание видео и взаимодействие с графическим пользовательским интерфейсом (GUI). Благодаря своим мощным возможностям генерации кода и работы с агентами, модель демонстрирует сильную обобщающую способность в различных агентных задачах.

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.