Каталог AI моделей и нейросетей: сравнение и цены

Recraft V4 Styles Vector — это модель генерации изображений с согласованным стилем от Recraft. Каждый запрос требует как минимум одно изображение-образец стиля и генерирует новое изображение, воспроизводящее технику рендеринга, цвет, текстуру и композицию образца, а не редактируя его. Она производит вывод в формате SVG для графики, которая должна масштабироваться без потерь.

Примечание: от 1 до 10 изображений-образцов в формате PNG, JPG или WEBP, каждое из которых должно быть не менее 256 пикселей по короткой стороне.

Цены состоят из двух частей: $0.05 за изображение плюс единовременная плата за создание стиля в размере $0.005 за запрос, независимо от того, сколько изображений возвращает этот запрос. Запрос на одно изображение стоит $0.055, а запрос на шесть изображений стоит $0.305.

Recraft V4 Styles Pro Vector — это модель генерации изображений от Recraft, обеспечивающая единообразие стиля. Каждый запрос требует как минимум одно изображение-образец стиля и генерирует новое изображение, которое воспроизводит технику рендеринга, цвет, текстуру и композицию образца, а не редактирует его. Она создает выходные данные в формате SVG для графики, которая должна масштабироваться без потерь качества.

Примечание: от 1 до 10 изображений-образцов в формате PNG, JPG или WEBP, каждое из которых имеет размер не менее 256 пикселей по короткой стороне.

Цены состоят из двух частей: $0.12 за изображение плюс единовременная плата за создание стиля в размере $0.005 за запрос, независимо от того, сколько изображений возвращает этот запрос. Запрос на одно изображение стоит $0.125, а запрос на шесть изображений — $0.725.

Recraft V4 Styles — это модель генерации изображений с сохранением стиля от Recraft. Каждый запрос требует как минимум одно изображение-образец стиля и генерирует новое изображение, которое воспроизводит технику рендеринга, цвет, текстуру и композицию образца, а не редактирует его. Она создает растровые изображения с разрешением примерно 1K.

Примечание: от 1 до 10 изображений-образцов в формате PNG, JPG или WEBP, каждое из которых должно быть не менее 256 пикселей по короткой стороне.

Ценообразование состоит из двух частей: $0.035 за изображение плюс единовременная плата за создание стиля в размере $0.005 за запрос, независимо от того, сколько изображений возвращает этот запрос. Запрос на одно изображение стоит $0.040, а запрос на шесть изображений — $0.215.

Wan 3.0 — это модель генерации видео от Alibaba для создания видео из текста, изображения или с использованием эталонного руководства. Она производит видео с разрешением 480p, 720p или 1080p продолжительностью от 2 до 30 секунд.

HeyGen: Avatar IV — это модель преобразования изображения в видео, которая анимирует одну фотографию в выразительное видео с говорящей головой, синхронизированное по губам. Вместо простого соответствия форм рта словам, она интерпретирует тон голоса, ритм и эмоции аудио для управления движением головы, мимикой и жестами, создавая выходное видео с разрешением до 1080p.

Звуковая дорожка поступает из одного из двух источников: текстового сценария, который модель озвучивает с помощью HeyGen text-to-speech, или предоставленной аудиодорожки, к которой изображение синхронизируется по губам напрямую. Параметры пропуска позволяют выбрать голос, настроить параметры голоса, задать выразительность, указать конкретные движения, заменить или удалить фон, добавить субтитры и заголовок к видео.

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.

DeepSeek V4 Flash Vision Exp — это экспериментальная версия DeepSeek с поддержкой визуального восприятия, добавляющая понимание изображений при сохранении возможностей базовой модели в области работы с текстом, включая агентов, рассуждения и знания о мире. Это разреженная модель с использованием смеси экспертов, имеющая 13 миллиардов активных параметров из общего числа в 284 миллиарда.

Она подходит для понимания документов и диаграмм, визуального ответа на вопросы и мультимодальных рабочих процессов агентов, которые чередуют текст и изображения.

Hy-MT2-1.8B — это компактная модель перевода с 1.8 миллиардами параметров от Tencent. Она поддерживает 33 языковые пары и пять пар китайских диалектов и языков меньшинств, с рабочими процессами для структурированного, основанного на разделителях, контекстного, основанного на глоссарии и стилистически направленного перевода.

Hy-MT2-30B-A3B — это флагманская модель перевода Tencent в семействе Hy-MT2. Она поддерживает 33 языковые пары и пять пар китайских диалектов и языков меньшинств, с рабочими процессами для структурированного, основанного на разделителях, контекстного, основанного на глоссарии и стилизованного перевода. Она использует 3 миллиарда активных параметров из 30 миллиардов общих.

FLUX Video Upscale — это модель увеличения видео от Black Forest Labs. Она увеличивает исходное видео в 1.5× до 3×, сохраняя его продолжительность, с возможностью использования подсказок и точных или творческих режимов обработки.

Hy-MT2-7B — это модель перевода с 7 миллиардами параметров от Tencent. Она поддерживает 33 языковые пары и пять пар китайских диалектов и языков меньшинств, с рабочими процессами для структурированного, основанного на разделителях, контекстного, основанного на глоссарии и стилизованного перевода.

GLM-5.3 — это крупномасштабная модель рассуждений от Z.ai, созданная для сложных задач в области программной инженерии и задач агентов с длительным горизонтом. Она поддерживает ввод и вывод текста с контекстным окном в 1 миллион токенов и улучшает GLM-5.2 в кодировании и в балансе между производительностью и эффективностью использования токенов.

Режим рассуждений всегда включен и не может быть отключен. Поддерживаются усилия рассуждений low, high и max; по умолчанию используется max.

GLM-5.3 — это крупномасштабная модель рассуждений от Z.ai, созданная для сложных задач в области программной инженерии и задач агентов с длительным горизонтом. Она поддерживает ввод и вывод текста с контекстным окном в 1 миллион токенов и улучшает GLM-5.2 в кодировании и в балансе между производительностью и эффективностью использования токенов.

Режим рассуждений всегда включен и не может быть отключен. Поддерживаются усилия рассуждений low, high и max; по умолчанию используется max.

Qwen3.8 27B — это модель с плотной архитектурой для обработки изображений и текста от Qwen. Она подходит для программирования, профессиональных рабочих процессов, исследований, мультимодального взаимодействия и длительных задач агентов, с возможностью включения или отключения гибкого мышления.

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.