Каталог AI моделей и нейросетей: сравнение и цены

Gemini Embedding 2 — это первая мультимодальная модель встраивания от Google. В настоящее время мы поддерживаем отображение текста и изображений в единое векторное пространство для семантического поиска и генерации с дополнением извлечением (RAG). Модель поддерживает контекст ввода до 8,192 токенов и гибкие размеры выходных данных от 128 до 3,072 (рекомендуемые: 768, 1536 или 3,072). Разработана для кросс-модальной схожести — вы можете встроить текстовый запрос и получить наиболее релевантные изображения или наоборот — что делает её хорошо подходящей для мультимодального поиска, рекомендаций и процессов понимания документов.

Gemini 3.5 Flash — это высокоэффективная мультимодальная модель от Google, обеспечивающая кодирование и рассуждение почти на профессиональном уровне при стоимости и скорости уровня Flash. Она высоко оптимизирована для повышения квалификации в кодировании и параллельного выполнения агентных циклов, поддерживая текстовые, графические, видео, аудио и PDF-входные данные.

По умолчанию использует средний уровень усилий для более быстрых и экономичных ответов, с полной поддержкой уровней мышления (минимальный, низкий, средний, высокий) для тонкой настройки соотношения затрат и производительности.

Grok Imagine Video — это модель SpaceXAI для быстрого создания видео, основанного на тексте, изображениях и ссылках. Она генерирует короткие видеоролики (1–15 секунд, 24 кадра в секунду) с разрешением 480p или 720p в семи соотношениях сторон — 1:1, 16:9, 9:16, 4:3, 3:4, 3:2 и 2:3.

Модель поддерживает три режима генерации: текст-видео на основе одного только текста, изображение-видео, которое анимирует статичный вход, и ссылка-видео, которое основывает выходной материал на до семи ссылочных изображениях для обеспечения согласованности персонажей, стилей или настроек.

Grok Imagine Image Quality — это модель быстрого и высококачественного генерации и редактирования изображений от SpaceXAI. Она принимает текстовые подсказки и опциональные референсные изображения, создавая фотореалистичные результаты в разрешении 1K или 2K с различными соотношениями сторон, включая гибкую настройку референсных изображений.

Модель акцентирует внимание на реалистичных деталях — естественном освещении и физике, точных текстурах и последовательном отображении именованных сущностей, таких как бренды, публичные фигуры и конкретные локации. Она поддерживает чистую многоязычную текстовую визуализацию внутри изображений, что делает её лучшим выбором для постеров, упаковок, рекламы, меню и социальных графиков. При использовании референсных изображений она сохраняет идентичность и структуру для размещения продуктов, вариаций, соответствующих бренду, и непрерывности персонажей в разных сценах.

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.

Grok Voice TTS 1.0 — это модель преобразования текста в речь от xAI. Она преобразует текст в аудио на более чем 20 языках с автоматическим определением языка и предлагает пять встроенных голосов (Eve, Ara, Rex, Sal, Leo), охватывающих различные тона. Встроенные теги речи позволяют управлять паузами, акцентами, высотой тона, скоростью и стилем голоса. Выходные данные доступны в форматах MP3, WAV, PCM, μ-law и A-law с частотой дискретизации от 8 кГц до 48 кГц, с возможностью обработки до 15 000 символов за запрос.

Recraft V4.1 Pro Vector — это векторный (SVG) вариант Recraft V4.1 Pro, настроенный для высокой эстетики. Он поддерживает ввод текста и изображений и создает SVG-изображения с более высоким разрешением в различных соотношениях сторон, при этом типичное время генерации составляет около 15 секунд. Выходные данные масштабируются без потери качества, что делает их подходящими для иконок, логотипов и другой графики. В версии V4.1 текст и иллюстрации приобретают больше индивидуальности, градиенты становятся более плавными, а следование коротким подсказкам — более точным по сравнению с V4 Pro.

Подходит для работы с иллюстрациями высокого разрешения и графикой для производства, где выходные данные должны быть разработаны, а не сфотографированы. Поддерживает следующие параметры image_config: strength (контролирует, насколько выходные данные отклоняются от исходного изображения), rgb_colors (устанавливает цветовую палитру) и background_rgb_color (устанавливает цвет фона).

Примечание: поддерживается только одно входное изображение.

Recraft V4.1 Vector — это векторный (SVG) вариант Recraft V4.1, настроенный для высокой эстетики. Он поддерживает текстовые и графические входные данные и создает SVG-изображения с различными соотношениями сторон, обычно за 10 секунд. Выходные данные масштабируются без потери качества, что делает их подходящими для иконок, логотипов и других графических элементов. В версии V4.1 текст и иллюстрации приобретают больше индивидуальности, градиенты становятся более плавными, а соответствие кратким запросам — более точным по сравнению с V4.

Подходит для повседневной работы с иллюстрациями, где результат должен быть создан, а не сфотографирован. Поддерживает следующие параметры image_config: strength (контролирует, насколько результат отличается от исходного изображения), rgb_colors (устанавливает палитру цветов) и background_rgb_color (устанавливает цвет фона).

Примечание: поддерживается только одно входное изображение.

Recraft V4.1 Utility Pro — это универсальная модель генерации изображений от Recraft. Она поддерживает текстовые и графические входные данные с выходом изображения в разрешении около 2K при различных соотношениях сторон — вдвое выше разрешения V4.1 Utility — с типичным временем генерации около 10 секунд. Как и V4.1 Utility, она разработана для сдержанности как эстетического выбора — плоское освещение, фронтальная композиция и простые, контролируемые сцены — с более высокой точностью для производственных задач.

Улучшения V4.1 по сравнению с V4 Pro включают более естественное понимание объектов, более четкие макеты, более чистые стандартные иконки и более сильное соответствие запросам с более короткими запросами. Подходит для изображений продукции, макетов для электронной коммерции и структурированных визуалов, где важна качество изображения, а высокоэстетичная линия V4.1 Pro была бы слишком выразительной. Поддерживает следующие параметры image_config: strength (контролирует, насколько результат отклоняется от исходного изображения), rgb_colors (устанавливает цветовую палитру) и background_rgb_color (устанавливает цвет фона).

Примечание: поддерживается только одно входное изображение.

Утилита Recraft V4.1 Utility — это универсальная модель генерации изображений от Recraft. Она поддерживает текстовые и графические входные данные с выходом изображения разрешением около 1K в различных соотношениях сторон, при этом типичное время генерации составляет около 6 секунд. Линия Utility разработана с акцентом на сдержанность как эстетический выбор - плоское освещение, фронтальная композиция и простые, контролируемые сцены - что делает её практичным выбором для изображений продуктов, макетов и структурированных визуалов, где высокоэстетичная линия V4.1 была бы слишком выразительной.

Улучшения V4.1 по сравнению с V4 включают более естественное понимание объектов, более четкие макеты, более чистые стандартные иконки и более сильное следование подсказкам с более короткими подсказками. Поддерживает следующие параметры image_config: strength (контролирует, насколько выходное изображение отклоняется от исходного), rgb_colors (устанавливает палитру цветов) и background_rgb_color (устанавливает цвет фона).

Примечание: поддерживается только одно входное изображение.

Recraft V4.1 Pro — это модель генерации изображений от Recraft, настроенная для высоких эстетических стандартов. Она поддерживает текстовые и графические входные данные с выходным изображением разрешением около 2K в различных соотношениях сторон — вдвое больше разрешения V4.1 — с типичным временем генерации около 10 секунд. Она сохраняет визуальную чувствительность V4.1 с более высокой точностью и плотностью деталей, с более естественным фотореализмом, более плавной 3D-визуализацией и градиентами, а также с более сильным соблюдением коротких подсказок, чем V4 Pro.

Подходит для производственной работы, где качество изображения является приоритетом, и идея выигрывает от большего разрешения. Поддерживает следующие параметры image_config: strength (контролирует, насколько выходное изображение отклоняется от исходного), rgb_colors (устанавливает палитру цветов) и background_rgb_color (устанавливает цвет фона).

Примечание: поддерживается только одно входное изображение.

Recraft V4.1 — это модель генерации изображений от Recraft, настроенная на высокую эстетику. Она поддерживает текстовые и графические входные данные с выходом изображения в разрешении около 1K в различных соотношениях сторон, при этом типичное время генерации составляет около 6 секунд. По сравнению с V4, фотореализм ощущается более естественным с более спокойными фонами и более целенаправленным освещением, 3D-рендеринг и мягкие градиенты более плавные, а модель более надежно следует коротким подсказкам.

Подходит для исследований, концептуальной работы и повседневной творческой деятельности, где важны скорость и стоимость. Поддерживает следующие параметры image_config: strength (контролирует, насколько выходное изображение отклоняется от исходного), rgb_colors (устанавливает цветовую палитру) и background_rgb_color (устанавливает цвет фона).

Примечание: поддерживается только одно входное изображение.

Recraft V4 Pro Vector — это векторный (SVG) вариант Recraft V4 Pro. Он поддерживает текстовые и графические входные данные и создает векторное изображение на выходе с несколькими соотношениями сторон на уровне высокой точности Pro. Выходные данные предоставляются в формате SVG, подходящем для иконок, логотипов и другой графики, которая должна масштабироваться без потери качества. V4 Pro предлагает более высокую точность и плотность деталей по сравнению с V4, с более сильным композиционным суждением, цветовой согласованностью и разборчивым встроенным текстом по сравнению с V3.

Поддерживает следующие параметры image_config: strength (контролирует, насколько выходное изображение отклоняется от исходного), rgb_colors (устанавливает палитру цветов) и background_rgb_color (устанавливает цвет фона).

Примечание: поддерживается только одно входное изображение.

Recraft V4 Vector — это векторный (SVG) вариант Recraft V4. Он поддерживает текстовые и графические входные данные и создает векторное изображение на выходе в различных соотношениях сторон. По сравнению с растровым V4, выходные данные предоставляются в формате SVG, подходящем для иконок, логотипов и других графических элементов, которые должны масштабироваться без потери качества. V4 обеспечивает более сильное композиционное суждение, цветовую согласованность и читаемый встроенный текст по сравнению с V3.

Поддерживает следующие параметры image_config: strength (управляет степенью отклонения выходного изображения от исходного), rgb_colors (устанавливает палитру цветов) и background_rgb_color (устанавливает цвет фона).

Примечание: поддерживается только одно входное изображение.

Perceptron Mk1 (Mark One) является высококачественной моделью Perceptron для работы с видео и воплощенного рассуждения в формате “зрение-язык”. Она принимает изображения и видеоматериалы в паре с запросами на естественном языке и выдает подробные ответы на визуальное понимание, как в структурированном, так и в естественном языке. Модель превосходно справляется с задачами понимания видео, такими как вопросы и ответы по видео, суммаризация и обнаружение событий. На входах с изображениями она продвигает привязку по примеру из мультимодальных подсказок, распознавание текста и разбор документов на сложных реальных данных, обнаружение и подсчет объектов с открытым словарем, а также оценку позы рук.

Рассуждение может быть включено по запросу для обмена задержкой на более глубокий анализ сложных задач. Структурированные аннотации выдаются в тексте только при явном запросе через параметр annotation_format (передайте "point", "box" или "polygon" для пространственной локализации на изображениях, или "clip" (начало/конец временных меток) для временных сегментов в видео). Без annotation_format модель возвращает только текст на естественном языке.