Уникальная модель в линейке Gemma 4 с единой (Unified) архитектурой без энкодеров: визуальные и аудиоданные подаются напрямую в decoder-only трансформер через линейные проекции (и легкий embedder для изображений), что существенно устраняет задержку энкодинга и позволяет качественно обрабатывать все модальности. При размере всего 12B параметров модель подходит для запуска на ноутбуках с 16 ГБ VRAM и демонстрирует результаты, сопоставимые с моделью 26B MoE, на бенчмарках рассуждения, кодинга и мультимодального понимания.
Это первая открытая модель генерации изображений от Ideogram. Это передовая базовая модель, обученная с нуля, а не усовершенствованная версия какой-либо существующей модели.
Передовая открытая мультимодальная модель с 428 миллиардами параметров (23B активных) и инновационным механизмом MiniMax Sparse Attention, обеспечивающим эффективную обработку контекста до 1 миллиона токенов. Модель уникальна своим сочетанием нативной мультимодальности, отличными навыками в области программирования и агентными возможностями, что позволяет ей конкурировать с ведущими закрытыми решениями.
Компактная мультимодальная модель (0.9B параметров) для интеллектуального парсинга документов и изображений с точным распознаванием текста, таблиц, формул, диаграмм и печатей. Модель занимает первое место на OmniDocBench v1.6 с результатом 96.33%, превосходя Gemini 3 Pro, GPT-5.2, Qwen3-VL-235B и другие решения, при этом оставаясь достаточно лёгкой для локального запуска.
Унифицированная мультимодальная модель (Unified Multimodal Modeling), разработанная для демонстрации унифицированного подхода к пониманию, генерации и редактированию изображений и видео в рамках относительно небольшой модели и ограниченного вычислительного бюджета.
Передовая MoE-модель на 1.6 трлн параметров (49 млрд активных), способная сверхэффективно обрабатывать контекст до 1 миллиона токенов благодаря инновационной гибридной архитектуре внимания – CSA+HCA. Модель уверенно лидирующие позиции по математике, программированию и агентным задачам, поддерживает три настраиваемых режима рассуждения («non-think», «think high», «think max») и потребляет почти в 10 раз меньше памяти KV-кэша по сравнению с предыдущими флагманами deepseek.
Открытая MoE‑модель из семейства DeepSeek V4, насчитывающая 284 млрд общих параметров при 13 млрд активных на токен и поддерживающая контекст до 1 млн токенов. Благодаря гибридному вниманию CSA + HCA она достигает экстремальной эффективности на сверхдлинных последовательностях. Модель демонстрирует близкие к Pro‑версии результаты в рассуждении, программировании и агентных задачах, будучи при этом гораздо менее требовательной к инфраструктуре.
Qwen/Qwen3.6-27B — открытая плотная мультимодальная модель на 27B параметров с сильным фокусом на агентное программирование, работу с большими репозиториями и reasoning-задачи. Она поддерживает текст, изображения и видео, имеет нативный контекст 262K токенов, thinking/non-thinking режимы и по ряду ключевых бенчмарков обгоняет не только Qwen3.5-27B, но и более крупную MoE-модель Qwen3.5-397B-A17B.
Qwen/Qwen3.6-35B-A3B — открытая мультимодальная MoE-модель с 35B параметров, из которых на каждый токен активируется только около 3B, что снижает вычислительную нагрузку. Архитектура на основе Gated DeltaNet и Gated Attention обеспечивает высокую эффективность и экономию памяти. Модель поддерживает текст, изображения и видео, thinking/non-thinking режимы, контекст 262K токенов с расширением до 1M и особенно хорошо подходит для агентного программирования, работы с репозиториями и визуально-текстовых задач.
Открытая мультимодальная модель от Moonshot AI ориентированная на работу с агентами. Архитектура Mixture-of-Experts с 1 трлн параметров (32 млрд активных на токен), поддерживающая окно контекста в 256K токенов и нативной INT4-квантизацией. Модель оптимизирована для длительных циклов программного решения задач, автономной работы и оркестрации «роя агентов», по этим направлениям она уверенно конкурирует с лучшими закрытыми моделями. Модель способна часами вести сложную инженерную работу, превращать визуальные макеты в готовые веб-приложения, декомпозировать и координировать до 300 параллельных суб-агентов в рамках одной сессии, что делает ее одним из лучших открытых решений для исследовательских задач и эффективного использования в качестве интеллектуального ядра в самых разных высокотехнологичных продуктах.
Открытая модель для генерации изображений по тексту, разработанная командой ERNIE-Image в Baidu. Она построена на архитектуре Diffusion Transformer (DiT) и включает дополнительные компоненты для улучшения работы с текстом и структурированными задачами.
Первая модель, участвовавшая в собственной эволюции: в процессе разработки она сама строила навыки и оптимизировала своё обучение. Архитектура на базе 230B MoE (10B активных параметров) с полным вниманием обеспечивает стабильно высокое качество в сложных агентных и офисных задачах. На бенчмарках модель показывает результаты на уровне лучших закрытых решений. Идеально подходит для разработки автономных агентов, работы с офисными документами и комплексной автоматизации сложных профессиональных задач, выступая в роли «всезнающего и эмоционального AI-коллеги».
Открытая модель для генерации изображений по тексту, разработанная командой ERNIE-Image в Baidu. Она построена на архитектуре Diffusion Transformer (DiT) и включает дополнительные компоненты для улучшения работы с текстом и структурированными задачами.
Высокопроизводительная LLM с 30 миллиардами параметров, базирующаяся на классической трансформерной архитектуре decoder-only с механизмом полного внимания. Модель оперирует контекстным окном в 131072 токенов (увеличивается до полумиллиона) и делает ставку на тщательную фильтрацию обучающих выборок и поэтапную схему предобучения обеспечивающую выдающуюся точность в логических, алгоритмических и инструктивных задачах без режима рассуждения. Это решение нацелено на внедрение в сложные бизнес‑системы, требующие глубокого, но быстрого анализа задачи, многокомпонентных агентов и бесшовной интеграции с внешними сервисами.
Компактная языковая модель с 8 млрд параметров, классической плотной (dense) трансформерной архитектурой, механизмом полного внимания и поддержкой контекста, расширяемого до 512 тысяч токенов. Благодаря фокусу на качестве данных и многоступенчатому обучению с подкреплением, она превосходит более крупные модели, обеспечивая предсказуемость инференса и максимальное использование ресурсов модели. Решение идеально подходит для создания корпоративных ИИ-агентов, RAG систем и ассистентов с продвинутым вызовом внешних инструментов.
Granite‑4.1‑3B – это лёгкая языковая модель с 3 млрд параметров, построенная по классической схеме трансформера‑декодера с полным вниманием. Невзирая на скромный объём, она поддерживает контекст, увеличиваемый до полмиллиона токенов и обеспечивает достойное качество генерации благодаря продуманному многофазному обучению на 15 трлн токенов тщательно отобранных данных. Модель успешно справляется с ролями агентов‑помощников, систем фильтрации и чат ассистентов.
Флагманская MoE-модель (744 млрд общих / 40 млрд активных параметров) с механизмом разреженного внимания DSA, созданная для продолжительной автономной работы. Она занимает первое место на SWE‑Bench Pro и CyberGym, опережая на момент релиза все существующие модели (включая закрытые), и стабильно входит в число лидеров в других значимых бенчмарках, а главное — она сохраняет способность к прогрессу на сотнях итераций и тысячах вызовов инструментов, там, где многие модели теряют эффективность и стараются дать быстрый ответ GLM-5.1 продолжает искать лучшее решение.
Флагманская instruct-модель семейства GigaChat, основанная на архитектуре Mixture‑of‑Experts (MoE) с 702 млрд общих и 36 млрд активных параметров. Сочетание Multi‑head Latent Attention (MLA), Multi‑Token Prediction (MTP) и нативного обучения в FP8 обеспечивает рекордную производительность на длинных контекстах и значительно снижает потребление памяти. Модель по ряду показателей превосходит открытые аналоги уровня DeepSeek‑V3‑0324 и Qwen3‑235B‑A22B, поставляется под лицензией MIT, что делает доступным ее коммерческое использование.
GigaChat 3.1 Lightning — это компактная Mixture-of-Experts модель с 1.8 млрд активных параметров из 10 млрд общих, построенная на базе MLA внимания и поддерживающая MTP, что в сочетании с нативным FP8-обучением обеспечивает отличную скорость и качество. Модель занимает лидирующие позиции в своём классе и является одним из лучших решений для быстрых диалоговых AI-ассистентов, а также для запуска простых, но надежных агентных систем с поддержкой вызова инструментов и других функциональностей.
Высокоэффективная модель на архитектуре смеси экспертов, которая при активации лишь 3.8B параметров обеспечивает 97% качества флагманской модели 31B. Оптимальный выбор для сложных агентных и аналитических задач с умеренными требованиями к вычислительным ресурсам.