Тег: модели ИИ

Antigravity Agent 09-2026 — управляемый агент Google с выполнением кода, веб-поиском и файловыми инструментами в удалённой песочнице.

Seedream 5.0 Flash — ускоренная модель ByteDance для генерации и редактирования изображений с раздельными слоями.

VibeVoice-ASR-Streaming-7B — старшая потоковая модель Microsoft для распознавания речи и говорящих.

VibeVoice-ASR-Streaming-1.5B расшифровывает речь по мере поступления аудио и поддерживает десять языков.

SeedRealtime — аудиовизуальная модель ByteDance для общения в реальном времени с одновременным восприятием звука, видео и речи.

Gemini Robotics ER 2 Streaming — предварительная модель Google для двустороннего потокового взаимодействия с роботами через Live API.

Gemini Robotics 2 — модель Google класса VLA, переводящая зрение и инструкции в действия гуманоидных и двухруких роботов.

Gemini Robotics On-Device 2 — модель Google для локального управления роботами с адаптацией к новым типам устройств.

Seed Audio 1.0 — модель ByteDance для генерации голосов, эффектов и атмосферы как единой звуковой сцены.

DiffusionGemma — экспериментальная открытая модель Google, которая генерирует текст блоками, последовательно уточняя их методом дискретной диффузии.

Gemini 3.5 Live Translate переводит непрерывную речь в реальном времени и возвращает перевод голосом и текстом.

Fara1.5-27B — крупнейшая версия компьютерного агента Microsoft для сложных задач в браузере.

Fara1.5-9B — основная модель Microsoft для многошаговой браузерной автоматизации.

Fara1.5-4B — младшая модель Microsoft для браузерной автоматизации с контекстом до 262 тысяч токенов.

Antigravity Agent 05-2026 — первая публичная версия управляемого агента Google; выводится из эксплуатации 5 октября 2026 года.

MagenticBrain — модель Microsoft на 14 млрд параметров для планирования, кода и координации ИИ-агентов.

GridSFM — компактная модель Microsoft для оценки режимов работы и ограничений электрических сетей.

Phi-Ground-Any-4B определяет координату действия в графическом интерфейсе по короткой инструкции.

Gemini 3.1 Flash-Lite — экономичная мультимодальная модель Google для быстрых массовых запросов, извлечения данных и классификации.

Seed3D 2.0 — модель ByteDance для более точной генерации 3D-геометрии и материалов по изображению.

Gemini Embedding 2 — мультимодальная embedding-модель Google; preview-ID закрыт в августе 2026 года, стабильная версия доступна с апреля.

Gemini Deep Research Max — вариант исследовательского агента Google для более полного сбора и анализа большого массива источников.

Gemini Deep Research — исследовательский агент Google для многошагового поиска, работы с источниками и подготовки отчётов с цитатами.

Gemini Robotics-ER 1.6 — модель Google для пространственного анализа, планирования задач и понимания физического окружения робота.

Seeduplex — голосовая модель ByteDance для естественного диалога с одновременным прослушиванием и ответом.

Veo 3.1 Lite — предварительная видеомодель Google для генерации и расширения коротких роликов с аудио по тексту или изображению.

Lyria 3 Pro — музыкальная модель Google для полноформатных песен с развитием композиции, куплетами, припевами и переходами.

Lyria 3 Clip — предварительная модель Google для создания коротких музыкальных фрагментов и циклов по тексту или изображению.

Gemini 3.1 Flash Live — потоковая голосовая модель Google в статусе Preview; для новых сценариев Google рекомендует Gemini 3.8 Live.

Phi-4 Reasoning Vision 15B — открытая мультимодальная модель Microsoft на 15 млрд параметров для анализа изображений и сложных задач рассуждения.

Gemini 3.1 Flash-Lite Preview — историческая предварительная модель Google для быстрых мультимодальных задач; её endpoint отключён.

Gemini 3.1 Flash Image Preview — предварительный endpoint Nano Banana 2; API отключён 25 июня 2026 года.

Gemini 3.1 Flash TTS — предварительная модель Google для управляемого синтеза речи; для новых задач рекомендованы версии Gemini 3.8 TTS.

Gemini 3.1 Pro Custom Tools — отдельный preview-endpoint для рабочих сценариев с пользовательскими инструментами и командной строкой.

Seed 2.0 — семейство ByteDance Seed для рассуждений, мультимодальных задач, работы с инструментами и программирования.

Seedream 5.0 Lite — модель ByteDance для генерации и редактирования изображений с мультимодальным рассуждением и поиском.

Seedance 2.0 — мультимодальная модель ByteDance для генерации и редактирования видео со звуком по тексту и референсам.

VibeVoice-ASR распознаёт длительную речь, связывает реплики с говорящими и расставляет временные отметки.

Rho-alpha — робототехническая модель Microsoft, преобразующая инструкции в управление двумя руками.

TranslateGemma — открытые модели Google на базе Gemma 3 для перевода между 55 языками; доступны варианты 4B, 12B и 27B.

MedGemma 1.5 4B — мультимодальная медицинская модель Google для анализа томограмм, рентгеновских снимков, гистопатологии и медицинских документов.

Seed Prover 1.5 — специализированная система ByteDance Seed для формальных математических доказательств на языке Lean.

Seed1.8 — мультимодальная модель ByteDance Seed для поиска, кода, управления интерфейсами и сложных рабочих процессов.

T5Gemma 2 — мультимодальные encoder-decoder модели Google на базе Gemma 3 с изображениями, контекстом до 128 тысяч токенов и размерами 270M–4B.

FunctionGemma — модель Google на базе Gemma 3 270M, обученная преобразовывать естественные команды в структурированные вызовы функций и API.

Gemini 3 Flash — предварительная мультимодальная модель Google с большим контекстом, рассуждением и поддержкой инструментов.

Seedance 1.5 Pro — модель ByteDance для совместной генерации видео, речи и звуковых эффектов с синхронизацией по сцене.

Gemini 2.5 Flash Live — голосовые модели Google для Live API; в карточке собраны preview-ID, даты закрытия и более новые версии.

VibeVoice-Realtime-0.5B — компактная модель Microsoft для потокового синтеза речи с низкой задержкой.