Тег: модели ИИ

Seedream 4.5 — модель ByteDance для генерации и редактирования изображений с точным сохранением деталей референса.

Depth Anything 3 — открытая модель ByteDance для оценки глубины и восстановления 3D-сцены по изображениям с разных ракурсов.

Fara-7B — компактная открытая модель Microsoft для выполнения задач в браузере с помощью мыши и клавиатуры.

Gemini 3 Pro Image Preview — предварительный выпуск Nano Banana Pro; API отключён 25 июня 2026 года.

Seed3D 1.0 — модель ByteDance для создания детализированных 3D-объектов и сцен по одному изображению.

Seedance 1.0 Pro Fast — ускоренная модель ByteDance для генерации видео по тексту и исходному изображению.

Veo 3.1 Fast — более быстрый вариант видеомодели Google для генерации роликов с аудио по тексту или изображению.

Veo 3.1 — видеомодель Google для кинематографичных роликов по тексту и изображению с синхронизированным звуком.

Gemini 2.5 Computer Use — предварительная модель Google для управления интерфейсами по изображениям экрана; Google относит её к устаревшим вариантам.

Nano Banana — модель Google для генерации и диалогового редактирования изображений по тексту и исходной картинке.

Gemini Robotics-ER 1.5 — историческая модель Google для пространственного анализа и планирования действий робота; её API отключён.

VaultGemma — открытая языковая модель Google на 1 млрд параметров, обученная с дифференциальной приватностью на уровне последовательностей.

Seedream 4.0 — мультимодальная модель ByteDance для генерации изображений и редактирования одного или нескольких референсов.

EmbeddingGemma — открытая модель Google на 308 млн параметров для семантического поиска, классификации и локальных RAG-систем.

VibeVoice-TTS-1.5B генерирует длинную речь с несколькими голосами и сохранением очередности реплик.

Seed-OSS — открытая языковая модель ByteDance Seed на 36 млрд параметров с контекстом до 512 тысяч токенов.

Phi-Ground — модель Microsoft для определения координат элементов на снимках интерфейса по инструкции.

Seed Diffusion Preview — экспериментальная языковая модель ByteDance Seed с диффузионной генерацией кода.

Seed LiveInterpret 2.0 — речевая модель ByteDance для синхронного перевода между китайским и английским языками.

Seed GR-3 — робототехническая модель ByteDance, которая воспринимает визуальную сцену и управляет действиями робота.

Gemini 2.5 Flash-Lite — экономичная модель Google; карточка содержит стабильный endpoint и историю Preview от июня и сентября 2025 года.

Gemini Embedding 001 — текстовая embedding-модель Google; стабильный API-ID вышел 14 июля 2025 года и поддерживается до мая 2028 года.

Phi-4 Mini Flash Reasoning — компактная модель Microsoft для быстрых рассуждений с гибридной архитектурой SambaY.

T5Gemma — открытые модели Google с архитектурой «кодировщик—декодировщик»: варианты на базе Gemma 2 и отдельные размеры Small–XL.

Seed-1.6-Embedding — мультимодальная модель ByteDance для поиска по тексту, изображениям и видео.

Seed1.6 Thinking — вариант ByteDance Seed1.6 для углублённого текстового и визуального рассуждения.

Seed1.6 Flash — облегчённая мультимодальная модель ByteDance с ускоренной обработкой текста и изображений.

Seed1.6 — мультимодальная модель ByteDance для текста, изображений и рассуждений с адаптивным режимом цепочки мыслей.

Imagen 4 Ultra — архивная версия Google для генерации изображений; preview и стабильный API были отключены в 2026 году.

Imagen 4 Fast — скоростной вариант модели Google для генерации изображений по тексту; endpoint отключён 17 августа 2026 года.

Imagen 4 — снятое с поддержки семейство генерации изображений Google; карточка включает preview-ID и сроки отключения API.

Mu — компактная локальная модель Microsoft на 330 млн параметров для управления настройками Windows.

SeedEdit 3.0 — модель ByteDance для редактирования изображений по текстовым инструкциям с сохранением неизменяемых деталей.

Seedance 1.0 Pro — модель ByteDance для кинематографичной генерации видео по тексту и изображению.

BAGEL — открытая мультимодальная модель ByteDance для понимания и генерации текста, изображений и видео.

MedGemma — открытые медицинские модели Google для обработки клинических текстов и изображений; семейство включает варианты 4B и 27B.

Gemini 2.5 Pro TTS — предварительная модель Google для синтеза выразительной речи в подкастах, аудиокнигах и структурированных сценариях.

Gemini 2.5 Flash TTS — модель Google для быстрого синтеза речи с управлением темпом и подачей.

Lyria RealTime — экспериментальная потоковая модель Google для интерактивной генерации музыки и управления звучанием в ходе исполнения.

Seed-Coder — открытое семейство моделей ByteDance на 8 млрд параметров для генерации, дополнения и анализа кода.

Seed1.5-VL — мультимодальная модель ByteDance для анализа изображений, видео, графических интерфейсов и визуальных задач.

Seed1.5-Embedding — модель ByteDance для преобразования текстов в векторы и семантического поиска.

Gemini 2.0 Flash Image Generation Preview — отключённый API для генерации и редактирования изображений.

Phi-4 Mini Reasoning — компактная модель Microsoft на 3,8 млрд параметров для математики и логических задач.

Phi-4 Reasoning Plus — версия Microsoft с усиленной настройкой для многошаговых математических и научных задач.

Phi-4 Reasoning — открытая модель Microsoft на 14 млрд параметров для математики, науки и многошаговых задач.

Seedance 1.0 Lite — облегчённая версия видеомодели ByteDance с отдельными режимами по тексту и изображению.

Multimodal Phi Silica добавляет анализ изображений к локальной модели Microsoft для Copilot+ PC.

UI-TARS 1.5 — открытая мультимодальная модель ByteDance для управления компьютером и мобильными интерфейсами.