Каталог AI моделей и нейросетей: сравнение и цены

Модель встраивания all-mpnet-base-v2 кодирует предложения и короткие абзацы в 768-мерное плотное векторное пространство, обеспечивая высококачественные семантические встраивания, которые хорошо подходят для таких задач, как поиск информации, кластеризация, оценка сходства и ранжирование текста.

Модель встраивания all-MiniLM-L6-v2 отображает предложения и короткие абзацы в 384-мерное плотное векторное пространство, обеспечивая высококачественные семантические представления, которые идеально подходят для последующих задач, таких как поиск информации, кластеризация, оценка сходства и ранжирование текста.

Cogito v2.1 671B MoE представляет собой одну из самых мощных открытых моделей в мире, сопоставимую по производительности с передовыми закрытыми и открытыми моделями. Эта модель обучена с использованием самоигры с подкрепляющим обучением для достижения передовых результатов в нескольких категориях (следование инструкциям, программирование, более длинные запросы и творческое письмо). Эта продвинутая система демонстрирует значительный прогресс в направлении масштабируемого сверхинтеллекта через улучшение политики.

GPT-5.1 — это новейшая модель уровня frontier в серии GPT-5, предлагающая более сильные возможности для общих рассуждений, улучшенное следование инструкциям и более естественный стиль общения по сравнению с GPT-5. Она использует адаптивное рассуждение для динамического распределения вычислительных ресурсов, быстро отвечая на простые запросы и уделяя больше внимания сложным задачам. Модель создает более четкие и обоснованные объяснения с уменьшенным количеством жаргона, что облегчает их понимание даже в технических или многоэтапных задачах.

Созданная для широкого охвата задач, GPT-5.1 обеспечивает стабильные улучшения в областях математики, программирования и структурированного анализа, предлагая более связные развернутые ответы и повышенную надежность в использовании инструментов. Она также обладает усовершенствованным согласованием в диалогах, позволяя давать более теплые и интуитивные ответы без ущерба для точности. GPT-5.1 служит основным преемником GPT-5 с полными возможностями.

GPT-5.1 Chat (также известный как Instant) является быстрым и легким представителем семейства 5.1, оптимизированным для чатов с низкой задержкой, сохраняя при этом сильный общий интеллект. Он использует адаптивное рассуждение для избирательного “обдумывания” более сложных запросов, улучшая точность в математике, программировании и многошаговых задачах без замедления обычных разговоров. Модель по умолчанию более теплая и разговорная, с лучшим следованием инструкциям и более стабильным краткосрочным рассуждением. GPT-5.1 Chat разработан для высокопроизводительных, интерактивных рабочих нагрузок, где отзывчивость и последовательность важнее, чем глубокие размышления.

GPT-5.1-Codex — это специализированная версия GPT-5.1, оптимизированная для программной инженерии и рабочих процессов кодирования. Она предназначена как для интерактивных сессий разработки, так и для длительного, независимого выполнения сложных инженерных задач. Модель поддерживает создание проектов с нуля, разработку функций, отладку, крупномасштабное рефакторинг и обзор кода. По сравнению с GPT-5.1, Codex более управляем, строго следует инструкциям разработчика и производит более чистый и качественный код. Усилие на рассуждение можно регулировать с помощью параметра reasoning.effort.

Codex интегрируется в среды разработчиков, включая CLI, расширения IDE, GitHub и облачные задачи. Он динамически адаптирует усилие на рассуждение — предоставляя быстрые ответы для небольших задач, одновременно поддерживая длительные многочасовые запуски для крупных проектов. Модель обучена выполнять структурированные обзоры кода, выявляя критические ошибки, анализируя зависимости и проверяя поведение на тестах. Она также поддерживает мультимодальные вводы, такие как изображения или скриншоты для разработки интерфейсов, и интегрирует использование инструментов для поиска, установки зависимостей и настройки среды. Codex предназначен специально для агентных приложений кодирования.

GPT-5.1-Codex-Mini — это уменьшенная и более быстрая версия GPT-5.1-Codex.

Kimi K2 Thinking — это самая передовая модель открытого рассуждения от Moonshot AI на сегодняшний день, расширяющая серию K2 в область агентного, долгосрочного рассуждения. Построенная на архитектуре Mixture-of-Experts (MoE) с триллионом параметров, представленной в Kimi K2, она активирует 32 миллиарда параметров за один проход и поддерживает контекстные окна размером 256 тысяч токенов. Модель оптимизирована для последовательного пошагового мышления, динамического вызова инструментов и сложных рабочих процессов рассуждения, которые охватывают сотни шагов. Она сочетает пошаговое рассуждение с использованием инструментов, что позволяет автономно проводить исследования, писать код и создавать тексты, которые могут сохраняться на протяжении сотен последовательных действий без отклонений.

Она устанавливает новые показатели для открытого исходного кода на HLE, BrowseComp, SWE-Multilingual и LiveCodeBench, при этом поддерживая стабильное поведение мультиагентов через 200–300 вызовов инструментов. Построенная на крупномасштабной архитектуре MoE с оптимизацией MuonClip, она сочетает в себе глубокие рассуждения с высокой эффективностью вывода для требовательных агентных и аналитических задач.

Amazon Nova Premier является самой мощной из мультимодальных моделей Amazon для выполнения сложных задач рассуждения и используется в качестве лучшего учителя для дистилляции пользовательских моделей.

Mistral Embed — это специализированная модель встраивания для текстовых данных, оптимизированная для семантического поиска и приложений RAG. Разработанная Mistral AI в конце 2023 года, она производит векторы размерностью 1024, которые эффективно улавливают семантические отношения в тексте.

gemini-embedding-001 обеспечивает передовой унифицированный опыт в различных областях, включая науку, право, финансы и программирование. Эта модель встраивания стабильно занимает лидирующие позиции в многоязычном рейтинге Massive Text Embedding Benchmark (MTEB) с момента экспериментального запуска в марте.

text-embedding-ada-002 — это устаревшая модель текстового встраивания от OpenAI.

Mistral Codestral Embed специально разработан для работы с кодом, идеально подходит для встраивания кодовых баз данных, репозиториев и обеспечения работы кодовых ассистентов с передовыми методами поиска.

text-embedding-3-large — это самая мощная модель встраивания от OpenAI для задач как на английском, так и на других языках. Встраивания представляют собой числовое представление текста, которое можно использовать для измерения взаимосвязанности между двумя фрагментами текста. Встраивания полезны для поиска, кластеризации, рекомендаций, обнаружения аномалий и задач классификации.

text-embedding-3-small — это улучшенная и более производительная версия модели ada embedding от OpenAI. Встраивания представляют собой числовое представление текста, которое можно использовать для измерения степени связанности между двумя текстами. Встраивания полезны для задач поиска, кластеризации, рекомендаций, обнаружения аномалий и классификации.