Каталог AI моделей и нейросетей: сравнение и цены

Grok STT — это модель преобразования речи в текст от xAI, доступная через REST /v1/stt endpoint. Она поддерживает транскрипцию с временными метками на уровне слов, необязательную диаризацию говорящих и многоканальное аудио.

Gemini 3.6 Flash — это высокоэффективная модель от Google для кодирования, агентных рабочих процессов, а также разработки веб-приложений и приложений. Она разработана для создания качественных результатов с меньшим количеством ненужных правок и меньшей неопределенностью, одновременно снижая использование токенов и количество вызовов модели, необходимых для выполнения задачи.

Gemini 3.5 Flash-Lite — это высокоэффективная модель от Google с улучшенными агентными возможностями. Она подходит для субагентов, которые выполняют целенаправленные задачи в рамках сложных, многоагентных рабочих процессов.

Krea 2 Large — это модель генерации изображений с высокой производительностью от Krea, более чем в два раза превышающая размер Krea 2 Medium. Ее облегченная пост-тренировка придает изображениям более сырую, текстурированную и гибкую характеристику, что делает ее особенно подходящей для фотореализма, выразительных художественных стилей, размытия в движении, зернистости и изображений с низким динамическим диапазоном.

Krea 2 Medium — это сбалансированная, экономически эффективная модель генерации изображений от Krea и практическая отправная точка для широкого спектра применений. Обширная поддержка после обучения обеспечивает стабильные и последовательные генерации, с особыми сильными сторонами в иллюстрации, аниме, живописи и других выразительных художественных стилях.

Krea 2 Medium Turbo — это дистиллированный, ориентированный на скорость вариант Krea 2 Medium от Krea. Он разработан для быстрой итерации и исследования графического дизайна, где приоритетом является быстрое создание.

LongCat 2.0 — это разреженная смесь экспертов языковой модели от Meituan, с 48 миллиардами активных параметров из 1,6 триллиона общих. Она подходит для программирования, изменений на уровне репозиториев, решения задач с долгосрочной перспективой и агентных рабочих процессов.

Grok Imagine Video 1.5 — это модель генерации видео от SpaceXAI. Она создает видео на основе текстовых подсказок, с возможностью использования начального изображения для направления сцены. Модель может управлять движением объектов и камеры, темпом, атмосферой и физическим поведением, сохраняя визуальную непрерывность, а также может генерировать синхронизированные звуковые эффекты, атмосферные звуки и диалоги.

Inkling — это многомодальная модель смешивания экспертов с открытым весом от Thinking Machines Lab, с 41 миллиардами активных параметров из 975 миллиардов общих. Она предназначена для систем общего назначения, таких как рассуждение, программирование, агентные системы и использование инструментов,…

Aura-2 — это многоязычная модель преобразования текста в речь от компании Deepgram. Она поддерживает канонический каталог голосов Aura-2 от Deepgram для синтеза речи на нескольких языках.

Kimi K3 — это ультра-крупномасштабная, многомодальная модель рассуждений с открытым весом от Moonshot AI. Она подходит для сложного кодирования, работы с знаниями и агентных рабочих процессов с длинным горизонтом, и особенно сильна в навигации по большим репозиториям, использовании инструментов, отладке и итерации с изображениями, логами, тестами и обратной связью во время выполнения. Ее архитектура использует KDA и Attention Residuals для вычислительной эффективности.

Kimi K3 — это ультра-крупномасштабная, многомодальная модель рассуждений с открытым весом от Moonshot AI. Она подходит для сложного кодирования, работы с знаниями и агентных рабочих процессов с длинным горизонтом, и особенно сильна в навигации по большим репозиториям, использовании инструментов, отладке и итерации с изображениями, логами, тестами и обратной связью во время выполнения. Ее архитектура использует KDA и Attention Residuals для вычислительной эффективности.

Muse Spark 1.1 — это мультимодальная модель рассуждений от Meta, предназначенная для агентных задач. Она принимает текст, изображения, видео, аудио и PDF-документы и возвращает текст, имея контекстное окно в 1 миллион токенов.

Модель разработана для организации многоагентных рабочих процессов, выступая в роли основного агента, который планирует и делегирует, или в роли субагента, и обобщает нулевой выстрел на новые инструменты, MCP-серверы и пользовательские навыки. Она поддерживает структурированный вывод, параллельный вызов функций, встроенный поиск с цитированием и настраиваемые усилия по рассуждению. Meta сообщает о высокой производительности модели в реальных задачах программирования на больших кодовых базах, в рабочих процессах использования компьютера и в генерации кода на основе визуальных данных.

MiniMax Speech 2.8 HD — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые создают аудио из текста, и принимает произвольные идентификаторы голосов MiniMax.

MiniMax Speech 2.8 Turbo — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые генерируют аудио из текста, и принимает произвольные голосовые идентификаторы MiniMax.