Каталог AI моделей и нейросетей: сравнение и цены

Gemini Embedding 2 Preview — это первая мультимодальная модель встраивания от Google. В настоящее время мы поддерживаем отображение текста и изображений в единое векторное пространство для семантического поиска и генерации с дополнением извлечением (RAG). Она поддерживает контекст ввода до 8,192 токенов и гибкие размеры выходных данных от 128 до 3,072 (рекомендуемые: 768, 1536 или 3,072). Модель разработана для кросс-модальной схожести — вы можете встроить текстовый запрос и получить наиболее релевантные изображения или наоборот — что делает её хорошо подходящей для мультимодального поиска, рекомендаций и конвейеров понимания документов.

Opus 4.7 — это следующее поколение семейства Opus от Anthropic, созданное для долгосрочных асинхронных агентов. Основываясь на кодировочных и агентных возможностях Opus 4.6, оно обеспечивает более высокую производительность при выполнении сложных многоэтапных задач и более надежное выполнение агентных операций в рамках расширенных рабочих процессов. Особенно эффективно для асинхронных агентных конвейеров, где задачи разворачиваются со временем — большие кодовые базы, многоэтапная отладка и комплексная организация проектов.

Помимо кодирования, Opus 4.7 предлагает улучшенные возможности для интеллектуальной работы — от составления документов и создания презентаций до анализа данных. Оно сохраняет согласованность в очень длинных выводах и расширенных сессиях, что делает его отличным выбором для задач, требующих настойчивости, суждения и доведения до конца.

Wan 2.7 — это модель генерации видео от Alibaba. Она поддерживает преобразование текста в видео, изображений в видео с контролем первого и последнего кадра, а также преобразование с использованием эталонных изображений, где несколько эталонных изображений определяют стиль и содержание создаваемой сцены.

Seedance 2.0 Fast — это модель генерации видео от ByteDance. Она поддерживает преобразование текста в видео, изображений в видео с контролем первого и последнего кадра, а также мультимодальные ссылки на видео. Модель отдает приоритет скорости генерации и снижению затрат, а не максимальному качеству выходного материала. Количество токенов определяется по формуле: (высота выходного видео * ширина выходного видео * продолжительность * 24) / 1024.

Seedance 2.0 — это модель генерации видео от ByteDance. Она поддерживает преобразование текста в видео, изображений в видео с контролем первого и последнего кадра, а также мультимодальное преобразование ссылок в видео. Она особенно сильна в сохранении согласованности персонажей, визуального стиля и движения камеры из исходного материала. Количество токенов определяется по формуле (высота выходного видео * ширина выходного видео * продолжительность * 24) / 1024.

GLM-5.1 — это флагманская открытая модель от Z.ai, разработанная для проектирования сложных систем и долгосрочных рабочих процессов агентов. Созданная для опытных разработчиков, она обеспечивает производительность промышленного уровня при выполнении крупномасштабных программных задач, соперничая с ведущими закрытыми моделями. Благодаря продвинутому агентному планированию, глубокому бэкенд-рассуждению и итеративной самокоррекции, GLM-5.1 выходит за рамки генерации кода к полноценному созданию систем и автономному выполнению.

Модель AI поиска Cohere для повышения релевантности информации, отображаемой в системах поиска и RAG. Обладает контекстным окном на 32K, поддержкой более чем 100 языков, не требует предварительной обработки данных и обеспечивает передовую производительность с низкой задержкой.

Модель AI поиска от Cohere для повышения релевантности информации, отображаемой в системах поиска и RAG. Обладает контекстным окном на 32K, поддержкой более чем 100 языков, не требует предварительной обработки данных и обеспечивает высокую производительность с минимальной задержкой.

Rerank v3.5 предназначен для переупорядочивания результатов поиска с целью повышения их релевантности. Он поддерживает многогранное и полуструктурированное ранжирование данных на более чем 100 языках. Идеально подходит для уточнения результатов семантического или ключевого поиска.

Gemma 4 26B A4B IT — это модель Mixture-of-Experts (MoE) от Google DeepMind, настроенная на выполнение инструкций. Несмотря на общий объем в 25,2 миллиарда параметров, во время вывода активируется только 3,8 миллиарда параметров на каждый токен, что обеспечивает качество, близкое к 31 миллиарду, при значительно меньших вычислительных затратах. Поддерживает мультимодальный ввод, включая текст, изображения и видео (до 60 секунд при 1 кадре в секунду). Имеет контекстное окно на 256 тысяч токенов, возможность вызова встроенных функций, настраиваемый режим мышления/рассуждения и поддержку структурированного вывода. Выпущена под лицензией Apache 2.0.

Gemma 4 31B Instruct — это плотная мультимодальная модель от Google DeepMind с 30,7 миллиардами параметров, поддерживающая текстовый и визуальный ввод с текстовым выводом. Обладает контекстным окном на 256 тысяч токенов, настраиваемым режимом мышления/рассуждения, возможностью нативного вызова функций и многоязычной поддержкой более чем на 140 языках. Сильна в задачах программирования, рассуждения и понимания документов. Лицензия Apache 2.0.

Qwen 3.6 Plus основывается на гибридной архитектуре, которая сочетает эффективное линейное внимание с маршрутизацией редкой смеси экспертов, обеспечивая высокую масштабируемость и высокопроизводительный вывод. По сравнению с серией 3.5, она обеспечивает качественный скачок в задачах агентного программирования и полноценном мультимодальном восприятии.

Главным акцентом релиза стала работа с кодом, где Qwen 3.6 Plus позиционируется как сильнейшая китайская модель на сегодняшний день. В профильных бенчмарках (SWE-bench и Claw-Eval) она уверенно обходит таких конкурентов, как GLM-5 и Kimi-K2.5, несмотря на то, что они превосходят ее по количеству параметров в 2–3 раза. По уровню автономной разработки Qwen вплотную приблизилась к серии Claude — признанному лидеру в этой области. На практике модель работает как полноценный разработчик: она способна самостоятельно декомпозировать задачи, планировать пути их решения, писать код (от простых фронтенд-задач до изменений на уровне всего репозитория), а также тестировать и исправлять его до полного завершения. Кроме того, Qwen 3.6 Plus “из коробки” совместима с популярными ИИ-агентами, включая OpenClaw, Claude Code и Cline.

Важным отличием финального релиза стала глубокая мультимодальность. Alibaba реализовала новую архитектурную концепцию «цикла возможностей» (capability loop), которая позволяет модели воспринимать данные, рассуждать и действовать в рамках единого непрерывного процесса. Теперь Qwen 3.6 Plus способна не только обрабатывать текст, но и парсить документы с высокой плотностью информации, анализировать визуальные сцены из физического мира и выстраивать логические цепочки на основе длинных видеороликов. Все эти возможности поддерживаются расширенным контекстным окном, которое вмещает до 1 миллиона токенов.

GLM-5V-Turbo — это первая нативная мультимодальная модель-основа агента от Z.ai, созданная для задач, основанных на зрении и управляемых агентами. Она нативно обрабатывает изображения, видео и текстовые данные, превосходно справляется с планированием на длительный срок, сложным кодированием и выполнением задач, и безупречно взаимодействует с агентами для завершения полного цикла «восприятие → планирование → выполнение».

Grok 4.20 Multi-Agent — это вариант Grok 4.20 от xAI, разработанный для совместных рабочих процессов на основе агентов. Несколько агентов работают параллельно, чтобы проводить глубокие исследования, координировать использование инструментов и синтезировать информацию в рамках сложных задач.

Поведение усилий по рассуждению: - низкое / среднее: 4 агента - высокое / очень высокое: 16 агентов

Grok 4.20 — это новая флагманская модель xAI с ведущей в отрасли скоростью и возможностями агентского вызова инструментов. Она сочетает в себе самый низкий уровень галлюцинаций на рынке с строгим соблюдением заданных инструкций, обеспечивая постоянно точные и правдивые ответы.