Каталог AI моделей и нейросетей: сравнение и цены

Полноформатные песни оцениваются в 8₽ за песню. Lyria 3 — это семейство моделей генерации музыки от Google, доступное через API Gemini. С помощью Lyria 3 вы можете создавать высококачественное стерео-аудио с частотой 48 кГц из текстовых подсказок или изображений. Эти модели обеспечивают структурную целостность, включая вокал, синхронизированные тексты и полные инструментальные аранжировки. Lyria 3 Pro может генерировать полноформатные песни с куплетами, припевами и бриджами.

Клипы продолжительностью 30 секунд оцениваются в 4₽ за клип. Lyria 3 — это семейство моделей генерации музыки от Google, доступное через API Gemini. С помощью Lyria 3 можно генерировать высококачественное стерео-аудио с частотой 48 кГц из текстовых подсказок или изображений. Эти модели обеспечивают структурную согласованность, включая вокал, синхронизированные тексты песен и полные инструментальные аранжировки. Lyria 3 Clip может генерировать короткие клипы, петли, превью.

Самая продвинутая модель генерации видео от Alibaba, поддерживающая более 10 возможностей визуального создания в единой системе. Wan 2.6 генерирует видео в разрешении 1080p с частотой 24 кадра в секунду из текста, изображений, референсных видео или аудио, с нативной синхронизацией аудио и видео и точной синхронизацией губ. Ключевые функции включают преобразование референса в видео (вставка внешности и голоса персонажа в новые сцены), повествование с несколькими кадрами на основе простых подсказок, синхронизированные звуковые эффекты и музыка, а также поддержка соотношений сторон 16:9, 9:16 и 1:1 с клипами до 15 секунд.

Модель следующего поколения для аудио-визуальной генерации от ByteDance с архитектурой Dual-Branch Diffusion Transformer на 4,5 миллиарда параметров. Seedance 1.5 Pro генерирует видео и аудио одновременно в одном едином проходе, устраняя проблемы синхронизации при последовательном дубляже аудио. Поддерживает синхронизацию губ на нескольких языках (английский, мандаринский, японский, корейский, испанский и другие), кинематографическое управление камерой (панорамирование, наклон, зум, орбита), диалоги с несколькими персонажами и согласованность персонажей в разных кадрах. Создает клипы длительностью от 4 до 12 секунд с разрешением до 1080p. Количество токенов определяется по формуле (высота выходного видео * ширина выходного видео * длительность * 24) / 1024.

Флагманская модель генерации видео от OpenAI, обеспечивающая видео производственного качества с физически точным движением, синхронизированным звуком и сохранением состояния мира между кадрами. Sora 2 Pro следует сложным инструкциям для многокадровых сцен, сохраняя при этом постоянные пространственные отношения — объекты не исчезают и не меняют форму между кадрами. Поддерживает преобразование текста в видео и изображения в видео с синхронизированными фоновыми звуковыми пейзажами, речью и звуковыми эффектами. Включает усовершенствованную систему безопасности контента с метаданными происхождения C2PA и водяными знаками в стиле SynthID.

Современная модель генерации видео от Google, созданная для максимальной визуальной точности в финальных монтажах. Veo 3.1 генерирует видео высокого качества в разрешении 1080p из текстовых или графических подсказок с синхронизированным аудио — включая диалоги, окружающие эффекты и фоновый звук. Поддерживает расширение сцен (до 20 связанных клипов для повествований длительностью более 140 секунд), переходы от кадров к видео между двумя изображениями, вертикальное видео для Shorts и повышение разрешения до 4K.

Reka Edge — это чрезвычайно эффективная мультимодальная модель зрения и языка с 7 миллиардами параметров, которая принимает на вход изображения/видео и текст, а на выходе генерирует текст. Эта модель оптимизирована специально для обеспечения передовой производительности в понимании изображений, анализе видео, обнаружении объектов и использовании инструментов.

Reka Edge — это чрезвычайно эффективная мультимодальная модель зрения и языка с 7 миллиардами параметров, которая принимает на вход изображения/видео и текст, а на выходе генерирует текст. Эта модель специально оптимизирована для обеспечения передовой производительности в понимании изображений, анализе видео, обнаружении объектов и использовании инструментов агентами.

MiniMax-M2.7 — это модель нового поколения, разработанная для автономной, продуктивной работы в реальных условиях и непрерывного совершенствования. Созданная для активного участия в собственном развитии, M2.7 интегрирует передовые агентные возможности через многопользовательское сотрудничество, что позволяет ей планировать, выполнять и совершенствовать сложные задачи в динамичных средах.

Обученная для производительности на уровне промышленного стандарта, M2.7 справляется с рабочими процессами, такими как отладка в реальном времени, анализ первопричин, финансовое моделирование и полное создание документов в Word, Excel и PowerPoint. Она демонстрирует высокие результаты в тестах, включая 56,2% на SWE-Pro и 57,0% на Terminal Bench 2, достигая 1495 ELO на GDPval-AA, устанавливая новый стандарт для многопользовательских систем, работающих в реальных цифровых рабочих процессах.

GPT-5.4 nano является самой легкой и экономичной версией в семействе GPT-5.4, оптимизированной для задач, критичных к скорости и большому объему. Она поддерживает текстовые и графические вводы и предназначена для использования в случаях с низкой задержкой, таких как классификация, извлечение данных, ранжирование и выполнение подагентов.

Модель отдает приоритет отзывчивости и эффективности, а не глубокому анализу, что делает ее идеальной для конвейеров, требующих быстрых и надежных результатов в большом масштабе. GPT-5.4 nano хорошо подходит для фоновых задач, систем реального времени и распределенных архитектур агентов, где минимизация затрат и задержек имеет решающее значение.

GPT-5.4 mini приносит основные возможности GPT-5.4 в более быструю и эффективную модель, оптимизированную для высокопроизводительных рабочих нагрузок. Она поддерживает текстовые и графические вводы, демонстрируя высокую производительность в области рассуждений, кодирования и использования инструментов, при этом снижая задержку и затраты для крупномасштабных развертываний.

Модель разработана для производственных сред, где требуется баланс между возможностями и эффективностью, что делает её хорошо подходящей для чат-приложений, помощников по кодированию и агентских рабочих процессов, работающих в большом масштабе. GPT-5.4 mini обеспечивает надежное следование инструкциям, уверенное многократное рассуждение и стабильную производительность в различных задачах с улучшенной экономической эффективностью.

GPT-5.4 mini приносит основные возможности GPT-5.4 в более быструю и эффективную модель, оптимизированную для высокопроизводительных рабочих нагрузок. Она поддерживает текстовые и графические вводы, демонстрируя высокую производительность в области рассуждений, кодирования и использования инструментов, при этом снижая задержку и затраты для крупномасштабных развертываний.

Модель разработана для производственных сред, где требуется баланс между возможностями и эффективностью, что делает её хорошо подходящей для чат-приложений, помощников по кодированию и агентских рабочих процессов, работающих в большом масштабе. GPT-5.4 mini обеспечивает надежное следование инструкциям, уверенное многократное рассуждение и стабильную производительность в различных задачах с улучшенной экономической эффективностью.

Mistral Small 4 — это следующий крупный выпуск в семействе Mistral Small, объединяющий возможности нескольких флагманских моделей Mistral в единую систему. Он сочетает в себе мощное логическое мышление от Magistral, мультимодальное понимание от Pixtral и агентные возможности кодирования от Devstral, позволяя одной модели справляться со сложным анализом, разработкой программного обеспечения и визуальными задачами в рамках одного рабочего процесса.

pplx-embed-v1 -4B является одной из передовых моделей текстового встраивания от Perplexity, созданной для извлечения информации в реальном мире и в масштабах интернета. pplx-embed-v1 оптимизирована для стандартного плотного извлечения текста, а модель с параметром 4B максимизирует качество извлечения.

pplx-embed-v1 -4B — это одна из передовых моделей текстового встраивания Perplexity, созданная для работы с данными в реальном мире и в масштабах сети. pplx-embed-v1 оптимизирована для стандартного плотного поиска текста, а модель с 4 миллиардами параметров максимизирует качество поиска.