Каталог AI моделей и нейросетей: сравнение и цены

Высокопроизводительная модель генерации и редактирования изображений, ориентированная на высочайшее качество и надежность. Она обеспечивает высокую точность выполнения заданий, стабильное освещение, четкие текстуры и согласованное воспроизведение символов/стиля на нескольких входных изображениях. Разработанная для производственных задач, она обеспечивает баланс между скоростью и качеством, поддерживая преобразование текста в изображение и редактирование изображений с разрешением до 4 Мп

Оплата за каждый мегапиксель на входе и выходе, подробнее

Claude Opus 4.5 — это передовая модель рассуждений от Anthropic, оптимизированная для сложной разработки программного обеспечения, агентных рабочих процессов и длительного использования компьютера. Она предлагает мощные мультимодальные возможности, конкурентоспособную производительность по реальным стандартам кодирования и рассуждений, а также улучшенную устойчивость к внедрению подсказок. Модель разработана для эффективной работы при различных уровнях усилий, позволяя разработчикам балансировать между скоростью, глубиной и использованием токенов в зависимости от требований задачи.

Opus 4.5 поддерживает продвинутое использование инструментов, расширенное управление контекстом и координированные настройки с несколькими агентами, что делает её хорошо подходящей для автономных исследований, отладки, многошагового планирования и манипуляции с электронными таблицами/браузерами. Она обеспечивает значительные улучшения в структурированном рассуждении, надежности выполнения и согласованности по сравнению с предыдущими поколениями Opus, при этом снижая нагрузку на токены и улучшая производительность на длительных задачах.

Olmo 3 32B Think — это крупномасштабная модель с 32 миллиардами параметров, специально созданная для глубоких рассуждений, сложных логических цепочек и продвинутых сценариев следования инструкциям. Ее возможности обеспечивают высокую производительность в сложных оценочных задачах и высоко нюансированное ведение диалога. Разработанная Ai2 под лицензией Apache 2.0, Olmo 3 32B Think воплощает приверженность инициативы Olmo к открытости, предлагая полную прозрачность в отношении весов, кода и методологии обучения.

Nano Banana Pro — это самая продвинутая модель генерации и редактирования изображений от Google, построенная на базе Gemini 3 Pro. Она расширяет возможности оригинальной Nano Banana, значительно улучшая мультимодальное рассуждение, привязку к реальному миру и высокоточное визуальное синтезирование. Модель генерирует графику, насыщенную контекстом, от инфографики и диаграмм до кинематографических композиций, и может интегрировать информацию в реальном времени через привязку к поиску.

Она предлагает передовую отрисовку текста в изображениях (включая длинные отрывки и многоязычные макеты), согласованное смешивание нескольких изображений и точное сохранение идентичности до пяти объектов. Nano Banana Pro добавляет тонкие творческие настройки, такие как локализованные правки, регулировка освещения и фокуса, трансформации камеры, а также поддержка вывода в 2K/4K и гибкие соотношения сторон. Она предназначена для профессионального дизайна, визуализации продуктов, раскадровки и сложных многоэлементных композиций, оставаясь при этом эффективной для общих рабочих процессов создания изображений.

Модель gte-base embedding кодирует английские предложения и абзацы в 768-мерное плотное векторное пространство, обеспечивая эффективные семантические встраивания, оптимизированные для задач текстового сходства, семантического поиска и кластеризации.

Модель gte-large преобразует английские предложения, абзацы и документы средней длины в 1024-мерное плотное векторное пространство, обеспечивая высококачественные семантические встраивания, оптимизированные для задач поиска информации, семантического текстового сходства, повторного ранжирования и кластеризации. Обученная с помощью многоэтапного контрастивного обучения на большом корпусе с разнообразной тематикой, она демонстрирует отличную производительность в универсальных случаях использования встраиваний.

Модель встраивания e5-large-v2 отображает английские предложения, абзацы и документы в 1024-мерное плотное векторное пространство, обеспечивая высокоточную семантическую встраиваемость, оптимизированную для задач поиска, семантического поиска, переоценки и оценки сходства.

Модель встраивания e5-base-v2 кодирует английские предложения и абзацы в 768-мерное плотное векторное пространство, создавая эффективные и высококачественные семантические встраивания, оптимизированные для таких задач, как семантический поиск, оценка сходства, извлечение и кластеризация.

Модель многозначных встраиваний multilingual-e5-large кодирует предложения, абзацы и документы на более чем 90 языках в 1024-мерное плотное векторное пространство, обеспечивая надежные семантические встраивания, оптимизированные для многоязычного поиска, межъязыковой схожести и масштабного поиска данных.

Модель встраивания paraphrase-MiniLM-L6-v2 преобразует предложения и короткие абзацы в 384-мерное плотное векторное пространство, создавая высококачественные семантические встраивания, оптимизированные для обнаружения парафраз, оценки семантического сходства, кластеризации и легковесных задач извлечения.

Модель встраивания all-MiniLM-L12-v2 преобразует предложения и короткие абзацы в 384-мерное плотное векторное пространство, создавая эффективные и высококачественные семантические встраивания, оптимизированные для таких задач, как семантический поиск, кластеризация и оценка сходства.

Модель встраивания bge-base-en-v1.5 преобразует английские предложения и абзацы в плотные векторы размерностью 768, обеспечивая эффективные и высококачественные семантические встраивания, оптимизированные для поиска, семантического поиска и рабочих процессов сопоставления документов. Эта версия (v1.5) отличается улучшенным распределением оценок сходства и более высокой производительностью поиска из коробки.

Модель встраивания multi-qa-mpnet-base-dot-v1 преобразует предложения и короткие абзацы в плотное векторное пространство размерностью 768, создавая высококачественные семантические встраивания, оптимизированные для поиска вопросов и ответов, семантического поиска и оценки сходства в разнообразном контенте.

Модель встраивания bge-large-en-v1.5 отображает английские предложения, абзацы и документы в 1024-мерное плотное векторное пространство, обеспечивая высококачественные семантические встраивания, оптимизированные для семантического поиска, извлечения документов и последующих задач обработки естественного языка на английском языке.

Модель bge-m3 преобразует предложения, абзацы и длинные документы в 1024-мерное плотное векторное пространство, обеспечивая высококачественные семантические векторы, оптимизированные для многоязычного поиска, семантического поиска и приложений с большим контекстом.