Модели

Эта модель всегда перенаправляет на последнюю модель в семействе Claude Sonnet.

Qwen3.5 Plus (апрель 2026) — это крупномасштабная мультимодальная языковая модель от Alibaba. Она принимает текст, изображения и видео на входе и генерирует текстовый вывод с контекстным окном в 1M токенов. Это обновлённая версия Qwen3.5 Plus с многоуровневым ценообразованием: стоимость зависит от количества токенов, превышающего 256K.

Qwen3.6 Flash — это быстрая и эффективная языковая модель из серии Alibaba Qwen 3.6. Она поддерживает ввод текста, изображений и видео с контекстным окном в 1M токенов. Начиная с 256K токенов действует многоуровневое ценообразование. Поддерживается кэширование подсказок, включая тарификацию как за явное чтение кэша, так и за его создание.

Qwen3.6-35B-A3B — это мультимодальная модель с открытыми весами от Alibaba Cloud с 35 миллиардами параметров суммарно и 3 миллиардами активных параметров на токен. Она использует гибридную разреженную архитектуру смеси экспертов, сочетающую гейтированное линейное внимание DeltaNet со стандартными гейтированными слоями внимания, что обеспечивает эффективный инференс за небольшую долю вычислительных затрат. Модель поддерживает нативное окно контекста на 262K токенов (расширяемое до 1M с помощью YaRN) и принимает текстовые, графические и видеовходные данные. В неё встроен режим размышления с сохранением следов рассуждений в многоходовых беседах, вызов функций и структурированный вывод. Модель выпущена под лицензией Apache 2.0.

Qwen3.6 27B — это плотная языковая модель с 27 миллиардами параметров от команды Qwen в Alibaba, выпущенная в апреле 2026. Она обладает гибридными мультимодальными возможностями — принимает текстовые, графические и видео входные данные — и поддерживает контекстное окно на 262,144 токенов. Модель предназначена для агентных задач кодирования и рассуждений, с особой силой в понимании кода на уровне репозитория, рабочих процессах фронтенд-разработки и многошаговом решении проблем. Она включает встроенный режим мышления для расширенного рассуждения и сохраняет контекст мышления в истории разговора. Qwen3.6 27B поддерживает 201 языков и диалектов и выпущена под лицензией Apache 2.0.

GPT-5.5 Pro — это высокопроизводительная модель OpenAI, оптимизированная для глубокого рассуждения и точности в решении сложных задач с высокой ответственностью. Она оснащена контекстным окном на 1M+ токенов (вход — 922K, выход — 128K) и поддерживает ввод текста и изображений. Модель предназначена для долгосрочного решения проблем, агентного программирования и точного выполнения многошаговых рабочих процессов.

GPT-5.5 — это фронтирная модель от OpenAI, разработанная для сложных профессиональных задач, развивающаяся на основе GPT-5.4 с более сильными рассуждениями, повышенной надёжностью и улучшенной эффективностью токенов на сложных задачах. Она оснащена контекстным окном размером 1M+ токенов (922K на вход, 128K на выход) с поддержкой текстовых и графических входных данных, что обеспечивает масштабные рассуждения, программирование и мультимодальные рабочие процессы в одной системе.

DeepSeek V4 Pro — это крупномасштабная модель смеси экспертов от DeepSeek с общим количеством параметров 1.6T и активными параметрами 49B, поддерживающая контекстное окно в 1M токенов. Модель предназначена для сложных задач рассуждения, программирования и длительных агентных сценариев, демонстрируя высокую производительность в области знаний, математики и программной инженерии. Основанная на той же архитектуре, что и DeepSeek V4 Flash, она использует гибридную систему внимания для эффективной обработки длинных контекстов. Поддерживаются уровни рассуждения high и xhigh; xhigh соответствует максимальному режиму рассуждения. Модель хорошо подходит для ресурсоёмких задач, таких как анализ всего кодового репозитория, многошаговая автоматизация и крупномасштабный синтез информации, где критически важны как производительность, так и эффективность.

DeepSeek V4 Flash — это оптимизированная по эффективности модель Mixture-of-Experts от DeepSeek с 284B общим количеством параметров и 13B активируемых параметров, поддерживающая контекстное окно в 1M токенов. Она предназначена для быстрого вывода и высокопроизводительных рабочих нагрузок, сохраняя при этом высокую производительность в рассуждениях и написании кода. Модель включает гибридное внимание для эффективной обработки длинного контекста. Поддерживаются режимы рассуждений high и xhigh; xhigh соответствует максимальному режиму рассуждений. Она хорошо подходит для таких приложений, как ассистенты программирования, чат-системы и агентные рабочие процессы, где важны отзывчивость и экономическая эффективность.

Gemini 3.1 Flash TTS Preview — это модель преобразования текста в речь от Google, и значительный шаг вперед по сравнению с Gemini 2.5 Flash TTS. Она принимает текстовый ввод и создает аудиовыход на 70+ языках — почти в 3× больше языков, чем у ее предшественницы. Главное дополнение — это система из 200+ встроенных аудиотегов (например, [whispers], [laughs], [excited]), которые позволяют разработчикам управлять подачей, эмоциями и темпом прямо в середине предложения, а также рабочий процесс «режиссерского кресла» в студии Google AI для определения аудиопрофилей для каждого персонажа и контекста сцены. Она поддерживает до двух говорящих с независимой настройкой голоса и стиля для каждого, выводит аудио PCM в формате 24 kHz / 16-бит моно и автоматически добавляет водяной знак SynthID ко всем выходам. Окно контекста — 32k токенов.

Модель генерации видео среднего уровня от Google, сочетающая скорость и качество. Veo 3.1 Fast генерирует высококачественное видео по текстовым или графическим запросам с синхронизированным звуком, обеспечивая более быструю выдачу результата, чем Veo 3.1, при более низкой стоимости. Поддерживает управление по первому и последнему кадру, несколько разрешений и соотношений сторон, а также нанесение водяных знаков SynthID.

Orpheus 3B — это англоязычная модель синтеза речи от Canopy Labs, тонко настроенная для естественной просодии и выразительного озвучивания. Она предлагает 7 предустановленных голосов и подходит для озвучивания повествований, голосовых ассистентов и интерактивных приложений, где приоритетом является естественность речи.

CSM 1B — это разговорная речевая модель от Sesame. Она принимает текстовый ввод и генерирует англоязычную речь, с вариантами голоса, охватывающими разговорный и чтение-речевой стили. При 1B параметрах она подходит для приложений, ориентированных на диалог, таких как голосовые ассистенты и интерактивные агенты.

Kokoro 82M — это легковесная модель синтеза речи с открытыми весами от hexgrad. Она преобразует текст в речь на 8 языках (американский и британский английский, испанский, французский, хинди, итальянский, японский, португальский и китайский) с использованием 54 предустановленных голосов, сгруппированных по языку и полу. При 82M параметрах она хорошо подходит для многоязычных TTS развертываний, где важны компактность и эффективность затрат.

Наиболее экономически эффективная модель генерации видео от Google, предназначенная для высоконагруженных приложений и быстрой итерации. Veo 3.1 Lite генерирует видео разрешением 720p и 1080p по текстовым или графическим промптам со встроенным синхронизированным звуком менее чем за 50% стоимости Veo 3.1 Fast. Поддерживает клипы длительностью 4–8 секунд в альбомном (16:9) и портретном (9:16) форматах, с водяным знаком SynthID. Идеально подходит для контентных платформ, создания коротких видео и автоматизированной генерации медиа.

Hy3 preview — это высокоэффективная модель смеси экспертов от Tencent, предназначенная для агентных рабочих процессов и производственного использования. Она поддерживает настраиваемые уровни рассуждения в режимах «отключено», «низкий» и «высокий», что позволяет балансировать между скоростью и глубиной в зависимости от задачи, обеспечивая при этом высокое качество генерации кода и надёжную работу в многошаговых реальных сценариях.

MiMo-V2.5-Pro — флагманская модель Xiaomi, обеспечивающая высокую производительность в общих агентных возможностях, сложной программной инженерии и задачах с длинным горизонтом планирования, занимая верхние строчки в бенчмарках, таких как ClawEval, GDPVal и SWE-bench Pro. Модель способна независимо и автономно выполнять профессиональные задачи, на которые у экспертов-людей ушли бы дни или недели, задействуя более тысячи вызовов инструментов. Длина контекста до 1M делает её хорошо подходящей для интеграции с широким спектром агентных фреймворков.

MiMo-V2.5 — это нативная омнимодальная модель от Xiaomi. Она обеспечивает производительность агентного уровня Pro примерно при вдвое меньших затратах на инференс, превосходя MiMo-V2-Omni в мультимодальном восприятии при решении задач понимания изображений и видео. Её контекстное окно 1M поддерживает полные документы, протяжённые диалоги и сложные контексты задач за один проход, что делает её идеальной для интеграции с агентными фреймворками, где важны сильные рассуждения, богатое восприятие и экономическая эффективность.

GPT-5.4 Image 2 объединяет модель GPT-5.4 от OpenAI с передовыми возможностями генерации изображений от GPT Image 2. Это обеспечивает богатые мультимодальные рабочие процессы, позволяя пользователям беспрепятственно переключаться между рассуждением, программированием и генерацией изображений в рамках одного взаимодействия.

Эта модель всегда перенаправляет на последнюю модель семейства Claude Opus.

Kling Video O1 — это модель генерации видео от Kuaishou. Она поддерживает ввод текста и изображений с выводом видео, что позволяет использовать сценарии «текст-в-видео» и «изображение-в-видео». Модель подходит для создания кинематографичного контента, обеспечивая контроль над первым и последним кадрами для точной композиции сцены. Она генерирует клипы длительностью 5 или 10 секунд с соотношениями сторон 16:9, 9:16 или 1:1.

Hailuo 2.3 — это модель генерации видео от MiniMax. Она принимает текстовые подсказки и референсные изображения на вход и генерирует видео на выходе, поддерживая как сценарии «текст-в-видео», так и «изображение-в-видео». Она подходит для создания креативного контента, генерации кинематографичных сцен и анимации персонажей, с акцентом на реалистичное движение и выразительную отрисовку персонажей.

Kimi K2.6 — это мультимодальная модель следующего поколения от Moonshot AI, предназначенная для долгосрочного программирования, генерации UI/UX на основе кода и мультиагентной оркестрации. Она справляется со сложными сквозными задачами программирования на Python, Rust и Go, а также может преобразовывать промпты и визуальные входные данные в готовые к эксплуатации интерфейсы. Её архитектура роя агентов масштабируется до сотен параллельных субагентов для автономной декомпозиции задач — создавая документы, веб-сайты и электронные таблицы за один запуск без участия человека.

Voxtral Mini TTS — это модель преобразования текста в речь от Mistral, поддерживающая клонирование голоса без обучения (zero-shot) и многоязычность. Она преобразует текстовый ввод в естественно звучащий аудиовыход.

Gemini Embedding 2 Preview — первая мультимодальная модель встраивания от Google. В настоящее время мы поддерживаем сопоставление текста и изображений в едином векторном пространстве для семантического поиска и поисковой дополненной генерации (RAG). Она поддерживает входной контекст до 8,192 токенов и гибкие размеры выходных векторов от 128 до 3,072 (рекомендуется: 768, 1536 или 3,072). Разработана для кросс-модального сходства — 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 Anthropic's Opus, созданное для долгоиграющих асинхронных агентов. Опираясь на сильные стороны кодирования и агентности Opus 4.6, оно обеспечивает более высокую производительность в сложных многошаговых задачах и более надежное агентное выполнение в расширенных рабочих процессах. Особенно эффективно для асинхронных агентных конвейеров, где задачи разворачиваются во времени — большие кодовые базы, многоэтапная отладка и сквозная оркестрация проектов. Помимо кодирования, Opus 4.7 расширяет возможности интеллектуальной работы — от составления документов и создания презентаций до анализа данных. Он поддерживает согласованность в очень длинных выводах и длительных сессиях, что делает его надежным выбором по умолчанию для задач, требующих настойчивости, суждения и доведения до конца. Для пользователей, переходящих с более ранних версий Opus, см. официальное руководство по миграции здесь.

Wan 2.7 — это модель генерации видео от Alibaba. Она поддерживает генерацию видео по тексту, по изображению с управлением первым и последним кадром, а также по референсам, где несколько референсных изображений задают стиль и содержание генерируемой сцены.

Seedance 2.0 — это модель генерации видео от ByteDance. Она поддерживает генерацию видео из текста, из изображения с контролем первого и последнего кадра, а также мультимодальную генерацию по референсу. Она особенно сильна в сохранении согласованности персонажа, визуального стиля и движения камеры из референсного материала. Количество токенов вычисляется по формуле (высота выходного видео ширина выходного видео длительность * 24) / 1024.

Seedance 2.0 Fast — это модель генерации видео от ByteDance. Она поддерживает преобразование текста в видео, изображения в видео с управлением первым и последним кадром, а также мультимодальное преобразование референса в видео. Она ставит приоритет на скорость генерации и низкую стоимость, а не на максимальное качество вывода. Количество токенов определяется как (высота выходного видео ширина выходного видео длительность * 24) / 1024

GLM-5.1 обеспечивает значительный скачок в возможностях программирования, особенно заметный при работе с долгосрочными задачами. В отличие от предыдущих моделей, ориентированных на взаимодействие в масштабе минут, GLM-5.1 может работать независимо и непрерывно над одной задачей в течение более чем 8 часов, автономно планируя, выполняя и улучшая себя в процессе, в конечном итоге предоставляя полные результаты инженерного уровня.