Модели

Qwen3-VL-30B-A3B-Thinking — это мультимодальная модель, объединяющая мощную генерацию текста с визуальным пониманием изображений и видео. Вариант Thinking улучшает рассуждения в STEM, математике и сложных задачах. Она превосходно справляется с восприятием реальных/синтетических категорий, пространственной привязкой 2D/3D и длинным визуальным пониманием, достигая конкурентоспособных результатов в мультимодальных бенчмарках. Для агентного использования она обрабатывает многообразные многоходовые инструкции, согласование временных линий видео, автоматизацию GUI и визуальное программирование от набросков до отлаженного UI. Текстовая производительность соответствует флагманским моделям Qwen3, подходя для обработки документов AI, OCR, помощи UI, пространственных задач и агентных исследований.

Qwen3-VL-30B-A3B-Instruct — это мультимодальная модель, которая объединяет сильную генерацию текста с визуальным пониманием изображений и видео. Её вариант Instruct оптимизирует следование инструкциям для общих мультимодальных задач. Она превосходно справляется с восприятием реальных/синтетических категорий, пространственной привязкой в 2D/3D и длинным визуальным пониманием, достигая конкурентоспособных результатов в мультимодальных бенчмарках. Для агентного использования она обрабатывает многораундовые инструкции с несколькими изображениями, выравнивание временной шкалы видео, автоматизацию GUI и визуальное кодирование от эскизов до отлаженного UI. Текстовая производительность соответствует флагманским моделям Qwen3, что подходит для AI документов, OCR, UI-помощи, пространственных задач и агентных исследований.

GPT-5 Pro — самая продвинутая модель OpenAI, предлагающая значительные улучшения в рассуждении, качестве кода и пользовательском опыте. Она оптимизирована для сложных задач, требующих пошагового рассуждения, следования инструкциям и точности в сценариях с высокими ставками. Поддерживает функции маршрутизации во время тестирования и расширенное понимание подсказок, включая задаваемые пользователем намерения, такие как «хорошенько подумай над этим». Улучшения включают снижение галлюцинаций, подхалимства и более высокую производительность в задачах, связанных с программированием, письмом и здоровьем.

По сравнению с GLM-4.5, это поколение включает несколько ключевых улучшений: Более длинное контекстное окно: размер контекстного окна был расширен с 128K до 200K токенов, что позволяет модели справляться с более сложными агентными задачами. Превосходная производительность в кодировании: модель достигает более высоких результатов в бенчмарках для кода и демонстрирует лучшую реальную производительность в таких приложениях, как Claude Code, Cline, Roo Code и Kilo Code, включая улучшения в генерации визуально отполированных фронтенд-страниц. Продвинутые рассуждения: GLM-4.6 демонстрирует явное улучшение в способности к рассуждениям и поддерживает использование инструментов во время вывода, что приводит к более сильной общей функциональности. Более способные агенты: GLM-4.6 показывает более высокую производительность в агентах, использующих инструменты и поиск, и более эффективно интегрируется в агентные фреймворки. Улучшенный стиль письма: лучше соответствует человеческим предпочтениям в стиле и читабельности, а также ведёт себя более естественно в сценариях ролевых игр.

Claude Sonnet 4.5 — это самая продвинутая модель Sonnet от Anthropic на сегодняшний день, оптимизированная для реальных агентов и рабочих процессов программирования. Она обеспечивает передовую производительность на бенчмарках кодинга, таких как SWE-bench Verified, с улучшениями в проектировании систем, безопасности кода и соблюдении спецификаций. Модель предназначена для длительной автономной работы, поддерживая непрерывность задач между сессиями и предоставляя отслеживание прогресса на основе фактов. Sonnet 4.5 также представляет более сильные агентные возможности, включая улучшенную оркестрацию инструментов, спекулятивное параллельное выполнение и более эффективное управление контекстом и памятью. Благодаря улучшенному отслеживанию контекста и контролю использования токенов при вызовах инструментов, она особенно хорошо подходит для многоконтекстных и длительных рабочих процессов. Варианты использования охватывают программную инженерию, кибербезопасность, финансовый анализ, исследовательских агентов и другие области, требующие устойчивого рассуждения и использования инструментов.

DeepSeek-V3.2-Exp — это экспериментальная большая языковая модель, выпущенная компанией DeepSeek в качестве промежуточного шага между V3.1 и будущими архитектурами. Она представляет DeepSeek Sparse Attention (DSA) — механизм мелкозернистого разреженного внимания, предназначенный для повышения эффективности обучения и инференса в сценариях с длинным контекстом при сохранении качества выходных данных. Пользователи могут управлять поведением рассуждения с помощью логического значения reasoning enabled. Узнайте больше в нашей документации Модель обучалась в условиях, согласованных с V3.1-Terminus, чтобы обеспечить прямое сравнение. Тестирование показывает, что производительность примерно находится на уровне V3.1 в задачах рассуждения, написания кода и агентного использования инструментов, с небольшими компромиссами и выигрышами в зависимости от области применения. Этот выпуск сосредоточен на проверке оптимизаций архитектуры для расшirенных длин контекста, а не на повышении точности задач как таковой, что делает модель в первую очередь исследовательской, предназначенной для изучения эффективных конструкций трансформеров.

Модель без цензуры для творческого письма на основе Mistral Small 3.2 24B с хорошей памятью, соблюдением промпта и интеллектом.

Relace Apply 3 — это специализированная LLM для исправления кода, которая объединяет правки AI-suggested прямо в ваши исходные файлы. Она может применять обновления из GPT-4o, Claude и других источников в ваши файлы со средней скоростью 10,000 токенов/сек. Модель требует, чтобы запрос имел следующий формат: {инструкция} {initial_code} {edit_snippet} Для Relace включено нулевое хранение данных. Подробнее об этой модели читайте в их документации

Qwen3-VL-235B-A22B Instruct — это мультимодальная модель с открытыми весами, объединяющая сильную генерацию текста с визуальным пониманием изображений и видео. Модель Instruct ориентирована на универсальные сценарии применения в области зрения и языка (VQA, разбор документов, извлечение данных из диаграмм и таблиц, многоязычный OCR). Серия подчеркивает надежное восприятие (распознавание разнообразных реальных и синтетических категорий), пространственное понимание (2D/3D-grounding) и длительное визуальное понимание, демонстрируя конкурентоспособные результаты на публичных мультимодальных бенчмарках как по восприятию, так и по рассуждению. Помимо анализа, Qwen3-VL поддерживает агентное взаимодействие и использование инструментов: модель может следовать сложным инструкциям в многоизображных и многоходовых диалогах; согласовывать текст с видеошкалой времени для точных временных запросов; а также управлять элементами GUI для задач автоматизации. Модели также обеспечивают рабочие процессы визуального кодирования — превращая эскизы или макеты в код и помогая с отладкой UI — сохраняя при этом высокую производительность при работе только с текстом, сопоставимую с флагманскими языковыми моделями Qwen3. Это делает Qwen3-VL пригодными для производственных сценариев, охватывающих AI документов, многоязычный OCR, помощь в разработке ПО/UI, пространственные/воплощенные задачи и исследования агентов на основе зрения и языка.

DeepSeek-V3.1 Terminus — это обновление модели DeepSeek V3.1, которое сохраняет исходные возможности модели, одновременно устраняя проблемы, о которых сообщают пользователи, включая согласованность языка и возможности агентов, а также дополнительно оптимизируя производительность модели в задачах написания кода и поисковых агентов. Это большая гибридная модель рассуждений (671B параметров, 37B активны), которая поддерживает как режим мышления, так и режим без мышления. Она расширяет базу DeepSeek-V3 двухэтапным процессом обучения на длинном контексте, достигая до 128K токенов, и использует FP8 микроскейлинг для эффективного вывода. Пользователи могут управлять поведением рассуждений с помощью логического значения reasoning enabled. Подробнее в нашей документации Модель улучшает использование инструментов, генерацию кода и эффективность рассуждений, достигая производительности, сравнимой с DeepSeek-R1 на сложных бенчмарках, при этом отвечая быстрее. Она поддерживает структурированные вызовы инструментов, агентов для работы с кодом и поисковых агентов, что делает её подходящей для исследовательских, кодовых и агентных рабочих процессов.

Qwen3 Coder Flash — это быстрая и экономически эффективная версия проприетарной модели Qwen3 Coder Plus от Alibaba. Это мощная модель-агент для написания кода, специализирующаяся на автономном программировании с помощью вызова инструментов и взаимодействия с окружением, сочетающая владение программированием с разносторонними возможностями общего назначения.

Qwen3-Next-80B-A3B-Thinking — это чат-модель с приоритетом рассуждений в линейке Qwen3-Next, которая по умолчанию выводит структурированные «трассы мышления». Она предназначена для сложных многошаговых задач: математических доказательств, синтеза и отладки кода, логики и агентного планирования — и показывает сильные результаты в оценках знаний, рассуждений, программирования, согласованности и многоязычности. По сравнению с предыдущими вариантами Qwen3 она делает акцент на стабильности при длинных цепочках рассуждений и эффективном масштабировании во время инференса, а также настроена на следование сложным инструкциям при снижении повторяющегося или нецелевого поведения. Модель подходит для агентных фреймворков и использования инструментов (вызов функций), рабочих процессов с интенсивным поиском информации и стандартизированного бенчмаркинга, где требуются пошаговые решения. Она поддерживает длинные детализированные ответы и использует ориентированные на пропускную способность техники (например, предсказание нескольких токенов) для более быстрой генерации. Обратите внимание, что она работает только в режиме мышления.

Qwen3-Next-80B-A3B-Instruct — это инструктивно-настроенная чат-модель из серии Qwen3-Next, оптимизированная для быстрых и стабильных ответов без следов «размышлений». Она нацелена на сложные задачи, включая рассуждение, генерацию кода, знания QA и многоязычное использование, оставаясь при этом устойчивой к согласованию и форматированию. По сравнению с предыдущими инструктивными вариантами Qwen3, она фокусируется на более высокой пропускной способности и стабильности на сверхдлинных входах и многоходовых диалогах, что делает её хорошо подходящей для RAG, использования инструментов и агентных рабочих процессов, требующих последовательных финальных ответов, а не видимой цепочки рассуждений. Модель использует эффективное с точки зрения масштабирования обучение и декодирование для улучшения эффективности параметров и скорости инференса, и была проверена на широком наборе публичных бенчмарков, где она достигает или приближается к более крупным системам Qwen3 в нескольких категориях, превосходя при этом более ранние модели среднего размера. Её лучше всего использовать как универсального ассистента, помощника по коду и решателя задач с длинным контекстом в производственных средах, где предпочтительны детерминированные выводы, следующие инструкциям.

Kimi K2 0905 — это сентябрьское обновление модели Kimi K2 0711. Это крупномасштабная языковая модель на основе смеси экспертов (MoE), разработанная компанией Moonshot AI, с 1 триллионами параметров суммарно и 32 миллиардами активных параметров на каждом прямом проходе. Она поддерживает вывод с длинным контекстом до 256k токенов, что расширено с предыдущих 128k. Это обновление улучшает агентное программирование с более высокой точностью и лучшей обобщаемостью на различных каркасах, а также улучшает фронтенд-разработку, обеспечивая более эстетичные и функциональные результаты для веб-задач, задач 3D и смежных областей. Kimi K2 оптимизирована для агентных возможностей, включая продвинутое использование инструментов, рассуждение и синтез кода. Модель превосходно показывает себя в тестах на программирование (LiveCodeBench, SWE-bench), рассуждение (ZebraLogic, GPQA) и использование инструментов (Tau2, AceBench). Модель обучена с использованием нового стека, включающего оптимизатор MuonClip для стабильного крупномасштабного обучения MoE.

Hermes 4 — это крупномасштабная модель рассуждений, построенная на Meta-Llama-3.1-405B и выпущенная исследовательской группой Nous Research. Она вводит гибридный режим рассуждений, в котором модель может выбирать между внутренним обдумыванием с трассировками thinking... response и прямым ответом, обеспечивая гибкость между скоростью и глубиной. Пользователи могут управлять поведением рассуждений с помощью логического параметра reasoning enabled. Подробнее в нашей документации Модель дообучена по инструкциям с расширенным пост-тренировочным корпусом (~60B токенов), с акцентом на трассировки рассуждений, что улучшает производительность в математике, программировании, STEM и логических рассуждениях, сохраняя при этом широкую ассистентскую функциональность. Она также поддерживает структурированные выходные данные, включая режим JSON, соблюдение схем, вызов функций и использование инструментов. Hermes 4 обучена на управляемость, более низкий уровень отказов и согласование с нейтральным, ориентированным на пользователя поведением.

DeepSeek-V3.1 — это крупная гибридная модель рассуждений (671B параметров, 37B активных), поддерживающая как режим размышлений, так и режим без размышлений с помощью шаблонов подсказок. Она расширяет базовую модель DeepSeek-V3 двухэтапным процессом обучения на длинных контекстах, достигая до 128K токенов, и использует масштабирование FP8 для эффективного вывода. Пользователи могут управлять поведением рассуждений с помощью логического значения reasoning enabled. Подробнее в нашей документации Модель улучшает использование инструментов, генерацию кода и эффективность рассуждений, достигая производительности, сравнимой с DeepSeek-R1 на сложных бенчмарках, при этом отвечая быстрее. Она поддерживает структурированные вызовы инструментов, кодовых агентов и поисковых агентов, что делает её подходящей для исследовательских, кодовых и агентных сценариев. Она является преемником модели DeepSeek V3-0324 и хорошо справляется с разнообразными задачами.

Mistral Medium 3.1 — обновленная версия Mistral Medium 3, которая представляет собой высокопроизводительную языковую модель корпоративного класса, предназначенную для обеспечения возможностей передового уровня при значительно сниженных эксплуатационных затратах. Она сочетает современные возможности рассуждения и мультимодальную производительность со стоимостью в 8× ниже по сравнению с традиционными большими моделями, что делает ее пригодной для масштабируемого развертывания в профессиональных и промышленных сценариях использования. Модель превосходно проявляет себя в таких областях, как написание кода, STEM-рассуждения и корпоративная адаптация. Она поддерживает гибридные, локальные (on-prem) и внутри-VPC-развертывания и оптимизирована для интеграции в пользовательские рабочие процессы. Mistral Medium 3.1 обеспечивает конкурентоспособную точность по сравнению с более крупными моделями, такими как Claude Sonnet 3.5/3.7, Llama 4 Maverick и Command R+, сохраняя при этом широкую совместимость с облачными средами.

GLM-4.5V — это фундаментальная модель зрения и языка для мультимодальных агентных приложений. Построенная на архитектуре Mixture-of-Experts (MoE) с 106B параметрами и 12B активируемыми параметрами, она достигает передовых результатов в понимании видео, ответах на вопросы по изображениям, OCR и разборе документов, со значительными улучшениями во фронтенд-веб-кодинге, grounding и пространственном мышлении. Она предлагает гибридный режим инференса: «режим мышления» для глубокого рассуждения и «режим без мышления» для быстрых ответов. Поведение рассуждения можно переключать через логическое значение reasoning enabled. Узнайте больше в нашей документации

GPT-5 — это самая продвинутая модель от OpenAI, предлагающая значительные улучшения в рассуждении, качестве кода и пользовательском опыте. Она оптимизирована для сложных задач, требующих пошагового мышления, следования инструкциям и точности в ответственных сценариях. Модель поддерживает функции маршрутизации на этапе тестирования и расширенное понимание намерений пользователя, включая такие запросы, как «обдумай это тщательно». Среди улучшений — снижение количества галлюцинаций и сикофантии, а также повышение производительности в задачах, связанных с программированием, письмом и медициной.

GPT-5 Mini — это компактная версия GPT-5, предназначенная для решения менее ресурсоёмких задач рассуждения. Она обеспечивает те же преимущества следования инструкциям и безопасности тонкой настройки, что и GPT-5, но с меньшей задержкой и стоимостью. GPT-5 Mini — это преемник модели o4-mini от OpenAI.

GPT-5-Nano — это самая компактная и быстрая вариация в системе GPT-5, оптимизированная для инструментов разработчика, быстрых взаимодействий и сред со сверхнизкой задержкой. Несмотря на ограниченную глубину рассуждений по сравнению с более крупными аналогами, она сохраняет ключевые функции следования инструкциям и безопасности. Она является преемницей GPT-4.1-nano и предлагает облегченный вариант для приложений с ограниченным бюджетом или работающих в реальном времени.

gpt-oss-120b — это модель языка с открытым весом, на 117B параметров, архитектуры Mixture-of-Experts (MoE) от OpenAI, предназначенная для производственных сценариев с высокими требованиями к рассуждению, агентных и универсальных задач. Она активирует 5.1B параметров за прямой проход и оптимизирована для работы на одном H100 GPU с нативной квантизацией MXFP4. Модель поддерживает настраиваемую глубину рассуждений, полный доступ к цепочке рассуждений и нативное использование инструментов, включая вызов функций, просмотр веб-страниц и генерацию структурированных выходных данных.

gpt-oss-20b — это модель с открытыми весами, выпущенная OpenAI с 21B параметрами под лицензией Apache 2.0. В ней используется архитектура смеси экспертов (MoE) с 3.6B активными параметрами на прямой проход, что обеспечивает более низкую задержку вывода и возможность развертывания на потребительском или однопроцессорном оборудовании GPU. Модель обучается в формате ответов Harmony от OpenAI и поддерживает настройку уровня рассуждений, дообучение, а также агентные возможности, включая вызов функций, использование инструментов и структурированные выходные данные.

Claude Opus 4.1 является обновленной версией флагманской модели Anthropic, предлагающей улучшенную производительность в задачах кодирования, рассуждения и агентных задач. Она достигает 74.5% на SWE-bench Verified и демонстрирует заметные улучшения в рефакторинге многофайлового кода, точности отладки и детальном рассуждении. Модель поддерживает расширенное мышление до 64K токенов и оптимизирована для задач, связанных с исследованиями, анализом данных и рассуждениями с использованием инструментов.

Mistral — передовая языковая модель для программирования, выпущенная в конце июля 2025. Codestral специализируется на задачах с низкой задержкой и высокой частотой, таких как fill-in-the-middle (FIM), исправление кода и генерация тестов. Blog Post

Qwen3-Coder-30B-A3B-Instruct — это модель смеси экспертов (MoE) с параметрами 30.5B, содержащая 128 экспертов (8 активны на каждом прямом проходе), предназначенная для продвинутой генерации кода, понимания на уровне репозитория и агентного использования инструментов. Построенная на архитектуре Qwen3, она поддерживает нативную длину контекста в 256K токенов (расширяемую до 1M с помощью Yarn) и показывает высокие результаты в задачах, включающих вызовы функций, использование браузера и структурированное завершение кода. Эта модель оптимизирована для следования инструкциям без «режима размышлений» и хорошо интегрируется с форматами использования инструментов, совместимыми с OpenAI.

Qwen3-30B-A3B-Instruct-2507 — это языковая модель смеси экспертов с 30.5B параметрами от Qwen, с 3.3B активными параметрами на каждый вывод. Она работает в режиме без мышления и предназначена для качественного следования инструкциям, многоязычного понимания и использования агентных инструментов. Дообученная на инструкциях, она демонстрирует конкурентоспособные результаты в бенчмарках рассуждений (AIME, ZebraLogic), кодирования (MultiPL-E, LiveCodeBench) и согласованности (IFEval, WritingBench). Она превосходит свою версию без инструкций в субъективных и открытых задачах, сохраняя при этом высокую фактическую точность и производительность в кодировании.

GLM-4.5 — это наша новейшая флагманская базовая модель, специально разработанная для агентных приложений. Она использует архитектуру смеси экспертов (MoE) и поддерживает длину контекста до 128k токенов. GLM-4.5 обеспечивает значительно расширенные возможности в рассуждении, генерации кода и выравнивании агентов. Она поддерживает гибридный режим логического вывода с двумя опциями: «режим мышления», предназначенный для сложных рассуждений и использования инструментов, и «режим без мышления», оптимизированный для мгновенных ответов. Пользователи могут управлять поведением рассуждения с помощью булева параметра reasoning enabled. Подробнее в нашей документации

GLM-4.5-Air — это облегченная версия нашей последней серии флагманских моделей, специально созданная для агентных приложений. Как и GLM-4.5, она использует архитектуру «смесь экспертов» (MoE), но с более компактным размером параметров. GLM-4.5-Air также поддерживает гибридные режимы вывода, предлагая «режим мышления» для сложных рассуждений и использования инструментов, а также «режим без мышления» для взаимодействия в реальном времени. Пользователи могут управлять поведением рассуждений с помощью логического параметра reasoning enabled. Подробнее в нашей документации

Qwen3-235B-A22B-Thinking-2507 — это высокопроизводительная открытая языковая модель архитектуры Mixture-of-Experts (MoE), оптимизированная для сложных задач рассуждения. Она активирует 22B из своих 235B параметров за один прямой проход и изначально поддерживает до 262,144 токенов контекста. Этот вариант «только для размышлений» улучшает структурированные логические рассуждения, математику, естественные науки и длительную генерацию текста, демонстрируя сильные результаты в бенчмарках AIME, SuperGPQA, LiveCodeBench и MMLU-Redux. Модель принудительно использует специальный режим рассуждения (response) и предназначена для генерации большого количества токенов (до 81,920 токенов) в сложных областях. Модель дообучена на инструкциях и превосходно справляется с пошаговыми рассуждениями, использованием инструментов, агентными сценариями работы и многоязычными задачами. Этот релиз представляет собой самую производительную открытую версию в серии Qwen3-235B, превосходящую многие закрытые модели в сценариях структурированных рассуждений.