Каталог AI моделей и нейросетей: сравнение и цены

Самая крупная модель в семействе Ministral 3, Ministral 3 14B, предлагает передовые возможности и производительность, сопоставимую с ее более крупным аналогом Mistral Small 3.2 24B. Это мощная и эффективная языковая модель с возможностями обработки визуальной информации.

Сбалансированная модель в семействе Ministral 3, Ministral 3 8B — это мощная, эффективная небольшая языковая модель с возможностями обработки изображений.

Самая маленькая модель в семействе Ministral 3, Ministral 3 3B, представляет собой мощную, эффективную небольшую языковую модель с возможностями обработки изображений.

Mistral Large 3 2512 — это самая мощная модель Mistral на сегодняшний день, оснащенная архитектурой с разреженной смесью экспертов с 41 миллиардами активных параметров (всего 675 миллиардов) и выпущенная под лицензией Apache 2.0.

DeepSeek-V3.2 — это крупная языковая модель, разработанная для гармонизации высокой вычислительной эффективности с мощными возможностями в области рассуждений и использования инструментов. Она вводит DeepSeek Sparse Attention (DSA), тонко настроенный механизм разреженного внимания, который снижает затраты на обучение и вывод, сохраняя качество в сценариях с длинным контекстом. Масштабируемая структура пост-тренировочного обучения с подкреплением дополнительно улучшает рассуждения, с заявленной производительностью на уровне GPT-5, и модель продемонстрировала результаты золотого уровня на Международной математической олимпиаде (IMO) и Международной олимпиаде по информатике (IOI) 2025 года. Версия 3.2 также использует крупномасштабный конвейер синтеза агентских задач для лучшей интеграции рассуждений в условиях использования инструментов, повышая соответствие и обобщение в интерактивных средах.

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

Модель высокого класса для генерации и редактирования изображений, ориентированная на передовое качество визуализации и надежность. Она обеспечивает точное следование подсказкам, стабильное освещение, четкие текстуры и последовательное воспроизведение персонажей/стилей при использовании нескольких эталонных изображений. Разработанная для рабочих нагрузок в производстве, она балансирует 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.