Claude Fable 5 — модель Anthropic класса Mythos, созданная для автономной интеллектуальной работы и программирования. Она поддерживает текстовые, графические и файловые входные данные с текстовым выводом, обладает поддержкой рассуждений и контекстным окном объёмом 1 миллион токенов. Модель подходит для длительных, сложных и асинхронных задач, которые ранее требовали регулярного контроля со стороны человека. Особенно сильна она в выполнении сквозных задач, которые в обычных условиях могли бы занять у человека часы, дни или недели: работа с длительными, неоднозначными и многоэтапными проблемами. Claude Fable 5 качественно выполняет чётко поставленные задачи с минимальным количеством ошибок, автоматически исправляет себя за счёт циклов проверки и поставляется с надёжными механизмами безопасности.

Sonnet 5 — самая мощная модель Anthropic в классе Sonnet, демонстрирующая передовые результаты в программировании, работе с агентами и профессиональных задачах. Модель поддерживает адаптивное мышление с выбираемыми уровнями глубины рассуждений: low, medium, high, max и x-high, контекстное окно объёмом 1 миллион токенов, а также работу с текстом, изображениями и файлами. Sonnet 5 использует обновлённый токенизатор и включает киберзащитные механизмы в реальном времени, которые блокируют отдельные высокорисковые виды деятельности двойного назначения.

Claude Opus 4.8 — наиболее мощная общедоступная модель Anthropic в семействе Opus. Она поддерживает текстовые, графические и файловые входные данные с текстовым выходом, обладает поддержкой reasoning и контекстным окном в 1 миллион токенов. Модель хорошо подходит для высокоавтономных агентов, длительных агентных сценариев, интеллектуальной работы и задач с опорой на память, где важна связность на протяжении продолжительных сессий. Особенно сильна она в многошаговых рассуждениях, сложном программировании и сквозной оркестрации проектов — при работе с крупными кодовыми базами, многоэтапной отладке и длительно работающих асинхронных агентных пайплайнах. Помимо задач, связанных с кодом, модель эффективно справляется с интеллектуальной работой, такой как подготовка документов, создание презентаций и анализ данных, сохраняя высокое качество даже в очень длинных ответах.

GPT-5.4 — новейшая передовая модель OpenAI, объединяющая линейки Codex и GPT в единую систему. Она поддерживает контекстное окно свыше 1 миллиона токенов (922 тыс. токенов на входе и 128 тыс. токенов на выходе), а также работу с текстовыми и графическими входными данными, что позволяет выполнять рассуждения на длинном контексте, программирование и мультимодальный анализ в рамках единого рабочего процесса. Модель демонстрирует улучшенные результаты в программировании, понимании документов, использовании инструментов и следовании инструкциям. Она разработана как мощный универсальный вариант по умолчанию как для задач общего назначения, так и для разработки программного обеспечения, способный генерировать код промышленного качества, синтезировать информацию из множества источников и выполнять сложные многошаговые процессы с меньшим числом итераций и более высокой эффективностью использования токенов.

Gemini 3 Flash Preview — это очень быстрая и эффективная модель с поддержкой рассуждений, предназначенная для агентных сценариев, многошаговых диалогов и помощи в программировании. Она обеспечивает уровень рассуждений и работы с инструментами, близкий к версии Pro, при значительно меньшей задержке по сравнению с более крупными моделями Gemini. Благодаря этому модель хорошо подходит для интерактивной разработки, длительных агентных циклов и совместной работы над кодом. По сравнению с Gemini 2.5 Flash она демонстрирует заметные улучшения качества в области рассуждений, мультимодального понимания и надёжности. Модель поддерживает контекстное окно объёмом до 1 млн токенов и мультимодальные входные данные, включая текст, изображения, аудио, видео и PDF-файлы, с текстовым выводом. В неё входят настраиваемые уровни рассуждений (минимальный, низкий, средний, высокий), поддержка структурированного вывода, работа с инструментами и автоматическое кэширование контекста. Gemini 3 Flash Preview оптимизирована для пользователей, которым требуется сильное логическое мышление и агентное поведение без затрат и задержек, характерных для полноразмерных передовых моделей.

Opus 4.6 — самый мощный модельный продукт Anthropic для задач программирования и длительной профессиональной работы. Он создан для агентных сценариев, охватывающих целые рабочие процессы, а не отдельные запросы, что делает его особенно эффективным при работе с крупными кодовыми базами, сложными рефакторингами и многошаговой отладкой, разворачивающейся во времени. По сравнению с предыдущими поколениями модель демонстрирует более глубокое понимание контекста, более сильную декомпозицию задач и более высокую надёжность при решении сложных инженерных проблем. Помимо программирования, Opus 4.6 отлично подходит для продолжительной интеллектуальной работы. Он способен за один проход создавать документы, планы и аналитические материалы, близкие к продакшн-уровню, и сохранять связность и целостность на протяжении очень длинных ответов и продолжительных сессий. Это делает его сильным выбором «по умолчанию» для задач, требующих устойчивости, взвешенных решений и доведения работы до результата — таких как техническое проектирование, планирование миграций и сквозная реализация проектов.

Opus 4.7 — это модель нового поколения в линейке Anthropic Opus, созданная для длительно работающих асинхронных агентов. Развивая сильные стороны Opus 4.6 в программировании и агентных сценариях, она обеспечивает более высокую производительность при выполнении сложных многошаговых задач и более надежную агентную работу в рамках продолжительных процессов. Особенно эффективно модель проявляет себя в асинхронных агентных пайплайнах, где задачи разворачиваются во времени: при работе с крупными кодовыми базами, многоэтапной отладке и сквозной оркестрации проектов. Помимо задач, связанных с кодом, Opus 4.7 получила улучшенные возможности для интеллектуальной работы — от подготовки документов и создания презентаций до анализа данных. Она сохраняет связность на протяжении очень длинных ответов и продолжительных сессий, благодаря чему становится сильным вариантом по умолчанию для задач, требующих устойчивости, взвешенных решений и доведения работы до конца.

Gemini 3.1 Pro Preview — это передовая рассуждающая модель Google, обеспечивающая улучшенную производительность в инженерии ПО, более надёжную работу агентов и более эффективное расходование токенов в рамках сложных рабочих процессов. Развивая мультимодальную основу серии Gemini 3, она сочетает высокоточную способность к рассуждению при работе с текстом, изображениями, видео, аудио и кодом с контекстным окном на 1 млн токенов. При многошаговых вызовах инструментов (multi-turn tool calling) необходимо сохранять Reasoning Details (детали рассуждения) — см. нашу документацию. Обновление 3.1 приносит измеримые улучшения в SWE-бенчмарках и в реальных средах разработки, а также усиливает автономное выполнение задач в структурированных доменах, таких как финансы и процессы на базе электронных таблиц. Созданная для продвинутой разработки и агентных систем, Gemini 3.1 Pro Preview повышает стабильность на длинных горизонтах и качество оркестрации инструментов, одновременно увеличивая токенную эффективность. В ней появляется новый средний уровень “thinking”, который помогает лучше сбалансировать стоимость, скорость и производительность. Модель особенно сильна в агентном программировании, структурированном планировании, мультимодальном анализе и автоматизации рабочих процессов, поэтому хорошо подходит для автономных агентов, финансового моделирования, автоматизации электронных таблиц и высококонтекстных корпоративных задач.

Kimi K2.5 — нативная мультимодальная модель Moonshot AI, обеспечивающая передовые возможности визуального кодинга и реализующая парадигму самоорганизующегося роя агентов. Построенная на базе Kimi K2 и дополнительно дообученная на примерно **15 трлн смешанных визуальных и текстовых токенов**, она демонстрирует высокую производительность в задачах общего рассуждения, визуального программирования и агентного вызова инструментов.

GLM-5 — флагманская открытая базовая модель Z.ai, созданная для проектирования сложных систем и длительных агентных сценариев. Ориентирована на опытных разработчиков: уверенно справляется с масштабными задачами программирования на уровне ведущих закрытых моделей, при этом остаётся открытой.

Sonnet 4.6 — самая мощная модель класса Sonnet от Anthropic на сегодняшний день, демонстрирующая передовые результаты в программировании, агентных сценариях и профессиональной работе. Она превосходно справляется с итеративной разработкой, навигацией по сложным кодовым базам, управлением проектами «под ключ» с использованием памяти, созданием качественно оформленных документов, а также уверенной работой с компьютером для задач веб-тестирования (QA) и автоматизации рабочих процессов.

GPT-5.1 — это новейшая передовая модель в линейке GPT-5. Она обеспечивает более сильные универсальные способности к решению задач, лучше следует инструкциям и звучит естественнее в диалогах по сравнению с GPT-5. Модель использует адаптивное вычисление: быстро отвечает на простые запросы и углубляет рассуждения там, где задача сложнее. Объяснения стали более понятными и приземлёнными, с меньшим количеством жаргона — текст легче воспринимать даже в технических или многошаговых задачах. Созданный для широкого спектра задач, GPT-5.1 показывает стабильный прирост качества в математике, программировании и структурированном анализе. Ответы в длинной форме стали более связными, а надежность использования инструментов повысилась. Улучшена и диалоговая адаптация — модель отвечает теплее и интуитивнее, не теряя точности. GPT-5.1 выступает основным полнофункциональным преемником GPT-5.

GPT-5.1-Codex-Mini — это уменьшенная и более быстрая версия модели GPT-5.1-Codex.

GPT-5.1 Chat (он же Instant) — это быстрый и лёгкий представитель семейства 5.1, оптимизированный для низкой задержки в диалогах при сохранении высокой общей интеллектуальности. Модель использует адаптивное рассуждение, «углубляясь» только в сложные запросы, что повышает точность в математике, программировании и многошаговых задачах, не замедляя обычные беседы. По умолчанию GPT-5.1 Chat звучит теплее и более разговорно, лучше следует инструкциям и стабильнее рассуждает в коротких форматах. Модель создана для сценариев с высокой нагрузкой и интерактивностью, где важнее скорость и предсказуемость, чем глубокая длительная проработка.

MiniMax-M2 — компактная и высокоэффективная большая языковая модель, оптимизированная для сквозного кодирования и агентных рабочих процессов. В модели задействовано 10 млрд активированных параметров (230 млрд всего), что обеспечивает практически передовой уровень интеллекта в задачах общего рассуждения, использования инструментов и выполнения многоэтапных операций при низкой задержке и эффективном развёртывании. Модель превосходно справляется с генерацией кода, редактированием нескольких файлов, циклами «компиляция–запуск–исправление» и исправлением по результатам тестов, демонстрируя впечатляющие результаты на SWE-Bench Verified, Multi-SWE-Bench и Terminal-Bench. Она также конкурентоспособна в агентных бенчмарках, таких как BrowseComp и GAIA, эффективно решая задачи долгосрочного планирования, поиска информации и восстановления после ошибок выполнения. По данным [Artificial Analysis](https://artificialanalysis.ai/models/minimax-m2), MiniMax-M2 входит в число лучших открытых моделей по комплексному интеллекту в областях математики, естественных наук и работы с инструкциями. Благодаря небольшому объёму активируемой памяти модель обеспечивает быструю генерацию, высокую степень параллелизма и улучшенную рентабельность, что делает её отличным выбором для масштабных агентов, помощников разработчиков и приложений, требующих быстрого отклика и оптимизации затрат. Чтобы не снижать производительность, MiniMax настоятельно рекомендует сохранять рассуждения между шагами. Подробнее об использовании параметра reasoning_details для передачи блоков рассуждений читайте в нашей [документации](https://openrouter.ai/docs/use-cases/reasoning-tokens#preserving-reasoning-blocks).

Nano Banana Pro — это наиболее продвинутая модель Google для генерации и редактирования изображений, созданная на базе Gemini 3 Pro. Она развивает возможности оригинальной Nano Banana, предлагая значительно улучшенное мультимодальное рассуждение, более точное соответствие реальным объектам и высокую визуальную достоверность. Модель формирует насыщенные контекстом изображения — от инфографики и схем до кинематографичных композиций — и может использовать актуальные данные.

GPT-5.2 - это новейшая модель передового уровня в семействе GPT-5, обеспечивающая более высокую агентность и улучшенную работу с длинным контекстом по сравнению с GPT-5.1. Она использует адаптивное рассуждение для динамического распределения вычислительных ресурсов: быстро отвечает на простые запросы и углубляет вычисления при выполнении более сложных задач. Созданная для широкого спектра задач, GPT-5.2 демонстрирует стабильный прирост качества в математике, программировании, науке и сценариях с использованием инструментов. Модель формирует более связные развёрнутые ответы и обеспечивает повышенную надёжность при работе с внешними инструментами.

KAT-Coder-Pro V2.5 — агентная модель программирования флагманского уровня от Kwaipilot. Ей можно передать целую задачу или бизнес-процесс: модель самостоятельно находит нужные места в коде, вносит правки и доводит работу до результата с минимальным контролем со стороны разработчика. Контекст 256 тыс. токенов, поддерживается кэширование запросов.

KAT-Coder-Air V2.5 — облегчённая версия агентной модели программирования KAT-Coder от Kwaipilot. Сохраняет автономный стиль работы старшей модели — самостоятельно находит и правит код по поставленной задаче — при заметно меньшей цене, что делает её подходящей для массовых и фоновых сценариев. Контекст 256 тыс. токенов, поддерживается кэширование запросов.

Venice Uncensored Dolphin Mistral 24B Venice Edition — дообученная версия модели Mistral-Small-24B-Instruct-2501, созданная dphn.ai совместно с Venice.ai. Модель спроектирована как инструктивная LLM без встроенных цензурных ограничений («uncensored»).

GPT-5.6 Sol — флагманская модель в серии GPT-5.6 от OpenAI. Она подходит для сложных рассуждений, программирования и агентных сценариев, особенно сильна в задачах командной строки и многошаговой разработке.

GPT-5.6 Sol Pro — та же базовая модель, что и GPT-5.6 Sol, но с параметром reasoning.mode, установленным в pro, для более качественных ответов на сложных задачах.

GPT-5.6 Terra — сбалансированная модель в линейке GPT-5.6 от OpenAI, занимающая промежуточное положение между флагманским уровнем Sol и экономичным уровнем Luna. Подходит для повседневных задач программирования, рассуждений и агентных сценариев.

GPT-5.6 Terra Pro — та же базовая модель, что и GPT-5.6 Terra, но с параметром reasoning.mode, установленным в pro, для более качественных ответов на сложные задачи.

GPT-5.6 Luna — быстрая и экономичная модель в серии GPT-5.6 от OpenAI. Она подходит для задач с высокой нагрузкой и чувствительностью к задержке — чата, классификации и лёгких агентных сценариев, — обеспечивая при этом достаточные возможности рассуждения для типичных запросов.

GPT-5.6 Luna Pro — та же базовая модель, что и GPT-5.6 Luna, но запущенная с параметром reasoning.mode, установленным в pro, для более качественных ответов на сложных задачах.

Модель всегда указывает на актуальную последнюю версию Grok от xAI.

Grok 4.5 — самая интеллектуальная модель xAI с передовыми результатами в программировании, работе со знаниями и естественно-научных дисциплинах.

Seedream 4.5 — последняя собственная модель генерации изображений ByteDance. По сравнению с Seedream 4.0 она получила всесторонние улучшения, особенно в согласованности редактирования, включая более точное сохранение деталей объекта.

Recraft V3 — модель генерации изображений от Recraft. Принимает на входе текст и изображения, выдаёт результат в разрешении около 1K с поддержкой нескольких соотношений сторон.

Recraft V4 — модель генерации изображений от Recraft. Поддерживает текстовый и графический ввод, выдаёт изображения разрешением около 1 тыс. пикселей в разных соотношениях сторон, отличается более уверенным композиционным суждением.

Recraft V4 Pro — модель генерации изображений от Recraft. Принимает текстовый и графический ввод, выдаёт изображения с разрешением около 2K в различных соотношениях сторон — вдвое выше, чем у предыдущей версии.

Recraft V4 Vector — векторная (SVG) версия модели Recraft V4. Она принимает на входе текст и изображения и создаёт векторные изображения в различных пропорциях. В отличие от растровой версии, результат представляет собой редактируемую векторную графику.

Recraft V4 Pro Vector — векторный (SVG) вариант модели Recraft V4 Pro. Принимает текстовый и графический ввод, создаёт векторные изображения в различных соотношениях сторон.

Recraft V4.1 — модель генерации изображений от Recraft, настроенная на высокую эстетичность результата. Она принимает текст и изображения на входе и выдаёт изображения с разрешением около 1K в разных соотношениях сторон.

Recraft V4.1 Pro — модель генерации изображений от Recraft, настроенная на высокую эстетику результата. Принимает текст и изображения на входе, выдаёт результат в разрешении около 2K с поддержкой нескольких соотношений сторон.

Recraft V4.1 Utility — универсальная модель генерации изображений от Recraft. Принимает текстовый и графический ввод, выдаёт изображения с разрешением около 1K в различных соотношениях сторон.

Recraft V4.1 Utility Pro — универсальная модель генерации изображений от Recraft. Принимает текстовый и графический ввод, выдаёт изображения с разрешением около 2K в различных соотношениях сторон.

Recraft V4.1 Vector — векторная (SVG) версия модели Recraft V4.1, настроенная на высокую эстетику. Она принимает на входе текст и изображения и создаёт SVG-изображения в различных пропорциях.

Recraft V4.1 Pro Vector — векторная (SVG) версия Recraft V4.1 Pro, настроенная на высокую эстетику. Поддерживает текстовый и графический ввод, выдаёт SVG-изображения более высокого разрешения.

MAI-Image-2.5 от Microsoft — модель генерации изображений высокого качества, доступная через Azure AI Foundry. Она создаёт фотореалистичные и художественные изображения по текстовым описаниям с поддержкой различных соотношений сторон.

GPT Image 1 — модель OpenAI для генерации и редактирования изображений через отдельный Images API. Точно отрисовывает текст на изображениях, поддерживает прозрачный фон и до 16 референсных изображений при редактировании.

Экономичная версия GPT Image 1: качественная генерация изображений с меньшей задержкой и стоимостью через отдельный Images API OpenAI.

Новейшая модель генерации изображений OpenAI. Поддерживает высокодетализированную генерацию и редактирование изображений через отдельный Images API.

Aion-3.0 — мультимодельная система от AionLabs для ролевых игр и создания историй, построенная на базе моделей семейства GLM. Она использует совместный процесс генерации, в котором несколько специализированных моделей вносят вклад в итоговый результат.

Aion-3.0 Mini — мультимодельная система AionLabs для ролевых игр и сторителлинга, построенная на моделях семейства DeepSeek. Генерация текста происходит совместно: несколько специализированных моделей взаимодействуют друг с другом, каждая отвечает за свою часть повествования.

Nex-N2-Mini — открытая агентная модель на архитектуре MoE от Nex AGI, младшая в серии Nex-N2. Принимает текст и изображения на входе и предназначена для кодинга и использования инструментов.

Hy3 — модель Tencent на архитектуре MoE с 295 млрд параметров (21 млрд активных, 192 эксперта с маршрутизацией top-8), созданная для рассуждений, агентных сценариев и промышленного использования. Поддерживает настраиваемый уровень усилий на рассуждения.

Hy3 — модель Mixture-of-Experts от Tencent на 295 млрд параметров (21 млрд активных, 192 эксперта с маршрутизацией top-8), созданная для задач рассуждений, агентных сценариев и реального production-использования. Модель поддерживает настраиваемую глубину рассуждений.

Laguna XS 2.1 — последняя модель-агент для программирования от Poolside в категории 33B-A3B, шаг вперёд по сравнению с их моделью Laguna XS.2, выпущенной в апреле 2026 года.

Laguna XS 2.1 — новейшая агентная модель для кодинга от Poolside в категории 33B-A3B, развитие модели Laguna XS.2 (выпущена в апреле 2026 года).

Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) — самая быстрая и экономичная модель генерации изображений от Google в линейке Gemini, созданная для высокоскоростных пайплайнов разработчиков и быстрого перебора визуальных вариантов. Она обеспечивает генерацию изображений по тексту.

Fugu Ultra — самая производительная модель в семействе Fugu от Sakana AI. Это не единая монолитная модель, а обученная система мультиагентной оркестрации: языковая модель, обученная распределять запросы между специализированными агентами.

Nex-N2-Pro — агентная модель с архитектурой Mixture-of-Experts от Nex AGI: 17 млрд активных параметров из 397 млрд общих. Построена на архитектуре Qwen3.5, принимает на входе текст и изображения.

Laguna M.1 — флагманская модель-агент для программирования от Poolside, оптимизированная для сложных задач разработки ПО. Разработана для агентных сценариев кодирования, поддерживает вызов инструментов и рассуждения, контекстное окно — 256K токенов.

North Mini Code — первая агентная модель для программирования от Cohere и дебют семейства North. Это разреженная модель архитектуры MoE с 30 млрд параметров общим числом и 3 млрд активных, оптимизированная для задач написания кода.

Nano Banana Pro — самая продвинутая модель Google для генерации и редактирования изображений, построенная на базе Gemini 3 Pro. Она развивает возможности оригинальной Nano Banana за счёт значительно улучшенных мультимодальных рассуждений и более точной привязки к реальному миру.

Gemini 3.1 Flash Image, также известная как «Nano Banana 2», — новейшая передовая модель Google для генерации и редактирования изображений, обеспечивающая качество уровня Pro при скорости Flash.

GLM 5.2 — крупная модель для рассуждений от Z.ai. Поддерживает текстовый ввод и вывод с контекстным окном в 1 миллион токенов, подходит для долгих агентных сценариев работы и разработки на уровне целых проектов.

MoonshotAI: Kimi K2.7 Code — модель семейства Kimi K2 от Moonshot AI, ориентированная на задачи программирования. Она предназначена для надёжного выполнения end-to-end задач разработки в длинных контекстах. Модель использует нативную мультимодальную архитектуру mixture-of-experts, принимает на вход текст и изображения и всегда работает в режиме рассуждения, сохраняя полный ход reasoning-контента в многоходовых диалогах. Благодаря контекстному окну на 256 тысяч токенов Kimi K2.7 Code ориентирована на долгосрочные задачи программирования, агентную декомпозицию задач и многоходовые диалоги. Модель активирует 32 млрд параметров из примерно 1 трлн общего числа параметров.

Эта модель всегда перенаправляет на последнюю модель семейства Claude Fable.

Nemotron 3 Ultra — открытая модель NVIDIA передового уровня для рассуждений и оркестрации задач, с 55 млрд активных параметров из 550 млрд общих (архитектура MoE). Построена на гибридной архитектуре Transformer-Mamba с механизмом Mixture-of-Experts.

NVIDIA Nemotron 3 Ultra — открытая передовая модель NVIDIA для рассуждений и оркестрации, с 55 млрд активных параметров из 550 млрд общих (архитектура MoE). Построена на гибридной архитектуре Transformer-Mamba со смесью экспертов.

NVIDIA Nemotron 3.5 Content Safety — компактная мультимодальная модель-guardrail от NVIDIA с 4 млрд параметров, дообученная на основе Google Gemma-3-4B. Она модерирует как входные запросы, так и ответы языковых и визуально-языковых моделей.

Qwen3.7-Plus — экономичная модель в серии Qwen3.7 от Alibaba. Она принимает текст и изображения на входе и выдаёт текст, развивая текстовые возможности серии за счёт комплексного обновления.

MiniMax-M3 — мультимодальная базовая модель от MiniMax. Поддерживает текст, изображения и видео на входе с текстовым выводом, контекстное окно до 1 млн токенов; подходит для продолжительной агентной работы и написания кода.

Step 3.7 Flash — новейшая высокоэффективная мультимодальная модель StepFun с архитектурой Mixture-of-Experts. Сочетает языковое ядро на 196 млрд параметров с визуальным энкодером для нативного понимания изображений и видео, активируя порядка 11 млрд параметров на каждый проход.

Gemini Embedding 2 — первая мультимодальная модель эмбеддингов от Google. В настоящее время она поддерживает отображение текста и изображений в единое векторное пространство для семантического поиска и генерации с дополненным поиском (RAG). Модель поддерживает входной контекст объёмом до 8 192 токенов и гибкую размерность выходных векторов от 128 до 3 072 измерений. Рекомендуемые значения: 768, 1 536 или 3 072. Gemini Embedding 2 разработана для кросс-модального сопоставления: например, можно преобразовать текстовый запрос в эмбеддинг и найти наиболее релевантные изображения — или наоборот. Благодаря этому модель хорошо подходит для мультимодального поиска, рекомендательных систем и пайплайнов анализа документов.

Быстрый режим Claude Opus 4.8 — те же возможности, что и у обычной модели, но с более высокой скоростью генерации ответов.

Qwen3.7-Max — флагманская модель в линейке Alibaba Qwen3.7. Она поддерживает текстовый ввод и вывод и предназначена для нагрузок, ориентированных на агентные сценарии, с особенно сильными сторонами в программировании, офисных и продуктивных задачах, а также в длительном автономном выполнении многошаговых процессов. По сравнению с предыдущими поколениями Qwen модель демонстрирует заметный прирост качества в программировании и агентных задачах, а также поддерживает явное кэширование промптов для более эффективного повторного использования контекста.

Grok Build 0.1 — это быстрая модель для программирования от xAI, специально обученная для агентных сценариев в области разработки ПО. Она поддерживает текстовые и визуальные входные данные с текстовым выходом и оптимизирована для интерактивных кодовых агентов, использования инструментов и многошаговых задач разработки. Модель лежит в основе CLI-инструмента Grok Build от xAI и оснащена контекстным окном на 256K токенов без ограничения на объем текстового вывода, что делает ее хорошо подходящей для длительных задач, связанных с программированием и автоматизацией. В настоящее время доступна в раннем доступе.

Gemini 3.5 Flash — это высокоэффективная мультимодальная модель Google, обеспечивающая качество программирования и рассуждений, близкое к уровню Pro, при стоимости и скорости уровня Flash. Она в значительной степени оптимизирована под задачи программирования и параллельные агентные циклы выполнения, поддерживая входные данные в виде текста, изображений, видео, аудио и PDF. По умолчанию модель использует средний уровень рассуждений, что позволяет получать более быстрые и экономичные ответы, при этом полностью поддерживаются уровни thinking effort — minimal, low, medium и high — для более тонкой настройки баланса между стоимостью и качеством работы.

Ring-2.6-1T — модель для рассуждений с масштабом в 1 триллион параметров и 63 миллиардами активных параметров (архитектура MoE), построенная для реальных агентных сценариев, где важны и высокая мощность, и эксплуатационная эффективность. Оптимизирована под кодинг-агентов и использование инструментов.

Быстрый режим модели Opus 4.7 — те же возможности, что и у базовой версии, но с более высокой скоростью генерации ответов.

Perceptron Mk1 (Mark One) — наиболее качественная модель Perceptron для работы с изображениями и языком, ориентированная на видео и воплощённые (embodied) рассуждения. Принимает на входе изображения и видео вместе с запросами на естественном языке и формирует детальное визуальное понимание сцены.

Hy3 preview — высокоэффективная модель архитектуры MoE от Tencent, предназначенная для агентных сценариев и промышленного использования. Она поддерживает настраиваемые уровни рассуждений — отключённый, низкий и высокий, — что позволяет гибко балансировать между скоростью и качеством ответа.

Gemini 3.1 Flash Lite — доступная в общем релизе высокоэффективная мультимодальная модель Google, оптимизированная для задач с низкой задержкой и высокой нагрузкой. Она принимает на входе текст, изображения, видео, аудио и PDF и предназначена для лёгких агентных сценариев.

Ling-2.6-1T — инструктивная модель от inclusionAI и флагман компании с триллионом параметров, созданная для агентов, которым требуются быстрое выполнение и высокая эффективность в промышленных масштабах. Модель использует облегчённый режим генерации, ускоряющий ответ.

GPT Chat Latest — стабильный алиас API OpenAI `chat-latest`, который всегда указывает на самую свежую модель Instant, используемую в ChatGPT. По мере выхода новых обновлений Instant-моделей алиас автоматически переключается на актуальную версию.

Mistral Medium 3.5 — плотная инструктивная модель на 128 млрд параметров от Mistral AI. Поддерживает текстовый и графический ввод с текстовым выводом, предназначена для агентных сценариев, программирования и решения сложных задач.

Grok 4.3 — это модель рассуждения от xAI. Она принимает на вход текст и изображения и генерирует текстовый ответ. Модель подходит для агентных рабочих процессов, задач на следование инструкциям и приложений, где требуется высокая фактическая точность. Режим рассуждения всегда активен и не может быть отключён или настроен по уровню глубины. Модель поддерживает контекстное окно объёмом 1 миллион токенов и не имеет ограничения на количество выходных токенов, что делает её хорошо подходящей для анализа длинных документов, глубоких исследований и многоэтапных агентных задач. Тарификация многоуровневая: запросы, превышающие 200 тысяч токенов в сумме, оплачиваются по повышенному тарифу.

Granite 4.1 8B — плотная decoder-only языковая модель IBM на 8 миллиардов параметров из семейства Granite 4.1. Поддерживает контекстное окно 131 тысяча токенов и ориентирована на корпоративные задачи.

Ling-2.6-flash — инструктивная модель от inclusionAI со 104 млрд параметров, из которых 7,4 млрд активных. Она рассчитана на реальные агентные сценарии, где важны быстрый отклик, надёжное выполнение задач и высокая эффективность по токенам.

Laguna M.1 — флагманская модель-агент для программирования от Poolside, оптимизированная для сложных задач разработки ПО. Она рассчитана на агентные сценарии написания кода, поддерживает вызов инструментов и рассуждения, а также контекстное окно 256K токенов.

NVIDIA Nemotron 3 Nano Omni — открытая мультимодальная модель формата 30B-A3B (архитектура MoE с 3 миллиардами активных параметров), созданная для роли суб-агента восприятия и контекста в корпоративных агентных системах. Принимает на входе текст, изображения и видео.

Эта модель всегда перенаправляет на последнюю модель семейства OpenAI GPT.

Модель всегда указывает на актуальную последнюю версию в семействе Anthropic Claude Sonnet.

Эта модель всегда указывает на самую последнюю версию в семействе Google Gemini Flash.

Эта модель всегда перенаправляет на последнюю модель семейства Kimi от MoonshotAI.

Эта модель всегда указывает на актуальную версию из линейки Google Gemini Pro.

Эта модель всегда указывает на самую свежую модель в семействе OpenAI GPT Mini.

Эта модель всегда перенаправляет на последнюю модель семейства Anthropic Claude Haiku.

Hailuo 2.3 — видео-модель от MiniMax. Принимает текстовые промпты и референсные изображения, поддерживает text-to-video и image-to-video. Сильна в реалистичном движении и выразительной анимации персонажей, подходит для креативного и кинематографического контента.

Флагманская модель видеогенерации Google для финального production-качества. Veo 3.1 создаёт 1080p видео из текста или изображения с нативной синхронной аудиодорожкой (диалоги, эффекты, фон), поддерживает расширение сцены до 140+ секунд, переходы между двумя кадрами, вертикальное видео и 4K-апскейл.

Самая бюджетная модель Google Veo 3.1 Lite, рассчитанная на массовые сценарии и быстрые итерации. Выдаёт 720p и 1080p видео из текста или изображения с синхронным звуком за менее чем 50% стоимости Veo 3.1 Fast. Клипы 4–8 секунд, форматы 16:9 и 9:16, водяной знак SynthID.

Самая продвинутая видео-модель Alibaba Wan 2.6 — поддерживает свыше 10 возможностей визуальной генерации в едином API. Создаёт 1080p видео при 24fps из текста, изображений, референс-видео или аудио, с нативной аудиосинхронизацией и точным lip-sync. Ключевые возможности: reference-to-video (вставка облика и голоса персонажа в новые сцены), многошотовое повествование из простого промпта, синхронные эффекты и музыка, форматы 16:9, 9:16, 1:1, клипы до 15 секунд.

Audio-visual модель ByteDance Seedance 1.5 Pro следующего поколения с архитектурой Dual-Branch Diffusion Transformer (4.5B параметров). Генерирует видео и звук одновременно за один проход, что устраняет рассинхрон, характерный для последовательного дубляжа. Поддерживает многоязычный lip-sync (EN, ZH, JA, KO, ES и др.), кинематографичный контроль камеры (pan/tilt/zoom/orbit), диалоги нескольких персонажей и сохранение их облика между кадрами. Клипы 4–12 секунд до 1080p. Тарификация по видео-токенам: (height × width × duration × 24) / 1024.

Средняя по цене модель Google Veo 3.1 Fast — баланс скорости и качества. Принимает текст или изображение, выдаёт высококачественное видео с синхронным звуком быстрее и дешевле полной Veo 3.1. Поддерживает кондишенинг по первому/последнему кадру, разные разрешения и аспекты, водяной знак SynthID.

Видео-модель ByteDance Seedance 2.0 нового поколения. Поддерживает text-to-video, image-to-video с управлением первым и последним кадром, а также reference-to-video. Особенно сильна в сохранении консистентности персонажей, визуального стиля и движения камеры с референса. Тарифицируется по токенам: (height × width × duration × 24) / 1024.

Wan 2.7 — видео-модель Alibaba нового поколения. Поддерживает text-to-video, image-to-video с управлением первым и последним кадром, а также reference-to-video, где несколько референс-изображений задают стиль и содержание сгенерированной сцены.

Ускоренная версия Seedance 2.0 Fast от ByteDance. Та же функциональность (text-to-video, image-to-video с first/last frame, reference-to-video), но приоритет — скорость и низкая стоимость в ущерб максимальному качеству. Тарификация по видео-токенам: (height × width × duration × 24) / 1024.

Kling Video O1 — видео-модель от Kuaishou. Принимает текст и изображения, поддерживает text-to-video и image-to-video, ориентирована на кинематографический контент с управлением первым и последним кадром для точной композиции сцены. Клипы 5 или 10 секунд, форматы 16:9, 9:16 или 1:1.

Kling 1.6 Pro от Kuaishou — pro-уровень линейки 1.6. Сбалансирован по цене и качеству, поддерживает text-to-video и image-to-video.

Google Veo 3.0 Fast Audio — ускоренный Veo 3.0 с нативной синхронной аудиодорожкой. Компромисс между скоростью и звуковым сопровождением для быстрых превью с озвучкой.

Vidu 2.0 — видео-модель Vidu, ориентированная на анимацию и стилизованный контент. Поддерживает text-to-video и image-to-video, выгодна по соотношению цена/качество для массовой генерации.

Wan 2.7 в режиме image-to-video от Alibaba. Принимает изображение и оживляет его в видеоклип с заданной динамикой движения и сохранением визуального стиля исходника.

Wan 2.7 в режиме reference-to-video от Alibaba. На вход подаются несколько референс-изображений, по которым модель собирает сцену, опираясь на их стиль и содержание.

OpenAI Sora 2 — стандартная версия флагманской видеомодели OpenAI. Генерирует видео с физически достоверным движением и синхронным звуком из текста или изображения, на ступень дешевле Sora 2 Pro при сохранении основных возможностей линейки.

Kling 2.1 Master от Kuaishou — топовая версия 2.1 с максимальным качеством движения и детализации. Применяется для production-сценариев, где важны фотореализм и сложная динамика сцены.

Флагманская модель видеогенерации OpenAI с production-качеством, физически достоверным движением, синхронным звуком и сохранением состояния мира между кадрами. Sora 2 Pro следует сложным многошотовым инструкциям без потери пространственных отношений, поддерживает text-to-video и image-to-video, синхронные фоновые звуки, речь и эффекты. Включает C2PA-метаданные и водяной знак.

Kling 1.6 Standard — самый доступный тариф линейки 1.6 от Kuaishou. Подходит для массовых задач и экспериментов с минимальным бюджетом.

ByteDance Seedance 1.0 Lite — облегчённая lite-версия линейки 1.0. Подходит для массовой генерации коротких видео с минимальной стоимостью, при этом сохраняет основные возможности text-to-video / image-to-video.

Google Veo 3.0 Fast — ускоренный вариант Veo 3.0 без нативного аудио. Снижает задержку и стоимость генерации, подходит для итераций и черновых вариантов сцен.

Wan 2.7 в режиме text-to-video от Alibaba. Генерирует видео по текстовому промпту без визуальных референсов, ориентирован на креативные и универсальные сценарии.

Kling 2.1 Standard — базовый тариф линейки 2.1 от Kuaishou. Оптимален по соотношению цена/качество для массовых задач: соцсети, превью, итеративная разработка сценариев.

Kling 2.1 Pro — pro-уровень линейки 2.1 от Kuaishou. Высокое качество видео при заметно меньшей стоимости, чем у Master. Подходит для большинства коммерческих сценариев генерации.

Google Veo 3.0 — поколение с нативной аудиодорожкой. Версия "audio" генерирует видео с синхронным звуком (речь, эффекты, фон) для production-сценариев, где звук должен совпадать со сценой "из коробки".

Kling 2.0 Master — флагман предыдущего поколения 2.0 от Kuaishou. Высокое качество и расширенный контроль над сценой, ориентирован на профессиональный контент.

Vidu Q1 — версия линейки Q от Vidu, с улучшенной детализацией и динамикой по сравнению с базовой 2.0. Подходит для творческих и анимационных задач.

Предыдущее поколение Google Veo 2.0 — генерация видео из текста и изображения без нативного звука. Подходит для базовых сценариев генерации видео, когда требования к фотореализму и аудио ниже, чем у Veo 3.x.

PixVerse v5.6 — обновлённая версия v5 с улучшенным качеством движения и стабильностью кадров. Подходит для коротких клипов, сторис и анимационного контента.

ByteDance Seedance 1.0 Pro — предыдущее поколение pro-уровня от ByteDance. Поддерживает text-to-video и image-to-video, фокус на консистентности персонажей и кинематографичной композиции.

Vidu Q3 — старшая модель линейки Q от Vidu с максимальным для линейки качеством движения и детализации. Ориентирована на профессиональные сценарии генерации видео.

Hailuo 02 — предыдущее поколение видео-модели от MiniMax. Поддерживает text-to-video и image-to-video, фокус на естественном движении и анимации персонажей.

PixVerse v5 — видео-модель PixVerse для стилизованной творческой генерации. Поддерживает text-to-video и image-to-video, ориентирована на креативные и анимационные сценарии, включая работу с персонажами и стилями.

Vidu Q3 Turbo — ускоренная версия Q3 от Vidu. Жертвует частью качества ради скорости и стоимости, подходит для итераций и черновых проходов.

Qwen3.6 27B — плотная (dense) языковая модель на 27 миллиардов параметров от команды Qwen в Alibaba, выпущенная в апреле 2026 года. Обладает гибридными мультимодальными возможностями: принимает на входе текст, изображения и видео.

Qwen3.6-Max-Preview — проприетарная передовая модель Alibaba Cloud на разреженной архитектуре смеси экспертов (MoE) с примерно 1 трлн параметров. Оптимизирована для агентного программирования и работы с инструментами.

Qwen3.6-35B-A3B — мультимодальная модель с открытыми весами от Alibaba Cloud: 35 млрд параметров всего и 3 млрд активных на токен. Использует гибридную разреженную архитектуру Mixture-of-Experts.

Qwen3.6 Flash — быстрая и эффективная языковая модель из серии Qwen 3.6 от Alibaba. Поддерживает текстовый, графический и видеовход с контекстным окном 1 миллион токенов.

Qwen3.5 Plus (апрель 2026) — крупномасштабная мультимодальная языковая модель от Alibaba. Она принимает на входе текст, изображения и видео, а на выходе выдаёт текст, при этом окно контекста достигает 1 млн токенов.

GPT-5.5 — передовая модель OpenAI, разработанная для сложных профессиональных задач. Она развивает возможности GPT-5.4, предлагая более сильные рассуждения, повышенную надежность и улучшенную токен-эффективность при выполнении трудных задач. Модель поддерживает контекстное окно свыше 1 млн токенов: до 922 тыс. токенов на входе и до 128 тыс. токенов на выходе. Также доступна работа с текстовыми и визуальными входными данными, что позволяет выполнять масштабные задачи reasoning, программирования и мультимодальные рабочие процессы в рамках единой системы.

GPT-5.5 Pro — высокопроизводительная модель OpenAI, оптимизированная для глубоких рассуждений и точности в сложных задачах с высокой ценой ошибки. Контекстное окно превышает 1 млн токенов (922K на входе, 128K на выходе).

DeepSeek V4 Flash — оптимизированная по эффективности модель с архитектурой Mixture-of-Experts от DeepSeek: 284 млрд параметров всего и 13 млрд активных, контекстное окно до 1 млн токенов. Модель рассчитана на быстрый инференс.

DeepSeek V4 Pro — крупномасштабная модель DeepSeek на базе архитектуры Mixture-of-Experts с 1,6 трлн параметров в общей сложности и 49 млрд активируемых параметров. Модель поддерживает контекстное окно до 1 млн токенов. Она разработана для продвинутых задач reasoning, программирования и долгосрочных агентных рабочих процессов, демонстрируя сильные результаты в бенчмарках по знаниям, математике и разработке ПО. DeepSeek V4 Pro построена на той же архитектуре, что и DeepSeek V4 Flash, но дополнительно использует гибридную систему внимания для эффективной обработки длинного контекста и поддерживает несколько режимов рассуждения, позволяющих балансировать между скоростью и глубиной в зависимости от задачи. Модель хорошо подходит для сложных нагрузок, таких как анализ крупных кодовых баз, многоэтапная автоматизация и масштабный синтез информации, где критически важны как высокая функциональность, так и эффективность.

MiMo-V2.5 — нативная омнимодальная модель от Xiaomi. Она обеспечивает агентную производительность на уровне Pro-версий при вдвое меньшей стоимости инференса и превосходит MiMo-V2-Omni в мультимодальном восприятии — понимании изображений и видео.

MiMo-V2.5-Pro — флагманская модель Xiaomi с высокой производительностью в общих агентных задачах, сложной разработке ПО и продолжительных сценариях работы, занимающая высокие места в рейтингах таких бенчмарков, как ClawEval, GDPVal и SWE-bench Pro.

Эта модель всегда указывает на самую свежую модель в семействе Claude Opus.

GPT-5.4 Image 2 объединяет модель GPT-5.4 от OpenAI с передовыми возможностями генерации изображений GPT Image 2. Решение поддерживает насыщенные мультимодальные сценарии работы, позволяя пользователям беспрепятственно переключаться между рассуждением, программированием и визуальной генерацией в рамках одного взаимодействия.

Kimi K2.6 — мультимодальная модель нового поколения от Moonshot AI, рассчитанная на длительные сессии программирования, генерацию UI/UX на основе кода и оркестрацию мультиагентных систем. Она справляется со сложными сквозными задачами разработки на Python, Rust и Go.

Gemini Embedding 2 Preview — первая мультимодальная embedding-модель Google. Позволяет отображать текст и изображения в едином векторном пространстве для семантического поиска и retrieval-augmented generation (RAG).

Qwen 3.6 Plus построена на гибридной архитектуре, сочетающей эффективное линейное внимание с разреженной маршрутизацией MoE, что обеспечивает хорошую масштабируемость и высокопроизводительный инференс. По сравнению с серией 3.5 модель показывает улучшенные результаты.

Gemma 4 31B Instruct — плотная мультимодальная модель Google DeepMind с 30,7 млрд параметров, принимающая текст и изображения на входе и выдающая текст. Модель поддерживает контекстное окно на 256 тысяч токенов, настраиваемый режим рассуждений и нативный вызов функций.

Gemma 4 26B A4B IT — дообученная под инструкции модель архитектуры MoE от Google DeepMind. При общем числе параметров 25,2 млрд на каждый токен при инференсе активируется лишь 3,8 млрд, что даёт качество, близкое к модели с 31 млрд параметров, при заметно меньших вычислительных затратах.

GLM-5.1 представляет собой значительный скачок в возможностях программирования, особенно в обработке задач с длительным горизонтом планирования. В отличие от предыдущих моделей, построенных на основе взаимодействий на уровне минут, GLM-5.1 может работать независимо и непрерывно над одной задачей более 8 часов, автономно планируя, выполняя и улучшая себя на протяжении всего процесса, в конечном итоге обеспечивая полные результаты инженерного уровня.

Gemma 4 26B A4B IT — инструктивно настроенная модель типа Mixture-of-Experts (MoE) от Google DeepMind. При общем объёме 25,2 млрд параметров в процессе инференса на каждый токен активируется лишь 3,8 млрд — что обеспечивает качество уровня 31B-моделей при кратно меньших вычислительных затратах. Поддерживает мультимодальный ввод: текст, изображения и видео (до 60 секунд при 1 кадре/с). Оснащена контекстным окном на 256K токенов, нативным вызовом функций, настраиваемым режимом размышления/рассуждения и поддержкой структурированного вывода. Лицензия Apache 2.0.

Gemma 4 31B Instruct — уплотненная мультимодальная модель Google DeepMind с 30,7 млрд параметров, поддерживающая ввод текста и изображений с выводом в текстовом формате. Оснащена контекстным окном на 256K токенов, настраиваемым режимом размышления/рассуждения, нативным вызовом функций и мультиязычной поддержкой более 140 языков. Демонстрирует высокие результаты в задачах программирования, логического вывода и понимания документов. Лицензия Apache 2.0.

Reka Edge — крайне эффективная мультимодальная визуально-языковая модель с 7 млрд параметров, принимающая на входе изображения, видео и текст, а на выходе выдающая текст. Модель специально оптимизирована для высокого качества понимания изображений.

Trinity Large Thinking — мощная модель с открытым исходным кодом для рассуждений от команды Arcee AI. Она показывает высокие результаты в тесте PinchBench, а также в агентных и рассуждательных задачах.

GLM-5V-Turbo — первая нативно мультимодальная базовая агентная модель Z.ai, созданная для визуального программирования и агентных задач. Нативно обрабатывает изображения, видео и текст, показывает высокие результаты в долгосрочном планировании и сложном программировании.

Grok 4.20 — рассуждающая модель xAI с лидирующей в отрасли скоростью и агентным вызовом инструментов. Сочетает минимальную долю галлюцинаций со строгим следованием инструкциям, что делает её надёжным выбором для агентных рабочих процессов.

Grok 4.20 Multi-Agent — вариант модели Grok 4.20 от xAI, созданный для совместных агентных сценариев. Несколько агентов работают параллельно, проводя глубокие исследования, координируя использование инструментов и синтезируя информацию.

Reka Flash 3 — универсальная языковая модель на 21 миллиард параметров от Reka, дообученная под следование инструкциям. Хорошо справляется с общим общением, задачами программирования, следованием инструкциям и вызовом функций.

KAT-Coder-Pro V2 — новейшая высокопроизводительная модель серии KAT-Coder от KwaiKAT, предназначенная для сложных задач корпоративной разработки ПО и интеграции с SaaS-системами. Она развивает возможности агентного программирования, заложенные в предыдущих версиях.

pplx-embed-v1-0.6B — одна из передовых моделей текстовых эмбеддингов Perplexity, созданная для поиска в вебе в реальных масштабах. Модель оптимизирована для плотного текстового поиска, версия на 0,6 млрд параметров нацелена на лёгкость и низкую задержку.

Embed V1 4B — одна из передовых текстовых эмбеддинг-моделей Perplexity, созданная для поиска в реальных веб-масштабных задачах. Модель с 4 млрд параметров оптимизирована для плотного текстового поиска и нацелена на максимальное качество извлечения релевантных документов.

NVIDIA Nemotron 3 Super — открытая гибридная MoE-модель на 120 млрд параметров, активирующая всего 12 млрд параметров для максимальной вычислительной эффективности и точности в сложных мультиагентных приложениях. Построена на гибридной архитектуре Mamba-Transformer.

MiniMax-M2.7 — это крупная языковая модель нового поколения, предназначенная для автономной работы в реальных задачах и непрерывного самосовершенствования. Разработанная с возможностью активно участвовать в собственной эволюции, модель M2.7 интегрирует продвинутые агентные возможности за счёт многoагентного взаимодействия, что позволяет ей планировать, выполнять и оптимизировать сложные задачи в динамичных средах. Обученная для промышленного уровня производительности, M2.7 поддерживает такие сценарии, как отладка в реальном времени, анализ первопричин, финансовое моделирование и полноценная генерация документов в форматах Word, Excel и PowerPoint. Модель демонстрирует высокие результаты на бенчмарках, включая 56,2% на SWE-Pro и 57,0% на Terminal Bench 2, а также достигает рейтинга 1495 ELO на GDPval-AA, устанавливая новый стандарт для многoагентных систем, работающих в реальных цифровых рабочих процессах.

GPT-5.4 mini переносит ключевые возможности GPT-5.4 в более быструю и эффективную модель, оптимизированную для высоконагруженных сценариев. Поддерживает текстовый и графический ввод, показывает высокие результаты в рассуждениях и написании кода.

GPT-5.4 Nano — самый лёгкий и экономичный вариант семейства GPT-5.4, оптимизированный для задач, критичных к скорости, и высоконагруженных сценариев. Поддерживает текстовый и графический ввод, спроектирован для минимальной задержки ответа.

Mistral Small 4 — очередной значимый релиз в семействе Mistral Small, объединяющий возможности нескольких флагманских моделей Mistral в единой системе. Модель сочетает сильные способности к рассуждению с другими сильными сторонами линейки.

GLM-5 Turbo — это новая модель от Z.ai, разработанная для быстрого вывода (inference) и высокой производительности в агентных средах, таких как сценарии OpenClaw. Она глубоко оптимизирована для реальных агентных рабочих процессов с длинными цепочками выполнения, обеспечивая улучшенное разложение сложных инструкций, эффективное использование инструментов, поддержку отложенного и длительного выполнения задач, а также общую стабильность при работе с продолжительными сценариями.

NVIDIA Nemotron 3 Super — это открытая гибридная модель MoE с 120 млрд параметров, которая активирует лишь 12 млрд параметров, обеспечивая максимальную вычислительную эффективность и высокую точность в сложных мультиагентных приложениях. Построенная на гибридной архитектуре Mamba-Transformer Mixture-of-Experts с многотокенной предсказательной схемой (MTP), она обеспечивает более чем на 50% более высокую скорость генерации токенов по сравнению с ведущими открытыми моделями. Модель поддерживает контекстное окно размером 1 миллион токенов, что позволяет сохранять долгосрочную согласованность в агентных сценариях, выполнять междокументное рассуждение и планировать многошаговые задачи. Latent MoE дает возможность вызывать 4 эксперта по вычислительной стоимости одного, улучшая интеллектуальные способности модели и ее обобщающую способность. Обучение с подкреплением в более чем 10 различных средах обеспечивает передовую точность на таких бенчмарках, как AIME 2025, TerminalBench и SWE-Bench Verified. Полностью открытая модель с весами, датасетами и рецептами обучения под лицензией NVIDIA Open License, Nemotron 3 Super позволяет легко настраивать ее под свои задачи и безопасно разворачивать где угодно — от рабочей станции до облака.

Qwen3.5-9B — мультимодальная базовая модель из семейства Qwen3.5, обеспечивающая качественные рассуждения, программирование и понимание изображений в компактной архитектуре на 9 млрд параметров. Использует единую архитектуру для обработки зрения и языка.

Seed-2.0-Lite — универсальная и экономичная модель для корпоративных задач, обеспечивающая уверенные мультимодальные и агентные возможности при заметно более низкой задержке. Это практичный выбор по умолчанию для большинства production-нагрузок в разных сценариях использования.

Mercury 2 — чрезвычайно быстрая рассуждающая модель и первая диффузионная LLM с поддержкой рассуждений (dLLM). Вместо последовательной генерации токенов Mercury 2 создаёт и уточняет сразу несколько токенов параллельно.

GPT-5.4 Pro — самая продвинутая модель OpenAI, развивающая единую архитектуру GPT-5.4 и обладающая расширенными возможностями рассуждения для решения сложных и высокоответственных задач. Она поддерживает контекстное окно свыше 1 миллиона токенов (922 тыс. токенов на входе и 128 тыс. токенов на выходе), а также работу с текстовыми и графическими входными данными. Оптимизированная для пошагового рассуждения, точного следования инструкциям и высокой точности, GPT-5.4 Pro особенно хорошо проявляет себя в агентном программировании, работе с длинным контекстом и решении многошаговых задач.

GPT-5.3 Chat — обновление самой популярной модели ChatGPT, которое делает повседневное общение более плавным, полезным и предметным. Модель даёт более точные ответы с лучшим учётом контекста.

Solar Pro 3 — мощная языковая модель Upstage с архитектурой Mixture-of-Experts (MoE). При 102 млрд параметров всего и 12 млрд активных параметров на прямой проход модель показывает высокую производительность при сохранении вычислительной эффективности.

Gemini 3.1 Flash Lite Preview — высокоэффективная модель Google, оптимизированная для сценариев с большим объёмом запросов. По общему качеству она превосходит Gemini 2.5 Flash Lite и приближается к уровню Gemini 2.5 Flash.

Seed-2.0-mini рассчитан на сценарии с высокой чувствительностью к задержке, большой параллельной нагрузкой и ограниченным бюджетом — модель делает упор на быстрый отклик и гибкое развёртывание инференса. По качеству она сопоставима с ByteDance-Seed-1.6, поддерживает контекст 256 тысяч токенов, четыре режима глубины рассуждений (minimal/low/medium/high) и мультимодальное понимание.

Gemini 3.1 Flash Image Preview, также известная как «Nano Banana 2», — это новейшая современная модель Google для генерации и редактирования изображений, обеспечивающая визуальное качество уровня Pro при скорости Flash. Она сочетает продвинутое контекстное понимание с быстрым и экономичным инференсом, благодаря чему сложная генерация изображений и итеративное внесение правок становятся значительно более доступными. Соотношением сторон можно управлять с помощью параметра API image_config.

Llama Nemotron Embed VL 1B V2 — embedding-модель, оптимизированная для мультимодального поиска в задачах вопрос-ответ. Модель умеет кодировать «документы» в виде изображения, текста или их сочетания.

Gemini 3.1 Pro Preview Custom Tools — вариант Gemini 3.1 Pro с улучшенным выбором инструментов: модель реже без необходимости использует универсальный bash-инструмент, когда доступны более эффективные сторонние инструменты.

Модели Qwen3.5 Flash с нативной поддержкой зрения и языка построены на гибридной архитектуре, сочетающей механизм линейного внимания с разреженной архитектурой смеси экспертов (MoE), что обеспечивает более высокую эффективность инференса.

Qwen3.5 122B-A10B — нативная визуально-языковая модель, построенная на гибридной архитектуре, сочетающей механизм линейного внимания с разреженной архитектурой MoE, что обеспечивает более высокую эффективность инференса.

Qwen3.5-27B — плотная визуально-языковая модель с нативной поддержкой изображений, использующая механизм линейного внимания для быстрого отклика при сбалансированной скорости инференса и качестве.

Qwen3.5 35B-A3B — нативная модель для работы с изображениями и языком с гибридной архитектурой, сочетающей механизмы линейного внимания и разреженную архитектуру MoE, что обеспечивает более высокую эффективность инференса.

Aion-2.0 — вариант DeepSeek V3.2, адаптированный для погружённых ролевых игр и сторителлинга. Модель особенно хорошо выстраивает напряжение, кризисы и конфликты в повествовании, делая истории более увлекательными.

GPT-5.3-Codex — самая продвинутая агентная модель OpenAI для программирования: она сочетает передовые показатели в разработке ПО от GPT-5.2-Codex с более широкими возможностями рассуждений и профессиональными знаниями GPT-5.2. Модель показывает лучшие в своём классе результаты.

Модерация текста с помощью OpenAI Moderation API

Модерация текста и изображений с помощью OpenAI Moderation API

Модель Qwen3.5 397B-A17B — нативная vision-language модель на 397 млрд параметров (17 млрд активных), построенная на гибридной архитектуре, сочетающей линейное внимание с разреженной архитектурой Mixture-of-Experts, что обеспечивает более высокую эффективность инференса.

Модели серии Qwen3.5 Plus — нативные визуально-языковые модели, построенные на гибридной архитектуре, сочетающей механизмы линейного внимания с разреженными моделями MoE, что обеспечивает более высокую эффективность инференса.

MiniMax-M2.5 — это передовая (SOTA) большая языковая модель, созданная для реальной продуктивной работы. Обученная на широком спектре сложных реальных цифровых рабочих сред, M2.5 развивает инженерные и кодинговые компетенции M2.1 и расширяет их на общие офисные задачи, достигая «свободного владения» созданием и выполнением операций с файлами Word, Excel и PowerPoint, переключением контекста между различными программными средами, а также работой в связке с агентами и человеческими командами. Набирая 80,2% на SWE-Bench Verified, 51,3% на Multi-SWE-Bench и 76,3% на BrowseComp, M2.5 также эффективнее расходует токены по сравнению с предыдущими поколениями: в ходе обучения модель была ориентирована на оптимизацию своих действий и выходных данных за счёт планирования.

Step 3.5 Flash — самая мощная модель StepFun с открытым исходным кодом. Построена на разреженной архитектуре Mixture of Experts (MoE) и активирует только 11 млрд параметров из 196 млрд на токен.

Qwen3-Max-Thinking — флагманская рассуждающая модель серии Qwen3 для ответственных задач, требующих глубокого многошагового рассуждения. За счёт масштабирования ёмкости модели и обучения с подкреплением достигает высоких результатов в математике, науке и программировании.

Qwen3-Coder-Next — языковая модель с открытыми весами, оптимизированная для агентов программирования и локальных сценариев разработки. Она использует разреженную архитектуру MoE с 80 млрд параметров, из которых активируется лишь около 3 млрд на каждый токен.

openrouter/free — самый простой способ получить бесплатный инференс. Это роутер, который случайным образом выбирает бесплатные модели из числа доступных на OpenRouter, интеллектуально отфильтровывая подходящие варианты.

MiniMax M2-her — это крупная языковая модель, ориентированная в первую очередь на диалог, созданная для иммерсивного ролевого взаимодействия, чатов с ярко выраженными персонажами и выразительных многоходовых бесед. Спроектированная для сохранения последовательного тона и характера, она поддерживает расширенные роли сообщений (user_system, group, sample_message_user, sample_message_ai) и способна обучаться на примерах диалогов, чтобы точнее воспроизводить стиль и темп конкретного сценария. Благодаря этому модель хорошо подходит для сторителлинга, виртуальных компаньонов и разговорных приложений, где наибольшее значение имеют естественность общения и насыщенное, живое взаимодействие.

Palmyra X5 — самая продвинутая модель Writer, специально созданная для разработки и масштабирования ИИ-агентов в масштабе всей компании. Она обеспечивает ведущие в отрасли скорость и эффективность при работе с контекстными окнами объёмом до 1 миллиона токенов благодаря новой архитектуре трансформера и гибридным механизмам внимания. Это позволяет ускорить инференс и расширить контекст при обработке больших объёмов корпоративных данных, что критически важно для масштабирования ИИ-агентов.

GLM-4.7-Flash, будучи передовой моделью класса 30B (SOTA), предлагает новый вариант, сочетающий высокую производительность и эффективность. Она дополнительно оптимизирована под агентные сценарии в программировании, усиливая способности к написанию кода, долгосрочному планированию задач и взаимодействию с инструментами, и продемонстрировала лидирующие результаты среди open-source моделей сопоставимого размера в ряде актуальных публичных бенчмарк-лидербордов.

Более экономичная версия GPT Audio. Новый снэпшот включает улучшенный декодер, обеспечивающий более естественное звучание голосов, и сохраняет более стабильную консистентность голоса.

Модель gpt-audio — первая общедоступная аудиомодель OpenAI. Новый снэпшот включает улучшенный декодер, обеспечивающий более естественное звучание голосов, и поддерживает более стабильную консистентность голоса.

GPT-5.2-Codex — обновлённая версия GPT-5.1-Codex, оптимизированная для задач программной инженерии и рабочих процессов разработки. Она рассчитана как на интерактивные сессии разработки, так и на длительное самостоятельное выполнение сложных инженерных задач. Модель поддерживает создание проектов с нуля, разработку функциональности, отладку, масштабный рефакторинг и ревью кода. По сравнению с GPT-5.1-Codex, версия 5.2-Codex лучше управляется, точнее следует инструкциям разработчика и выдаёт более чистый и качественный код. Уровень усилия на рассуждение можно настраивать через параметр `reasoning.effort`. Codex интегрируется в среды разработки, включая CLI, расширения для IDE, GitHub и облачные задачи. Он динамически адаптирует глубину рассуждений: быстро отвечает на небольшие запросы и при этом способен поддерживать продолжительные, многочасовые прогоны для крупных проектов. Модель обучена выполнять структурированное ревью кода, выявляя критические проблемы за счёт анализа зависимостей и проверки поведения по тестам. Также она поддерживает мультимодальные входные данные (например, изображения или скриншоты) для UI-разработки и умеет использовать инструменты для поиска, установки зависимостей и настройки окружения. Codex предназначен специально для агентных сценариев программирования.

Seed 1.6 — универсальная модель от команды ByteDance Seed. Поддерживает мультимодальность и адаптивное глубокое рассуждение, контекстное окно — 256K токенов.

Seed 1.6 Flash — сверхбыстрая мультимодальная модель глубокого мышления от ByteDance Seed с поддержкой понимания текста и изображений. Модель имеет контекстное окно 256k токенов и способна генерировать развёрнутые ответы.

GLM-4.7 — это новейшая флагманская модель Z.AI, в которой реализованы улучшения по двум ключевым направлениям: расширенные возможности программирования и более стабильное многошаговое рассуждение и выполнение задач. Модель демонстрирует заметный прогресс в выполнении сложных агентных сценариев, обеспечивая при этом более естественное диалоговое взаимодействие и более высокое качество пользовательского интерфейса.

MiniMax-M2.1 — это лёгкая, передовая большая языковая модель, оптимизированная для программирования, агентных workflow и разработки современных приложений. Имея всего 10 млрд активированных параметров, она обеспечивает существенный скачок в прикладных возможностях при сохранении выдающихся показателей задержки, масштабируемости и экономической эффективности. По сравнению с предыдущей версией M2.1 выдаёт более чистые и лаконичные ответы, а также обеспечивает более высокую субъективную скорость отклика. Модель демонстрирует лидирующие результаты в многоязычном программировании на основных платформах и языках разработки, достигая 49,4 % на Multi-SWE-Bench и 72,5 % на SWE-Bench Multilingual, и может выступать универсальным «мозгом» агента для IDE, инструментов разработки и задач общего назначения.

NVIDIA Nemotron 3 Nano 30B A3B — компактная языковая модель архитектуры MoE с высокой вычислительной эффективностью и точностью, предназначенная для разработчиков специализированных агентных ИИ-систем.

NVIDIA Nemotron 3 Nano 30B A3B — компактная языковая модель на архитектуре MoE с высокой вычислительной эффективностью и точностью, предназначенная для разработчиков специализированных агентных ИИ-систем.

GPT-5.2 Pro — это самая продвинутая модель OpenAI, обеспечивающая значительные улучшения в агентном программировании и работе с длинным контекстом по сравнению с GPT-5 Pro. Модель оптимизирована для сложных задач, требующих пошагового рассуждения, точного следования инструкциям и высокой точности в критически важных сценариях использования. Она поддерживает функции маршрутизации на этапе выполнения (test-time routing) и расширенное понимание промптов, включая заданное пользователем намерение, например «подумай над этим максимально глубоко». Среди улучшений — снижение уровня галлюцинаций и подхалимства (sycophancy), а также более высокая производительность в задачах программирования, написания текстов и в области здравоохранения.

GPT-5.2 Chat (он же Instant) — это быстрый и легковесный представитель семейства 5.2, оптимизированный для чата с низкой задержкой при сохранении мощного общего интеллекта. Он использует адаптивное рассуждение для избирательного мышления над более сложными запросами, повышая точность в математике, программировании и многоэтапных задачах, не замедляя типичные разговоры. Модель по умолчанию теплее и разговорчивее, с улучшенным следованием инструкциям и более стабильным краткосрочным рассуждением. GPT-5.2 Chat предназначен для высокопроизводительных интерактивных нагрузок, где отзывчивость и последовательность важнее глубокого обдумывания.

Devstral 2 — передовая модель Mistral AI с открытым кодом, специализирующаяся на агентном программировании. Это плотная трансформерная модель на 123 млрд параметров с контекстным окном 256K токенов.

GLM-4.6V — это крупная мультимодальная модель, ориентированная на высокоточное визуальное распознавание и длительное контекстное рассуждение по изображениям, документам и смешанным медиаформатам. Она поддерживает контекст до 128 000 токенов, напрямую обрабатывает сложные макеты страниц и графики как визуальные входные данные, а также включает нативные мультимодальные вызовы функций, связывающие восприятие с выполнением последующих инструментов. Модель также поддерживает чередующуюся генерацию изображений и текста и рабочие процессы по реконструкции пользовательских интерфейсов — включая преобразование скриншотов в HTML и итеративное визуальное редактирование.

Модель relace-search параллельно использует от 4 до 12 инструментов view_file и grep для исследования кодовой базы и поиска файлов, релевантных запросу пользователя. В отличие от RAG, relace-search выполняет агентный поиск.

GPT-5.1-Codex-Max — это новейшая агентная модель программирования от OpenAI, разработанная для длительных и высококонтекстных задач в области разработки ПО. Она построена на обновлённой версии вычислительного стека 5.1 и обучена на агентных workflow, охватывающих программную инженерию, математику и исследовательские задачи. GPT-5.1-Codex-Max обеспечивает более высокую скорость работы, улучшенные способности к рассуждению и повышенную эффективность использования токенов на всех этапах разработки.

Ministral 3 3B — самая компактная модель в семействе Ministral 3: мощная и эффективная миниатюрная языковая модель с поддержкой работы с изображениями.

Ministral 3 8B — сбалансированная модель в семействе Ministral 3: мощная и эффективная компактная языковая модель с поддержкой зрения.

Ministral 3 14B — самая крупная модель в семействе Ministral 3, обладающая передовыми возможностями и производительностью, сравнимой с более крупной моделью Mistral Small 3.2 24B. Это мощная и эффективная языковая модель.

Nova 2 Lite — быстрая и экономичная модель с поддержкой рассуждений для повседневных задач. Принимает на входе текст, изображения и видео, на выходе выдаёт текст.

Mistral Large 3 2512 — самая мощная модель Mistral на сегодняшний день, построенная на разреженной архитектуре Mixture-of-Experts с 41 млрд активных параметров (675 млрд всего). Модель выпущена под лицензией Apache 2.0.

DeepSeek-V3.2 — большая языковая модель, сочетающая высокую вычислительную эффективность с сильными рассуждениями и агентным использованием инструментов. В ней применён DeepSeek Sparse Attention (DSA) — механизм разреженного внимания с тонкой детализацией.

Claude Opus 4.5 — это передовая модель рассуждений от Anthropic, оптимизированная для сложной разработки ПО, агентских сценариев и длительного взаимодействия с компьютером. Она обладает сильными мультимодальными возможностями, демонстрирует конкурентные результаты в практических задачах программирования и рассуждений, а также лучше защищена от prompt-инъекций. Модель спроектирована так, чтобы эффективно работать при разном уровне вычислительных затрат, позволяя разработчикам балансировать между скоростью, глубиной анализа и расходом токенов в зависимости от задачи. В ней появился новый параметр для управления токенной эффективностью, доступный через параметр Verbosity в OpenRouter (значения: low, medium, high). Opus 4.5 поддерживает продвинутую работу с инструментами, управление расширенным контекстом и согласованную работу нескольких агентов, что делает её подходящей для автономных исследований, отладки, многошагового планирования, а также манипуляций с таблицами или браузером. Модель обеспечивает значительный рост качества структурных рассуждений, стабильности выполнения и соответствия намерениям пользователя по сравнению с предыдущими поколениями Opus, снижает накладные расходы на токены и улучшает эффективность при длительных вычислительных задачах.

Olmo 3 32B Think — крупная модель на 32 миллиарда параметров, созданная специально для глубоких рассуждений, сложных логических цепочек и продвинутого следования инструкциям. Её объём позволяет показывать высокие результаты на требовательных тестах.

Cogito v2.1 671B (MoE) — одна из самых мощных открытых моделей в мире, по производительности сопоставимая с передовыми закрытыми и открытыми моделями. Она обучена с использованием self-play и обучения с подкреплением.

Модель эмбеддингов bge-m3 преобразует предложения, абзацы и длинные документы в плотные векторы размерностью 1024, обеспечивая высококачественные семантические представления. Она оптимизирована для многоязычного поиска, семантического ретривала и задач, работающих с большим контекстом.

Модель эмбеддингов bge-large-en-v1.5 преобразует английские предложения, абзацы и документы в плотные векторы размерностью 1024, обеспечивая высокоточные семантические представления. Она оптимизирована для семантического поиска, извлечения документов и последующих NLP-задач на английском языке.

Модель эмбеддингов multi-qa-mpnet-base-dot-v1 преобразует предложения и короткие абзацы в плотные векторы размерностью 768, обеспечивая высококачественные семантические представления. Она оптимизирована для задач извлечения ответов на вопросы, семантического поиска и оценки сходства в широком спектре контента.

Модель эмбеддингов bge-base-en-v1.5 преобразует английские предложения и абзацы в плотные векторы размерностью 768, обеспечивая эффективные и высококачественные семантические представления. Она оптимизирована для ретривала, семантического поиска и сопоставления документов. Версия v1.5 отличается улучшенным распределением оценок сходства и повышенной точностью извлечения «из коробки».

Модель эмбеддингов all-MiniLM-L12-v2 преобразует предложения и короткие абзацы в плотные векторы размерностью 384, создавая компактные и качественные семантические представления. Она оптимизирована для семантического поиска, кластеризации и оценки сходства.

paraphrase-MiniLM-L6-v2 — эмбеддинг-модель, преобразующая предложения и короткие абзацы в плотные векторы размерностью 384. Она выдаёт качественные семантические эмбеддинги, оптимизированные для обнаружения перефразирования, оценки семантической близости, кластеризации и лёгкого поиска.

Multilingual-E5-Large — embedding-модель, кодирующая предложения, абзацы и документы более чем на 90 языках в плотное 1024-мерное векторное пространство. Обеспечивает надёжные семантические эмбеддинги, оптимизированные для мультиязычного поиска и кросс-языкового сравнения текстов.

Модель эмбеддингов e5-base-v2 кодирует английские предложения и абзацы в 768-мерное плотное векторное пространство, создавая эффективные и качественные семантические эмбеддинги для таких задач, как семантический поиск и оценка схожести.

E5-Large-v2 — эмбеддинг-модель, преобразующая англоязычные предложения, абзацы и документы в плотные векторы размерностью 1024. Обеспечивает точные семантические представления, оптимизированные для поиска релевантных документов, семантического поиска, переранжирования и оценки схожести текстов.

Модель эмбеддингов gte-large преобразует английские предложения, абзацы и документы среднего объёма в 1024-мерное плотное векторное пространство, создавая качественные семантические эмбеддинги для информационного поиска, оценки текстовой схожести и переранжирования.

Модель эмбеддингов gte-base кодирует английские предложения и абзацы в плотное векторное пространство размерностью 768. Она обеспечивает эффективные семантические эмбеддинги для оценки смысловой близости текстов, семантического поиска и кластеризации.

All-MiniLM-L6-v2 — embedding-модель, отображающая предложения и короткие абзацы в плотное 384-мерное векторное пространство. Обеспечивает качественные семантические представления, подходящие для таких задач, как информационный поиск и кластеризация.

Модель эмбеддингов all-mpnet-base-v2 кодирует предложения и короткие абзацы в плотное векторное пространство размерностью 768, обеспечивая точные семантические эмбеддинги. Хорошо подходит для информационного поиска, кластеризации, оценки семантической схожести текстов и похожих задач.

Серия Qwen3 Embedding — это новейшие проприетарные модели семейства Qwen, специально разработанные для задач текстовых эмбеддингов и ранжирования. Они унаследовали сильные многоязычные возможности, глубокое понимание длинных текстов и развитые способности к рассуждению от базовой модели. Линейка Qwen3 Embedding демонстрирует значительный прогресс в задачах текстового и кодового ретривала, классификации, кластеризации и двуязычного поиска соответствий.

Серия моделей Qwen3 Embedding — новейшая проприетарная линия в семействе Qwen, специально созданная для задач текстовых эмбеддингов и ранжирования. Эти модели унаследовали от базовой архитектуры выдающиеся многоязычные возможности, глубокое понимание длинных текстов и развитые навыки рассуждения. Линейка Qwen3 Embedding демонстрирует серьёзный прогресс в задачах текстового и кодового ретривала, классификации, кластеризации и двуязычного сопоставления.

text-embedding-3-small — улучшенная и более производительная версия эмбеддинг-модели ada от OpenAI. Эмбеддинги — числовое представление текста для оценки смысловой близости фрагментов; применяются в поиске, кластеризации, рекомендациях и классификации.

Codestral Embed — эмбеддинг-модель Mistral, специально разработанная для работы с кодом. Подходит для индексации кодовых баз и репозиториев, а также для реализации поиска в ассистентах для разработчиков.

text-embedding-ada-002 — устаревшая модель эмбеддингов текста от OpenAI.

Gemini Embedding 001 — эмбеддинг-модель Google, обеспечивающая единый передовой подход к работе с текстами из разных областей: науки, юриспруденции, финансов и программирования. Модель стабильно занимает верхние позиции в бенчмарке Massive Text Embedding Benchmark (MTEB).

Mistral Embed — специализированная модель эмбеддингов для текстовых данных, оптимизированная для семантического поиска и RAG-приложений. Разработана Mistral AI в конце 2023 года, создаёт 1024-мерные векторы.

GPT-5.1 — это новейшая передовая модель в линейке GPT-5. Она обеспечивает более мощные универсальные способности к рассуждению, лучше следует инструкциям и звучит естественнее в беседе по сравнению с GPT-5. Модель использует адаптивный подход к вычислениям: быстро отвечает на простые запросы и углубляет логику там, где задача сложная. Объяснения стали яснее и понятнее, с минимумом жаргона — даже технические и многошаговые задачи теперь легче воспринимать. Созданная для широкого спектра задач, GPT-5.1 демонстрирует устойчивый рост качества в математике, программировании и структурированном анализе. Ответы в длинной форме стали значительно более связными, а работа с инструментами — надёжнее. Улучшена и диалоговая адаптация: модель отвечает теплее и интуитивнее, не теряя точности. GPT-5.1 является основным полнофункциональным преемником GPT-5.

Модели серии o обучены с помощью обучения с подкреплением: они сначала обдумывают ответы и способны вести сложные рассуждения. Модель o3-pro задействует больше вычислительных ресурсов, чтобы тщательнее анализировать запрос и стабильно выдавать более качественные ответы. Обратите внимание, что для работы этой модели требуется BYOK. Настройка доступна здесь: https://openrouter.ai/settings/integrations

UnslopNemo v4.1 — новейшая разработка от создателя модели Rocinante, созданная для написания приключенческих историй и ролевых сценариев.

Voxtral Small — это усовершенствованная версия Mistral Small 3 с передовыми возможностями аудиоввода при сохранении лучшей в своём классе текстовой производительности. Она превосходно справляется с транскрипцией речи, переводом и анализом аудио. Стоимость обработки входного аудио составляет 100 долларов США за миллион секунд.

Эта модель обеспечивает в четыре раза больший контекст, чем gpt-3.5-turbo, позволяя в одном запросе обрабатывать около 20 страниц текста, однако по более высокой цене. Данные для обучения: по состоянию на сентябрь 2021 года.

Jamba Large 1.7 — это новейшая модель из открытого семейства Jamba, предлагающая улучшенное обоснование ответов, повышенную способность следовать инструкциям и оптимизированную производительность. Построенная на гибридной архитектуре SSM-Transformer с окном контекста в 256 000 токенов, она генерирует более точные, контекстно обоснованные ответы и обладает лучшей управляемостью по сравнению с предыдущими версиями.

GPT-5 Mini — компактная версия GPT-5, разработанная для выполнения менее ресурсоёмких задач, требующих рассуждений. Она сохраняет все преимущества GPT-5 в выполнении инструкций и тонкой настройке безопасности, при этом обеспечивает более низкую задержку и стоимость. GPT-5 Mini является преемником модели o4-mini от OpenAI.

Qwen3-32B — плотная авторегрессионная языковая модель серии Qwen3 с 32,8 млрд параметров, оптимизированная для сложных рассуждений и эффективного диалога. Модель обеспечивает бесшовное переключение между «режимом размышления» для задач, таких как решение математических задач, программирование и логический вывод, и «режимом без размышлений» для более оперативного и универсального общения. Qwen3-32B демонстрирует высокую эффективность при выполнении инструкций, работе с инструментами агентов, творческом письме и решении многоязычных задач на более чем 100 языках и диалектах. Из коробки модель поддерживает контекст до 32 тыс. токенов и может расширять его до 131 тыс. токенов за счёт масштабирования на основе YaRN.

Meta выпустила линейку моделей LLaMA 3.1 различных размеров и конфигураций. Эта версия на 70 млрд параметров, дообученная для выполнения инструкций, оптимизирована для высококачественных диалоговых сценариев. В человеческих оценках она продемонстрировала высокую производительность по сравнению с ведущими закрытыми моделями. Подробнее о выпуске модели: https://ai.meta.com/blog/meta-llama-3-1/. Использование этой модели регулируется Политикой приемлемого использования Meta: https://llama.meta.com/llama3/use-policy/

Qwen3 — последнее поколение больших языковых моделей серии Qwen. Она сочетает полносвязную архитектуру (dense) и архитектуру смеси экспертов (Mixture-of-Experts, MoE), что позволяет ей превосходно справляться с задачами рассуждения, обеспечивать многоязычную поддержку и выполнять продвинутые агентные задачи. Уникальная способность мгновенно переключаться между режимом глубокой аналитической обработки для комплексных рассуждений и экономным режимом для эффективного диалога обеспечивает универсальность и высокое качество работы. Значительно опережая предыдущие модели, такие как QwQ и Qwen2.5, Qwen3 демонстрирует выдающиеся результаты в решении математических задач, программировании, рассуждениях на основе здравого смысла, креативном письме и интерактивном общении. Вариант Qwen3-30B-A3B включает 30,5 миллиарда параметров (из них задействованы 3,3 миллиарда), состоит из 48 слоёв и 128 экспертов (по 8 активных на задачу) и поддерживает контекст длиной до 131 тысячи токенов с помощью YaRN, устанавливая новый стандарт среди моделей с открытым исходным кодом.

GPT-4o mini Search Preview — специализированная модель веб-поиска в Chat Completions. Она обучена понимать и выполнять поисковые запросы в интернете.

Попытка воссоздать многословность в стиле Claude, но не стоит ожидать такого же уровня связности и памяти. Предназначена для использования в ролевых играх и нарративных сценариях.

По сравнению с GLM-4.5, в этом обновлении представлено несколько ключевых улучшений: • Расширенное окно контекста: объём обрабатываемой истории увеличен с 128 K до 200 K токенов, что позволяет модели решать более сложные агентные задачи. • Повышенная производительность в кодировании: модель демонстрирует более высокие результаты на бенчмарках по коду и лучше проявляет себя в прикладных решениях—Claude Code, Cline, Roo Code и Kilo Code, включая улучшенную генерацию визуально проработанных фронтенд-страниц. • Усиленное рассуждение: GLM-4.6 показывает заметный прогресс в логическом мышлении и поддерживает использование внешних инструментов во время инференса, что повышает её общую эффективность. • Более продвинутые агенты: модель лучше справляется с агентами, основанными на поиске и работе с инструментами, и эффективнее интегрируется в агентные фреймворки. • Совершенствование стиля: генерируемый текст лучше соответствует человеческим ожиданиям по стилю и читаемости и звучит естественнее в ролевых сценариях.

Модель на 12 млрд параметров с контекстным окном до 128 000 токенов, разработанная Mistral совместно с NVIDIA. Многоязычная: поддерживает английский, французский, немецкий, испанский, итальянский, португальский, китайский, японский, корейский, арабский и хинди. Поддерживает вызов функций и распространяется под лицензией Apache 2.0.

Llama 3.2 1B — языковая модель с 1 млрд параметров, оптимизированная для эффективного решения задач обработки естественного языка: суммирования, ведения диалога и многоязычного анализа текстов. Благодаря компактному размеру она может работать в условиях ограниченных вычислительных ресурсов, сохраняя при этом высокую производительность. Поддерживая восемь основных языков и допускающая донастройку под другие, Llama 1.3B идеально подходит бизнесу и разработчикам, которым требуются лёгкие, но мощные ИИ-решения для многоязычных сценариев без высоких требований к оборудованию.

Command A — это модель с открытыми весами, 111 миллиардами параметров и контекстным окном на 256 тысяч токенов, ориентированная на выдающуюся производительность в агентных, мультиязычных и задачах программирования. По сравнению с другими ведущими моделями — как проприетарными, так и с открытыми весами — Command A обеспечивает максимальную производительность при минимальных затратах на оборудование, особенно преуспевая в критически важных для бизнеса агентных и мультиязычных задачах.

Это флагманская модель Mistral AI — Mistral Large 2 (версия mistral-large-2407). Это проприетарная модель с доступными весами, которая отлично справляется в задачах рассуждения, программирования, работе с JSON, общении в чате и многом другом. Прочитать анонс запуска можно здесь: https://mistral.ai/news/mistral-large-2407/. Она поддерживает десятки языков, включая французский, немецкий, испанский, итальянский, португальский, арабский, хинди, русский, китайский, японский и корейский, а также более 80 языков программирования, среди которых Python, Java, C, C++, JavaScript и Bash. Благодаря расширенному контекстному окну модель способна точно извлекать информацию из объёмных документов.

GPT-5 Pro — самая передовая модель OpenAI, обеспечивающая значительные улучшения в области рассуждений, качества кода и удобства использования. Она оптимизирована для сложных задач, требующих пошагового рассуждения, строгого следования инструкциям и высокой точности в критически важных сценариях. Модель поддерживает функции маршрутизации на этапе инференса и продвинутое понимание подсказок, включая учёт намерений пользователя, например «тщательно обдумай это». Среди ключевых улучшений — снижение количества галлюцинаций и подхалимства, а также повышение производительности в программировании, создании текстов и медицинских задачах.

Amazon Nova Lite 1.0 — это очень бюджетная мультимодальная модель от Amazon, оптимизированная для быстрой обработки изображений, видео и текста с генерацией текстовых ответов. Nova Lite обеспечивает высокую точность при обслуживании клиентов в режиме реального времени, анализе документов и ответах на вопросы по изображениям. При контексте до 300 000 токенов модель способна в одном запросе проанализировать сразу несколько изображений или до 30 минут видеозаписи.

Qwen-Plus основана на базовой модели Qwen2.5 и поддерживает контекст до 131 тыс. токенов, сочетая сбалансированную производительность, скорость и стоимость.

Модель для креативного письма без цензуры на основе Mistral Small 3.2 24B с хорошей памятью, точным выполнением подсказок и высоким интеллектом.

DeepSeek-V3.1 Terminus — это обновление DeepSeek V3.1, сохраняющее исходные возможности модели и устраняющее замеченные пользователями проблемы (в том числе несогласованность языка и ограничения в возможностях агентов), а также дополнительно оптимизирующее производительность в задачах кодирования и поисковых агентов. Модель представляет собой крупную гибридную систему рассуждений (671 млрд параметров, из них 37 млрд активных), поддерживающую режимы с включённым и выключенным рассуждением. Она основана на DeepSeek-V3 и доработана двухэтапным обучением на длинных контекстах (до 128 K токенов), а для эффективного вывода использует микромасштабирование FP8. Пользователи могут управлять поведением рассуждений через булев параметр reasoning.enabled. Подробнее — в нашей документации. Модель улучшает работу с внешними инструментами, генерацию кода и эффективность рассуждений, демонстрируя сопоставимые с DeepSeek-R1 результаты на сложных бенчмарках при более быстрой реакции. Поддерживается структурированный вызов инструментов, кодовые агенты и поисковые агенты, что делает её подходящей для исследований, разработки ПО и агентно-ориентированных сценариев.

GPT-4.1 Mini — это модель среднего размера, демонстрирующая производительность, сопоставимую с GPT-4o, при значительно меньшей задержке и стоимости. Она поддерживает окно контекста размером в один миллион токенов и показывает результаты: 45,1% по сложным инструкциям, 35,8% на MultiChallenge и 84,1% на IFEval. Mini также обладает сильными навыками программирования (например, 31,6% на многоязычном бенчмарке polyglot diff от Aider) и пониманием визуальной информации, что делает её подходящей для интерактивных приложений с жёсткими требованиями к производительности.

Claude Haiku 4.5 — самая быстрая и эффективная модель Anthropic, обеспечивающая практически передовой интеллект при значительно меньших затратах и задержках по сравнению с более крупными моделями Claude. При уровне производительности, сопоставимом с Claude Sonnet 4 в задачах рассуждения, программирования и работы с компьютером, Haiku 4.5 приносит передовые возможности в приложения реального времени и для обработки большого объёма запросов. Модель внедряет «расширенное мышление» в семейство Haiku: регулируемую глубину рассуждений, вывод кратких сводок или поэтапных рассуждений, а также рабочие процессы с поддержкой инструментов — полный цикл программирования, Bash, веб-поиск и утилиты для работы с компьютером. Набрав более 73 % на тесте SWE-bench Verified, Haiku 4.5 входит в число лучших в мире моделей для программирования, при этом обеспечивая высокую отзывчивость для субагентов, параллельное выполнение задач и масштабируемое развертывание.

Claude Opus 4.1 — обновлённая версия флагманской модели Anthropic, демонстрирующая улучшенные показатели в программировании, рассуждениях и агентских задачах. Модель набирает 74,5 % по набору тестов SWE-bench Verified и показывает значительные улучшения в рефакторинге кода по нескольким файлам, точности отладки и детализированных рассуждениях. Поддерживает контекст объёмом до 64 000 токенов и оптимизирована для задач, связанных с исследованиями, анализом данных и рассуждениями с помощью инструментов.

Virtuoso-Large — флагманская универсальная языковая модель (LLM) компании Arcee с 72 млрд параметров, оптимизированная для междоменного рассуждения, создания креативного текста и корпоративных систем вопросов-ответов. В отличие от многих аналогичных ~70 млрд-параметричных моделей, она сохраняет контекстную длину 128 тыс. токенов, унаследованную от Qwen 2.5, что позволяет ей целиком обрабатывать книги, репозитории кода и финансовые отчёты. Процесс обучения включает дистилляцию DeepSeek R1, многократную (мульти-эпоховую) донастройку с учителем и финальный этап выравнивания DPO/RLHF, что обеспечивает высокие результаты на наборах BIG-Bench-Hard, GSM-8K и длинноконтекстных тестах «needle-in-haystack». В корпоративных конвейерах Conductor Virtuoso-Large используется в качестве резервного (fallback) «мозга», когда другие специализированные языковые модели (SLM) сигнализируют о низкой уверенности. Несмотря на внушительный размер, благодаря агрессивным оптимизациям KV-кэша задержка генерации первого токена остаётся на уровне нескольких секунд при запуске на 8× H100, что делает модель мощным решением промышленного класса.

Llama 4 Maverick 17B Instruct (128E) — высокопроизводительная мультимодальная языковая модель от Meta, построенная на архитектуре mixture-of-experts (MoE) с 128 экспертами и 17 млрд активных параметров на один проход (всего 400 млрд параметров). Она поддерживает многоязычный ввод текста и изображений и генерирует текст и код на 12 языках. Оптимизированная для задач, объединяющих анализ изображений и текста, Maverick дообучена по инструкциям для поведения в роли ассистента, рассуждения над изображениями и универсального мультимодального взаимодействия. Модель обеспечивает нативную мультимодальность благодаря механизму early fusion и окну контекста размером 1 млн токенов. Обучение проводилось на тщательно отобранном наборе открытых, лицензированных и данных с платформ Meta объёмом около 22 трлн токенов, с отсечкой знаний на август 2024 года. Выпущенная 5 апреля 2025 года под лицензией Llama 4 Community License, Maverick подходит для исследовательских и коммерческих приложений, требующих продвинутого мультимодального понимания и высокой пропускной способности.

Qwen3-8B — плотная каузальная языковая модель с 8,2 млрд параметров из серии Qwen3, разработанная как для задач, требующих глубокого рассуждения, так и для эффективного ведения диалога. Она обеспечивает плавное переключение между «режимом размышления» для работы с математикой, программированием и логическими выводами и «режимом без размышления» для обычного общения. Модель дообучена для следования инструкциям, интеграции с агентами, креативного письма и многоязычного использования (свыше 100 языков и диалектов). Нативно поддерживает окно контекста в 32 000 токенов и может расширяться до 131 000 токенов с помощью масштабирования YaRN.

Эксперимент по воссозданию оригинальной модели MythoMax-L2-B13 с обновлёнными моделями. #merge

Qwen3-14B — плотная авторегрессионная языковая модель с 14,8 млрд параметров из серии Qwen3, созданная для сложных рассуждений и эффективного диалога. Модель позволяет бесшовно переключаться между «режимом размышления» для задач вроде математики, программирования и логического вывода и «обычным режимом» для повседневного общения. Она дообучена для выполнения инструкций, работы с инструментами агентов, креативного письма и выполнения мультилингвальных задач более чем на 100 языках и диалектах. Нативно обрабатывает контексты до 32 тыс. токенов и может расширяться до 131 тыс. токенов благодаря масштабированию на основе YaRN.

Hermes 4 — масштабная модель рассуждений на основе Meta-Llama-3.1-405B, выпущенная компанией Nous Research. Она вводит гибридный режим рассуждений: модель может либо «думать» внутренне, оставляя метки <think>…</think>, либо сразу выдавать ответ, что позволяет балансировать между глубиной анализа и скоростью отклика. Пользователи могут включать или отключать этот режим с помощью булева параметра reasoning_enabled. Модель прошла инструкционное дообучение на расширенном пост-тренировочном корпусе (около 60 млрд токенов) с акцентом на следы рассуждений. Это улучшает её работу в математике, программировании, STEM (наука, технологии, инженерия и математика) и логических рассуждениях, сохраняя при этом универсальность помощника. Поддерживаются структурированные выходные данные: режим JSON, соответствие заданной схеме, вызов функций и использование внешних инструментов. Hermes 4 оптимизирована для управляемости, характеризуется низким процентом отказов и ориентирована на нейтральное, пользовательско-ориентированное поведение.

Модель Morph, обеспечивающая высокую точность при применении сложных правок кода. Производительность: примерно 4500 токенов в секунду при 98% точности для точных преобразований кода. Для работы модели запрос должен быть оформлен в следующем формате: <instruction>{instruction}</instruction> <code>{initial_code}</code> <update>{edit_snippet}</update> В Morph включена функция Zero Data Retention (нулевое хранение данных). Узнайте больше об этой модели в их [документации](https://docs.morphllm.com/quickstart).

command-r-plus-08-2024 — это обновление [Command R+](/models/cohere/command-r-plus), обеспечивающее примерно на 50% более высокую пропускную способность и на 25% меньшую задержку по сравнению с предыдущей версией, при тех же аппаратных ресурсах. Ознакомьтесь с анонсом выпуска [здесь](https://docs.cohere.com/changelog/command-gets-refreshed). Использование этой модели регулируется [Политикой использования](https://docs.cohere.com/docs/usage-policy) Cohere и [Договором SaaS](https://cohere.com/saas-agreement).

Qwen3-Max — обновлённый релиз в серии Qwen3 с существенными улучшениями в рассуждениях, следовании инструкциям, поддержке многоязычности и охвате редких знаний по сравнению с версией от января 2025 года.

Модель Qwen2.5-VL умеет распознавать такие распространённые объекты, как цветы, птицы, рыбы и насекомые. Она также отлично справляется с анализом текстов, диаграмм, иконок, графики и макетов изображений.

Inflection 3 Pi лежит в основе чат-бота Pi от Inflection: он обладает проработанной предысторией, развитым эмоциональным интеллектом, инструментами для повышения продуктивности и встроенными механизмами безопасности. Модель имеет доступ к свежим новостям и особенно эффективна в сценариях службы поддержки клиентов и ролевых игр. Pi обучена имитировать ваш тон и стиль: если вы используете больше эмодзи, Pi будет отвечать ими активнее! Экспериментируйте с разными запросами и стилями общения.

GPT-5-Nano — самая компактная и быстрая версия системы GPT-5, оптимизированная для инструментов разработчиков, мгновенных взаимодействий и работы в средах с ультранизкой задержкой. Хотя она уступает более крупным моделям в глубине рассуждений, GPT-5-Nano сохраняет ключевые возможности исполнения инструкций и обеспечения безопасности. Преемник GPT-4.1-nano, она предлагает лёгкое и экономичное решение для приложений с ограниченным бюджетом или требующих работы в реальном времени.

DeepSeek R1 уже здесь: по производительности соответствует [OpenAI o1](/openai/o1), но с открытым исходным кодом и открытыми токенами промежуточных рассуждений. Модель насчитывает 671 млрд параметров, из которых при выводе активно 37 млрд. Полностью с открытым исходным кодом — см. [технический отчёт](https://api-docs.deepseek.com/news/news250120). Лицензия MIT: свободно дистиллировать и коммерчески использовать!

Llama 3.2 3B — это многоязычная большая языковая модель с 3 млрд параметров, оптимизированная для продвинутых задач обработки естественного языка: генерации диалогов, рассуждения и суммирования. Созданная на базе новейшей архитектуры трансформеров, она поддерживает восемь языков, включая английский, испанский и хинди, и может быть адаптирована под другие языки. Обученная на 9 трлн токенов, модель Llama 3.2 3B демонстрирует выдающиеся результаты во выполнении инструкций, сложном рассуждении и использовании внешних инструментов. Сбалансированная производительность делает её идеальным решением для приложений, где требуются точность и эффективность генерации текста в многоязычной среде. Оригинальная карточка модели: https://github.com/meta-llama/llama-models/blob/main/models/llama3_2/MODEL_CARD.md Использование модели регулируется Политикой приемлемого использования Meta: https://www.llama.com/llama3/use-policy/

Последняя модель GPT-4 Turbo с возможностями компьютерного зрения. Запросы с изображениями теперь могут использовать JSON-режим и вызов функций. Данные для обучения: до декабря 2023 года.

Qwen3-VL-235B-A22B Instruct — это мультимодальная модель с открытыми весами, объединяющая мощную генерацию текста и понимание визуального контента на изображениях и в видео. Она рассчитана на универсальные задачи vision-language: визуальные вопросы-ответы (VQA), парсинг документов, извлечение данных из диаграмм и таблиц, многоязычный OCR. Серия Qwen3-VL делает упор на надёжное восприятие (распознавание самых разных реальных и искусственных объектов), пространственное понимание (якорение в 2D и 3D) и глубокий анализ визуального контента, демонстрируя конкурентоспособные результаты на публичных мультимодальных бенчмарках как по восприятию, так и по рассуждению. Помимо аналитики, Qwen3-VL поддерживает агентное взаимодействие и работу с внешними инструментами: она способна выполнять сложные инструкции в многоходовых диалогах с несколькими изображениями; синхронизировать текст с таймлайном видео для точных временных запросов; управлять элементами графического интерфейса для автоматизации задач. Модель также облегчает визуальные сценарии кодирования — превращает эскизы и макеты в программный код и помогает отлаживать пользовательские интерфейсы — сохраняя при этом высокую эффективность в чисто текстовых задачах на уровне флагманских языковых моделей Qwen3. Всё это делает Qwen3-VL отличным решением для промышленного применения: Document AI, многоязычного OCR, поддержки разработки ПО и UI, пространственных и встраиваемых задач, а также для исследований агентов vision-language.

Mistral Medium 3.1 — обновлённая версия Mistral Medium 3, высокопроизводительной корпоративной языковой модели, разработанной для предоставления передовых возможностей при значительно сниженных эксплуатационных расходах. Модель сочетает в себе передовое рассуждение и мультимодальную производительность при затратах в восемь раз ниже по сравнению с традиционными крупными моделями, что делает её идеальным решением для масштабируемых внедрений в профессиональных и промышленных сценариях. Mistral Medium 3.1 демонстрирует выдающиеся результаты в областях программирования, STEM-анализа и корпоративной адаптации. Она поддерживает гибридные, локальные (on-premise) и развёртывания в виртуальном частном облаке (VPC) и оптимизирована для интеграции в кастомные рабочие процессы. При этом модель обеспечивает конкурентную точность по сравнению с более крупными решениями, такими как Claude Sonnet 3.5/3.7, Llama 4 Maverick и Command R+, сохраняя широкую совместимость с различными облачными средами.

Qwen3-Next-80B-A3B-Thinking — это чат-модель из линейки Qwen3-Next, ориентированная на рассуждения и по умолчанию выдающая структурированные «следы мышления». Она создана для сложных многошаговых задач: математических доказательств, синтеза и отладки кода, логических рассуждений и агентного планирования, и демонстрирует высокие результаты в областях знаний, логики, программирования, выравнивания и мультилингвальных тестов. По сравнению с предыдущими версиями Qwen3 модель обеспечивает стабильность при длинных цепочках рассуждений и эффективное масштабирование на этапе вывода, а также настроена на выполнение сложных инструкций с минимизацией повторений и ухода от темы. Модель подходит для фреймворков агентов и работы с инструментами (вызов функций), сценариев с интенсивным поиском информации и стандартизированных бенчмарков, где требуются пошаговые решения. Она поддерживает длинные, детализированные ответы и использует приёмы, ориентированные на пропускную способность (например, предсказание нескольких токенов сразу) для ускоренной генерации. Обратите внимание: модель работает в режиме только рассуждений.

Эксклюзивно доступный через OpenRouter API, новый режим Pro Search в Sonar Pro — самая продвинутая агентная поисковая система Perplexity. Он создан для глубинных рассуждений и анализа. Стоимость использования рассчитывается на основе токенов плюс 18 $ за каждую тысячу запросов. Именно эта модель обеспечивает работу режима Pro Search на платформе Perplexity. Sonar Pro Search добавляет в Sonar Pro автономное многоэтапное рассуждение. Вместо простого «запрос + синтез» система планирует и выполняет целые исследовательские рабочие процессы с использованием инструментов.

Qwen3-235B-A22B-Thinking-2507 — это высокопроизводительная открытая модель со «смесью экспертов» (Mixture-of-Experts, MoE), оптимизированная для сложных задач рассуждения. При каждом прогоне она активирует 22 млрд из 235 млрд параметров и изначально поддерживает до 262 144 токенов контекста. Этот «только для размышлений» вариант усиливает структурированный логический вывод, решение математических и научных задач, а также генерацию развернутых текстов, демонстрируя впечатляющие результаты на бенчмарках AIME, SuperGPQA, LiveCodeBench и MMLU-Redux. Модель задаёт специальный режим рассуждений (</think>) и рассчитана на генерацию длинных ответов — до 81 920 токенов — в самых сложных областях. Модель дообучена по инструкциям и превосходно справляется с пошаговым рассуждением, использованием инструментов, агентными рабочими процессами и многоязычными задачами. Этот релиз — самый мощный открытый вариант серии Qwen3-235B, превосходящий многие закрытые модели в сценариях, требующих структурированного вывода.

gpt-oss-20b — это модель с открытыми весами и 21 млрд параметров, выпущенная компанией OpenAI под лицензией Apache 2.0. Она основана на архитектуре Mixture-of-Experts (MoE, «смесь экспертов») и активирует 3,6 млрд параметров при каждом прямом проходе, что обеспечивает низкую задержку инференса и позволяет разворачивать её на потребительском оборудовании или одной видеокарте. Модель обучена в формате ответов Harmony от OpenAI и поддерживает настройку уровня рассуждений, дообучение, а также агентные возможности: вызов функций, использование инструментов и генерацию структурированных выводов.

o4-mini-deep-research — более быстрая и доступная модель от OpenAI для проведения углублённых исследований, идеально подходящая для решения сложных многоэтапных исследовательских задач. Примечание: эта модель всегда использует инструмент «web_search», что влечёт дополнительные расходы.

OpenAI o3-mini-high — та же модель, что и o3-mini, но с параметром reasoning_effort, установленным на высокий уровень. o3-mini — это экономичная языковая модель, оптимизированная для решения задач в области STEM, особенно сильная в естественных науках, математике и программировании. Модель поддерживает три настраиваемых уровня reasoning_effort и ключевые возможности для разработчиков: вызов функций, структурированный вывод и потоковый вывод, однако не включает обработку визуальных данных. Модель демонстрирует заметные улучшения по сравнению с предшественницей: в 56 % случаев эксперты предпочитают её ответы, а число серьёзных ошибок при решении сложных вопросов сократилось на 39 %. При средних настройках reasoning_effort o3-mini сопоставима по результатам с более крупной моделью o1 в сложных тестах на проверку рассуждений, таких как AIME и GPQA, при этом показывая меньшую задержку и более низкие затраты.

GPT-3.5 Turbo — самая быстрая модель OpenAI. Она понимает и генерирует текст на естественном языке и код, оптимизирована для чата и классических задач автодополнения. Обучающие данные актуальны по состоянию на сентябрь 2021 года.

GPT-5 Chat предназначен для ведения продвинутых, естественных, мультимодальных диалогов с учётом контекста в корпоративных приложениях.

Sonar — лёгковесное, недорогое, быстрое и простое в использовании решение, теперь с поддержкой цитирования и возможностью настройки источников. Предназначено для компаний, которые хотят интегрировать лёгковесные функции «вопрос-ответ», оптимизированные по скорости.

GPT-4o («o» от «omni») — новейшая модель ИИ от OpenAI, поддерживающая как текстовый, так и графический ввод с текстовым выводом. Она сохранила уровень интеллекта GPT-4 Turbo, при этом работает вдвое быстрее и на 50 % дешевле. Кроме того, GPT-4o демонстрирует улучшенную обработку неанглоязычных текстов и расширенные визуальные возможности. Для сравнения с другими моделями её кратковременно называли «im-also-a-good-gpt2-chatbot» #мультимодальная

GPT-5-Codex — специализированная версия GPT-5, оптимизированная под процессы разработки ПО и написания кода. Она подходит как для интерактивных сессий разработки, так и для длительного автономного выполнения сложных инженерных задач. Модель поддерживает создание проектов с нуля, разработку новых функций, отладку, масштабный рефакторинг и ревью кода. По сравнению с GPT-5 Codex более управляемый, точнее следует инструкциям разработчика и генерирует более чистый, высококачественный код. Интенсивность рассуждений (reasoning effort) регулируется параметром `reasoning.effort`. Подробнее в документации: https://openrouter.ai/docs/use-cases/reasoning-tokens#reasoning-effort-level Codex интегрируется в среду разработчика: командную строку (CLI), расширения для IDE, GitHub и задачи в облаке. Он динамически настраивает интенсивность рассуждений — обеспечивает быстрые ответы на небольшие запросы и при этом способен работать в течение нескольких часов над крупными проектами. Модель обучена проводить структурированные ревью кода, выявляя критические ошибки через анализ зависимостей и проверяя корректность работы на основе тестов. Она также поддерживает мультимодальный ввод, включая изображения и скриншоты интерфейсов, и умеет взаимодействовать с инструментами для поиска, установки зависимостей и настройки окружения. Codex ориентирован на применение в агентных сценариях программирования.

MiniMax-01 объединяет MiniMax-Text-01 для генерации текста и MiniMax-VL-01 для понимания изображений. Модель содержит 456 млрд параметров, из которых при каждом инференсе задействуется 45,9 млрд, а объём поддерживаемого контекста достигает 4 млн токенов. Текстовая часть построена на гибридной архитектуре, сочетающей Lightning Attention, Softmax Attention и механизм смеси экспертов (Mixture-of-Experts, MoE). Модель для обработки изображений использует фреймворк «ViT-MLP-LLM» и обучена поверх текстовой модели. Подробнее о релизе можно узнать по ссылке: https://www.minimaxi.com/en/news/minimax-01-series-2

Skyfall 36B v2 — это усовершенствованная версия модели Mistral Small 2501, специально дообученная для повышения креативности, более тонкого стиля письма, ролевых игр и связного повествования.

DeepSeek V3 — это модель со 685 миллиардами параметров и архитектурой «смесь экспертов», представляющая собой новейшую версию флагманской линейки моделей для чата команды DeepSeek. Она пришла на смену предыдущей версии DeepSeek V3 и демонстрирует отличные результаты в самых разных задачах.

Qwen3-30B-A3B-Instruct-2507 — языковая модель «смесь экспертов» с 30,5 млрд параметров от Qwen, из которых 3,3 млрд активны при выводе. Модель работает в режиме без вывода цепочек рассуждений и предназначена для точного следования инструкциям, мультиязычного понимания и агентного использования инструментов. После дополнительного обучения на данных с инструкциями она демонстрирует конкурентоспособные результаты в бенчмарках по рассуждению (AIME, ZebraLogic), программированию (MultiPL-E, LiveCodeBench) и выравниванию (IFEval, WritingBench). Модель превосходит свою неинструированную версию в субъективных и открытых задачах, сохраняя при этом высокие показатели по фактическим знаниям и программированию.

GPT-4 — флагманская крупномасштабная мультимодальная языковая модель от OpenAI, способная решать сложные задачи с более высокой точностью, чем предыдущие версии, благодаря более обширным общим знаниям и продвинутым возможностям рассуждения. Тренировочные данные: до сентября 2021 г.

Qwen3 Coder Flash — быстрая и экономичная версия проприетарной модели Alibaba Qwen3 Coder Plus. Это мощная модель-агент для программирования, специализирующаяся на автономной разработке кода с использованием вызова инструментов.

Qwen Plus 0728, основанная на базовой модели Qwen3, — гибридная рассуждающая модель с контекстным окном в 1 миллион токенов, сочетающая сбалансированную производительность, скорость и стоимость.

Euryale L3.3 70B — модель для креативных ролевых игр от [Sao10k](https://ko-fi.com/sao10k). Является преемницей [Euryale L3 70B v2.2](/models/sao10k/l3-euryale-70b).

Hermes 4 70B — гибридная модель рассуждения от Nous Research, созданная на базе Meta-Llama-3.1-70B. Она наследует гибридный режим из более крупного релиза на 405 B параметров, позволяя либо отвечать сразу, либо перед ответом генерировать явную цепочку рассуждений в теге <think>…</think>. Пользователи могут включать или отключать режим рассуждений с помощью булева параметра reasoning_enabled (подробнее в документации: https://openrouter.ai/docs/use-cases/reasoning-tokens#enable-reasoning-with-default-config). Вариант на 70 B параметрах дообучен на расширенном посттренировочном корпусе (~60 млрд токенов) с упором на проверенные данные для рассуждений. Это улучшило результаты в математике, программировании, STEM-направлениях, логических задачах и при формировании структурированных выходных данных, сохранив при этом универсальные возможности ассистента. Модель поддерживает JSON-режим, соблюдение схем (schema adherence), вызов функций и использование сторонних инструментов, а также отличается повышенной управляемостью и сниженным уровнем отказов.

Модель Qwen3-VL-30B-A3B-Thinking — это мультимодальная модель, объединяющая мощную генерацию текста с визуальным пониманием изображений и видео. Вариант Thinking усиливает способность к рассуждению в точных науках (STEM), математике и при решении сложных задач. Модель превосходно справляется с распознаванием категорий реальных и синтетических объектов, пространственным позиционированием в 2D и 3D, а также анализом длинных визуальных материалов, демонстрируя конкурентоспособные результаты на мультимодальных бенчмарках. В агентных сценариях она обрабатывает множественные изображения и многошаговые инструкции, выравнивает видео по временной шкале, автоматизирует графический интерфейс (GUI) и выполняет визуальное программирование — от эскизов до отлаженного пользовательского интерфейса. По качеству текстовой генерации модель не уступает флагманским решениям серии Qwen3, что делает её подходящей для задач документного ИИ, оптического распознавания текста (OCR), помощи в пользовательских интерфейсах, решения пространственных задач и исследований автономных агентов.

Qwen Plus 0728, построенная на базовой модели Qwen3, — гибридная модель для рассуждений с контекстным окном в 1 миллион токенов, обеспечивающая сбалансированное сочетание качества, скорости и эффективности.

gpt-oss-120b — языковая модель Mixture-of-Experts (MoE) от OpenAI с открытыми весами и 117 млрд параметров, разработанная для сложных рассуждений, автономного выполнения задач и универсального промышленного применения. При каждом прямом проходе активируется 5,1 млрд параметров. Модель оптимизирована для работы на одном GPU NVIDIA H100 с нативной квантизацией MXFP4. Она поддерживает настраиваемую глубину рассуждений, полный доступ к цепочке рассуждений и встроенное использование инструментов, включая вызов функций, веб-обход и генерацию структурированного вывода.

UI-TARS-1.5 — мультимодальный визуально-языковой агент, оптимизированный для работы в системах с графическим интерфейсом (GUI), включая настольные системы, веб-браузеры, мобильные платформы и игры. Разработанный компанией ByteDance, он основан на фреймворке UI-TARS и использует рассуждения на основе обучения с подкреплением, что обеспечивает надёжное планирование действий и выполнение команд во виртуальных интерфейсах. Модель демонстрирует передовые результаты на множестве интерактивных бенчмарков и задач визуальной привязки (grounding), включая OSworld, WebVoyager, AndroidWorld и ScreenSpot. Она также безупречно выполняет задания в различных играх на платформе Poki и превосходит предыдущие модели в задачах агентов для Minecraft. UI-TARS-1.5 поддерживает декомпозицию рассуждений при выводе и хорошо масштабируется: версия 1.5 заметно превосходит более ранние контрольные точки объёмом 72B и 7B.

GPT-4o mini — новая модель OpenAI после GPT-4 Omni, поддерживающая текстовые и визуальные входные данные и выдающая текстовые ответы. Это их самый продвинутый компактный вариант, он во много раз доступнее по цене, чем другие последние передовые модели, и более чем на 60 % дешевле, чем GPT-3.5 Turbo. При этом сохраняется передовой уровень интеллекта (SOTA) при значительно более низкой стоимости. GPT-4o mini набирает 82 % по тесту MMLU и в настоящее время в общедоступных рейтингах предпочтений чат-ботов опережает GPT-4. Подробнее читайте в анонсе запуска. #multimodal

Qwen3-235B-A22B-Instruct-2507 — мультиязычная языковая модель со смесью экспертов на базе архитектуры Qwen3-235B, дообученная на инструкциях. Она задействует 22 млрд активных параметров при одном прогоне и оптимизирована для генерации текстов общего назначения: следования инструкциям, логических выводов, решения математических задач, программирования и работы с инструментами. Модель поддерживает нативную длину контекста до 262 тыс. токенов и не реализует «режим размышлений» (<think> блоки). По сравнению с базовой версией модель демонстрирует существенный прирост в покрытии знаний, рассуждениях в длинном контексте, результатах бенчмарков по программированию и эффективности в решении открытых задач. Особенно сильна она в мультиязычном понимании, математических рассуждениях (например, AIME, HMMT) и в alignment-оценках, таких как Arena-Hard и WritingBench.

Hunyuan-A13B — языковая модель Mixture-of-Experts (MoE) с 13 млрд активных параметров, разработанная компанией Tencent. Общее число параметров составляет 80 млрд, модель поддерживает цепочку рассуждений (Chain-of-Thought). Hunyuan-A13B демонстрирует конкурентоспособные результаты на бенчмарках по математике, естественным наукам, программированию и задачам многошагового вывода, при этом обеспечивая высокую эффективность инференса благодаря технологии сгруппированного внимания запросов (Grouped Query Attention, GQA) и поддержке квантизации (FP8, GPTQ и др.).

GPT-5 — наиболее продвинутая модель OpenAI, обеспечивающая существенные улучшения в области рассуждений, качества кода и пользовательского опыта. Она оптимизирована для выполнения сложных задач, требующих последовательного логического анализа, точного следования инструкциям и высокой достоверности в критически важных сценариях. Модель поддерживает функции динамической маршрутизации во время выполнения и расширенное понимание подсказок, включая учёт пользовательских намерений, таких как «тщательно обдумай это». Среди прочих улучшений — снижение числа галлюцинаций и проявлений подхалимства, а также повышенная эффективность в задачах программирования, написания текстов и здравоохранения.

Gemma 3 вводит мультимодальность: поддерживает визуально-текстовый ввод и выдаёт текстовые ответы. Она обрабатывает контексты длиной до 128 000 токенов, понимает более 140 языков и предлагает улучшенные возможности в математике, логических рассуждениях и общении, включая структурированный вывод и вызов функций. Gemma 3 27B — новая открытая модель от Google, преемник Gemma 2 (google/gemma-2-27b-it).

OpenAI o3-mini — экономичная языковая модель, оптимизированная для решения задач в области STEM (науки, технологий, инженерии и математики), особенно хорошо справляющаяся с научными, математическими и программными вопросами. Модель поддерживает параметр `reasoning_effort`, который можно установить в `high`, `medium` или `low` для управления временем «размышления». По умолчанию используется значение `medium`. В OpenRouter также доступен идентификатор модели `openai/o3-mini-high`, автоматически выставляющий `reasoning_effort` в `high`. Модель предлагает три уровня «усилий при рассуждении» и поддерживает ключевые возможности для разработчиков: вызов функций, структурированный вывод и потоковую передачу данных. При этом функциональность компьютерного зрения в ней отсутствует. По сравнению с предшественницей o3-mini демонстрирует значительные улучшения: эксперты предпочитали её ответы в 56% случаев, а число серьёзных ошибок в сложных задачах сократилось на 39%. При средних настройках `reasoning_effort` o3-mini достигает уровня производительности более крупной модели o1 в сложных тестах (таких как AIME и GPQA), сохраняя при этом более низкую задержку и стоимость.

Relace Apply 3 — специализированная LLM для патчинга кода, которая внедряет предлагаемые ИИ правки напрямую в ваши исходные файлы. Она может применять обновления от GPT-4o, Claude и других моделей со скоростью в среднем 10 000 токенов в секунду. Модель ожидает запрос в следующем формате: <instruction>{instruction}</instruction> <code>{initial_code}</code> <update>{edit_snippet}</update> Для Relace включена политика нулевого хранения данных. Подробнее об этой модели — в их документации: https://docs.relace.ai/api-reference/instant-apply/apply

Gemma 3 вводит мультимодальность: поддерживает ввод изображений и текста и выдаёт текстовые ответы. Обрабатывает контекстные окна до 128 000 токенов, понимает более 140 языков и обладает улучшенными возможностями в математике, рассуждении и диалоге, включая структурированный вывод и вызов функций. Gemma 3 12B — вторая по величине модель в семействе Gemma 3 после Gemma 3 27B.

Gemini 2.5 Pro — передовая модель искусственного интеллекта Google, созданная для продвинутых задач в области рассуждений, программирования, математики и научных исследований. Она оснащена возможностями «мышления», позволяющими строить ответы с повышенной точностью и учитывать тонкие контекстные нюансы. Gemini 2.5 Pro демонстрирует первоклассные результаты на множестве бенчмарков, включая первое место в рейтинге LMArena, что отражает её превосходное соответствие человеческим предпочтениям и способность эффективно решать сложные задачи.

Hermes 3 — универсальная языковая модель с множеством улучшений по сравнению с Hermes 2: продвинутые агентные возможности, значительно более качественное ролевое взаимодействие, усиленные способности к рассуждению, поддержка многоходовых диалогов, сохранение когерентности в длинных контекстах и оптимизация во всех остальных аспектах. Hermes 3 405B — передовая модель, полученная путём тонкой настройки всех параметров базовой Llama 3.1 405B, ориентированная на адаптацию больших языковых моделей под нужды пользователя. Она оснащена мощными инструментами управления и предоставляет конечному пользователю широкий контроль. Серия Hermes 3 развивает и расширяет возможности Hermes 2: включает более мощный и надёжный вызов функций и формирование структурированного вывода, универсальные ассистентские функции и улучшенные навыки генерации кода. Hermes 3 соперничает, а во многих случаях и превосходит модели Llama 3.1 Instruct по общим возможностям, при этом у каждой из систем есть свои сильные и слабые стороны.

Llama 4 Scout 17B Instruct (16E) — языковая модель с архитектурой mixture-of-experts (MoE), разработанная компанией Meta. За один прямой проход активируется 17 миллиардов параметров из общего числа 109 миллиардов. Модель изначально поддерживает мультимодальный ввод (текст и изображение) и многоязычный вывод (текст и код) на 12 языках. Scout спроектирована для ассистентского взаимодействия и визуального рассуждения: она использует 16 экспертов за один прямой проход и обеспечивает контекст длиной до 10 миллионов токенов. Корпус для её обучения насчитывает примерно 40 триллионов токенов. Созданная для высокой производительности и локального или коммерческого развёртывания, Llama 4 Scout применяет механизм ранней интеграции модальностей (early fusion) для бесшовного объединения текста и изображения. Модель донастроена с помощью instruction tuning для многоязычного чата, генерации подписей к изображениям и понимания визуального контента. Выпускается под лицензией Llama 4 Community License; последнее обучение проводилось на данных до августа 2024 года, а публичный релиз состоялся 5 апреля 2025 года.

GPT-4o Search Preview — специализированная модель для веб-поиска в Chat Completions. Она обучена понимать и исполнять запросы веб-поиска.

Qwen3-Coder-30B-A3B-Instruct — MoE-модель с 30,5 млрд параметров и 128 экспертами (8 активных при каждом прямом проходе), разработанная для расширенной генерации кода, понимания на уровне всего репозитория и использования инструментов в агентном режиме. Построена на архитектуре Qwen3, поддерживает нативную длину контекста 256 тыс. токенов (с возможностью расширения до 1 млн с помощью Yarn) и показывает высокие результаты в задачах, связанных с вызовами функций, работой через браузер и структурированным автодополнением кода. Модель оптимизирована для выполнения инструкций без «thinking mode» и легко интегрируется с OpenAI-совместимыми форматами использования инструментов.

Granite-4.0-H-Micro — модель с 3 млрд параметров из семейства Granite 4. Эти модели — новейшие в серии, выпущенной компанией IBM. Они дообучены для вызова инструментов с учётом длинного контекста.

Qwen3-Next-80B-A3B-Instruct — это модель чат-бота, дообученная на основе инструкций в серии Qwen3-Next, оптимизированная для быстрых и стабильных ответов без видимых следов «мыслительного процесса». Она предназначена для решения сложных задач: логического вывода, генерации кода, ответов на вопросы с опорой на знания и многоязычного взаимодействия, при этом остаётся надёжной в части согласованности и форматирования. В отличие от предыдущих версий Qwen3 Instruct, эта модель ориентирована на более высокую пропускную способность и устойчивость при работе с сверхдлинными входными данными и многоступенчатыми диалогами, что делает её особенно подходящей для RAG, использования внешних инструментов и агентных рабочих процессов, где важен единообразный итоговый ответ без демонстрации цепочек рассуждений. Модель использует эффективные с точки зрения масштабирования методы обучения и декодирования, что улучшает эффективность использования параметров и скорость инференса. Она прошла валидацию на широком наборе публичных бенчмарков, где в ряде категорий достигает или приближается к результатам более крупных систем Qwen3 и при этом превосходит предыдущие среднеразмерные базовые модели. Оптимально её применять в качестве универсального ассистента, помощника при написании кода и решения задач с длинным контекстом в продуктивной среде, где требуются детерминированные ответы, строго следующие инструкциям.

Обновление от 28 мая для оригинальной DeepSeek R1. Производительность сопоставима с OpenAI o1, при этом модель имеет открытый исходный код и полностью открытые токены рассуждений. Размер модели — 671 млрд параметров, из которых в ходе инференса задействовано 37 млрд. Модель полностью с открытым исходным кодом.

gpt-oss-safeguard-20b — это модель анализа безопасности от OpenAI, созданная на базе gpt-oss-20b. Эта модель с открытыми весами и 21 млрд параметров, построенная по архитектуре Mixture-of-Experts (MoE), обеспечивает более низкую задержку при решении задач безопасности, таких как классификация контента, фильтрация LLM и маркировка trust & safety. Узнайте больше о модели в руководстве пользователя OpenAI по gpt-oss-safeguard.

Mistral Medium 3 — высокопроизводительная языковая модель корпоративного уровня, разработанная для предоставления передовых возможностей при существенно сниженных эксплуатационных затратах. Она сочетает современные достижения в области рассуждений и мультимодального функционала, обеспечивая стоимость использования в 8 раз ниже по сравнению с традиционными крупными моделями, что делает её оптимальным решением для масштабируемых внедрений в профессиональных и промышленных сценариях. Модель демонстрирует выдающиеся результаты в таких областях, как программирование, научно-техническое мышление (STEM) и адаптация под корпоративные нужды. Поддерживает гибридное развертывание, локальные инсталляции (on-prem) и размещение внутри виртуальных частных облаков (in-VPC), оптимизирована для интеграции в пользовательские рабочие процессы. Mistral Medium 3 обеспечивает конкурентную точность по сравнению с более крупными моделями, такими как Claude Sonnet 3.5/3.7, Llama 4 Maverick и Command R+, при этом сохраняя широкую совместимость с различными облачными платформами.

Qwen2.5 7B — последняя версия крупной языковой модели серии Qwen. По сравнению с Qwen2 модель Qwen2.5 получила следующие ключевые улучшения: • Значительно расширенная база знаний и заметно улучшенные возможности в программировании и математике благодаря специализированным экспертным моделям в этих областях. • Существенно улучшено следование инструкциям, генерация длинных текстов (более 8 000 токенов), понимание структурированных данных (например, таблиц) и формирование структурированных выходных данных, особенно в формате JSON. Модель стала более устойчива к разнообразию системных подсказок, что повышает эффективность ролевых сценариев и задания условий для чат-ботов. • Поддержка длительного контекста до 128 000 токенов и генерация до 8 000 токенов за один прогон. • Многоязычная поддержка более 29 языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский, арабский и другие. Использование этой модели регулируется Лицензионным соглашением Tongyi Qianwen.

Qwen3-Coder-480B-A35B-Instruct — это модель генерации кода на основе метода «смесь экспертов» (Mixture-of-Experts, MoE), разработанная командой Qwen. Она оптимизирована для агентных задач программирования, таких как вызов функций, использование сторонних инструментов и анализ длинного контекста в репозиториях. Модель содержит 480 млрд параметров, из которых при каждом прямом проходе активируются 35 млрд (8 из 160 экспертов). Стоимость использования конечных точек Alibaba зависит от длины контекста: если запрос превышает 128 000 входных токенов, применяется повышенный тариф.

Mistral Small 3 — это языковая модель с 24 млрд параметров, оптимизированная для выполнения типовых задач ИИ с минимальной задержкой. Выпущена под лицензией Apache 2.0, доступна в двух вариантах: предварительно обученном и донастроенном под инструкции, оба предназначены для эффективного локального развертывания. Модель достигает 81 % точности на бенчмарке MMLU и по качеству соперничает с более крупными решениями, такими как Llama 3.3 70B и Qwen 32B, при этом на аналогичном «железе» работает втрое быстрее. Подробнее о модели в блоге: https://mistral.ai/news/mistral-small-3/

Примечание: стоимость Sonar Pro включает цену за поиск Perplexity. Подробнее см. здесь (https://docs.perplexity.ai/guides/pricing#detailed-pricing-breakdown-for-sonar-reasoning-pro-and-sonar-pro) Для корпоративных клиентов, которым нужны более продвинутые возможности, API Sonar Pro способен обрабатывать глубокие многошаговые запросы с расширяемой архитектурой: в среднем он выдает вдвое больше ссылок на источники за поиск по сравнению с Sonar. Кроме того, благодаря увеличенному контекстному окну он справляется с более длинными и нюансированными запросами и последующими уточнениями.

DeepSeek-V3.2-Exp — экспериментальная большая языковая модель от DeepSeek, выступающая промежуточным этапом между версиями V3.1 и будущими архитектурами. В ней реализован механизм тонкозернистого разреженного внимания DeepSeek Sparse Attention (DSA), разработанный для повышения эффективности обучения и вывода при работе с длинными контекстами без потери качества результатов. Пользователи могут управлять режимом рассуждений через булев параметр `reasoning.enabled`. [Узнайте больше в нашей документации](https://openrouter.ai/docs/use-cases/reasoning-tokens#enable-reasoning-with-default-config) Модель обучалась в условиях, унифицированных с V3.1–Terminus, чтобы обеспечить возможность прямого сравнения. По результатам бенчмарков её производительность примерно сопоставима с V3.1 в задачах рассуждения, программирования и использования инструментов агентами, с незначительными компромиссами и выигрышами в зависимости от области применения. Данный релиз прежде всего призван проверить архитектурные оптимизации для работы с расширенными контекстами, а не добиться максимально возможной точности по задачам, что делает модель главным образом исследовательской платформой для изучения эффективных архитектур трансформеров.

Qwen3-VL-32B-Instruct — крупная мультимодальная модель для работы с изображениями и текстом, предназначенная для точного понимания и рассуждений на основе текста, изображений и видео. Модель на 32 миллиарда параметров сочетает глубокое визуальное восприятие с продвинутой обработкой текста.

Мультимодальная модель Qwen3-VL-235B-A22B Thinking объединяет мощную генерацию текста с глубоким пониманием визуального контента на изображениях и в видео. Модель оптимизирована для мультимодального рассуждения в областях STEM (наука, технологии, инженерия и математика) и математики. Серия делает упор на надёжное восприятие (распознавание разнообразных реальных и синтетических объектов), пространственное понимание (2D/3D-привязка) и комплексный анализ больших объёмов визуальной информации, демонстрируя конкурентоспособные результаты на открытых мультимодальных бенчмарках как по задачам восприятия, так и по задачам рассуждения. Кроме анализа, Qwen3-VL поддерживает агентное взаимодействие и работу с инструментами: она может выполнять сложные инструкции в многоходовых диалогах с несколькими изображениями; синхронизировать текст с временными метками видео для точных временных запросов; и управлять элементами графического интерфейса для автоматизации рутинных задач. Модели также позволяют организовать визуальные рабочие процессы кодирования — превращать эскизы и макеты в код и помогать при отладке пользовательских интерфейсов, при этом сохраняя высокие текстовые возможности на уровне флагманских языковых моделей Qwen3. Это делает Qwen3-VL подходящей для промышленного применения в задачах интеллектуальной обработки документов (Document AI), многоязычного OCR, поддержки разработки ПО и пользовательских интерфейсов, пространственно-воплощённых сценариев, а также исследований агентов на стыке зрения и языка.

Hermes 3 — универсальная языковая модель с множеством улучшений по сравнению с Hermes 2, включая продвинутые агентные возможности, значительно более качественную ролевую игру, улучшенное рассуждение, ведение многоходовых диалогов, сохранение когерентности в длинных контекстах и общее повышение производительности. Hermes 3 70B — конкурентоспособное, а по многим параметрам даже превосходящее дообучение на базовой модели Llama-3.1 70B, ориентированное на выравнивание поведения больших языковых моделей в соответствии с запросами пользователя, с расширенными возможностями управления и передачей контроля конечному пользователю. Серия Hermes 3 развивает и дополняет набор функций Hermes 2, включая более мощный и надёжный вызов функций и генерацию структурированного вывода, универсальные ассистентские возможности и улучшенные навыки генерации кода.

Lunaris 8B — универсальная модель общего назначения и для ролевого взаимодействия на базе Llama 3. Это стратегическое объединение нескольких моделей, разработанное для обеспечения баланса между креативностью и улучшенными логическими способностями и общими знаниями. Создано [Sao10k](https://huggingface.co/Sao10k), модель предлагает более продвинутый опыт по сравнению с Stheno v3.2, с расширенной креативностью и логическим мышлением. Для оптимальных результатов используйте шаблон контекста Llama 3 Instruct, задайте параметры temperature 1.4 и min_p 0.1.

NVIDIA Nemotron Nano 2 VL — открытая мультимодальная рассуждающая модель на 12 миллиардов параметров для понимания видео и интеллектуальной работы с документами. Использует гибридную архитектуру Transformer-Mamba: точность трансформеров при высокой скорости обработки длинных последовательностей.

NVIDIA Nemotron Nano 9B v2 — языковая модель, обученная NVIDIA с нуля как единая модель для задач с рассуждением и без него. Отвечает на запросы, при необходимости сначала формируя цепочку рассуждений, которую можно отключать.

gpt-oss-20b — открытая модель OpenAI на 21 миллиард параметров под лицензией Apache 2.0. Использует архитектуру MoE с 3,6 миллиарда активных параметров на проход, оптимизирована для локального развёртывания и задач с ограниченными ресурсами.

GLM-4.5 — наша новейшая флагманская фундаментальная модель, разработанная специально для приложений с агентами. Она использует архитектуру Mixture-of-Experts (MoE, «смесь экспертов») и поддерживает контекст длиной до 128 000 токенов. GLM-4.5 предоставляет значительно расширенные возможности в области рассуждений, генерации кода и согласования работы агентов. Модель работает в гибридном режиме вывода с двумя вариантами: режим «thinking» для сложных рассуждений и использования инструментов и режим «non-thinking» для мгновенных ответов. Пользователи могут управлять алгоритмом рассуждений с помощью булева параметра reasoning_enabled. Подробнее в нашей документации: https://openrouter.ai/docs/use-cases/reasoning-tokens#enable-reasoning-with-default-config

Это серия моделей, созданных для воссоздания качества прозы Claude 3, в частности версий Sonnet и Opus. Модель дообучена на базе Qwen2.5 72B.

Qwen2.5-Coder — это новейшая серия специализированных на коде больших языковых моделей семейства Qwen (ранее известная как CodeQwen). По сравнению с CodeQwen1.5 Qwen2.5-Coder предлагает: - Существенные улучшения в генерации кода, его анализе и исправлении. - Расширенную основу для практических применений, таких как Code Agents: модель не только усиливает возможности программирования, но и сохраняет сильные стороны в математике и общих компетенциях. Чтобы узнать больше об оценочных результатах, посетите блог Qwen 2.5 Coder: https://qwenlm.github.io/blog/qwen2.5-coder-family/

GLM-4.5V — мультимодальная базовая модель «зрение + язык» для агентных приложений. Построена на архитектуре Mixture-of-Experts (MoE) с 106 млрд параметров и 12 млрд активируемых параметров. Демонстрирует передовые результаты в анализе видео, вопросах-ответах по изображениям, оптическом распознавании текста (OCR) и разборе документов, а также обеспечивает существенный прирост качества при кодировании фронтенда веб-приложений, grounding и пространственном рассуждении. Поддерживает гибридный режим инференса: «режим размышления» для глубоких рассуждений и «быстрый режим» для оперативных ответов. Переключение режима рассуждений осуществляется через булев параметр reasoning_enabled. [Узнайте больше в документации](https://openrouter.ai/docs/use-cases/reasoning-tokens#enable-reasoning-with-default-config)

Эта модель является вариантом GPT-3.5 Turbo, оптимизированным для инструкционных запросов и не включающим оптимизаций для чат-режима. Обучающая выборка: до сентября 2021 г.

Передовая языковая модель Mistral для программирования, выпущенная в конце июля 2025 года. Codestral специализируется на задачах с низкой задержкой и высокой частотой выполнения, таких как заполнение недостающих фрагментов кода (fill-in-the-middle, FIM), исправление кода и генерация тестов.

Версия GPT-4o от 6 августа 2024 года предлагает улучшенную работу со структурированными выводами, включая возможность задавать JSON-схему через параметр response_format. Подробнее здесь: https://openai.com/index/introducing-structured-outputs-in-the-api/ GPT-4o («o» от «omni») — новейшая модель OpenAI, поддерживающая ввод текста и изображений с текстовым выводом. Она сохраняет уровень «интеллекта» GPT-4 Turbo, при этом работает вдвое быстрее и на 50 % экономичнее. GPT-4o также демонстрирует улучшенную производительность при обработке нерусскоязычных текстов и расширенные визуальные возможности. Для сравнительного тестирования с другими моделями она кратковременно именовалась «im-also-a-good-gpt2-chatbot» (https://twitter.com/LiamFedus/status/1790064963966370209)

Aion-RP-Llama-3.1-8B занимает первое место в части оценки персонажей бенчмарка RPBench-Auto — специализированного для ролевых игр варианта Arena-Hard-Auto, где большие языковые модели оценивают ответы друг друга. Это донастроенная базовая модель, а не instruct-модель, созданная для генерации более естественных и разнообразных текстов.

ERNIE-4.5-VL-424B-A47B — мультимодальная модель Mixture-of-Experts (MoE) из серии ERNIE 4.5 компании Baidu. Общее число параметров составляет 424 млрд, из которых на каждый токен задействуется 47 млрд. Модель обучалась одновременно на текстовых и визуальных данных с использованием гетерогенной MoE-архитектуры и изолированной маршрутизации по модальностям, что обеспечивает точное кросс-модальное мышление, понимание изображений и генерацию в длинном контексте (до 131 000 токенов). Для тонкой настройки применялись методы SFT, DPO, UPO и RLVR, при этом модель поддерживает режимы вывода «с мышлением» и «без мышления». Предназначена для задач vision-language на английском и китайском языках, оптимизирована для эффективного масштабирования и может работать при квантизации 4-бит или 8-бит.

Предварительная версия модели GPT-4 с улучшенным выполнением инструкций, поддержкой режима JSON, воспроизводимыми ответами, параллельным вызовом функций и другими возможностями. Данные для обучения: до декабря 2023 года. Примечание: в режиме предварительного просмотра OpenAI строго ограничивает количество запросов.

Kimi K2 0905 – сентябрьское обновление модели Kimi K2 0711 от Moonshot AI. Это масштабная языковая модель с архитектурой Mixture-of-Experts (MoE), содержащая 1 триллион параметров, из которых при каждом прямом проходе активируется 32 млрд. Модель поддерживает работу с контекстом длиной до 256 тыс. токенов (против предыдущих 128 тыс.). В этом обновлении улучшено агентно-ориентированное кодирование: повышена точность и обобщаемость на разных шаблонах, а также усовершенствована генерация фронтенд-кода: более эстетичные и функциональные решения для веба, 3D и смежных задач. Kimi K2 оптимизирована для агентных возможностей, включая продвинутое использование инструментов, логическое рассуждение и синтез кода. Модель демонстрирует выдающиеся результаты в бенчмарках по кодированию (LiveCodeBench, SWE-bench), рассуждению (ZebraLogic, GPQA) и использованию инструментов (Tau2, AceBench). Обучение проводилось с помощью инновационного стека с оптимизатором MuonClip для стабильной и масштабируемой тренировки MoE.

o3-deep-research — это продвинутая модель OpenAI для глубоких исследований, созданная для решения сложных, многоэтапных исследовательских задач.

GLM-4.5-Air – облегчённый вариант нашей последней флагманской линейки моделей, специально разработанный для агент-ориентированных приложений. Как и GLM-4.5, он использует архитектуру Mixture-of-Experts (MoE) с более компактным объёмом параметров. GLM-4.5-Air поддерживает гибридные режимы вывода: «режим рассуждения» для расширенного рассуждения и работы с инструментами и «режим без рассуждений» для интерактивного взаимодействия в реальном времени. Управлять рассуждениями можно с помощью булевого флага reasoning_enabled. Подробнее в нашей документации: https://openrouter.ai/docs/use-cases/reasoning-tokens#enable-reasoning-with-default-config

Amazon Nova Micro 1.0 — это текстовая модель, обеспечивающая минимальное время отклика в семействе Amazon Nova при очень низкой стоимости. С длиной контекста до 128 000 токенов и оптимизацией на скорость и экономию, она отлично справляется с задачами суммирования текста, перевода, классификации контента, интерактивных диалогов и генерации идей. Модель также поддерживает простые математические рассуждения и обладает базовыми навыками программирования.

Kimi K2 Instruct — масштабная языковая модель типа Mixture-of-Experts (MoE), разработанная компанией Moonshot AI. В её архитектуру входят 1 триллион параметров, из которых в каждом прямом проходе активно задействованы 32 миллиарда. Модель оптимизирована для агентных сценариев: продвинутого использования инструментов, логического рассуждения и синтеза кода. Kimi K2 демонстрирует выдающиеся результаты на различных бенчмарках, прежде всего в задачах программирования (LiveCodeBench, SWE-bench), логических рассуждений (ZebraLogic, GPQA) и интерактивного использования инструментов (Tau2, AceBench). Она поддерживает вывод с учётом длительного контекста объёмом до 128 000 токенов и создана с использованием новой тренировочной инфраструктуры, включающей оптимизатор MuonClip для стабильного обучения масштабных MoE-моделей.

Gemma 3n E4B-it оптимизирована для эффективного запуска на мобильных устройствах и устройствах с ограниченными ресурсами — смартфонах, ноутбуках и планшетах. Модель поддерживает мультимодальные входы: текст, изображения и аудио, что позволяет решать разнообразные задачи — генерацию текста, распознавание речи, перевод и анализ изображений. Используя такие инновации, как кэширование встраиваний на уровне каждого слоя (Per-Layer Embedding, PLE) и архитектуру MatFormer, Gemma 3n динамически управляет объёмом памяти и вычислительной нагрузкой за счёт выборочной активации параметров модели, что существенно снижает требования к ресурсам во время работы. Модель обучена более чем на 140 языках и обладает гибким контекстным окном размером до 32 000 токенов. Gemma 3n может выборочно загружать параметры в зависимости от задачи и возможностей устройства, оптимизируя использование памяти и вычислительных мощностей. Это делает её отличным решением для приложений, ориентированных на конфиденциальность и офлайн-режим, а также для встроенных ИИ-решений на устройстве. Подробности в блоге: https://developers.googleblog.com/en/introducing-gemma-3n/

Qwen3-30B-A3B-Thinking-2507 — модель типа Mixture-of-Experts с 30 миллиардами параметров, оптимизированная для сложных задач, требующих многоэтапного мышления. Она специально разработана для «режима размышления», при котором внутренние трассировки рассуждений отделены от итоговых ответов. По сравнению с предыдущими версиями Qwen3-30B эта модель демонстрирует улучшенные результаты в логическом мышлении, математике, науке, программировании и мультиязычных бенчмарках. Она также лучше выполняет инструкции, эффективнее использует инструменты и более согласована с человеческими предпочтениями. Благодаря повышенной эффективности рассуждений и расширенным лимитам вывода модель наилучшим образом подходит для продвинутых исследований, соревновательного решения задач и агентных приложений, требующих структурированного рассуждения в длинном контексте.

Gemini 2.5 Flash Image, также известная как «Nano Banana», теперь доступна всем пользователям. Это передовая модель генерации изображений с контекстным пониманием. Она умеет генерировать изображения, редактировать их и вести многоходовые диалоги.

OpenAI o4-mini-high — это та же модель, что и o4-mini, но с параметром reasoning_effort, установленным на «high». OpenAI o4-mini — компактная модель рассуждения из серии o, оптимизированная для быстрой и экономичной работы при сохранении мощных мультимодальных и агентных возможностей. Она поддерживает использование инструментов и демонстрирует конкурентоспособные результаты в задачах рассуждения и программирования на таких бенчмарках, как AIME (99,5 % при использовании Python) и SWE-bench, превосходя своего предшественника o3-mini и в отдельных областях приближаясь к o3. Несмотря на небольшой размер, o4-mini показывает высокую точность в STEM-задачах, решении визуальных проблем (например, MathVista и MMMU) и редактировании кода. Модель особенно хорошо подходит для сценариев с высокой пропускной способностью, где критичны задержки или затраты. Благодаря эффективной архитектуре и доработанному обучению с подкреплением o4-mini умеет последовательно применять инструменты, генерировать структурированные ответы и решать многошаговые задачи с минимальной задержкой — чаще всего менее чем за минуту.

Claude 3 Haiku — самая быстрая и компактная модель Anthropic, обеспечивающая практически мгновенную отзывчивость. Обеспечивает оперативную и точную работу при решении специализированных задач.

Qwen3-235B-A22B — это модель смеси экспертов (MoE) с 235 млрд параметров, разработанная компанией Qwen. При каждом прямом проходе активируется 22 млрд параметров. Модель поддерживает бесшовное переключение между «режимом мышления» для решения сложных задач, требующих рассуждений, вычислений и программирования, и «экономным» режимом для повышения эффективности обычного общения. Она демонстрирует высокие способности к рассуждению, поддерживает более 100 языков и диалектов, обладает продвинутыми возможностями следования инструкциям и умеет вызывать инструменты агента. По умолчанию модель работает с контекстом до 32 тыс. токенов и может масштабироваться до 131 тыс. токенов с помощью расширения на основе YaRN.

command-r-08-2024 — это обновлённая версия модели [Command R](/models/cohere/command-r) с улучшенной производительностью в задачах мультиязычной Retrieval-Augmented Generation (RAG) и при использовании инструментов. В целом она стала лучше справляться с математическими задачами, программированием и логическими рассуждениями, и по эффективности сопоставима с предыдущей версией более крупной модели Command R+. Подробнее о выпуске читайте в анонсе [здесь](https://docs.cohere.com/changelog/command-gets-refreshed). Использование этой модели регулируется Политикой использования Cohere ([Usage Policy](https://docs.cohere.com/docs/usage-policy)) и SaaS-соглашением ([SaaS Agreement](https://cohere.com/saas-agreement)).

Gemini 2.5 Pro — передовая модель ИИ от Google, разработанная для продвинутого рассуждения, программирования, математических и научных задач. Она использует механизмы «мышления», позволяющие формировать ответы с повышенной точностью и учитывать тонкие нюансы контекста. Gemini 2.5 Pro демонстрирует выдающиеся результаты на различных бенчмарках, включая первое место в рейтинге LMArena, что отражает её высокую степень соответствия человеческим предпочтениям и способность решать сложные задачи.

Mistral-Small-3.2-24B-Instruct-2506 — обновлённая модель с 24 млрд параметров от Mistral, оптимизированная для выполнения инструкций, сокращения повторов и улучшенного вызова функций. По сравнению с релизом 3.1 версия 3.2 значительно повышает точность на наборах WildBench и Arena Hard, уменьшает число бесконечных генераций и обеспечивает лучшие результаты в задачах, связанных с использованием инструментов и генерацией структурированного вывода. Модель поддерживает обработку изображений и текста с возможностью структурированного вывода и вызова функций/инструментов, а также демонстрирует высокую производительность в задачах программирования (HumanEval+, MBPP), в области STEM (MMLU, MATH, GPQA) и на визуальных бенчмарках (ChartQA, DocVQA).

Euryale L3.1 70B v2.2 — модель, ориентированная на креативные ролевые игры, от [Sao10k](https://ko-fi.com/sao10k). Является преемником [Euryale L3 70B v2.1](/models/sao10k/l3-euryale-70b).

Claude Sonnet 4 существенно расширяет возможности своего предшественника, модели Sonnet 3.7, демонстрируя превосходство как в задачах программирования, так и в задачах логического вывода благодаря повышенной точности и управляемости. Достигнув передовых результатов на бенчмарке SWE-bench (72,7 %), Sonnet 4 удачно балансирует между функциональностью и вычислительной эффективностью, что делает его пригодным для широкого спектра задач — от рутинного программирования до сложных проектов по разработке программного обеспечения. Ключевые улучшения включают оптимизированную автономную навигацию по кодовой базе, снижение частоты ошибок в рабочих процессах, управляемых агентами, и повышенную надёжность при выполнении сложных инструкций. Sonnet 4 оптимизирован для практического повседневного использования, обеспечивая расширенные возможности логического вывода при сохранении высокой эффективности и отзывчивости в самых разных внутренних и внешних сценариях.

Новая линейка моделей компании Meta (Llama 3.1) представлена в разных размерах и конфигурациях. Эта версия с 8 млрд параметров, дообученная на инструкциях, отличается высокой скоростью и эффективностью. В человеческих оценках она продемонстрировала впечатляющие результаты по сравнению с ведущими закрытыми моделями. Подробнее о выпуске модели читайте по ссылке: https://ai.meta.com/blog/meta-llama-3-1/ Использование модели регулируется Политикой приемлемого использования Meta: https://llama.meta.com/llama3/use-policy/

Для задач, требующих минимальной задержки, GPT-4.1 nano — самая быстрая и недорогая модель в серии GPT-4.1. При небольшом размере и окне контекста в 1 миллион токенов она демонстрирует выдающуюся производительность: 80,1% по MMLU, 50,3% по GPQA и 9,8% по Aider polyglot coding — даже выше, чем у GPT-4o mini. Идеально подходит для задач классификации или автодополнения.

Многоязычная большая языковая модель Meta Llama 3.3 (LLM) — предварительно обученная и инструкционно донастроенная генеративная модель объёмом 70 млрд параметров (текст на входе/текст на выходе). Модель Llama 3.3, работающая исключительно с текстом, оптимизирована для многоязычных диалоговых сценариев и по распространённым отраслевым бенчмаркам превосходит многие доступные открытые и коммерческие чат-модели. Поддерживаемые языки: английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский.

OpenAI o4-mini — компактная модель рассуждений из серии o, оптимизированная для быстрой и экономичной работы при сохранении мощных мультимодальных и агентных возможностей. Она поддерживает использование внешних инструментов и демонстрирует конкурентоспособные результаты в задачах логического вывода и программирования по таким бенчмаркам, как AIME (99,5 % при работе с Python) и SWE-bench, превосходя своего предшественника o3-mini и в ряде областей приближаясь к уровню o3. Несмотря на небольшой размер, o4-mini показывает высокую точность в STEM-задачах, решении визуальных головоломок (например, MathVista, MMMU) и редактировании кода. Модель особенно хорошо подходит для сценариев с высокой нагрузкой, где критичны задержки или стоимость. Благодаря эффективной архитектуре и отточенному обучению с подкреплением o4-mini умеет последовательно использовать инструменты, генерировать структурированные ответы и решать многоэтапные задачи с минимальной задержкой — зачастую менее чем за минуту.

Qwen3-VL-8B-Instruct — это мульти-модальная модель для работы с языком и визуальной информацией из серии Qwen3-VL, созданная для точного понимания и анализа текста, изображений и видео. Она обладает улучшенной мульти-модальной интеграцией с помощью Interleaved-MRoPE для временного анализа на длинных интервалах, DeepStack для детального визуально-текстового согласования и для точной локализации событий по текстовым меткам времени. Модель поддерживает нативное контекстное окно на 256 тысяч токенов, с возможностью расширения до 1 миллиона токенов, и может работать как со статическими, так и с динамическими медиа для выполнения задач, таких как разбор документов, визуальные вопросы и ответы, пространственное мышление и управление графическим интерфейсом. Qwen3-VL-8B-Instruct достигает уровня понимания текста, сопоставимого с передовыми языковыми моделями, расширяя возможности OCR на 32 языка и улучшая устойчивость при различных визуальных условиях.

Новейшее и наиболее мощное семейство моделей OpenAI, o1 разработано так, чтобы больше времени уделять обдумыванию ответа. Серия o1 обучена с помощью масштабного обучения с подкреплением для рассуждений методом цепочки рассуждений. Модели o1 оптимизированы для задач по математике, естественным наукам, программированию и другим STEM-направлениям. Они последовательно демонстрируют точность на уровне докторской степени в бенчмарках по физике, химии и биологии. Узнайте больше в анонсе запуска.

Mistral Small 3.1 24B Instruct — это усовершенствованная версия Mistral Small 3 (2501) с 24 млрд параметров и расширенными мультимодальными возможностями. Модель показывает передовые результаты в текстовом рассуждении и задачах компьютерного зрения, включая анализ изображений, программирование, математическое рассуждение и многоязычную поддержку на нескольких десятках языков. Оснащена расширенным контекстным окном на 128 тыс. токенов и оптимизирована для эффективного локального вывода, что позволяет использовать её в чат-ботах, при вызове функций, для работы с длинными документами и в сценариях с повышенными требованиями к конфиденциальности. Обновлённая версия — Mistral Small 3.2 (mistralai/mistral-small-3.2-24b-instruct)

Версия GPT-4o от 20 ноября 2024 года предлагает расширенные возможности творческого письма: более естественные, увлекательные и персонализированные тексты для повышения релевантности и удобочитаемости. Она также стала лучше работать с загруженными файлами, обеспечивая более глубокий анализ и развернутые ответы. GPT-4o («o» от «omni») — новейшая модель искусственного интеллекта от OpenAI, поддерживающая как текстовые, так и графические входные данные и выдающая результат в виде текста. Модель сохраняет уровень интеллектуальных возможностей GPT-4 Turbo, но при этом работает вдвое быстрее и на 50 % экономичнее. Кроме того, GPT-4o демонстрирует улучшенные результаты при обработке текстов на неанглийских языках и обладает расширенными визуальными возможностями.

Amazon Nova Premier — самая мощная мультимодальная модель Amazon для решения сложных задач рассуждения и оптимальный учитель при дистилляции пользовательских моделей.

GPT-4o mini — новейшая модель OpenAI после GPT-4 Omni, поддерживающая как текстовый, так и графический ввод с текстовым выводом. Являясь самой продвинутой компактной моделью компании, она в разы доступнее по цене по сравнению с другими последними флагманскими решениями и более чем на 60 % дешевле, чем GPT-3.5 Turbo. При этом модель сохраняет передовые интеллектуальные возможности (SOTA) и значительно снижает затраты. GPT-4o mini набирает 82 % по тесту MMLU и в текущих общедоступных рейтингах предпочтений в чатах опережает GPT-4. Подробнее о запуске читайте в анонсе.

Gemini 2.5 Flash — передовая универсальная модель общего назначения Google, специально разработанная для продвинутых логических рассуждений, программирования, решения математических и научных задач. В неё встроены способности к «мышлению», что позволяет выдавать ответы с большей точностью и более тонко обрабатывать контекст. Кроме того, Gemini 2.5 Flash можно настраивать с помощью параметра max tokens for reasoning («максимальное количество токенов для рассуждений»), как описано в документации (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning).

Claude Opus 4 по результатам бенчмарков признана лучшей в мире моделью для программирования на момент релиза, обеспечивая стабильную производительность при выполнении сложных длительных задач и агентных рабочих процессов. Она устанавливает новые стандарты в разработке ПО, достигая ведущих результатов в тестах SWE-bench (72,5%) и Terminal-bench (43,2%). Opus 4 поддерживает расширенные агентные сценарии, обрабатывая тысячи шагов задач подряд в течение нескольких часов без потери качества.

GPT-5 Image Mini объединяет передовые языковые возможности OpenAI, обеспеченные [GPT-5 Mini](https://openrouter.ai/openai/gpt-5-mini), с GPT Image 1 Mini для эффективной генерации изображений. Эта изначально мультимодальная модель демонстрирует превосходное следование инструкциям, визуализацию текста и детальное редактирование изображений с пониженной задержкой и затратами. Она отлично справляется с созданием высококачественных визуальных образов, одновременно сохраняя сильное понимание текста, что делает её идеальной для приложений, требующих как эффективной генерации изображений, так и обработки текста в большом масштабе.

Gemini 2.5 Pro — передовая модель ИИ от Google, созданная для решения сложных задач в областях логического мышления, программирования, математики и научных исследований. Она оснащена возможностями «мышления», позволяющими формировать продуманные ответы с повышенной точностью и тонкой обработкой контекста. Gemini 2.5 Pro демонстрирует выдающиеся результаты по множеству бенчмарков, в том числе занимает первое место в рейтинге LMArena, что подтверждает её превосходное соответствие человеческим предпочтениям и высокую эффективность при решении сложных задач.

Qwen3 Coder Plus — проприетарная версия Alibaba на основе открытой модели Qwen3 Coder 480B A35B. Это мощная агентная модель для кодинга, специализирующаяся на автономном программировании через вызов инструментов.

Morph — самая быстрая модель для применения правок в коде: около 10 500 токенов/с при точности 96% для оперативного преобразования кода. Модель требует, чтобы запрос был оформлен в следующем формате: <instruction>{instruction}</instruction> <code>{initial_code}</code> <update>{edit_snippet}</update> Для Morph включено нулевое хранение данных. Узнайте больше о модели в [документации](https://docs.morphllm.com/quickstart).

Gemini 2.5 Flash-Lite — легковесная модель рассуждений из семейства Gemini 2.5, оптимизированная для сверхнизкой задержки и эффективности затрат. Она обеспечивает повышенную пропускную способность, более быструю генерацию токенов и более высокую производительность по распространённым бенчмаркам по сравнению с предыдущими Flash-моделями. По умолчанию «мышление» (многоэтапное рассуждение) отключено в пользу скорости, но разработчики могут включить его через параметр Reasoning API, чтобы при необходимости жертвовать стоимостью ради более сложных рассуждений.

DeepSeek-V3.1 — крупная гибридная модель рассуждений (671 млрд параметров, из них 37 млрд активных), поддерживающая режимы «с рассуждением» и «без рассуждения» через шаблоны подсказок. Она расширяет базу DeepSeek-V3 двухэтапным обучением на длинном контексте (до 128 тыс. токенов) и использует микромасштабирование FP8 для эффективного вывода. Пользователи могут управлять включением режима рассуждений с помощью булева параметра reasoning_enabled. Подробнее в документации: https://openrouter.ai/docs/use-cases/reasoning-tokens#enable-reasoning-with-default-config Модель повышает эффективность работы с инструментами, генерации кода и рассуждений, достигая на сложных бенчмарках показателей, сопоставимых с DeepSeek-R1, при более высокой скорости ответа. Она поддерживает структурированный вызов инструментов, кодовых агентов и поисковых агентов, что делает её подходящей для исследований, разработки и агентных рабочих процессов. DeepSeek-V3.1 пришла на смену модели DeepSeek V3-0324 и демонстрирует высокую эффективность в самых разных задачах.

DeepSeek R1 Distill Llama 70B — дистиллированная большая языковая модель на базе Llama-3.3-70B-Instruct, обученная на выходах DeepSeek R1. Модель сочетает передовые методы дистилляции для достижения высокой производительности по ряду бенчмарков, включая: - AIME 2024 pass@1: 70,0 - MATH-500 pass@1: 94,5 - Рейтинг Codeforces: 1633 Благодаря дообучению на данных DeepSeek R1 модель демонстрирует результаты, сопоставимые с более крупными флагманскими системами.

GPT-5 Image сочетает самую передовую языковую модель OpenAI с передовыми возможностями генерации изображений. Она предлагает значительные улучшения в области рассуждений, качества кода и пользовательского опыта, при этом наследуя от GPT Image 1 превосходное следование инструкциям, отображение текста и детализированное редактирование изображений.

Claude Sonnet 4.5 — самая продвинутая на сегодняшний день модель серии Sonnet от Anthropic, оптимизированная для работы с реальными агентами и задачами разработки кода. Она демонстрирует передовые результаты на бенчмарках по программированию, таких как SWE-bench Verified, благодаря усовершенствованиям в системном дизайне, безопасности кода и соблюдении спецификаций. Модель рассчитана на длительную автономную работу: она сохраняет непрерывность задач между сессиями и предоставляет объективное отслеживание прогресса. Sonnet 4.5 также вводит расширенные агентные возможности: улучшенную оркестрацию инструментов, спекулятивное параллельное выполнение и более эффективное управление контекстом и памятью. Благодаря продвинутому трекингу контекста и учёту использования токенов при вызовах инструментов модель особенно хорошо подходит для многоконтекстных и длительных рабочих процессов. Сценарии применения включают разработку ПО, кибербезопасность, финансовый анализ, исследовательских агентов и другие области, требующие непрерывного рассуждения и активного использования инструментов.

Mistral Saba — это языковая модель с 24 миллиардами параметров, специально разработанная для Ближнего Востока и Южной Азии. Она обеспечивает точные и контекстно релевантные ответы при оптимальной производительности. Обученная на тщательно подобранных региональных датасетах, модель поддерживает несколько языков индийского происхождения — в том числе тамильский и малаялам — а также арабский. Это делает её универсальным решением для различных региональных и мультиязычных задач. Узнать подробнее можно в статье блога по ссылке: https://mistral.ai/en/news/mistral-saba

o3 — универсальная и мощная модель, показывающая отличные результаты в различных областях. Она устанавливает новый стандарт для задач по математике, науке, программированию и визуальному рассуждению. Кроме того, она превосходна в техническом письме и следовании инструкциям. Используйте её для решения многоэтапных задач, требующих анализа текста, кода и изображений.

DeepSeek-V3 — новейшая модель команды DeepSeek, развивающая возможности предыдущих версий по выполнению инструкций и написанию кода. Предварительно обучена на почти 15 триллионах токенов: по результатам проведённых оценок она превосходит другие открытые модели и сопоставима с ведущими закрытыми решениями. Подробности о модели можно найти в репозитории DeepSeek-V3 на GitHub и в официальном анонсе запуска.

Amazon Nova Pro 1.0 – универсальная мультимодальная модель от Amazon, ориентированная на сочетание точности, быстродействия и экономичности при решении широкого круга задач. По состоянию на декабрь 2024 года она демонстрирует передовые результаты по ключевым бенчмаркам, включая Visual Question Answering (TextVQA) и понимание видео (VATEX). Amazon Nova Pro обладает высокими возможностями обработки как визуальной, так и текстовой информации, а также анализа финансовых документов. Примечание: в настоящее время видео на входе не поддерживается.

GPT-4o («o» от «omni») — новейшая модель ИИ от OpenAI, поддерживающая ввод текста и изображений с текстовым выводом. Она сохраняет уровень интеллекта GPT-4 Turbo, при этом работает вдвое быстрее и на 50 % экономичнее. GPT-4o также обеспечивает улучшенную работу с неанглоязычными текстами и расширенные визуальные возможности. Для сравнительного тестирования с другими моделями её кратковременно называли «im-also-a-good-gpt2-chatbot». #мультимодальность

Command R7B (12-2024) — компактное и быстрое обновление модели Command R+, выпущенное в декабре 2024 года. Отлично справляется с RAG, работой со сторонними инструментами, агентами и другими задачами, требующими сложных рассуждений и последовательного выполнения нескольких шагов. Использование модели регулируется Политикой использования и SaaS-договором компании Cohere.

Inflection 3 Productivity оптимизирована для следования инструкциям. Она лучше справляется с задачами, требующими вывода в формате JSON или строгого соблюдения предоставленных рекомендаций. У модели есть доступ к актуальным новостям. Для эмоционального интеллекта, аналогичного Pi, смотрите [Inflect 3 Pi](/inflection/inflection-3-pi). Подробнее — в [анонсе Inflection](https://inflection.ai/blog/enterprise).

Kimi K2 Thinking — самая продвинутая открытая модель рассуждения от Moonshot AI на сегодняшний день, которая расширяет серию K2 в направлении агентного, многошагового мышления на длинных горизонтах. Построенная на триллионной архитектуре смеси экспертов (Mixture-of-Experts, MoE), представлен­ной в Kimi K2, она активирует 32 млрд параметров за один проход и поддерживает контекстное окно объёмом до 256 тыс. токенов. Модель оптимизирована для непрерывного пошагового мышления, динамического вызова инструментов и выполнения сложных рабочих процессов рассуждений, охватывающих сотни шагов. Она чередует пошаговые рассуждения с применением инструментов, что позволяет автономно проводить исследования, программировать и писать тексты на протяжении сотен последовательных операций без дрейфа контекста. Kimi K2 Thinking устанавливает новые открытые бенчмарки на HLE, BrowseComp, SWE-Multilingual и LiveCodeBench, одновременно обеспечивая стабильное мультиагентное поведение при 200–300 вызовах инструментов. Построенная на масштабной MoE-архитектуре с оптимизацией MuonClip, она сочетает глубокие способности к рассуждению с высокой эффективностью вывода для самых требовательных агентных и аналитических задач.

Qwen3-VL-8B-Thinking — вариант мультимодальной модели Qwen3-VL-8B, оптимизированный для рассуждений и предназначенный для сложных задач визуального и текстового анализа: работы со сценами, документами и временными последовательностями. Модель использует улучшенное согласование модальностей.

Sonar Deep Research — это модель, ориентированная на исследовательские задачи, выполняющая многоступенчатый поиск, синтез и логический анализ сложных тем. Она самостоятельно ищет, изучает и оценивает источники, корректируя методику по мере накопления информации. Это позволяет генерировать подробные отчёты в таких областях, как финансы, технологии, здравоохранение и актуальные события. Примечания по тарифам (Источник: https://docs.perplexity.ai/guides/pricing#detailed-pricing-breakdown-for-sonar-deep-research) - Входные токены включают токены запроса (prompt) и токены цитирования (получаемые при выполнении поисковых запросов). - Deep Research делает несколько поисковых запросов для всестороннего исследования. Стоимость — $5 за 1000 запросов. Например, запрос из 30 поисков обойдётся в $0,15 на этом этапе. - Этап «Reasoning» выделен отдельно, поскольку на нём модель проводит масштабные автоматизированные рассуждения над собранным материалом до генерации итоговых ответов с помощью CoTs. Токены для этапа Reasoning отличаются от токенов CoTs в ответе и тарифицируются по $3 за 1 млн токенов.

Модель Phi-4 от Microsoft Research разработана для эффективного решения задач, требующих сложного рассуждения, а также умеет работать в условиях ограниченной оперативной памяти или когда нужны быстрые ответы. Обладая 14 млрд параметров, она обучена на сочетании высококачественных синтетических наборов данных, информации с отобранных веб-ресурсов и академических материалов. Модель прошла тщательную доработку, чтобы точно следовать инструкциям и соответствовать высоким стандартам безопасности. Лучшие результаты она показывает при вводе запросов на английском языке. Для получения дополнительной информации см. технический отчет Phi-4: https://arxiv.org/pdf/2412.08905

MiniMax-M1 — масштабная модель рассуждения с открытыми весами, созданная для работы с расширенным контекстом и высокоэффективного вывода. Она использует гибридную архитектуру Mixture-of-Experts (MoE) в сочетании с собственным механизмом «lightning attention», что позволяет обрабатывать длинные последовательности — до 1 миллиона токенов — при конкурентной эффективности по FLOP. С общим числом параметров 456 млрд и 45,9 млрд активных параметров на токен эта версия оптимизирована для решения сложных многоэтапных задач рассуждения. Обученная с помощью специализированного конвейера обучения с подкреплением (CISPO), M1 демонстрирует выдающиеся результаты в понимании длинного контекста, программной инженерии, автономном использовании инструментов и математическом мышлении. В бенчмарках FullStackBench, SWE-bench, MATH, GPQA и TAU-Bench она часто превосходит другие открытые модели, такие как DeepSeek R1 и Qwen3-235B.

Gemma 3 получила мультимодальную архитектуру: модель способна обрабатывать входящие изображения и текст, выдавая текстовые ответы. Она работает с контекстом до 128 000 токенов, понимает более 140 языков и обладает улучшенными возможностями в решении математических задач, в рассуждениях и ведении диалогов, включая формирование структурированных ответов и вызов функций.

Rocinante 12B разработана для увлекательного повествования и богатой прозы. Ранние тестировщики отмечают: - расширенный словарный запас с уникальными и выразительными словами - повышенную креативность для ярких повествований - захватывающие истории, полные приключений

GPT-3.5 Turbo — самая быстрая модель OpenAI. Она может понимать и генерировать текст на естественном языке и код, а также оптимизирована для чата и традиционных задач завершения текста. Данные для обучения актуальны на сентябрь 2021 года.

Qwen2.5 72B — последняя серия больших языковых моделей Qwen. Qwen2.5 по сравнению с Qwen2 предлагает следующие улучшения: - Значительно расширенная база знаний и заметно улучшенные возможности в программировании и математике благодаря специализированным экспертным моделям. - Существенные улучшения в следовании инструкциям, генерации длинных текстов (более 8 000 токенов), понимании структурированных данных (например, таблиц) и формировании структурированных выходных данных, особенно в формате JSON. Модель стала более устойчива к разнообразию системных подсказок, что облегчает реализацию ролевых сценариев и настройку условий для чат-ботов. - Поддержка длинного контекста объёмом до 128 000 токенов и возможность генерации до 8 000 токенов. - Мультиязычная поддержка более чем 29 языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский, арабский и другие. Использование модели регулируется Лицензионным соглашением Tongyi Qianwen: https://huggingface.co/Qwen/Qwen1.5-110B-Chat/blob/main/LICENSE

WizardLM-2 8×22B — самая продвинутая модель Wizard от Microsoft AI. Она демонстрирует высокую конкурентоспособность по сравнению с ведущими проприетарными моделями и стабильно превосходит все существующие передовые модели с открытым исходным кодом. Модель представляет собой дообучение по инструкциям (instruct fine-tune) на базе Mixtral 8×22B. Подробнее о выпуске модели можно узнать по ссылке: https://wizardlm.github.io/WizardLM2/. #moe

Это флагманская модель Mistral AI — Mistral Large 2 (версия «mistral-large-2407»). Веса этой проприетарной модели доступны, и она превосходно справляется с логическим выводом, программированием, обработкой JSON, ведением диалогов и многими другими задачами. Ознакомьтесь с анонсом запуска по ссылке: https://mistral.ai/news/mistral-large-2407/ Модель поддерживает десятки языков, включая французский, немецкий, испанский, итальянский, португальский, арабский, хинди, русский, китайский, японский и корейский, а также более 80 языков программирования — Python, Java, C, C++, JavaScript, Bash и другие. Благодаря большому контекстному окну она позволяет точно извлекать информацию из объёмных документов.

Официальная версия Mixtral 8×22B от Mistral, дообученная по инструкциям. Использует 39 млрд активных параметров из 141 млрд, обеспечивая непревзойденную экономичность для своего размера. Ключевые преимущества: - высокая точность в математике, программировании и рассуждениях - большая длина контекста (64 K) - свободное владение английским, французским, итальянским, немецким и испанским языками См. результаты тестирования в анонсе запуска: https://mistral.ai/news/mixtral-8x22b/ #moe

Одна из самых эффективных и популярных тонко настроенных версий Llama 2 13B с детализированными описаниями и поддержкой ролевых сценариев. #merge

Llama Guard 4 — мультимодальная предобученная модель на базе Llama 4 Scout, дообученная для классификации безопасности контента. Подобно предыдущим версиям, она позволяет оценивать как входные запросы LLM (классификация запросов), так и ответы модели (классификация ответов). Модель функционирует как LLM: выводит текст, указывающий, безопасен ли запрос или ответ, а при обнаружении небезопасного контента перечисляет нарушенные категории. Llama Guard 4 настроена на соответствие стандартизированной таксономии рисков MLCommons и разработана с учётом мультимодальных возможностей Llama 4. Она объединяет функции предыдущих версий Llama Guard, обеспечивая модерацию контента на английском и ряде других языков, а также расширенную обработку комбинированных текстово-изображенческих запросов, включая несколько изображений. Кроме того, Llama Guard 4 интегрирована в Llama Moderations API, что позволяет надёжно классифицировать безопасность как текстовых данных, так и изображений.

Gemma 2 27B от Google — открытая модель, основанная на тех же исследованиях и технологиях, что и семейство моделей Gemini. Модели Gemma отлично подходят для различных задач генерации текста: ответов на вопросы, резюмирования и логических рассуждений. Подробнее см. [сообщение о запуске](https://blog.google/technology/developers/google-gemma-2/). Использование Gemma осуществляется в соответствии с [Условиями использования Gemma](https://ai.google.dev/gemma/terms) от Google.

GPT-4.1 — флагманская модель большого масштаба, оптимизированная для продвинутого выполнения инструкций, решения реальных задач разработки программного обеспечения и работы с длинным контекстом. Модель поддерживает окно контекста объёмом до миллиона токенов и превосходит GPT-4o и GPT-4.5 по задачам кодирования (54,6 % по SWE-bench Verified), соблюдению инструкций (87,4 % по IFEval) и тестам мультимодального понимания. GPT-4.1 настроена на точное отображение изменений в коде, надёжность агентов и высокую полноту при работе с большими документами, что делает её идеальным решением для агентов, инструментов для среды разработки (IDE) и корпоративных систем поиска знаний.

Модели серии o1 обучены с помощью обучения с подкреплением, что позволяет им тщательно обдумывать ответы и выполнять сложные рассуждения. Модель o1-pro использует больше вычислительных ресурсов для более глубокой проработки и обеспечивает стабильно более качественные ответы.

Qwen3-VL-30B-A3B-Instruct — мультимодальная модель, объединяющая мощную генерацию текста и визуальное понимание изображений и видео. Вариант Instruct оптимизирован для выполнения инструкций в общих мультимодальных задачах. Модель превосходно справляется с распознаванием реальных и синтетических категорий, 2D/3D пространственной привязкой и глубоким пониманием продолжительных визуальных данных, показывая конкурентоспособные результаты на мультимодальных бенчмарках. В агентных сценариях она поддерживает многоходовые инструкции с несколькими изображениями, выравнивание по таймлайну видео, автоматизацию графического интерфейса (GUI) и визуальное кодирование от эскизов до отлаженных пользовательских интерфейсов. Текстовые возможности модели сопоставимы с флагманскими версиями Qwen3, что делает её подходящей для систем обработки документов, OCR, помощи в пользовательских интерфейсах, пространственных задач и исследований агентных систем.

Примечание: стоимость Sonar Pro включает тариф поиска Perplexity. Подробности см. здесь: https://docs.perplexity.ai/guides/pricing#detailed-pricing-breakdown-for-sonar-reasoning-pro-and-sonar-pro Sonar Reasoning Pro — это передовая модель рассуждений на базе DeepSeek R1 с механизмом цепочки рассуждений (Chain of Thought, CoT). Предназначенная для сложных сценариев использования, она поддерживает глубокие многоэтапные запросы с расширенным окном контекста и может предоставлять больше ссылок на источники за один поиск, что обеспечивает более полные и расширяемые ответы.