PEERIVOAgents, MCP, models, applications and technologies in one catalog. Owner and license details are updated continuously; unverified conditions are marked.
Owners and publishers: 11274
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. В карточке издателя заявлены языки: английский. В качестве основы или связанной базовой модели издатель указал: unsloth/Qwen2.5-Coder-7B-Instruct-bnb-4bit. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. В карточке издателя заявлены языки: английский. Для работы с моделью в источнике указаны библиотеки: PyTorch. Заявленные форматы файлов модели: Safetensors.
Модель получает изображение и определяет, к какой из обученных категорий оно относится. Результат содержит метку или оценки классов для картинки целиком; набор распознаваемых категорий задаётся обучением и не подразумевает поиск расположения каждого объекта.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории.
Модель получает изображение и определяет, к какой из обученных категорий оно относится. Результат содержит метку или оценки классов для картинки целиком; набор распознаваемых категорий задаётся обучением и не подразумевает поиск расположения каждого объекта. В карточке издателя заявлены языки: английский. Для работы с моделью в источнике указаны библиотеки: PyTorch. Заявленные форматы файлов модели: Safetensors.
Модель получает изображение и определяет, к какой из обученных категорий оно относится. Результат содержит метку или оценки классов для картинки целиком; набор распознаваемых категорий задаётся обучением и не подразумевает поиск расположения каждого объекта. В карточке издателя заявлены языки: английский. В качестве основы или связанной базовой модели издатель указал: microsoft/resnet-50. Для работы с моделью в источнике указаны библиотеки: PyTorch.
Модель получает изображение и определяет, к какой из обученных категорий оно относится. Результат содержит метку или оценки классов для картинки целиком; набор распознаваемых категорий задаётся обучением и не подразумевает поиск расположения каждого объекта. В карточке издателя заявлены языки: английский. Для работы с моделью в источнике указаны библиотеки: PyTorch.
Модель сопоставляет входной текст с категориями, которые задаются во время запроса. Она возвращает оценки соответствия предложенным меткам и позволяет работать без отдельного обучения на каждом наборе категорий; качество зависит от формулировок и области применения.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. Заявленная основа: Qwen/Qwen3-4B-Instruct-2507. Для запуска в источнике указаны библиотеки PEFT. Заявленные форматы: Safetensors. Это заявленный адаптер: для работы нужна совместимая базовая модель.
Модель получает изображение и определяет, к какой из обученных категорий оно относится. Результат содержит метку или оценки классов для картинки целиком; набор распознаваемых категорий задаётся обучением и не подразумевает поиск расположения каждого объекта. Для работы с моделью в источнике указаны библиотеки: PyTorch.
Модель преобразует речь из аудиозаписи в текстовую расшифровку. На вход подаётся звук, на выходе получается распознанная последовательность слов; поддерживаемые языки, временные метки и разделение говорящих зависят от конкретной модели и не гарантируются названием задачи. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель находит объекты на изображении и возвращает их категории вместе с координатами ограничивающих рамок. Это позволяет определить и наличие объекта, и его расположение; поддерживаемые категории и качество обнаружения зависят от обучения. Заявленные форматы файлов модели: Safetensors.
Модель оценивает глубину сцены по изображению и формирует карту глубины. Результат описывает расположение поверхностей относительно наблюдателя; метрические расстояния в физических единицах подтверждаются отдельно и не гарантируются типом задачи.
Модель находит характерные точки на изображении и возвращает их координаты. Результат может использоваться в анализе положения объектов; тип точек, перечень объектов и способность оценивать позу человека необходимо проверять по конкретной модели.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой.
Модель находит характерные точки на изображении и возвращает их координаты. Результат может использоваться в анализе положения объектов; тип точек, перечень объектов и способность оценивать позу человека необходимо проверять по конкретной модели.
Модель находит объекты на изображении и возвращает их категории вместе с координатами ограничивающих рамок. Это позволяет определить и наличие объекта, и его расположение; поддерживаемые категории и качество обнаружения зависят от обучения.
Модель создаёт трёхмерное представление объекта или сцены по входному изображению. На выходе получается 3D-результат в формате, который определён конкретной реализацией; наличие готовой сетки, текстур или точных физических размеров требует отдельного подтверждения.
Модель оценивает глубину сцены по изображению и формирует карту глубины. Результат описывает расположение поверхностей относительно наблюдателя; метрические расстояния в физических единицах подтверждаются отдельно и не гарантируются типом задачи.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. В качестве основы или связанной базовой модели издатель указал: Motif-Technologies/Motif-3.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории. В карточке издателя заявлены языки: английский. В качестве основы или связанной базовой модели издатель указал: AlexWortega/openjev. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи.
Модель находит объекты на изображении и возвращает их категории вместе с координатами ограничивающих рамок. Это позволяет определить и наличие объекта, и его расположение; поддерживаемые категории и качество обнаружения зависят от обучения.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой. В качестве основы или связанной базовой модели издатель указал: RLWRLD/RLDX-1-PT-IMG.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой. В качестве основы или связанной базовой модели издатель указал: RLWRLD/RLDX-1-PT.
Модель разделяет изображение на области, относящиеся к объектам или категориям. Результат описывает принадлежность пикселей, а не только рамки вокруг объектов; тип сегментации и список классов определяются конкретной моделью.
Модель находит характерные точки на изображении и возвращает их координаты. Результат может использоваться в анализе положения объектов; тип точек, перечень объектов и способность оценивать позу человека необходимо проверять по конкретной модели.
Модель создаёт трёхмерное представление объекта или сцены по входному изображению. На выходе получается 3D-результат в формате, который определён конкретной реализацией; наличие готовой сетки, текстур или точных физических размеров требует отдельного подтверждения.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой. В качестве основы или связанной базовой модели издатель указал: lerobot/xvla-base.
Модель создаёт последовательность видеокадров по текстовому описанию. На вход передаётся описание сцены или действия, на выходе получается видеоролик; длительность, разрешение, частота кадров и работа со звуком требуют отдельного подтверждения. Для работы с моделью в источнике указаны библиотеки: Diffusers. Заявленные форматы файлов модели: Safetensors.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. В карточке издателя заявлены языки: английский. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen2.5-Coder-0.5B. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель находит объекты на изображении и возвращает их категории вместе с координатами ограничивающих рамок. Это позволяет определить и наличие объекта, и его расположение; поддерживаемые категории и качество обнаружения зависят от обучения. Для работы с моделью в источнике указаны библиотеки: ONNX.
Модель совместно обрабатывает изображение и текстовый запрос и выдаёт текстовый результат. Она предназначена для приложений, где ответ зависит от визуального содержимого; распознавание текста, решение задач по диаграммам и другие частные навыки требуют отдельного подтверждения для этой модели. В карточке издателя заявлены языки: английский. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3.5-2B. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. Для работы с моделью в источнике указаны библиотеки: MLX.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории. В карточке издателя заявлены языки: английский, китайский. В качестве основы или связанной базовой модели издатель указал: convaiinnovations/laya. Заявленные форматы файлов модели: Safetensors.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории. В карточке издателя заявлены языки: английский, китайский. В качестве основы или связанной базовой модели издатель указал: chaoliangUNSW/MacJev-322M-4K-Laya. Для работы с моделью в источнике указаны библиотеки: MLX. Заявленные форматы файлов модели: Safetensors.