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 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. Для работы с моделью в источнике указаны библиотеки: LeRobot. 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. Для работы с моделью в источнике указаны библиотеки: LeRobot. 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. Для работы с моделью в источнике указаны библиотеки: LeRobot. Заявленные форматы файлов модели: Safetensors.
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. Для работы с моделью в источнике указаны библиотеки: Transformers.
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: Cactus-Compute/needle3.
Модель принимает исходное изображение и формирует его преобразованный вариант. Это компонент для обработки картинок; изменение стиля, повышение разрешения, восстановление деталей или другие отдельные операции необходимо подтверждать по документации конкретной модели. В карточке издателя заявлены языки: английский.
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. Для работы с моделью в источнике указаны библиотеки: Transformers.
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: jhu-clsp/ettin-encoder-68m. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: GGUF, 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. В качестве основы или связанной базовой модели издатель указал: jhu-clsp/ettin-encoder-68m. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: GGUF, 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. Издатель указал языки: английский. Заявленная основа: meta-llama/Llama-3.1-8B-Instruct, mistralai/Devstral-Small-2-24B-Instruct-2512, mistralai/Mistral-7B-Instruct-v0.3. Для запуска в источнике указаны библиотеки Transformers. Для получения файлов может понадобиться принятие условий или одобрение издателя.
Chat Thing — MCP-инструмент для создания и управления AI-агентами клиентской поддержки из Claude или другого совместимого клиента. Помогает перенести управление такими агентами в разговорный рабочий процесс. Реестр указывает удалённое подключение по Streamable HTTP к сервису Chat Thing. Конкретные источники знаний, каналы обслуживания, права изменения агента и лимиты зависят от настроек аккаунта и возможностей сервиса; они не подтверждены одним описанием в реестре.
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: distilbert/distilbert-base-uncased. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. В качестве основы или связанной базовой модели издатель указал: KennethEnevoldsen/dfm-sentence-encoder-large. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. В качестве основы или связанной базовой модели издатель указал: vesteinn/ScandiBERT-no-faroese. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. В качестве основы или связанной базовой модели издатель указал: jonfd/electra-small-nordic. Для работы с моделью в источнике указаны библиотеки: spaCy.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В карточке издателя заявлены языки: датский. Для работы с моделью в источнике указаны библиотеки: spaCy.
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 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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью.
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.
Модель используется для выбора действий агента в среде в задачах обучения с подкреплением. На вход поступает состояние или наблюдение, на выходе формируется решение о действии; совместимая среда, пространство действий и способ оценки результата задаются конкретной реализацией. 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 качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3.5-4B. Для работы с моделью в источнике указаны библиотеки: Transformers. 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. 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 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 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 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. 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. Для работы с моделью в источнике указаны библиотеки: PyTorch.
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: unsloth/qwen3-8b-unsloth-bnb-4bit. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT, 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. Для работы с моделью в источнике указаны библиотеки: PEFT.
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. Издатель указал языки: китайский. Заявленная основа: Qwen/Qwen3-8B. Для запуска в источнике указаны библиотеки PEFT. Заявленные форматы: Safetensors. Это заявленный адаптер: для работы нужна совместимая базовая модель.
Модель создаёт изображение по текстовому описанию желаемого результата. На вход передаётся описание, на выходе получается картинка; разрешение, стиль, точность следования инструкции и доступные настройки определяются конкретной моделью и способом запуска.
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. Для работы с моделью в источнике указаны библиотеки: ONNX. Заявленные форматы файлов модели: ONNX.
Модель создаёт видеопоследовательность с учётом исходного изображения. На вход подаётся картинка, на выходе получается последовательность кадров; управление движением, длина ролика и наличие аудиодорожки зависят от конкретной реализации.
Модель создаёт видеопоследовательность с учётом исходного изображения. На вход подаётся картинка, на выходе получается последовательность кадров; управление движением, длина ролика и наличие аудиодорожки зависят от конкретной реализации.
Модель создаёт видеопоследовательность с учётом исходного изображения. На вход подаётся картинка, на выходе получается последовательность кадров; управление движением, длина ролика и наличие аудиодорожки зависят от конкретной реализации.
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. Заявленные форматы файлов модели: ONNX.
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. Заявленные форматы файлов модели: ONNX.
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. Для работы с моделью в источнике указаны библиотеки: ONNX. Заявленные форматы файлов модели: ONNX.
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. Для работы с моделью в источнике указаны библиотеки: ONNX. Заявленные форматы файлов модели: ONNX.
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: google/bert_uncased_L-4_H-256_A-4. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.