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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью.
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.
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 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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: Diffusers.
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: microsoft/deberta-v3-large. 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 карточке издателя заявлены языки: английский. В качестве основы или связанной базовой модели издатель указал: microsoft/deberta-v3-large. 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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT. 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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT. 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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT. 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. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3.5-35B-A3B. Для работы с моделью в источнике указаны библиотеки: Transformers. 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.
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: Transformers.
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. В карточке издателя заявлены языки: английский, китайский. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3-8B. 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 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, арабский, испанский, итальянский, китайский, немецкий, португальский, русский, французский, японский. В качестве основы или связанной базовой модели издатель указал: answerdotai/ModernBERT-base. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
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.
Модель получает изображение и вопрос о нём и формирует текстовый ответ. Результат должен опираться на визуальное содержимое; точность чтения мелких деталей и способность выполнять сложные рассуждения требуют проверки на конкретных данных.
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 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. Заявленные форматы файлов модели: GGUF.
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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT.
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. В качестве основы или связанной базовой модели издатель указал: lodestones/Kroma.
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. В качестве основы или связанной базовой модели издатель указал: Comfy-Org/MiniMax-H3, MiniMaxAI/MiniMax-H3.
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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью.
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. 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. 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.
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 качестве основы или связанной базовой модели издатель указал: FacebookAI/roberta-base. 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, китайский.
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, немецкий, русский, японский. 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 карточке издателя заявлены языки: английский, немецкий, русский, японский. Для работы с моделью в источнике указаны библиотеки: PyTorch. 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. В качестве основы или связанной базовой модели издатель указал: answerdotai/ModernBERT-base. Для работы с моделью в источнике указаны библиотеки: PyTorch, 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.
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 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 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. В качестве основы или связанной базовой модели издатель указал: facebook/detr-resnet-50. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
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. В качестве основы или связанной базовой модели издатель указал: facebook/detr-resnet-50. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
Модель анализирует аудиофрагмент и определяет его категорию. На выходе получаются метки звуков и оценки соответствия классам; наличие этого типа задачи не подтверждает распознавание конкретных событий, музыкальных жанров или эмоций без сведений об обучении. Для работы с моделью в источнике указаны библиотеки: PyTorch.
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. Для работы с моделью в источнике указаны библиотеки: ONNX, Transformers. Заявленные форматы файлов модели: ONNX, 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 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 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.
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: английский, китайский. В качестве основы или связанной базовой модели издатель указал: microsoft/Multilingual-MiniLM-L12-H384. Для работы с моделью в источнике указаны библиотеки: ONNX. Заявленные форматы файлов модели: ONNX, 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.
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, словенский. В качестве основы или связанной базовой модели издатель указал: cjvt/GaMS3-12B. Заявленные форматы файлов модели: Safetensors.