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 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 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.
Модель получает вопрос и предоставленный текстовый контекст и определяет ответ на их основе. Результат может быть фрагментом исходного текста или сформированным ответом в зависимости от реализации; доступ к интернету не подразумевается этим типом задачи.
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.
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 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 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 получает вопрос и предоставленный текстовый контекст и определяет ответ на их основе. Результат может быть фрагментом исходного текста или сформированным ответом в зависимости от реализации; доступ к интернету не подразумевается этим типом задачи. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель помогает сравнивать смысл предложений и текстовых фрагментов. Она создаёт представления текста или оценки близости, которые можно использовать в сопоставлении и поиске; совпадение смысла оценивается моделью и не является доказательством совпадения фактов. Для работы с моделью в источнике указаны библиотеки: Sentence Transformers.
Модель помогает сравнивать смысл предложений и текстовых фрагментов. Она создаёт представления текста или оценки близости, которые можно использовать в сопоставлении и поиске; совпадение смысла оценивается моделью и не является доказательством совпадения фактов. Для работы с моделью в источнике указаны библиотеки: Sentence Transformers.
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 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. В качестве основы или связанной базовой модели издатель указал: openai/whisper-tiny. 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: 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. В качестве основы или связанной базовой модели издатель указал: inclusionAI/Realtime-Venus. Для работы с моделью в источнике указаны библиотеки: MLX, 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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. 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. 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, русский. В качестве основы или связанной базовой модели издатель указал: FacebookAI/xlm-roberta-base. 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. Издатель указал языки: русский, английский, kk. Заявленная основа: Qwen/Qwen3-4B-Instruct-2507. В конфигурации указана архитектура Qwen3ForCausalLM. Для запуска в источнике указаны библиотеки Transformers. Заявленные форматы: Safetensors. Это заявленный адаптер: для работы нужна совместимая базовая модель. Для получения файлов может понадобиться принятие условий или одобрение издателя.
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. 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 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 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. Заявленная основа: krea/Krea-2-Turbo. Для запуска в источнике указаны библиотеки Diffusers. Это заявленный адаптер: для работы нужна совместимая базовая модель.
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. В карточке издателя заявлены языки: английский.
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. 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 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 карточке издателя заявлены языки: английский. 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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. 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 пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT.
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. Для работы с моделью в источнике указаны библиотеки: Transformers.
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. Для работы с моделью в источнике указаны библиотеки: PyTorch. Заявленные форматы файлов модели: Safetensors.
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.
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. Для работы с моделью в источнике указаны библиотеки: PyTorch. Заявленные форматы файлов модели: Safetensors.
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. Для работы с моделью в источнике указаны библиотеки: PyTorch. Заявленные форматы файлов модели: Safetensors.
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. Для работы с моделью в источнике указаны библиотеки: PyTorch. Заявленные форматы файлов модели: Safetensors.
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. Для работы с моделью в источнике указаны библиотеки: PyTorch. Заявленные форматы файлов модели: Safetensors.
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. Для работы с моделью в источнике указаны библиотеки: PyTorch. Заявленные форматы файлов модели: Safetensors.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. В карточке издателя заявлены языки: английский. Для работы с моделью в источнике указаны библиотеки: PyTorch. Заявленные форматы файлов модели: Safetensors.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. В карточке издателя заявлены языки: английский. Для работы с моделью в источнике указаны библиотеки: MLX.
Модель помогает сравнивать смысл предложений и текстовых фрагментов. Она создаёт представления текста или оценки близости, которые можно использовать в сопоставлении и поиске; совпадение смысла оценивается моделью и не является доказательством совпадения фактов. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3-Embedding-0.6B. Для работы с моделью в источнике указаны библиотеки: Sentence Transformers. Заявленные форматы файлов модели: Safetensors.
Модель помогает сравнивать смысл предложений и текстовых фрагментов. Она создаёт представления текста или оценки близости, которые можно использовать в сопоставлении и поиске; совпадение смысла оценивается моделью и не является доказательством совпадения фактов. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3-Embedding-0.6B. Для работы с моделью в источнике указаны библиотеки: Sentence Transformers. Заявленные форматы файлов модели: Safetensors.
Модель помогает сравнивать смысл предложений и текстовых фрагментов. Она создаёт представления текста или оценки близости, которые можно использовать в сопоставлении и поиске; совпадение смысла оценивается моделью и не является доказательством совпадения фактов. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3-Embedding-0.6B. Для работы с моделью в источнике указаны библиотеки: Sentence Transformers. Заявленные форматы файлов модели: Safetensors.
Модель помогает сравнивать смысл предложений и текстовых фрагментов. Она создаёт представления текста или оценки близости, которые можно использовать в сопоставлении и поиске; совпадение смысла оценивается моделью и не является доказательством совпадения фактов. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3-Embedding-0.6B. Для работы с моделью в источнике указаны библиотеки: Sentence Transformers. Заявленные форматы файлов модели: Safetensors.
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.
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 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.