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.
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 карточке издателя заявлены языки: английский. 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 карточке издателя заявлены языки: английский. Для работы с моделью в источнике указаны библиотеки: Sentence Transformers. Заявленные форматы файлов модели: Safetensors.
Модель оценивает соответствие документов или текстовых фрагментов поисковому запросу и помогает упорядочить кандидатов. На вход поступают запрос и тексты, на выходе — оценки или порядок релевантности; сбор документов обычно выполняется отдельной поисковой системой. В карточке издателя заявлены языки: английский. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3-Reranker-0.6B. 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.
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 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. 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: AI-MO/Kimina-Prover-Distill-1.7B. 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.
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/Qwen3-8B. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
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 карточке издателя заявлены языки: английский. 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. В карточке издателя заявлены языки: английский, хинди. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen2.5-3B-Instruct. Для работы с моделью в источнике указаны библиотеки: llama.cpp. 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. 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 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 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.
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.
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 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 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 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 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/Qwen2.5-1.5B-Instruct. 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 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: PyTorch.
Модель подбирает вероятные слова или токены на месте отмеченных пропусков во входном тексте. Результат содержит варианты заполнения с учётом окружающего контекста; это предназначено для восстановления фрагментов, а не обязательно для свободного диалога.
Модель подбирает вероятные слова или токены на месте отмеченных пропусков во входном тексте. Результат содержит варианты заполнения с учётом окружающего контекста; это предназначено для восстановления фрагментов, а не обязательно для свободного диалога. 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. 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 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 видеопоследовательность и определяет её категорию. На выходе получаются метки и оценки классов; набор распознаваемых действий или событий задаётся обучением и не следует из одного названия задачи. 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. 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. 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. 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 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. В конфигурации указана архитектура Qwen4ExpForConditionalGeneration. Для запуска в источнике указаны библиотеки Transformers. Заявленные форматы: Safetensors.
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 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 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: fastino/GLiNER2.5-Decide-1B. Заявленные форматы файлов модели: GGUF.
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. В качестве основы или связанной базовой модели издатель указал: fastino/GLiNER2.5-Decide. 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. В карточке издателя заявлены языки: английский, арабский, иврит, испанский, итальянский, китайский, корейский, немецкий, португальский, французский, хинди, японский. 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. В карточке издателя заявлены языки: английский. 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: Qwen/Qwen3-0.6B-Base. Заявленные форматы файлов модели: Safetensors.
Модель переводит входной текст с одного языка на другой и возвращает перевод в текстовом виде. Она предназначена для автоматической обработки фраз и документов; конкретные направления перевода определяются заявленными языками и настройками модели. В карточке издателя заявлены языки: английский, несколько языков. Заявленные форматы файлов модели: GGUF, Safetensors.
Модель переводит входной текст с одного языка на другой и возвращает перевод в текстовом виде. Она предназначена для автоматической обработки фраз и документов; конкретные направления перевода определяются заявленными языками и настройками модели. В карточке издателя заявлены языки: английский, несколько языков. Заявленные форматы файлов модели: GGUF, Safetensors.