poolsideLaguna XS 2.1
poolside/laguna-xs-2.1
- Вход / 1 млн токенов
- 20 ₽
- Выход / 1 млн токенов
- 30 ₽
КАТАЛОГ НЕЙРОСЕТЕЙ
Модель под вашу задачу.
Найдите модель по названию, разработчику или идентификатору. Сравните характеристики перед подключением API.
600 моделей в снимке от 13 сентября 2026. Поиск по названию, разработчику и идентификатору.
Найдено 445 моделейПо 30 на странице
Как определяется популярность
По объёму обработанных токенов, не по продажам или качеству. Публичный рейтинг. Данные по 2026-09-13. Снимок публичного топ-10. Модели без данных идут далее по алфавиту; версии учитываются отдельно. Источник: публичный рейтинг поставщика, CC BY 4.0.
poolsidepoolsideLaguna XS 2.1 (free)
poolside/laguna-xs-2.1:free
- Вход / 1 млн токенов
- 0 ₽
- Выход / 1 млн токенов
- 0 ₽
qwenQwen Plus 0728
qwen/qwen-plus-2025-07-28
- Вход / 1 млн токенов
- 50 ₽
- Выход / 1 млн токенов
- 140 ₽
qwenQwen-Plus
qwen/qwen-plus
- Вход / 1 млн токенов
- 50 ₽
- Выход / 1 млн токенов
- 140 ₽
qwenQwen2.5 7B Instruct
qwen/qwen-2.5-7b-instruct
- Вход / 1 млн токенов
- 20 ₽
- Выход / 1 млн токенов
- 40 ₽
qwenQwen2.5 VL 72B Instruct
qwen/qwen2.5-vl-72b-instruct
- Вход / 1 млн токенов
- 140 ₽
- Выход / 1 млн токенов
- 170 ₽
qwenQwen3 14B
qwen/qwen3-14b
- Вход / 1 млн токенов
- 40 ₽
- Выход / 1 млн токенов
- 160 ₽
qwenQwen3 235B A22B
qwen/qwen3-235b-a22b
- Вход / 1 млн токенов
- 80 ₽
- Выход / 1 млн токенов
- 310 ₽
qwenQwen3 235B A22B Instruct 2507
qwen/qwen3-235b-a22b-2507
- Вход / 1 млн токенов
- 20 ₽
- Выход / 1 млн токенов
- 60 ₽
qwenQwen3 235B A22B Thinking 2507
qwen/qwen3-235b-a22b-thinking-2507
- Вход / 1 млн токенов
- 40 ₽
- Выход / 1 млн токенов
- 390 ₽
qwenQwen3 30B A3B
qwen/qwen3-30b-a3b
- Вход / 1 млн токенов
- 30 ₽
- Выход / 1 млн токенов
- 90 ₽
qwenQwen3 30B A3B Instruct 2507
qwen/qwen3-30b-a3b-instruct-2507
- Вход / 1 млн токенов
- 10 ₽
- Выход / 1 млн токенов
- 40 ₽
qwenQwen3 30B A3B Thinking 2507
qwen/qwen3-30b-a3b-thinking-2507
- Вход / 1 млн токенов
- 40 ₽
- Выход / 1 млн токенов
- 410 ₽
qwenQwen3 32B
qwen/qwen3-32b
- Вход / 1 млн токенов
- 20 ₽
- Выход / 1 млн токенов
- 50 ₽
qwenQwen3 8B
qwen/qwen3-8b
- Вход / 1 млн токенов
- 20 ₽
- Выход / 1 млн токенов
- 80 ₽
qwenQwen3 Coder 30B A3B Instruct
qwen/qwen3-coder-30b-a3b-instruct
- Вход / 1 млн токенов
- 20 ₽
- Выход / 1 млн токенов
- 50 ₽
qwenQwen3 Coder 480B A35B
qwen/qwen3-coder
- Вход / 1 млн токенов
- 60 ₽
- Выход / 1 млн токенов
- 170 ₽
qwenQwen3 Coder Flash
qwen/qwen3-coder-flash
- Вход / 1 млн токенов
- 40 ₽
- Выход / 1 млн токенов
- 170 ₽
qwenQwen3 Coder Next
qwen/qwen3-coder-next
- Вход / 1 млн токенов
- 30 ₽
- Выход / 1 млн токенов
- 140 ₽
qwenQwen3 Coder Plus
qwen/qwen3-coder-plus
- Вход / 1 млн токенов
- 110 ₽
- Выход / 1 млн токенов
- 550 ₽
qwenQwen3 Max
qwen/qwen3-max
- Вход / 1 млн токенов
- 140 ₽
- Выход / 1 млн токенов
- 660 ₽
qwenQwen3 Max Thinking
qwen/qwen3-max-thinking
- Вход / 1 млн токенов
- 140 ₽
- Выход / 1 млн токенов
- 660 ₽
qwenQwen3 Next 80B A3B Instruct
qwen/qwen3-next-80b-a3b-instruct
- Вход / 1 млн токенов
- 20 ₽
- Выход / 1 млн токенов
- 190 ₽
qwenQwen3 Next 80B A3B Thinking
qwen/qwen3-next-80b-a3b-thinking
- Вход / 1 млн токенов
- 30 ₽
- Выход / 1 млн токенов
- 210 ₽
qwenQwen3 VL 235B A22B Instruct
qwen/qwen3-vl-235b-a22b-instruct
- Вход / 1 млн токенов
- 40 ₽
- Выход / 1 млн токенов
- 330 ₽
qwenQwen3 VL 235B A22B Thinking
qwen/qwen3-vl-235b-a22b-thinking
- Вход / 1 млн токенов
- 70 ₽
- Выход / 1 млн токенов
- 680 ₽
qwenQwen3 VL 30B A3B Instruct
qwen/qwen3-vl-30b-a3b-instruct
- Вход / 1 млн токенов
- 30 ₽
- Выход / 1 млн токенов
- 110 ₽
qwenQwen3 VL 30B A3B Thinking
qwen/qwen3-vl-30b-a3b-thinking
- Вход / 1 млн токенов
- 40 ₽
- Выход / 1 млн токенов
- 410 ₽
qwenQwen3 VL 32B Instruct
qwen/qwen3-vl-32b-instruct
- Вход / 1 млн токенов
- 20 ₽
- Выход / 1 млн токенов
- 80 ₽
qwenQwen3 VL 8B Instruct
qwen/qwen3-vl-8b-instruct
- Вход / 1 млн токенов
- 20 ₽
- Выход / 1 млн токенов
- 80 ₽
Обзоры моделей
Для каких задач подходят модели, какие у них ограничения и что учитывать перед подключением API.
ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕ
VoyageAI by MongoDB: voyage-4
Voyage 4 — универсальная text embedding-модель с балансом качества, задержки и стоимости. Её сценарий — корпоративный RAG по политикам и инструкциям, где один поиск обслуживает несколько отделов и языков.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕVoyageAI by MongoDB: rerank-2.5-lite
Voyage Rerank 2.5 Lite — облегчённый multilingual reranker с упором на задержку. Его сценарий — переставить несколько десятков товаров после hybrid search, пока пользователь ждёт обновления каталога.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕVoyageAI by MongoDB: rerank-2.5
Voyage Rerank 2.5 — cross-encoder для повторного ранжирования документов относительно запроса. На странице он используется после быстрого поиска в технической поддержке, чтобы поднять точную инструкцию среди похожих кандидатов.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕPerplexity: Embed V1 4B
pplx-embed-v1-4b — крупная embedding-модель Perplexity с native размерностью 2560. Её целевой сценарий — предварительный поиск похожих патентных аннотаций, где полноту нужно улучшать без обещаний юридической новизны.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕPerplexity: Embed V1 0.6B
pplx-embed-v1-0.6b — компактная embedding-модель Perplexity с длинным контекстом. На странице она рассматривается для поиска по договорам, где приложение сравнивает качество целого раздела и аккуратной нарезки на положения.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕThenlper: GTE-Large
GTE Large — старшая англоязычная embedding-модель семейства General Text Embeddings. Её разумно тестировать для внутренней инженерной базы, где цена пропущенной инструкции выше дополнительного объёма 1024-мерного индекса.
Читать обзор →Выберите модель и изучите её характеристики, ограничения и состояние тарифа.
Как выбрать модель
Сопоставьте задачу с размером контекста и форматом ответа. Оцените качество на примерах из своего приложения перед выбором основной модели.
Тексты и рассуждения
DeepSeek
Семейство для текстовых задач и многошаговых ответов. Выбирайте конкретную версию и параметры в каталоге.
Подробнее →Автоматизация и кодQwen
Семейство моделей для обработки текста и разработки. В каталоге будут отдельные версии, а не плавающий псевдоним.
Подробнее →Документы и агентыKimi
Кандидат для сценариев с документами и инструментами. Доступность и реальные ограничения зависят от выбранной версии.
Подробнее →