токенмостAPIЛичный кабинет ↗

КАТАЛОГ НЕЙРОСЕТЕЙ

Модель под вашу задачу.

Найдите модель по названию, разработчику или идентификатору. Сравните характеристики перед подключением API.

Быстрый поиск: OpenAIDeepSeekClaude

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.

Сравнение моделей

Вход и выход указаны за 1 млн токенов. Возможности проверяйте в полном обзоре.

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 ПРИМЕНЕНИЕ

VoyageAI 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 ПРИМЕНЕНИЕ

VoyageAI 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 ПРИМЕНЕНИЕ

Perplexity: 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 ПРИМЕНЕНИЕ

Perplexity: 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 ПРИМЕНЕНИЕ

Thenlper: 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 код

Qwen

Семейство моделей для обработки текста и разработки. В каталоге будут отдельные версии, а не плавающий псевдоним.

Подробнее →Документы и агенты

Kimi

Кандидат для сценариев с документами и инструментами. Доступность и реальные ограничения зависят от выбранной версии.

Подробнее →