токенмостAPIЛичный кабинет ↗

КАТАЛОГ НЕЙРОСЕТЕЙ

Модель под вашу задачу.

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

Быстрый поиск: OpenAIDeepSeekClaude

681 моделей в снимке от 13 сентября 2026. Поиск по названию, разработчику и идентификатору.

Найдено 681 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.

cognitivecomputations

Uncensored

cognitivecomputations/dolphin-mistral-24b-venice-edition

Текст128 000 ток.
Вход / 1 млн токенов
40 ₽
Выход / 1 млн токенов
170 ₽
Обзор и подключение →

Сравнение моделей

Текстовые ставки указаны за 1 млн токенов, ставки изображений — со своей единицей расчёта. 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

Sentence Transformers: paraphrase-MiniLM-L6-v2

paraphrase-MiniLM-L6-v2 — компактная sentence-transformer модель для близких формулировок. Её практический сценарий — найти повторяющиеся описания товаров, даже когда автор заменил слова и переставил предложения.

Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕ

Sentence Transformers: multi-qa-mpnet-base-dot-v1

multi-qa-mpnet-base-dot-v1 — embedding-модель, настроенная на поиск passages по вопросу. Её целевой пример — FAQ интернет-магазина: короткий запрос должен привести к утверждённому ответу, а не к генерации нового правила.

Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕ

Thenlper: GTE-Base

GTE Base — англоязычная embedding-модель среднего размера для semantic similarity и поиска. Здесь она применяется к каталогу комплектующих, где пользователь описывает назначение, а система сочетает смысловой поиск с точными фильтрами.

Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕ

Sentence Transformers: all-mpnet-base-v2

all-mpnet-base-v2 — универсальная sentence-embedding модель размерности 768. На этой странице она рассматривается как основа рекомендаций научных аннотаций, где тематическая близость должна дополнять строгие фильтры по области и году.

Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕ

Sentence Transformers: all-MiniLM-L12-v2

all-MiniLM-L12-v2 — компактная модель Sentence Transformers для сравнения предложений и коротких абзацев. Практический сценарий страницы — группировка потока новостей по одному событию, чтобы редактор видел сюжет, а не десятки пересказов.

Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕ

Intfloat: Multilingual-E5-Large

Multilingual E5 Large — многоязычная embedding-модель для поиска между запросом и документом на разных языках. Её сценарий — единая служба поддержки, где русский вопрос должен находить актуальную английскую инструкцию.

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 →