Swift-1.5-Qwen3.8-27b-oQ5e-fp16-mtp
dicksondickson基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DISCOVER & COMPARE
AIモデルを探す 84991
Swift-1.5-Qwen3.8-27b-oQ6e-bf16-mtp-MLX
dicksondickson基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Swift-1.5-Qwen3.8-27b-oQ6e-fp16-mtp
dicksondickson基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Swift-1.5-Qwen3.8-27b-oQ8e-bf16-mtp-MLX
dicksondickson基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Swift-1.5-Qwen3.8-27b-oQ8e-fp16-mtp
dicksondickson基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-3.2-Momentum
DICPlay基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-3.2-Vspyshka
DICPlay基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-3.5.1-Momentum
DICPlay基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-3.5-Vspyshka
DICPlay基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-4.5.4-Momentum
DICPlay基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-4.6.5-Momentum
DICPlay基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-4.7-Momentum
DICPlay基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-Malysh-4.7
DICPlay基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-Momentum
DICPlay**Национальный ИИ от DICPlay.** Самая лёгкая модель семейства RusMind — работает прямо на устройстве, без интернета. Здесь собраны все сохранённые версии: от первой до текущей. Сокол 4.7 — новая модель RusMind с режимом размышлений: прежде чем ответить, он продумывает задачу шаг за шагом. При 8,9 млрд параметров в независимом бенчмарке MERA v2 — **0,279**: - **топ-2 российская модель*** — выше только GigaChat 3.5 Reasoning от Сбера; - **обходит гигантский GigaChat 3.5 Ultra от Сбера** — модель на 432 млрд параметров, в 48 раз больше; - **выше T-pro и T-lite от Т-Банка**, A-Vibe от Авито и других российских моделей; сложные инструкции выполняет в 8 раз точнее T-pro; - **№1 среди всех моделей до 10 млрд параметров** — с большим отрывом, сразу в пяти зачётах.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-Vspyshka
DICPlay**Национальный ИИ от DICPlay.** Вспышка 4.7 — №2 среди всех моделей до 10 млрд параметров в независимом бенчмарке MERA v2 (0,191), сразу после RusMind Сокол. Работает на устройстве, без интернета: пишет, объясняет, помогает с учёбой и кодом на мощных ПК и флагманских телефонах. Здесь собраны все сохранённые версии. Сокол 4.7 — новая модель RusMind с режимом размышлений: прежде чем ответить, он продумывает задачу шаг за шагом. При 8,9 млрд параметров в независимом бенчмарке MERA v2 — **0,279**: **Что такое MERA.** MERA (Multimodal Evaluation for Russian-language Architectures) — ведущий независимый бенчмарк русскоязычных нейросетей. Его ведёт **Альянс в сфере искусственного интеллекта**, который основали Сбер, Яндекс, МТС, VK, «Газпром нефть» и РФПИ. Методологию разработала команда SberDevices вместе с академическими партнёрами, над версиями бенчмарка работали специалисты **Сбера, MTS AI, Сколтеха и НИУ ВШЭ**. В рейтинге — GigaChat от Сбера, T-lite и T-pro от Т-Банка, A-Vibe от Авито, модели Google, Alibaba, Mistral и других. Правильные ответы на тестовые задания участникам не показывают: результат считает сама платформа MERA, поэтому подогнать его нельзя. Все цифры ниже — из MERA: открыть рейтинг.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RusMind-Vspyshka-4.7
DICPlay基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗BEREL_3.0
dicta-ilAvi Shmidman, Joshua Guedalia, Shaltiel Shmidman, Cheyn Shmuel Shmidman, Eli Handel, Moshe Koppel, "Introducing BEREL: BERT Embeddings for Rabbinic-Encoded Language", Aug 2022 [arXiv:2208.01875] > NOTE: This code will **not** work and provide bad results if you use `BertTokenizer`. Please use `AutoTokenizer` or `BertTokenizerFast`.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗dictabert
dicta-il基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗dictabert-joint
dicta-ilState-of-the-art language model for Hebrew, released here. - Prefix Segmentation - Morphological Disabmgiuation - Lexicographical Analysis (Lemmatization) - Syntactical Parsing (Dependency-Tree) - Named-Entity Recognition A live demo of the model with instant visualization of the syntax tree can be found here.
翻訳待ち・原文を表示
入力 テキスト→ 出力 埋め込み
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗dictabert-large
dicta-il基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗dictabert-large-char
dicta-ilDictaBERT-large-char is a BERT-style language model for Hebrew, based on the BERT-Large architecture with a character level tokenizer. This model is a BERT-Large adaptation of our BERT-Base Hebrew Character model (https://huggingface.co/dicta-il/dictabert-char), released in our 2025 W-NUT paper: Avi Shmidman and Shaltiel Shmidman, "Restoring Missing Spaces in Scraped Hebrew Social Media", The 10th Workshop on Noisy and User-generated Text (W-NUT), 2025 The model is pretrained with the masked-language-modeling objective, on a character basis. For a fine-tuned version of this model which is trained to produce Hebrew diacritization (nikud), see: https://huggingface.co/dicta-il/dictabert-large-char-menaked
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗dictabert-large-char-menaked
dicta-il基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗dictabert-large-ner
dicta-il基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗dictabert-lex
dicta-il基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 埋め込み
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗該当するモデルがありません
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
COST EXPLORER
モデル選びに、費用の視点も。
月間トークン数を調整してAPI費用を比較。
1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較
同一チャネルの基本テキスト料金を比較
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
MODEL HANDBOOK
モデルを理解して選ぶ
API料金はどう比較しますか？+
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
オープンウェイトは無料で商用利用できますか？+
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
ランキング1位が最適ですか？+
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。