Мультимодальные Vision-модели
Для анализа изображений смотрите MMMU Pro, MathVision и документные тесты. Отдельно проверяйте точность OCR, пространственное понимание и способность модели ссылаться на конкретные элементы изображения. Телеграм-бот fLLMs мониторит бесплатные API-ключи в роутерах.
Значение показывается только там, где для модели есть результат конкретного теста · Методология и источники
Модели, принимающие изображения, схемы, графики, скриншоты и документы на вход.
Модели: Понимание изображений
Найдено: 97 моделейСтраница 1 из 5
Muse Spark 1.3
от Meta
Other
Proprietary
CTX1M
PARНе раскрыто
MultimodalCodeReasoning
* Продукт компании Meta Platforms Inc., деятельность которой признана экстремистской и запрещена на территории РФ.
Qwen3.8-Flash
от Qwen
Qwen
Proprietary
CTX1M
PAR125B основная модель / около 6B активных (MoE)
FlashMoEMultimodal
Qwen3.8-Flash-Next
от Qwen
Qwen
Open Weights
CTX256K нативно / до 1M
PAR125B + 51B n-gram embeddings / 6B активных
PreviewFlashMoE
LiveCode 91.9%
DeepSeek V4 Flash Vision Exp
от DeepSeek
DeepSeek
Proprietary
CTX1M
PARНе раскрыто для этого API-снимка
PreviewFlashMultimodal
Meta Muse Glimmer 30B
от Meta
Other
Open Source
CTX128K
PAR~29.6B включая vision encoder
Open-SourceMultimodalAgentic
* Продукт компании Meta Platforms Inc., деятельность которой признана экстремистской и запрещена на территории РФ.
Muse Spark 1.2
от Meta
Other
Proprietary
CTX1M
PARНе раскрыты
MultimodalCodeReasoning
* Продукт компании Meta Platforms Inc., деятельность которой признана экстремистской и запрещена на территории РФ.
* Продукт компании Meta Platforms Inc., деятельность которой признана экстремистской и запрещена на территории Российской Федерации.