# ai-opensource.com > Понятное руководство по новейшим ИИ-моделям с открытым исходным кодом и открытыми весами: что представляет собой каждая модель, какого она размера, что разрешает её лицензия и какое оборудование сможет её запустить. Факты сверяются с первоисточниками: карточками моделей, файлами лицензий и официальными анонсами. Если не указано иное, цифры бенчмарков приведены разработчиками. Текст и данные опубликованы по лицензии CC BY 4.0. Последнее обновление каталога: 11 ноября 2026 г.. English: https://ai-opensource.com/llms.txt ## Модели - [Clef](https://ai-opensource.com/ru/models/clef/): Открытые модели принятия решений от Cloudflare: подайте ситуацию с вопросами — и за один проход получите вероятность для каждого варианта. Параметры: 9.41B–27.4B; Контекстное окно: 64K; Лицензия: Apache 2.0; Дата выпуска: 2026-10-01. - [Confucius4-R2T2](https://ai-opensource.com/ru/models/confucius4-r2t2/): Потоковый распознаватель речи NetEase Youdao, который никогда не исправляет уже подтверждённые слова, адаптирован из Qwen3-ASR-1.7B. Параметры: 2.04B; Лицензия: NetEase Youdao Model Use; Дата выпуска: 2026-09. - [A.X K2](https://ai-opensource.com/ru/models/a-x-k2/): MoE SK Telecom: 688B параметров, 33B активных, нативный FP8, контекст 256K. Apache 2.0; сильна в математике и корейском. Параметры: 688B (33B активных); Контекстное окно: 256K; Лицензия: Apache 2.0; Дата выпуска: 2026-07-29. - [Chatterbox](https://ai-opensource.com/ru/models/chatterbox/): TTS-клонирование голоса от Resemble AI (0.5B, MIT): Multilingual V3 с 6 языковыми пакетами. Свернут в августе 2026: архив без обновлений. Параметры: 500M; Лицензия: MIT; Дата выпуска: 2026-06-10. - [Cosmos 3](https://ai-opensource.com/ru/models/cosmos-3/): Открытые world-модели NVIDIA для роботов и автономного вождения в 4B, 16B и 64B, читающие и пишущие текст, изображения, видео и действия. Параметры: 3.86B–64.6B; Лицензия: OpenMDW-1.1; Дата выпуска: 2026-05-31. - [Command A+](https://ai-opensource.com/ru/models/command-a-plus/): Открытая корпоративная модель Cohere на 218B: 25B активных, 48 языков, изображения и инструменты, Apache 2.0, на двух H100 в 4 бит. Параметры: 218B (25B активных); Контекстное окно: 128K; Лицензия: Apache 2.0; Дата выпуска: 2026-05-20. - [Anima](https://ai-opensource.com/ru/models/anima/): Модель аниме и иллюстраций на 2B от CircleStone Labs и Comfy Org. Turbo за 8–12 шагов. Веса только для некоммерческого использования. Параметры: 2.09B; Лицензия: CircleStone Non-Commercial; Дата выпуска: 2026-05-14. - [Cohere Transcribe](https://ai-opensource.com/ru/models/cohere-transcribe/): Первая открытая речевая модель Cohere: специалист по транскрибации на 2B для 14 языков, выпущена под Apache 2.0. Параметры: 2.07B; Лицензия: Apache 2.0; Дата выпуска: 2026-03-26. - [DeepSeek-OCR 2](https://ai-opensource.com/ru/models/deepseek-ocr-2/): OCR-модель DeepSeek на 3.4B под Apache 2.0: новый энкодер упорядочивает визуальные токены по смыслу, а не в порядке сканирования. Параметры: 3.39B; Лицензия: Apache 2.0; Дата выпуска: 2026-01-27. - [ACE-Step 1.5](https://ai-opensource.com/ru/models/ace-step-1-5/): Музыкальная модель MIT: полные песни за секунды, от 4 ГБ VRAM, с каверами, частичной перерисовкой и более чем на 50 языках. Параметры: 2B–4B; Лицензия: MIT; Дата выпуска: 2026-01-23. - [DeepSeek-OCR](https://ai-opensource.com/ru/models/deepseek-ocr/): 3B OCR-модель DeepSeek под MIT упаковывает текст страницы в немного визуальных токенов: ~97% точности декодирования при сжатии менее 10x. Параметры: 3.34B (570M активных); Лицензия: MIT; Дата выпуска: 2025-10-20. ## Лучшее - [Лучшие open-source OCR- и документные модели 2026 года](https://ai-opensource.com/ru/best/ocr-and-document-models/): Открытые OCR- и парсинг-модели ноября 2026 года — от 0.8B на устройстве до 5B многоязычных парсеров — с их лицензиями и назначением. - [Лучшие open-source мультимодальные модели 2026 года (изображения, видео и аудио)](https://ai-opensource.com/ru/best/multimodal-models/): Открытые модели, читающие изображения, видео и аудио помимо текста — от 1B-модели прямо на устройстве до систем с триллионами параметров — с лицензией и длиной контекста каждой. - [Открытые (open-weight) ИИ-модели, созданные в Европе](https://ai-opensource.com/ru/best/open-models-made-in-europe/): Модели с открытыми весами от разработчиков из Франции, Германии, Швейцарии и Нидерландов: язык, изображения, речь, OCR и эмбеддинги — с лицензией каждой. - [Открытые (open-weight) ИИ-модели, созданные в Южной Корее](https://ai-opensource.com/ru/best/open-models-made-in-korea/): Модели с открытыми весами от южнокорейских разработчиков: четыре языковые модели для государственного проекта суверенного ИИ, две модели Raon от KRAFTON и модель речи для устройства. - [Лучшие open-source реранкеры 2026 года](https://ai-opensource.com/ru/best/reranker-models/): Открытые реранкеры ноября 2026 года для поиска и RAG: только текст и мультимодальные, от 0.6B до 8B параметров, с языками, контекстом, лицензией и размером. - [Лучшие open-source модели для генерации музыки и звука в 2026 году](https://ai-opensource.com/ru/best/music-and-sound-generation/): Открытые модели музыки и звука ноября 2026 года: песни с вокалом, живой инструмент и звуковые эффекты — с указанием требований к железу и ограничений лицензии. ## Сравнение моделей - [ACE-Step 1.5 против MiniMax Music 3: какую открытую модель песен выбрать?](https://ai-opensource.com/ru/compare/ace-step-1-5-vs-minimax-music-3/): ACE-Step 1.5 — модель песен под лицензией MIT, работающая примерно от 4 ГБ VRAM. MiniMax Music 3 — модель 11.1B, пишущая песни до пяти минут, ей нужна GPU на 24 ГБ. - [Apertus 1.5 против OLMo 3.1: какую полностью открытую модель использовать?](https://ai-opensource.com/ru/compare/apertus-1-5-vs-olmo-3-1/): Apertus 1.5 читает текст, изображения и аудио с контекстом 262K; OLMo 3.1 работает только с текстом, 64K, и имеет модель 32B. Обе полностью открыты под Apache 2.0. - [BGE-M3 против Granite Embedding R2: какую модель эмбеддингов использовать?](https://ai-opensource.com/ru/compare/bge-m3-vs-granite-embedding-r2/): BGE-M3 — одна многоязычная модель 568M с плотным, разреженным и мультивекторным поиском; Granite Embedding R2 — четыре небольшие модели с контекстом до 32K. Сравните размер и пригодность. - [Cosmos 3 против Wan 2.2: какую открытую видеомодель выбрать?](https://ai-opensource.com/ru/compare/cosmos-3-vs-wan-2-2/): Cosmos 3 — модель мира от NVIDIA для роботов и вождения, с размером Edge 4B; Wan 2.2 — семейство Alibaba для преобразования текста и изображения в видео под Apache 2.0, с моделью 5B для GPU на 24 ГБ. - [DeepSeek V4 против Hy3: какую большую открытую модель использовать?](https://ai-opensource.com/ru/compare/deepseek-v4-vs-hy3/): DeepSeek V4 — под лицензией MIT, контекст 1 млн токенов, размеры 1.6T и 284B; Hy3 — одна модель Apache 2.0 на 295B с 256K. Сравните размер, контекст и лицензию. - [FLUX 3 Klein против Krea 2: какую модель изображений выбрать?](https://ai-opensource.com/ru/compare/flux-3-image-klein-vs-krea-2/): FLUX 3 Image Klein редактирует изображения и умещается в 8 ГБ с INT8, а Krea 2 рисует разнообразные изображения только из текста. Обе gated, с потолком выручки в 5 и 1 млн долларов США. - [FLUX 3 Image Klein против Qwen-Image-2.1: лицензии, память и возможности](https://ai-opensource.com/ru/compare/flux-3-image-klein-vs-qwen-image-2-1/): FLUX 3 Image Klein и Qwen-Image-2.1 генерируют и редактируют изображения по референсам. Сравните лицензии, требования к памяти и сильные стороны каждой. - [FLUX.3 Image Klein против Z-Image: какую открытую модель изображений использовать?](https://ai-opensource.com/ru/compare/flux-3-image-klein-vs-z-image/): FLUX.3 Image Klein редактирует изображения по до 10 референсам под лицензией с ограничением по выручке; Z-Image — текст-в-изображение под Apache 2.0. Сравните редактирование, лицензию и память. - [Gemma 4 против Qwen3.8-27B: какую открытую модель запустить на одной GPU?](https://ai-opensource.com/ru/compare/gemma-4-vs-qwen-3-8-27b/): Gemma 4 от Google и Qwen3.8-27B от Alibaba — модели под Apache 2.0, умещающиеся на одной GPU. Сравните размеры, типы входа, требования к памяти и сферы применения. - [GLM-5.3 Flash против MiniMax M3: какую мультимодальную модель выбрать?](https://ai-opensource.com/ru/compare/glm-5-3-flash-vs-minimax-m3/): GLM-5.3 Flash — 320 миллиардов параметров, лицензия MIT, дешёвый длинный контекст; MiniMax M3 — 428 миллиардов, режимы рассуждений и лицензия сообщества. Сравниваем размер и лицензию. - [GLM-5.3 против DeepSeek V4.1 Flash: сравнение открытых моделей для агентов программирования](https://ai-opensource.com/ru/compare/glm-5-3-vs-deepseek-v4-1-flash/): GLM-5.3 от Z.ai и DeepSeek V4.1 Flash — открытые модели с весами для программирования и агентов, контекст 1 миллион токенов. Сравниваем размер, потребности в памяти и лицензии. - [GLM-OCR против PaddleOCR-VL: какой небольшой парсер документов выбрать?](https://ai-opensource.com/ru/compare/glm-ocr-vs-paddleocr-vl/): Два парсера документов на 0.9B: GLM-OCR (MIT, SDK, извлечение полей из форм) и PaddleOCR-VL (Apache 2.0, графики и печати). Сравниваем инструменты, лицензию и результаты. - [Index-Translate против TranslateGemma: что выбрать?](https://ai-opensource.com/ru/compare/index-translate-vs-translategemma/): Index-Translate покрывает 150 языков под Apache 2.0 и соблюдает глоссарий и тон. TranslateGemma покрывает 55 под Условиями Gemma и имеет куда больше загрузок. Независимого сравнения мы не нашли. - [K-EXAONE 2.0 против A.X K2: какую корейскую суверенную AI-модель запустить?](https://ai-opensource.com/ru/compare/k-exaone-2-0-vs-a-x-k2/): K-EXAONE 2.0 (750 миллиардов, десять языков, контекст 262K) или A.X K2 (688 миллиардов, пять языков, сильнее в математике и корейском)? Оба — Apache 2.0. Сравниваем размер, железо и применимость. - [Kimi K3.1 Pro против Qwen3.8-Max: какая гигантская открытая модель вам подходит?](https://ai-opensource.com/ru/compare/kimi-k3-1-pro-vs-qwen-3-8-max/): Kimi K3.1 Pro и Qwen3.8-Max — крупнейшие открытые модели с весами, которые можно скачать. Сравниваем размер, типы входа, потребности в памяти и лицензии. - [Kokoro против Pocket TTS: какую крошечную открытую TTS-модель использовать?](https://ai-opensource.com/ru/compare/kokoro-vs-pocket-tts/): Kokoro — 54 фиксированных голоса на 8 языках под Apache 2.0; Pocket TTS клонирует голос по 5 секундам аудио на 6 языках под CC BY 4.0. Оба работают на CPU. - [LTX-2.5 против Wan 2.2: сравнение открытых моделей генерации видео](https://ai-opensource.com/ru/compare/ltx-2-5-vs-wan-2-2/): LTX-2.5 создаёт видео с синхронизированным звуком, а Wan 2.2 — под Apache 2.0 и работает на GPU с 24 ГБ. Сравниваем требования к памяти, лицензии и возможности. - [MiniCPM-OCR против LightOnOCR-3: какую OCR-модель под Apache 2.0 выбрать?](https://ai-opensource.com/ru/compare/minicpm-ocr-vs-lightonocr-3/): MiniCPM-OCR — одна модель 1.3B для китайских и английских страниц; LightOnOCR-3 предлагает размеры 4B, 1B и 0.8B с рамками и данными диаграмм. Сравнение инструментов и пригодности. - [Mistral Large 4 против Muse Spark Open: две гигантские модели с открытыми весами](https://ai-opensource.com/ru/compare/mistral-large-4-vs-muse-spark-open/): Mistral Large 4 и Muse Spark Open вышли оба в октябре 2026 года. Сравниваем размер, типы входа, требования к памяти и условия лицензии каждой. - [MOSS-Image против Z-Image: какая модель изображений под Apache 2.0?](https://ai-opensource.com/ru/compare/moss-image-vs-z-image/): MOSS-Image рисует длинные тексты на китайском и английском и следует JSON-раскладкам; Z-Image Turbo делает фотореалистичные изображения за 8 шагов на GPU с 16 ГБ. Обе под Apache 2.0. - [Nemotron 3.5 Lightning против Qwen3.6: какую модель с 3B активных параметров выбрать?](https://ai-opensource.com/ru/compare/nemotron-3-5-lightning-vs-qwen-3-6/): Nemotron 3.5 Lightning — гибрид 30B-A3B для одной H100 с контекстом 1M; Qwen3.6 — пара 35B-A3B плюс 27B dense с вводом изображений. Сравнение пригодности и результатов. - [Nemotron 3 Nano Omni против MiniCPM-o 4.5: какая открытая омни-модель?](https://ai-opensource.com/ru/compare/nemotron-3-nano-omni-vs-minicpm-o-4-5/): Омни-модель NVIDIA на 31B читает видео, аудио и изображения и отвечает текстом. MiniCPM-o 4.5 на 9B от OpenBMB ещё и говорит. Сравнение памяти, языков и лицензии. - [OmniVoice против VoxCPM2: какую открытую модель синтеза речи выбрать?](https://ai-opensource.com/ru/compare/omnivoice-vs-voxcpm2/): OmniVoice покрывает более 600 языков, но её веса некоммерческие; VoxCPM2 покрывает 30 языков под Apache 2.0. Сравнение языков, дизайна голоса и лицензии. - [Ornith 1.5 против Qwen3.6: какую агентскую кодинг-модель выбрать?](https://ai-opensource.com/ru/compare/ornith-1-5-vs-qwen-3-6/): Ornith 1.5 — производная от Qwen3.5 под лицензией MIT в четырёх размерах; Qwen3.6 — пара Apache 2.0 от Alibaba с вводом изображений. Сравнение размеров, лицензий и доказательств. - [Parakeet TDT 0.6B v3 против Cohere Transcribe: какую выбрать?](https://ai-opensource.com/ru/compare/parakeet-tdt-0-6b-v3-vs-cohere-transcribe/): Parakeet v3 покрывает 25 европейских языков с таймкодами под CC BY 4.0; Cohere Transcribe покрывает 14 языков, включая китайский, японский и корейский, под Apache 2.0. - [PLaMo 3 Translate против Hy-MT2: какую открытую модель для перевода выбрать?](https://ai-opensource.com/ru/compare/plamo-3-translate-vs-hy-mt2/): PLaMo 3 Translate покрывает 53 языка по лицензии с ограничением выручки; Hy-MT2 покрывает 33 под чистым Apache 2.0 и у него куда более крупное сообщество. Собственные графики PFN говорят в пользу PLaMo. - [Qwen3-ASR против Voxtral Realtime: какую потоковую модель выбрать?](https://ai-opensource.com/ru/compare/qwen3-asr-vs-voxtral-realtime/): Qwen3-ASR покрывает 30 языков плюс 22 китайских диалекта с таймкодами; Voxtral Realtime — одна модель 4B с задержкой от 80 мс до 2,4 с. Сравните языки и задержку. - [Qwen3-Embedding против EmbeddingGemma 2: что выбрать?](https://ai-opensource.com/ru/compare/qwen3-embedding-vs-embeddinggemma-2/): Qwen3-Embedding обрабатывает текст и код в трёх размерах; EmbeddingGemma 2 помещает текст, изображения, аудио и видео в одно пространство. Сравните контекст, размер и лицензии. - [Ripple-65B против Nanbeige4.3-33B: какая новая агентская модель?](https://ai-opensource.com/ru/compare/ripple-65b-vs-nanbeige-4-3-33b/): Ripple-65B Preview — плотная модель 65B с контекстом 1M под Apache 2.0; Nanbeige4.3-33B — модель 33B с контекстом 512K и INT4-сборкой на 23 ГБ. - [S2 Pro против Higgs TTS 3: какая некоммерческая TTS-модель?](https://ai-opensource.com/ru/compare/s2-pro-vs-higgs-tts-3/): S2 Pro от Fish Audio и Higgs TTS 3 от Boson — обе модели текст-в-речь на 4.6B с инлайн-тегами и клонированием, и обе некоммерческие. Сравните лицензии и железо. - [Solar Open 2 против Motif 3: какую корейскую агентскую модель запустить?](https://ai-opensource.com/ru/compare/solar-open-2-vs-motif-3/): У Solar Open 2 — 250B параметров, контекст 1M и правило именования; у Motif 3 — 314B, контекст 256K и чистая лицензия MIT. Сравните железо, языки и лицензии. - [Stable Audio 3 против MOSS-SoundEffect v2.0: какая открытая модель звуковых эффектов?](https://ai-opensource.com/ru/compare/stable-audio-3-vs-moss-soundeffect-v2/): Stable Audio 3 создаёт музыку и эффекты до 6 мин 20 с за восемь шагов, бесплатно при выручке до 1 млн долларов. MOSS-SoundEffect v2.0 создаёт 30-секундные эффекты под Apache 2.0. - [Whisper large-v3-turbo против Nemotron 3.5 Transcribe: что использовать?](https://ai-opensource.com/ru/compare/whisper-large-v3-turbo-vs-nemotron-3-5-transcribe/): Whisper large-v3-turbo мал и широко поддерживается; Nemotron 3.5 Transcribe добавляет метки говорящих и стиль, управляемый промптом. Сравните память, языки и лицензии. - [ZONOS3-Mini против Drama 3: какая новая открытая TTS-модель?](https://ai-opensource.com/ru/compare/zonos3-mini-vs-drama-3/): ZONOS3-Mini — модель Apache 2.0 на 800M для 43 языков, работает в браузере. Drama 3 — модель 36B для 83 языков, бесплатна только при выручке до 500 тыс. долларов. ## Лицензии - [Apache License 2.0](https://ai-opensource.com/ru/licenses/apache-2-0/): Одна из самых распространённых разрешительных лицензий. Вы можете использовать и изменять модель, а также продавать продукты, созданные на её основе, выполнив лишь несколько лёгких условий. - [bilibili Model Use License Agreement](https://ai-opensource.com/ru/licenses/bilibili-model-use/): Лицензия Bilibili для IndexTTS, на которую указывают и карточка модели IndexTTS-2.5, и репозиторий на GitHub. Она разрешает использовать, изменять, применять для обучения, распространять модель и создавать её производные по всему миру и без роялти. Прямого запрета коммерческого использования в тексте нет, но пользователю или аффилированному лицу с более чем 100 миллионами активных пользователей в месяц или годовой выручкой свыше 1 миллиарда юаней (RMB) нужна отдельная письменная лицензия. - [Boson Higgs TTS 3 Research and Non-Commercial License](https://ai-opensource.com/ru/licenses/boson-higgs-non-commercial/): Лицензия Boson AI для весов Higgs TTS 3, последний раз обновлённая 8 июля 2026 года. Она называет себя лицензией с видимым исходным кодом (source-available), но не open-source. Исследовательское и некоммерческое использование бесплатно, любой коммерческой цели нужна отдельная письменная лицензия от Boson. Единственное исключение — Creator Use Grant (разрешение для создателей контента): цифровые создатели могут создавать и монетизировать подкасты, видео, аудиокниги и посты в соцсетях со звуком модели, если указывают авторство «Boson AI's Higgs Audio». - [BreezeBlue Research and Non-Commercial License Agreement v1.1](https://ai-opensource.com/ru/licenses/breezeblue-non-commercial/): Лицензия на веса Breeze TTS 2, версия 1.1 от 1 сентября 2026 года, выпущенная Resonia, Inc., которая работает под именем BreezeBlue. Она бесплатна для исследований и некоммерческого использования и вообще не предоставляет коммерческих прав — ни порога по выручке, ни исключения для создателей. Аудио, созданное вами с помощью открытых весов, подчиняется тем же ограничениям. - [Creative Commons Attribution 4.0 (CC BY 4.0)](https://ai-opensource.com/ru/licenses/cc-by-4-0/): Лицензия Creative Commons, которая позволяет любому копировать, распространять и адаптировать произведение для любых целей, включая коммерческие, при условии указания авторства. Она написана для творческих произведений и данных, а не для программного обеспечения, но некоторые релизы речевых моделей и наборов данных используют её для весов модели. - [Creative Commons Attribution-NonCommercial (CC BY-NC)](https://ai-opensource.com/ru/licenses/cc-by-nc/): Лицензия Creative Commons, которая позволяет любому копировать, распространять и адаптировать произведение с указанием авторства, но только в некоммерческих целях. В некоторых карточках моделей она указана без номера версии, а текущая версия — 4.0. - [CircleStone Labs Non-Commercial License v1.2](https://ai-opensource.com/ru/licenses/circlestone-non-commercial/): Лицензия на модели изображений Anima от CircleStone Labs. Веса бесплатны только для некоммерческого использования, но изображения, которые вы генерируете, можно использовать коммерчески. Хостинг модели за плату или встраивание её в монетизируемый продукт требуют отдельной коммерческой лицензии от CircleStone Labs. - [AI Pubs Open RAIL-M License (Modified, Datalab)](https://ai-opensource.com/ru/licenses/datalab-openrail-m/): Модифицированная лицензия Open RAIL-M. Бесплатна для исследований и личного использования, а для коммерческого использования — только организациям с выручкой за прошлый год менее 2 млн долларов США и суммарно привлечёнными средствами менее 2 млн долларов США. Она также запрещает использовать модель для конкуренции с Datalab и требует, чтобы производные модели и результаты несли ту же лицензию. - [AI Pubs Open RAIL-M License (Modified, Datalab Surya)](https://ai-opensource.com/ru/licenses/datalab-surya-openrail-m/): Та же модифицированная лицензия Open RAIL-M, что и у моделей Chandra от Datalab, но с более высокими лимитами. Бесплатна для исследований и личного использования, а для коммерческого использования — только организациям с выручкой за прошлый год менее 5 млн долларов США и суммарно привлечёнными средствами менее 5 млн долларов США. Она также запрещает использовать модель для конкуренции с Datalab и требует, чтобы производные модели и результаты несли ту же лицензию. - [ERNIE 5.5 Flash Base Model License Agreement v1.0](https://ai-opensource.com/ru/licenses/ernie-5-5-flash-base/): Бесплатно для некоммерческого использования, и бесплатно для коммерческого использования при связанном годовом доходе до 50 млн долларов США, если вы показываете «Powered by ERNIE» и отправляете Baidu разовое уведомление, но только за пределами ЕС, Великобритании и Южной Кореи. Свыше 50 млн долларов США нужно письменное разрешение Baidu. - [Fish Audio Community License Agreement 1.0](https://ai-opensource.com/ru/licenses/fish-audio-community/): Бесплатно для исследований и некоммерческого использования, и бесплатно для коммерческого использования, пока вы и аффилированные лица зарабатываете менее 500 тысяч долларов США в год. Сверх этого, или для предложения модели другим как сервиса синтеза речи, клонирования голоса или инференса любого масштаба, нужна отдельная письменная лицензия от Fish Audio. Вы должны показывать «Built with Fish Audio», не можете клонировать голос реального человека без согласия и не можете использовать модель или её аудио для обучения других речевых или фундаментальных моделей. - [Fish Audio Research License Agreement](https://ai-opensource.com/ru/licenses/fish-audio-research/): Лицензия Fish Audio для весов S2 Pro, последний раз обновлённая 7 марта 2026 года. Исследовательское и некоммерческое использование бесплатно, включая хобби-проекты, оценку и тестирование. Любая коммерческая цель, включая внутренние операции вашей собственной организации, требует отдельной письменной лицензии от Fish Audio. Если вы делитесь весами или производной моделью, вы передаёте соглашение дальше, сохраняете уведомление с указанием авторства 39 AI, Inc. и показываете «Built with Fish Audio». - [FLUX Kommunity License v1.0](https://ai-opensource.com/ru/licenses/flux-kommunity/): Лицензия Black Forest Labs для открытых весов FLUX 3. Она бесплатна для личного и некоммерческого использования, а для коммерческого — только для «Qualifying Users», то есть если вы и ваши аффилированные лица зарабатываете менее 5 миллионов долларов США в год. Более крупным компаниям нужна коммерческая лицензия или платный API. - [Gemma Terms of Use](https://ai-opensource.com/ru/licenses/gemma-terms/): Собственная лицензия Google для моделей Gemma, выпущенных до Gemma 4, включая TranslateGemma. Она разрешает коммерческое использование, изменения и распространение без ограничения по выручке, но каждая копия и каждое производное произведение должны нести те же ограничения использования, а Google может ограничить применение, которое, по его мнению, нарушает условия. - [GLM-5.3 License](https://ai-opensource.com/ru/licenses/glm-5-3/): Близко к MIT. Единственное дополнительное условие касается гигантского хостинг-бизнеса: оператор «модели как услуги» с выручкой более 10 миллиардов долларов США должен пройти проверку безопасности Z.AI. Все остальные могут обращаться с ней как с MIT. - [Ideogram Non-Commercial Model Agreement](https://ai-opensource.com/ru/licenses/ideogram-non-commercial/): Лицензия Ideogram для весов Ideogram 4, последний раз обновлённая 3 июня 2026 года. Веса бесплатны только для некоммерческих целей, которые текст определяет узко. Компания может тестировать и создавать прототипы, но не разворачивать модель, а генерация изображений для приносящих доход продуктов исключена. Для коммерческого использования нужно отдельное соглашение, которое Ideogram может выдать или отказать по своему усмотрению. - [Kimi K3 License](https://ai-opensource.com/ru/licenses/kimi-k3/): Лицензия в стиле MIT с двумя условиями по масштабу. Большинство компаний могут использовать её в коммерческих целях без запроса, но крупному хостинг-бизнесу нужна отдельная сделка, а очень крупным продуктам — указание авторства модели. Kimi K3.1 Pro использует те же условия под собственным именем. - [Krea 2 Community License Agreement v1](https://ai-opensource.com/ru/licenses/krea-2-community/): Лицензия Krea для весов Krea 2 Raw и Turbo, датированная 22 июня 2026 года. Вы можете использовать, изменять и делиться моделями и создавать производные, а коммерческое использование разрешено лишь пока вы и ваши аффилированные лица зарабатываете менее 1 миллиона долларов США в год. Более крупным организациям нужна корпоративная лицензия от Krea. - [LFM Open License v1.0](https://ai-opensource.com/ru/licenses/lfm-open-1-0/): Лицензия в стиле Apache 2.0 от Liquid AI с одной крупной оговоркой. Коммерческое использование лицензируется только пока ваша компания вместе с аффилированными лицами зарабатывает менее 10 миллионов долларов США в год. За этой чертой у вас нет лицензии, и нужно собственное соглашение. - [LTX-2 Community License Agreement](https://ai-opensource.com/ru/licenses/ltx-2-community/): Собственная лицензия для LTX-2 и LTX-2.3, датированная 5 января 2026 года. Организации с годовой выручкой менее 10 миллионов долларов США могут использовать, изменять и размещать модели для любых целей с учётом списка запрещённых применений. Организациям с этой суммой или выше нужно платное коммерческое соглашение. LTX-2.5 вместо этого использует более новую лицензию LTX-2.x. - [LTX-2.x Community License Agreement](https://ai-opensource.com/ru/licenses/ltx-2x-community/): Собственная лицензия для видеомоделей LTX. Организации с годовой выручкой менее 10 миллионов долларов США могут использовать, изменять и размещать модель для любых целей; организациям с этой суммой или выше нужна платная коммерческая лицензия, хотя они всё ещё могут оценивать её вне продакшена. - [MiniMax Community License](https://ai-opensource.com/ru/licenses/minimax-community/): Лицензия, которая даёт права на некоммерческие цели, а затем описывает шаги для коммерческого использования: показать строку упоминания, отправить уведомление и получить письменное разрешение, если ваш продукт зарабатывает более 20 миллионов долларов США в год. Военное применение запрещено. Прежде чем выпускать продукт на её основе, получите юридическую оценку. - [MiniMax H3 Community License Agreement](https://ai-opensource.com/ru/licenses/minimax-h3-community/): Лицензия сообщества, позволяющая использовать, изменять и распространять MiniMax H3, но только в «Применимой территории» — весь мир, кроме Европейского союза, Великобритании, Южной Кореи и США. Коммерческим продуктам с доходом более 20 миллионов долларов США в год нужно письменное разрешение MiniMax, каждый коммерческий продукт должен показывать «MiniMax H3» в своём интерфейсе, а использовать модель или её результаты для обучения других ИИ-моделей нельзя. Получите юридическую консультацию, особенно если вы или ваши пользователи находитесь в исключённом регионе. - [MiniMax-H3-Image Community License Agreement](https://ai-opensource.com/ru/licenses/minimax-h3-image-community/): Основана на лицензии MiniMax H3, но с гораздо более низким коммерческим порогом. Использовать, изменять и распространять MiniMax-H3-Image можно только в «Применимой территории» (весь мир, кроме Европейского союза, Великобритании, Южной Кореи и США). Нужно письменное разрешение MiniMax, если вы и ваши аффилированные лица зарабатывают более 1 миллиона долларов США в год, или если вы предлагаете модель как хостинговый сервис кому-то ещё. Получите юридическую консультацию, прежде чем строить на нём бизнес. - [MiniMax M2.7 Non-Commercial License](https://ai-opensource.com/ru/licenses/minimax-m2-7-non-commercial/): Лицензия в стиле MIT, охватывающая только некоммерческое использование. Личное использование, включая самостоятельный хостинг для программирования и создания своих инструментов, а также некоммерческое, академическое и исследовательское использование бесплатны. Любое коммерческое использование требует отдельного предварительного письменного разрешения от MiniMax, а там, где оно разрешено, вы должны показывать «Built with MiniMax M2.7». - [MiniMax Model License (M2.5)](https://ai-opensource.com/ru/licenses/minimax-model-license/): Ограниченная лицензия пермиссивного стиля от MiniMax с датой версии 13 февраля 2026 года. Она предоставляет всемирное право без роялти использовать, копировать, распространять, изменять модель и создавать её производные произведения, без ограничения по выручке в тексте. Вы должны передавать соглашение дальше, помечать изменённые файлы, сохранять уведомление об атрибуции MiniMax и соблюдать Политику запрещённых использований. Карточка модели и метаданные Hugging Face называют её Modified-MIT, но файл лицензии в репозитории озаглавлен MiniMax Model License. - [MiniMax-Music3 Community License](https://ai-opensource.com/ru/licenses/minimax-music3-community/): Лицензия в стиле MIT с коммерческими условиями. Вы можете использовать, изменять и распространять MiniMax Music 3, но коммерческий продукт должен показывать «MiniMax-Music3» в своём интерфейсе, а компании, зарабатывающей более 20 миллионов долларов США в год на продуктах с его использованием, нужно письменное разрешение. Тот, кто предлагает модель другим, также должен сохранять меры защиты от нарушающих права результатов. Применяется длинная политика допустимого использования. - [Mistral Ecosystem Open-Weight License](https://ai-opensource.com/ru/licenses/mistral-open-weight/): Модифицированная лицензия MIT. Вы можете свободно использовать модель и создавать на её основе, но любой бизнес, продающий хостинговый доступ к ней, должен получить отдельную коммерческую лицензию у Mistral — без порога по выручке. - [MIT License](https://ai-opensource.com/ru/licenses/mit/): Самая короткая и простая разрешительная лицензия. Вы можете делать с моделью почти что угодно, если сохраняете уведомление об авторских правах и лицензии. - [Modified MIT License (Moonshot AI)](https://ai-opensource.com/ru/licenses/moonshot-modified-mit/): Стандартная лицензия MIT с одним добавленным предложением. Любой может использовать, изменять и продавать модель, и только очень крупные продукты (более 100 миллионов месячных активных пользователей или более 20 миллионов долларов США месячной выручки) должны показывать имя модели в своём интерфейсе. - [Muse Model License](https://ai-opensource.com/ru/licenses/muse-model-license/): Лицензия Meta для Muse Spark Open. Большинство компаний может использовать его в коммерческих целях, но бизнесу, продающему хостинговый доступ с выручкой свыше 20 миллионов долларов США, нужно отдельное соглашение, и все должны указывать «Built with Muse Spark Open». Загрузка доступна только после одобрения. - [NetEase Youdao Model Use License Agreement](https://ai-opensource.com/ru/licenses/netease-youdao-model-use/): Лицензия на распознаватель речи Confucius4-R2T2 от NetEase Youdao. Коммерческое использование разрешено, если только у вас или аффилированной компании не было более 100 миллионов месячных активных пользователей или более 1 миллиарда юаней (RMB) годовой выручки — тогда нужна отдельная лицензия. Она также запрещает использовать модель для улучшения других моделей ИИ (кроме некоммерческих) и запрещает высокорисковые применения. - [NVIDIA License (non-commercial)](https://ai-opensource.com/ru/licenses/nvidia-license-non-commercial/): Краткая лицензия NVIDIA только для исследований в поставке с LocateAnything-3B. Вы можете использовать, копировать, изменять и распространять произведение, но только в некоммерческих целях, которые текст определяет как исключительно исследовательские или оценочные. NVIDIA и её аффилированные компании сохраняют право коммерческого использования. - [NVIDIA Nemotron Open Model License](https://ai-opensource.com/ru/licenses/nvidia-nemotron-open-model/): Разрешительная лицензия NVIDIA в стиле Apache. Коммерческое использование, производные работы и распространение разрешены, NVIDIA не претендует на владение результатами, а основные обязанности — передавать лицензию дальше и сохранять уведомления. - [NVIDIA Open Model Agreement](https://ai-opensource.com/ru/licenses/nvidia-open-model/): Разрешительное соглашение NVIDIA в стиле Apache, опубликованное 2 апреля 2026 года. NVIDIA подтверждает, что её произведения можно использовать в коммерческих целях, что вы можете создавать и распространять производные работы и что она не претендует на владение результатами. Основные обязанности — передавать соглашение дальше и сохранять уведомления. - [OpenMDW License Agreement 1.1](https://ai-opensource.com/ru/licenses/openmdw-1-1/): Короткая разрешительная лицензия для моделей машинного обучения, написанная Linux Foundation и PyTorch Foundation. Она охватывает модель, её данные, документацию и программное обеспечение как единое целое и не накладывает никаких ограничений на то, что вы делаете с выходными данными модели. - [BigScience Open RAIL-M License](https://ai-opensource.com/ru/licenses/openrail-m/): Стандартная лицензия Open RAIL-M, написанная BigScience в августе 2022 года. Она бесплатно предоставляет права на копирайт и патенты по всему миру, включая размещение модели как сервиса, но привязывает каждую копию и каждое производное произведение к списку запрещённых применений, таких как нарушение закона, выдача себя за других людей без согласия, медицинские советы и полностью автоматизированные решения о юридических правах людей. - [PLaMo Community License Agreement](https://ai-opensource.com/ru/licenses/plamo-community/): Японская лицензия для сообщества для моделей PLaMo. Личное и академическое использование бесплатно. Коммерческое использование бесплатно только после регистрации в Preferred Networks и пока у вас и аффилированных лиц годовая выручка или продажи не превышают 1 миллиарда иен; сверх этого нужно отдельное соглашение. Если вы передаёте модель или производную модель другим, вы должны показывать «Built with PLaMo» и сохранять «PLaMo» в названиях создаваемых моделей. - [Qwen3.8-Max License](https://ai-opensource.com/ru/licenses/qwen-3-8-max/): Лицензия в стиле MIT от команды Qwen компании Alibaba для её флагманской модели. Бесплатна почти для всех, с правилом указания названия для огромных продуктов и отдельным соглашением для крупного хостинга и бизнеса «ИИ-ассистентов для работы». - [Qwen Community License 1.0](https://ai-opensource.com/ru/licenses/qwen-community-1-0/): Лицензия в стиле MIT с более строгим правилом хостинга, чем Qwen3.8-Max License. Вы можете свободно создавать продукты на основе модели, но любой, кто ведёт бизнес «модель как сервис» или «ИИ-ассистент для работы», нуждается в отдельной лицензии независимо от дохода. - [Qwen Research License Agreement](https://ai-opensource.com/ru/licenses/qwen-research/): Лицензия Alibaba только для исследований. Вы можете использовать, изменять и распространять модель для исследований или оценки, но любое коммерческое использование требует отдельной лицензии от Qwen. Обычный коммерческий путь — размещённый API Alibaba. - [Stability AI Community License](https://ai-opensource.com/ru/licenses/stability-ai-community/): Лицензия Stability AI для её открытых моделей. Исследования и некоммерческое использование бесплатны, как и коммерческое, пока вы и аффилированные лица зарабатываете менее 1 миллиона долларов США в год, но коммерческим пользователям нужно зарегистрироваться в Stability AI и показывать «Powered by Stability AI». После 1 миллиона долларов США лицензия прекращается, и нужно запросить корпоративную лицензию. Выходные данные принадлежат вам, насколько это позволяет закон. - [Stellon Labs Community License Agreement](https://ai-opensource.com/ru/licenses/stellon-labs-community/): Лицензия на веса KittenTTS 2 от KittenML, текст датирован 5 июля 2024 года. Исследования, некоммерческое и ограниченное коммерческое использование бесплатны. Коммерческим пользователям нужно зарегистрироваться в Stellon Labs, и коммерческое разрешение прекращается, как только вы или аффилированные лица превысите 1 миллион долларов США годовой выручки или общего привлечённого финансирования. - [StepFun Model License 1.0](https://ai-opensource.com/ru/licenses/stepfun-model-1-0/): Собственная лицензия, позволяющая бесплатно использовать, изменять, распространять и передавать на условиях сублицензии Step 5 Preview, в том числе в коммерческих целях. Производителям оборудования, встраивающим модель в телефоны, автомобили, очки, носимые устройства, роботов или устройства умного дома, нужна отдельная коммерческая лицензия, как и любому бизнесу, который предлагает «модель как сервис» с годовой выручкой более 20 миллионов долларов США. Продукт с более чем 100 миллионами активных пользователей или с выручкой более 20 миллионов долларов США за месяц должен показывать «Powered by StepFun AI». Модели, обученные в значительной степени на выходных данных модели, считаются производными произведениями. - [Tencent Hunyuan Community License](https://ai-opensource.com/ru/licenses/tencent-hunyuan-community/): Лицензия без роялти с реальными ограничениями. Она действительна только за пределами Европейского союза, Великобритании и Южной Кореи, крупным сервисам с более чем 100 миллионами пользователей в месяц нужно сначала обратиться к Tencent, а модель или её выходные данные нельзя использовать для улучшения других ИИ-моделей. - [Upstage Solar License](https://ai-opensource.com/ru/licenses/upstage-solar/): Apache 2.0 с одним добавленным правилом. Вы можете использовать модель в коммерческих целях и свободно строить на её основе, но ИИ-модель, которую вы создаёте из неё и распространяете, должна носить имя, начинающееся с «Solar», и должна показывать слова «Built with Solar». - [webAI Non-Commercial License ver. 1.0](https://ai-opensource.com/ru/licenses/webai-non-commercial/): Короткая лицензия, которую webAI, Inc. кладёт на свои модели TwIL. Она предоставляет бессрочную, действующую по всему миру лицензию на копирайт без роялти, позволяющую использовать, изменять и распространять веса, но только для некоммерческих исследовательских и образовательных целей. То же ограничение сопровождает каждое производное произведение. ## Глоссарий - [Память агента (Agent memory)](https://ai-opensource.com/ru/glossary/agent-memory/): Память агента позволяет ИИ-агенту сохранять факты, предпочтения и прошлый опыт между сессиями, а не начинать каждый раз с пустого контекста. - [Агентное программирование (Agentic coding)](https://ai-opensource.com/ru/glossary/agentic-coding/): Агентное программирование означает, что модель работает над программным обеспечением как разработчик: читает кодовую базу, правит файлы, запускает команды и тесты и продолжает, пока задача не будет выполнена. - [ИИ-агент](https://ai-opensource.com/ru/glossary/ai-agent/): ИИ-агент — это система, в которой модель планирует и выполняет многошаговые задачи, вызывая инструменты: например, запуская код, ища в интернете или редактируя файлы. - [Базовая модель (Base model)](https://ai-opensource.com/ru/glossary/base-model/): Базовая модель — это сырой результат предобучения, ещё не обученный следовать инструкциям или вести диалог; обычно это отправная точка для дообучения (fine-tuning). - [Бенчмарк (Benchmark)](https://ai-opensource.com/ru/glossary/benchmark/): Бенчмарк — это стандартизированный тест для сравнения моделей, например набор задач по математике, программированию или знаниям; оценки полезны, но им легко придать слишком большое значение. - [Управление без классификатора (CFG)](https://ai-opensource.com/ru/glossary/classifier-free-guidance/): Управление без классификатора, обычно называемое CFG, — это настройка диффузионных моделей, которая контролирует, насколько строго результат следует вашему промпту, ценой дополнительных вычислений. - [Агент управления компьютером (Computer-use agent)](https://ai-opensource.com/ru/glossary/computer-use-agent/): Агент управления компьютером смотрит на скриншоты и управляет компьютером как человек: кликает, печатает, прокручивает, а иногда запускает команды shell или код. - [Контекстное окно](https://ai-opensource.com/ru/glossary/context-window/): Контекстное окно — это максимальный объём текста, измеряемый в токенах, который модель может учесть за один раз, включая ваш промпт и её собственный ответ. - [Модель принятия решений](https://ai-opensource.com/ru/glossary/decision-model/): Модель принятия решений читает ситуацию и список вопросов, а затем возвращает вероятность для каждого допустимого ответа вместо того, чтобы писать текст. - [Плотная модель](https://ai-opensource.com/ru/glossary/dense-model/): Плотная модель использует все свои параметры для обработки каждого токена, в отличие от смеси экспертов, которая активирует лишь их часть. - [Диффузионная модель](https://ai-opensource.com/ru/glossary/diffusion-model/): Диффузионная модель генерирует изображения или видео, стартуя со случайного шума и убирая шум шаг за шагом, пока не проявится картинка. - [Дистилляция](https://ai-opensource.com/ru/glossary/distillation/): Дистилляция обучает меньшую «ученическую» модель подражать большей «учительской», сохраняя большую часть её способностей при малой доле размера. - [Эффективное внимание (разреженное, линейное и гибридное)](https://ai-opensource.com/ru/glossary/efficient-attention/): Конструкции эффективного внимания позволяют модели читать очень длинные входы с гораздо меньшими затратами памяти и вычислений, чем стандартное внимание, — за счёт просмотра меньшего числа токенов или сжатия прошлого. - [Эмбеддинг-модель](https://ai-opensource.com/ru/glossary/embedding-model/): Эмбеддинг-модель превращает текст, изображения или другие данные в список чисел, отражающий их смысл, так что похожие элементы оказываются рядом друг с другом. - [Дообучение (fine-tuning)](https://ai-opensource.com/ru/glossary/fine-tuning/): Дообучение продолжает обучение предобученной модели на ваших собственных примерах, чтобы она лучше работала в конкретной задаче, стиле или предметной области. - [Модель с ограниченным доступом (gated model)](https://ai-opensource.com/ru/glossary/gated-model/): Модель с ограниченным доступом (gated) — это открытая модель, для скачивания которой на Hugging Face нужно сначала войти в аккаунт и принять её условия или запросить доступ. - [GGUF](https://ai-opensource.com/ru/glossary/gguf/): GGUF — это однофайловый формат моделей, используемый llama.cpp и построенными на нём инструментами: он упаковывает квантованные веса вместе с информацией, необходимой для их запуска. - [Галлюцинация](https://ai-opensource.com/ru/glossary/hallucination/): Галлюцинация — это уверенно звучащее, но ложное или выдуманное утверждение, выданное ИИ-моделью. - [Hugging Face](https://ai-opensource.com/ru/glossary/hugging-face/): Hugging Face — сайт, где публикуется большинство открытых моделей: у каждой модели есть страница с файлами, лицензией, модельной карточкой и числом скачиваний. - [Инференс](https://ai-opensource.com/ru/glossary/inference/): Инференс — это запуск обученной модели для получения результата, например ответа на запрос, в противоположность её обучению. - [KV-кэш](https://ai-opensource.com/ru/glossary/kv-cache/): KV-кэш — это память, которую модель использует, чтобы помнить предыдущие токены разговора; она растёт вместе с длиной контекста. - [Зацикленный трансформер (looped transformer)](https://ai-opensource.com/ru/glossary/looped-transformer/): Зацикленный трансформер прогоняет часть собственных слоёв несколько раз для каждого токена, получая больше вычислений без хранения большего числа параметров. - [LoRA (низкоранговая адаптация)](https://ai-opensource.com/ru/glossary/lora/): LoRA, сокращение от low-rank adaptation, дообучает модель, тренируя небольшой набор добавленных весов вместо изменения всех её параметров. - [Машинный перевод](https://ai-opensource.com/ru/glossary/machine-translation/): Машинный перевод — это ПО, переводящее текст, речь или текст на изображениях с одного языка на другой. Открытые модели сегодня обычно стартуют с универсальной модели и дообучаются только на перевод. - [Матрёшка-эмбеддинги](https://ai-opensource.com/ru/glossary/matryoshka-embeddings/): Матрёшка-эмбеддинги обучаются так, что первая часть вектора работает сама по себе, что позволяет укоротить вектор и сэкономить на хранении и поиске. - [Смесь экспертов (MoE)](https://ai-opensource.com/ru/glossary/mixture-of-experts/): Модель смеси экспертов содержит множество специализированных подсетей и использует лишь несколько из них для каждого токена, поэтому может быть очень большой и при этом быстрой. - [MTEB (бенчмарк эмбеддингов)](https://ai-opensource.com/ru/glossary/mteb/): MTEB, Massive Text Embedding Benchmark, оценивает модели эмбеддингов на множестве задач, таких как поиск, классификация и кластеризация, а его публичный лидерборд — распространённый способ их сравнения. - [Мультимодальная модель](https://ai-opensource.com/ru/glossary/multimodal-model/): Мультимодальная модель умеет работать более чем с одним типом данных — текстом, изображениями, аудио или видео — на входе, на выходе или и там и там. - [Генерация музыки](https://ai-opensource.com/ru/glossary/music-generation/): Модели генерации музыки превращают текстовое описание (часто вместе с текстом песни) в аудио: полные песни с вокалом, инструментальные треки, музыку в реальном времени или звуковые эффекты. - [Некоммерческая лицензия](https://ai-opensource.com/ru/glossary/non-commercial-license/): Некоммерческая лицензия позволяет использовать модель для исследований, учёбы и личных проектов, но не для извлечения из неё прибыли. - [OCR и разбор документов](https://ai-opensource.com/ru/glossary/ocr/): OCR превращает изображение текста в текст; разбор документов идёт дальше и восстанавливает таблицы, формулы, диаграммы и порядок чтения, обычно в виде Markdown. - [OmniDocBench](https://ai-opensource.com/ru/glossary/omnidocbench/): OmniDocBench — бенчмарк разбора документов: он оценивает, насколько хорошо модель превращает PDF-страницы самых разных типов в текст, таблицы и формулы. - [ИИ на устройстве (on-device)](https://ai-opensource.com/ru/glossary/on-device-ai/): ИИ на устройстве означает, что модель работает на вашем собственном телефоне, ноутбуке или небольшой плате, а не в облаке, поэтому данные остаются локально и всё работает офлайн. - [Открытый ИИ](https://ai-opensource.com/ru/glossary/open-source-ai/): Открытый ИИ по определению Open Source Initiative — это система ИИ, которую можно свободно использовать, изучать, изменять и распространять, причём веса, код и подробные сведения об обучающих данных полностью доступны. - [Открытые веса (open weights)](https://ai-opensource.com/ru/glossary/open-weights/): Модель с открытыми весами — это модель ИИ, чьи обученные параметры, называемые весами, опубликованы, так что любой может скачать её и запустить, обычно под лицензией, задающей условия использования. - [API, совместимый с OpenAI](https://ai-opensource.com/ru/glossary/openai-compatible-api/): API, совместимый с OpenAI, — это сервер, который принимает те же запросы, что и API OpenAI, поэтому приложения, написанные под неё, могут вместо неё использовать открытую модель. - [OpenRAIL (лицензия ответственного ИИ)](https://ai-opensource.com/ru/glossary/openrail/): OpenRAIL — это семейство лицензий, которые позволяют использовать, изменять и распространять модель, в том числе коммерчески, но требуют, чтобы каждая копия и производная работа сопровождалась списком запрещённых применений. - [Параметры](https://ai-opensource.com/ru/glossary/parameters/): Параметры — это числа внутри модели, которые настраиваются во время обучения; их количество, например 7B или 70B, — привычная мера размера модели. - [Пермиссивная лицензия](https://ai-opensource.com/ru/glossary/permissive-license/): Пермиссивная лицензия, например Apache 2.0 или MIT, позволяет использовать, изменять и продавать модель с очень небольшими условиями — обычно достаточно сохранить уведомление. - [Точность (BF16, FP8, INT4)](https://ai-opensource.com/ru/glossary/precision/): Точность — это сколько бит используется для хранения каждого числа в модели, например 16-битный BF16, 8-битный FP8 или 4-битный INT4; меньше бит — меньше и быстрее модель. - [Квантование](https://ai-opensource.com/ru/glossary/quantization/): Квантование хранит веса модели с меньшим числом бит, например 4 вместо 16, чтобы сократить расход памяти и ускорить вывод ценой небольшого снижения качества. - [Обучение с учётом квантования (QAT)](https://ai-opensource.com/ru/glossary/quantization-aware-training/): Обучение с учётом квантования приучает модель работать с низкоточными весами ещё на этапе обучения, поэтому при 4 битах она теряет меньше качества, чем модель, сжатая постфактум. - [Генерация, дополненная поиском (RAG)](https://ai-opensource.com/ru/glossary/rag/): Генерация, дополненная поиском, позволяет модели отвечать на основе ваших собственных документов: она находит релевантные фрагменты и добавляет их в промпт. - [Рассуждающая модель (reasoning model)](https://ai-opensource.com/ru/glossary/reasoning-model/): Рассуждающая модель прорабатывает задачу шаг за шагом в фазе «размышления», видимой или скрытой, прежде чем дать окончательный ответ. - [Обучение с подкреплением (RL)](https://ai-opensource.com/ru/glossary/reinforcement-learning/): Обучение с подкреплением тренирует модель, вознаграждая хорошие результаты, например правильный ответ или прохождение тестов, вместо копирования примеров текста. - [Реранкер (reranker)](https://ai-opensource.com/ru/glossary/reranker/): Реранкер заново оценивает короткий список результатов поиска, читая вопрос и каждый результат вместе; это медленнее, но точнее, чем одни лишь эмбеддинги. - [Ограничение по выручке (revenue cap)](https://ai-opensource.com/ru/glossary/revenue-cap/): Ограничение по выручке — это условие лицензии, при котором модель бесплатна, пока доход ниже определённой суммы, а выше требуется отдельное соглашение. - [Шаги сэмплирования](https://ai-opensource.com/ru/glossary/sampling-steps/): Шаги сэмплирования — это число проходов, которые делает диффузионная модель, превращая шум в изображение или видео. Меньше шагов — быстрее результат, обычно с некоторой потерей детализации или разнообразия. - [Самохостинг (Self-hosting)](https://ai-opensource.com/ru/glossary/self-hosting/): Самохостинг означает запуск модели на оборудовании, которое контролируете вы, — например, на своём ПК или арендованном GPU-сервере, — вместо обращения к API поставщика. - [Суверенный ИИ (Sovereign AI)](https://ai-opensource.com/ru/glossary/sovereign-ai/): Суверенный ИИ — это ИИ, который страна или организация может создавать, размещать и контролировать самостоятельно, от вычислительных мощностей и данных до самой модели. - [Диаризация (метки спикеров)](https://ai-opensource.com/ru/glossary/speaker-diarization/): Диаризация определяет, кто и когда говорил в записи, и помечает каждый отрезок речи спикером, например «Спикер 1» и «Спикер 2». - [Спекулятивное декодирование и предсказание нескольких токенов](https://ai-opensource.com/ru/glossary/speculative-decoding/): Спекулятивное декодирование ускоряет генерацию текста: дешёвый черновик угадывает несколько токенов вперёд, а полная модель проверяет их все разом. - [Распознавание речи (ASR, speech-to-text)](https://ai-opensource.com/ru/glossary/speech-recognition/): Распознавание речи, также называемое ASR или speech-to-text, превращает звуковую речь в письменный текст. - [Троичные веса (1,58 бита)](https://ai-opensource.com/ru/glossary/ternary-weights/): Троичные веса ограничивают каждый вес модели одним из трёх значений, -1, 0 или +1, поэтому модели нужно менее 2 бит на вес вместо 16. - [Территориальное ограничение](https://ai-opensource.com/ru/glossary/territory-restriction/): Территориальное ограничение определяет, где действует лицензия: использование модели в исключённых странах или регионах не лицензируется. - [Текстовый энкодер](https://ai-opensource.com/ru/glossary/text-encoder/): В генераторе изображений или видео текстовый энкодер — это отдельная языковая модель, которая превращает ваш промпт в числа, понятные генератору. Она увеличивает объём загрузки и потребление памяти. - [Синтез речи (TTS)](https://ai-opensource.com/ru/glossary/text-to-speech/): Модели синтеза речи превращают письменный текст в звучащую речь, и многие умеют копировать голос по короткому образцу. - [Токен](https://ai-opensource.com/ru/glossary/token/): Токен — это небольшой кусок текста, часто слово или часть слова, который языковая модель читает и пишет; модели измеряют длину и скорость в токенах. - [Вызов инструментов (function calling)](https://ai-opensource.com/ru/glossary/tool-calling/): Вызов инструментов позволяет модели попросить вашу программу выполнить функцию, например поиск или калькулятор, и затем использовать результат в ответе. - [Метрики перевода](https://ai-opensource.com/ru/glossary/translation-metrics/): Метрики перевода — это оценки, которыми карточки моделей измеряют качество перевода. Одни считают совпадение с человеческой ссылкой, другие используют обученную модель или людей-рецензентов, и их шкалы нельзя сравнивать. - [Единая память](https://ai-opensource.com/ru/glossary/unified-memory/): Единая память — это подход, используемый чипами Apple и некоторыми другими: CPU и GPU делят один пул памяти, поэтому большая модель может занять большую его часть. - [Визуально-языковая модель (VLM)](https://ai-opensource.com/ru/glossary/vision-language-model/): Визуально-языковая модель читает изображения (часто и видео) вместе с текстом, поэтому можно задавать вопросы о фотографии, скриншоте или странице документа. - [Клонирование голоса](https://ai-opensource.com/ru/glossary/voice-cloning/): Клонирование голоса заставляет модель синтеза речи говорить голосом конкретного человека, часто по нескольким секундам записи. - [VRAM (видеопамять)](https://ai-opensource.com/ru/glossary/vram/): VRAM — это память видеокарты; она определяет, какие модели сможет держать GPU, потому что веса должны помещаться в память, чтобы модель работала быстро. - [Частота ошибок в словах (WER)](https://ai-opensource.com/ru/glossary/word-error-rate/): Частота ошибок в словах — стандартная оценка для распознавания речи: доля слов в транскрипте, которые ошибочны, пропущены или лишние по сравнению с правильной ссылкой. ## Инструменты - [AI Toolkit](https://ai-opensource.com/ru/tools/ai-toolkit/): Единый набор для обучения от Ostris для диффузионных моделей изображений, видео и аудио — с веб-интерфейсом и командной строкой. - [AnythingLLM](https://ai-opensource.com/ru/tools/anythingllm/): Приложение всё в одном: общение с документами, агенты и локальные модели — настольное или многопользовательский Docker-сервер. - [Axolotl](https://ai-opensource.com/ru/tools/axolotl/): Бесплатный фреймворк дообучения на одном YAML-файле: LoRA, QLoRA, обучение на предпочтениях, NVFP4 и expert-parallel для MoE-моделей. - [ComfyUI](https://ai-opensource.com/ru/tools/comfyui/): Студия на узлах для открытых моделей изображений, видео, аудио и 3D: стройте визуальные workflow и запускайте их на своём GPU. - [DiffSynth-Studio](https://ai-opensource.com/ru/tools/diffsynth-studio/): Открытый движок диффузии сообщества ModelScope: запуск и обучение моделей изображений, видео и аудио на скромных GPU. - [Diffusers](https://ai-opensource.com/ru/tools/diffusers/): Python-библиотека Hugging Face для запуска и обучения диффузионных моделей изображений, видео и аудио. - [ExLlamaV3](https://ai-opensource.com/ru/tools/exllamav3/): CUDA-библиотека инференса для потребительских GPU: собственная квантизация EXL3, тензорный параллелизм и выгрузка на CPU для MoE-моделей. - [InvokeAI](https://ai-opensource.com/ru/tools/invokeai/): Самостоятельно размещаемая творческая студия для генерации изображений ИИ: послойный холст, узловые workflow и менеджер моделей. - [Jan](https://ai-opensource.com/ru/tools/jan/): Бесплатная открытая настольная альтернатива ChatGPT: скачивает и запускает открытые модели офлайн, а также подключается к облачным API. - [KoboldCpp](https://ai-opensource.com/ru/tools/koboldcpp/): Однофайловое приложение, которое запускает GGUF-модели со встроенным веб-интерфейсом, а также генерирует изображения, видео, речь и музыку. - [KTransformers](https://ai-opensource.com/ru/tools/ktransformers/): Исследовательский фреймворк, который распределяет работу между GPU и памятью компьютера, чтобы запускать огромные MoE-модели. - [LightX2V](https://ai-opensource.com/ru/tools/lightx2v/): Легковесный фреймворк инференса для генерации изображений и видео: дистиллированные модели, квантизация и множество аппаратных бэкендов. - [llama.cpp](https://ai-opensource.com/ru/tools/llama-cpp/): Движок на C/C++, на котором стоит значительная часть локального ИИ: запускает квантизованные модели почти на любом оборудовании, с утилитой командной строки и сервером, совместимым с OpenAI. ## Разработчики - [Abacus.AI](https://ai-opensource.com/ru/developers/abacusai/): Компания, которая продаёт платформу ИИ-ассистента для специалистов и предприятий и публикует открытые модели Smaug на Hugging Face — от Smaug-72B в 2024 году до моделей принятия решений Smaug-Decisions для аудио, изображений и текста, выпущенных в октябре 2026 года под Apache 2.0. - [ACE-Step](https://ai-opensource.com/ru/developers/ace-step/): ACE-Step — открытый проект генерации музыки под совместным руководством ACE Studio и StepFun. Модели ACE-Step 1.5, выпущенные в январе 2026 года (в апреле вышла версия XL 4B), используют лицензию MIT и обучены на лицензированных, свободных от роялти и синтетических данных. - [Adventists AI](https://ai-opensource.com/ru/developers/adventists-ai/): Компания голосовых агентов, известная на китайском как AI降临派. Она выпускает полнодуплексные голосовые модели Sophon-Realtime под Apache 2.0 и модели DuplexJev, которые определяют очерёдность реплик и интонацию прямо из аудио, под лицензией CC BY-NC. - [Allen Institute for AI (Ai2)](https://ai-opensource.com/ru/developers/ai2/): Некоммерческий исследовательский институт из США. Модели Olmo «полностью открыты»: институт публикует веса вместе с обучающими данными, кодом и промежуточными чекпоинтами, чтобы исследователи могли воспроизводить и изучать, как строится модель. - [Aleph Alpha](https://ai-opensource.com/ru/developers/aleph-alpha/): Немецкая ИИ-компания, которая создаёт модели для правительств и регулируемых отраслей и делает упор на «суверенные» цепочки поставок: обучение в Европе по европейскому праву. Её модель Kolibri 1 выпущена под Apache 2.0. - [Alibaba Qwen](https://ai-opensource.com/ru/developers/alibaba-qwen/): Команда Qwen в Alibaba. Она публикует одно из самых широких семейств моделей с открытыми весами — от небольших плотных моделей до флагмана с 2,4 триллиона параметров, с лицензиями от Apache 2.0 до собственных условий Qwen. - [Alibaba Wan](https://ai-opensource.com/ru/developers/alibaba-wan/): Команда генерации видео в Alibaba. Модели Wan 2.1 и Wan 2.2, а также построенные на их основе модели анимации персонажей имеют открытые веса под Apache 2.0; более новые версии Wan доступны только через приложения и API Alibaba. - [AutoTrust AI Lab](https://ai-opensource.com/ru/developers/autotrust/): Лаборатория, которая публикует на Hugging Face модели принятия решений Decider под Apache 2.0, построенные на бэкбонах Qwen и Gemma и доступные также на ModelScope, плюс демо рекомендаций и поиска новостей на news.guru.so. О самой организации мы нашли мало публичной информации, помимо профилей на Hugging Face и ModelScope, а карточки моделей по-прежнему используют старые названия JEV и GEV. - [BAAI](https://ai-opensource.com/ru/developers/baai/): Пекинская академия искусственного интеллекта (BAAI) — китайский исследовательский институт. Опубликованные через GitHub-организацию FlagOpen модели эмбеддингов и реранкинга BGE входят в число самых скачиваемых моделей поиска на Hugging Face. Выпущенная в сентябре 2026 года под Apache 2.0 агентная модель AREX-2 построена на базе Qwen3.8-27B. - [Baidu](https://ai-opensource.com/ru/developers/baidu/): Китайская интернет- и ИИ-компания, стоящая за моделями ERNIE и фреймворком глубокого обучения PaddlePaddle. В её открытые релизы входят компактные модели парсинга документов под лицензиями MIT и Apache 2.0. - [Bilibili](https://ai-opensource.com/ru/developers/bilibili/): Китайская видеоплатформа. Её команда Index LLM публикует модели с открытыми весами на Hugging Face под именем IndexTeam; главная из них — семейство Index-Translate, охватывающее перевод текста, изображений, речи и длинных документов. - [Black Forest Labs](https://ai-opensource.com/ru/developers/black-forest-labs/): Немецкая ИИ-компания, основанная исследователями, стоявшими за Stable Diffusion, которая разрабатывает модели генерации изображений FLUX. Доступ к крупнейшим моделям она продаёт через API, а меньшие публикует с открытыми весами под собственной лицензией FLUX. - [Boson AI](https://ai-opensource.com/ru/developers/boson-ai/): Boson AI USA, Inc. разрабатывает аудиомодели Higgs для голосового ИИ и продаёт их через хостинговый API. Компания также публикует веса на Hugging Face, в том числе Higgs TTS 3, под собственной исследовательской и некоммерческой лицензией с бесплатным разрешением для монетизируемого контента авторов. - [BreezeBlue](https://ai-opensource.com/ru/developers/breezeblue/): BreezeBlue — торговое название Resonia, Inc., которая управляет хостинговой голосовой платформой и API. Она публикует веса модели синтеза речи Breeze TTS 2 для исследовательского и некоммерческого использования, с кодом инференса под Apache 2.0 и коммерческими условиями только через собственный сервис. - [Bria AI](https://ai-opensource.com/ru/developers/bria/): Компания из Тель-Авива, продающая визуальный генеративный ИИ, обученный на лицензированных данных, с хостинговым API и коммерческими лицензиями. Под именем FIBO она публикует некоммерческие открытые веса, главная из которых — модель изображений FIBO 2.0. - [Cactus Compute](https://ai-opensource.com/ru/developers/cactus-compute/): Стартап из Сан-Франциско из летнего набора Y Combinator 2025 года. Он создаёт крошечные ИИ-модели для устройств и открытый движок инференса Cactus для телефонов, носимых устройств, роботов и другой маломощной техники. Модели Needle, Whistle и Mirage выпущены под Apache 2.0. - [CircleStone Labs](https://ai-opensource.com/ru/developers/circlestone-labs/): CircleStone Labs LLC публикует Anima — модель генерации изображений из текста 2B для аниме и иллюстраций, созданную вместе с Comfy Org. Веса распространяются по её собственной некоммерческой лицензии, а созданные вами изображения можно использовать в коммерческих целях. - [Cloudflare](https://ai-opensource.com/ru/developers/cloudflare/): Американская сетевая и облачная компания, управляющая Workers AI — хостинговым сервисом для ИИ-моделей. Clef, набор моделей принятия решений, дообученных на базе Qwen и выпущенных под Apache 2.0, — первая модель, обученная его командой Workers AI. - [Cohere](https://ai-opensource.com/ru/developers/cohere/): Канадская компания корпоративного ИИ, чьё исследовательское подразделение Cohere Labs публикует открытые веса. Ранние модели Command выпускались для некоммерческого использования под CC BY-NC; Command A+ перешла на Apache 2.0. - [Datalab](https://ai-opensource.com/ru/developers/datalab/): Американская компания, разрабатывающая инструменты конвертации документов Marker, Surya и Chandra. Она открыто публикует свои OCR-модели по модифицированной лицензии Open RAIL-M, бесплатной для исследований, личного использования и небольших организаций. Ограничение — 5 миллионов долларов США выручки и финансирования для Surya OCR 2 и 2 миллионов долларов США для Chandra OCR 2. - [Deep Principle](https://ai-opensource.com/ru/developers/deep-principle/): Deep Principle (по-китайски: 深度原理) создаёт ИИ для исследований в области материалов и химии, включая Mira — ИИ-учёного, который соединяет модели с симуляциями и лабораторными экспериментами. Компания опубликовала Hydrogen-1.0, дообучение GLM-5.3 для научных задач, под лицензией MIT. - [DeepReinforce](https://ai-opensource.com/ru/developers/deepreinforce/): Калифорнийский исследовательский стартап в области ИИ, который публикует агентные модели для программирования Ornith под организацией ornith-ai на Hugging Face. Ornith 1.0 и 1.5 дообучены на базе Qwen3.5 и Gemma 4 и используют лицензию MIT без региональных ограничений. - [DeepSeek](https://ai-opensource.com/ru/developers/deepseek/): Китайская ИИ-лаборатория, известная эффективными большими моделями mixture-of-experts. Она выпускает свои веса под лицензией MIT и публикует подробные технические отчёты. - [Fish Audio](https://ai-opensource.com/ru/developers/fish-audio/): Компания голосового ИИ, известная проектом с открытым кодом Fish Speech. Юридическое лицо, названное в её лицензии, — 39 AI, Inc. с офисами в Пало-Альто и Токио. Drama 3, выпущенная в октябре 2026 года, — это модель синтеза речи mixture-of-experts на 36 миллиардов параметров под Fish Audio Community License, тогда как меньшая S2 Pro от марта 2026 года остаётся под исследовательской и некоммерческой лицензией. - [Google DeepMind](https://ai-opensource.com/ru/developers/google-deepmind/): ИИ-лаборатория Google. Её семейство Gemma с открытыми весами охватывает модели от размеров для телефона до класса рабочих станций и, начиная с Gemma 4, выпускается под лицензией Apache 2.0. Команда Magenta также публикует Magenta RealTime 2 — открытую музыкальную модель, которая играет в реальном времени на MacBook. - [Gradium](https://ai-opensource.com/ru/developers/gradium/): Парижская компания голосового ИИ, выделенная из лаборатории Kyutai и основанная её соучредителями, с офисами в Париже и Сан-Франциско. Она продаёт голосовые API и открывает исходный код своих работающих на устройстве моделей синтеза речи Phonon. Английская Phonon 31m использует Apache 2.0, а более крупные модели 40m — CC BY-NC. - [HeartMuLa](https://ai-opensource.com/ru/developers/heartmula/): Команда HeartMuLa публикует открытые фундаментальные музыкальные модели: генератор песен HeartMuLa, аудиокодек HeartCodec и HeartTranscriptor для распознавания текстов песен. Все они распространяются под Apache 2.0, а вышедшая в сентябре 2026 года модель каверов MuLaCover — под CC BY-NC 4.0. - [hexgrad](https://ai-opensource.com/ru/developers/hexgrad/): Независимый разработчик, известный как hexgrad на Hugging Face и GitHub и как rzvzn в Discord, который обучил и выпустил модели синтеза речи Kokoro. Kokoro-82M — модель на 82 миллиона параметров под Apache 2.0 и одна из самых скачиваемых открытых речевых моделей. Опубликованных данных о стране или работодателе разработчика мы не нашли, поэтому не показываем ни того, ни другого. - [HiDream.ai](https://ai-opensource.com/ru/developers/hidream/): Компания генерации изображений, которая публикует свои модели на Hugging Face под организацией HiDream-ai — от моделей HiDream-I1 и HiDream-E1 2025 года до HiDream-O1-Image, модели на 8 миллиардов параметров, выпущенной в мае 2026 года под лицензией MIT. - [IBM](https://ai-opensource.com/ru/developers/ibm/): Технологическая компания, стоящая за семейством открытых моделей Granite для корпоративного использования, охватывающим языковые, речевые модели, эмбеддинги и guardrail-модели. Большинство моделей Granite используют Apache 2.0, но как минимум одна речевая вариация некоммерческая, поэтому проверяйте каждый репозиторий. - [Ideogram](https://ai-opensource.com/ru/developers/ideogram/): Компания, стоящая за сервисом генерации изображений Ideogram и его хостинговым API. Ideogram 4, опубликованная в июне 2026 года, — её первая модель с открытыми весами: некоммерческие веса и код инференса под Apache 2.0. - [Institute of Foundation Models (MBZUAI)](https://ai-opensource.com/ru/developers/ifm/): Институт фундаментальных моделей (Institute of Foundation Models, IFM) — исследовательский институт Университета искусственного интеллекта имени Мохаммеда бин Заида (MBZUAI) в Абу-Даби и команда, стоящая за LLM360. Он публикует модели K2 Horizon и Jais 3 с весами и кодом под Apache 2.0, а также промежуточные чекпоинты, журналы обучения и данные или рецепты данных. - [inclusionAI (Ant Group)](https://ai-opensource.com/ru/developers/inclusion-ai/): Открытая ИИ-инициатива, основанная китайской финтех-компанией Ant Group. Она публикует языковые модели Ling и связанные исследования, а также модели изображений вроде Ming-Image 0.1 Design; недавние релизы Ling-3.1 и Ming-Image используют лицензию MIT. - [JetBrains](https://ai-opensource.com/ru/developers/jetbrains/): JetBrains — софтверная компания, основанная в Праге в 2000 году со штаб-квартирой в Амстердаме, создающая инструменты для разработчиков, такие как IntelliJ IDEA и PyCharm. Её модели Mellum, созданные для кода и кодинг-агентов, публикуются с открытыми весами под Apache 2.0. - [Jina AI](https://ai-opensource.com/ru/developers/jina-ai/): Компания поискового ИИ со штаб-квартирой в Берлине, которая создаёт многоязычные и мультимодальные модели эмбеддингов, реранкеры и небольшие языковые модели. Elastic завершила поглощение Jina AI в октябре 2025 года, и последние модели v5 по-прежнему публикуются на Hugging Face под некоммерческой лицензией. - [Kandinsky Lab](https://ai-opensource.com/ru/developers/kandinsky-lab/): Исследовательская команда, стоящая за моделями диффузии для изображений и видео Kandinsky, которые публикуются вместе с кодом на GitHub и Hugging Face. Kandinsky 6.0 Video, вышедшая в октябре 2026 года под лицензией MIT, генерирует пятисекундные клипы с синхронизированным звуком. - [KittenML (Stellon Labs)](https://ai-opensource.com/ru/developers/kittenml/): Компания в области голосового ИИ, публикующая модели Kitten-TTS под именем KittenML; правообладателем в лицензии указана Stellon Labs Inc. Более ранние модели Kitten-TTS 0.8 с 15–80 миллионами параметров работают на CPU, а Kitten-TTS 2 — тройчная (ternary) модель на 1,7 миллиарда параметров под лицензией Stellon Labs Community License, бесплатной, пока выручка или финансирование не превысят 1 миллион долларов США. - [KRAFTON](https://ai-opensource.com/ru/developers/krafton/): KRAFTON — южнокорейская компания-разработчик видеоигр, а KRAFTON AI — её команда в области ИИ. В октябре 2026 года она выпустила Raon-1 mini preview — языковую модель mixture-of-experts на 28,8 миллиарда параметров, обученную с нуля под лицензией Apache 2.0 и отлично владеющую корейским языком. - [Krea](https://ai-opensource.com/ru/developers/krea/): Krea.ai, Inc. — корпорация из штата Делавэр, управляющая творческим приложением для изображений, видео и 3D. Её открытая публикация — Krea 2, модель для изображений, обученная с нуля и представленная в базовой версии Raw и версии Turbo. Более новая Krea 3 на Hugging Face не публиковалась. - [Kyutai](https://ai-opensource.com/ru/developers/kyutai/): Некоммерческая лаборатория открытого ИИ в Париже, основанная в ноябре 2023 года группой Iliad, CMA CGM и Schmidt Sciences. Наиболее известна диалоговой речевой моделью Moshi и аудиокодеком Mimi. Её Pocket TTS запускает речевую модель с клонированием голоса на CPU ноутбука; код распространяется под MIT, а веса — под CC BY 4.0. - [LG AI Research](https://ai-opensource.com/ru/developers/lg-ai-research/): Исследовательское подразделение по ИИ южнокорейской группы LG, стоящее за семействами моделей EXAONE и K-EXAONE. K-EXAONE 2.0, выпущенная 31 июля 2026 года для поддерживаемого государством проекта суверенных фундаментальных ИИ-моделей, — это модель mixture-of-experts на 750 миллиардов параметров под лицензией Apache 2.0. - [LightOn](https://ai-opensource.com/ru/developers/lighton/): Французская компания корпоративного ИИ, продающая платформу ИИ-поиска по документам компаний. В её открытые публикации входят компактные модели для документов LightOnOCR под лицензией Apache 2.0. - [Liquid AI](https://ai-opensource.com/ru/developers/liquid-ai/): Американская компания, создающая небольшие и быстрые "Liquid Foundation Models" для телефонов, ноутбуков и других edge-устройств, используя архитектуру, сочетающую короткие свёртки с вниманием. Помимо языковых моделей LFM публикует небольшие модели принятия решений, такие как Liquid d1. Модели распространяются под лицензией LFM Open License, которая бесплатна для коммерческого использования при годовой выручке менее 10 миллионов долларов США. - [LTX (Lightricks)](https://ai-opensource.com/ru/developers/ltx/): Израильская компания, стоящая за видеомоделями LTX. В июне 2026 года LTX стала отдельным бизнес-подразделением Lightricks — создателя потребительских творческих приложений; её организации на Hugging Face и GitHub по-прежнему носят имя Lightricks. Она публикует открытые веса бесплатно для организаций с годовой выручкой менее 10 миллионов долларов США. LTX-2.3 по-прежнему использует лицензию LTX-2 от января 2026 года, а LTX-2.5 — более новую лицензию LTX-2.x. - [M-A-P](https://ai-opensource.com/ru/developers/m-a-p/): M-A-P (Multimodal Art Projection) — исследовательское сообщество открытого кода, стоящее за открытыми музыкальными моделями, такими как YuE, MERT и SheetSage. Её генератор песен YuE2, выпущенный в сентябре 2026 года совместно с Tokenwave.AI, MBZUAI и ACE Studio, распространяет веса под CC BY-NC 4.0, то есть только для некоммерческого использования. - [Maritaca AI](https://ai-opensource.com/ru/developers/maritaca-ai/): Бразильская компания, разрабатывающая языковые модели для бразильского варианта португальского языка и предлагающая их через собственный чат и API. Её флагманская модель S5 предоставляется именно так, а S5-nano, выпущенная в ноябре 2026 года на базе Qwen3.5-4B под лицензией Apache 2.0, имеет открытые веса. - [Maya Research](https://ai-opensource.com/ru/developers/maya-research/): Стартап в области голосового ИИ, получивший 1,9 миллиона долларов США на посевном раунде от South Park Commons, который разрабатывает речевые модели для языков Индии и продаёт их через хостинговый API. На Hugging Face публикует модели синтеза речи Maya и Veena, причём Maya 2 Native использует Apache 2.0. - [Meituan](https://ai-opensource.com/ru/developers/meituan/): Китайская платформа доставки еды и локальных услуг. Её команда LongCat публикует языковые модели с открытыми весами, включая LongCat-2.0 в июле 2026 года и мультимодальную LongCat-2.5 на 1,6 триллиона параметров в ноябре 2026 года, которая использует лицензию MIT. - [MemTensor](https://ai-opensource.com/ru/developers/memtensor/): Китайская компания, стоящая за MemOS — open-source-фреймворком памяти для LLM-агентов. Её модели MemT-1.0 встраивают состояние памяти в саму модель, причём веса Nano распространяются под Apache 2.0, а веса Flash — под MIT. - [Meta](https://ai-opensource.com/ru/developers/meta/): Компания, стоящая за моделями Llama. Её новая серия Muse включает Muse Glimmer — небольшую модель под Apache 2.0 для локального использования — и намного более крупную Muse Spark Open под собственной лицензией. - [Microsoft](https://ai-opensource.com/ru/developers/microsoft/): Американская технологическая компания. Её исследовательские команды публикуют открытые модели на Hugging Face и GitHub, часто под лицензией MIT, в том числе речевые модели VibeVoice от Microsoft Research и модели текстовых эмбеддингов Harrier. Её визуально-языковые модели Mage-VL используют Apache 2.0. - [MiniMax](https://ai-opensource.com/ru/developers/minimax/): Компания в области ИИ со штаб-квартирой в Шанхае, стоящая за серией MiniMax-M эффективных языковых моделей mixture-of-experts, видео- и имидж-моделями H3 и генератором песен Music 3. Лицензии различаются от модели к модели. M2.5 использует разрешительную лицензию с правилами об уведомлениях и запрещённых применениях, M2.7 ограничена некоммерческим использованием, а общественная лицензия M3 разрешает бесплатное некоммерческое использование и устанавливает правила уведомления, указания авторства и доходов для коммерческого использования. Лицензии H3 также исключают США, ЕС, Великобританию и Южную Корею, а лицензия Music 3 требует указания авторства в интерфейсе и письменного разрешения при доходе свыше 20 миллионов долларов США. - [Mistral AI](https://ai-opensource.com/ru/developers/mistral-ai/): Компания в области ИИ со штаб-квартирой в Париже и самая известная в Европе лаборатория открытых весов. Она позиционирует свои модели как суверенный, самостоятельно размещаемый ИИ; Mistral Large 4 использует модифицированную лицензию MIT с правилом для хостинговых компаний. - [Moonshot AI](https://ai-opensource.com/ru/developers/moonshot-ai/): Китайская компания в области ИИ, стоящая за ассистентом Kimi. Её модели Kimi K3 и K3.1 Pro входят в число крупнейших моделей с открытыми весами и выпущены под собственной лицензией с условиями для крупного хостингового бизнеса. Более ранние модели K2.5, K2.6 и K2.7 Code используют модифицированную лицензию Modified MIT, которая требует указывать название модели только от очень крупных продуктов. - [Motif Technologies](https://ai-opensource.com/ru/developers/motif-technologies/): Южнокорейская компания в области ИИ, разрабатывающая свои модели, токенизатор и стек обучения самостоятельно. Motif 3 — модель mixture-of-experts на 314 миллиардов параметров, выпущенная в августе 2026 года под лицензией MIT, — была создана для поддерживаемого государством проекта суверенных фундаментальных ИИ-моделей. - [Nanbeige LLM Lab](https://ai-opensource.com/ru/developers/nanbeige/): Nanbeige (по-китайски 南北阁) — исследовательская команда по большим языковым моделям китайской платформы найма BOSS Zhipin. Она публикует агентные модели с открытыми весами под именем Nanbeige4 — от моделей класса 3B до 33B-модели Nanbeige4.3, — а её карточки моделей указывают Apache 2.0 без файла LICENSE. - [NetEase Youdao](https://ai-opensource.com/ru/developers/netease-youdao/): Китайская компания с офисами в Пекине, публикующая на Hugging Face семейство моделей Confucius, включая Confucius4 — модель синтеза речи, потоковый распознаватель речи Confucius4-R2T2, а также проект вопросов и ответов QAnything. R2T2 использует NetEase Youdao Model Use License Agreement, которая бесплатна для коммерческого использования при менее чем 100 миллионах ежемесячных пользователей и годовой выручке ниже 1 миллиарда юаней. - [Nex-AGI](https://ai-opensource.com/ru/developers/nex-agi/): Группа по фундаментальным моделям с открытым кодом, чья организация на GitHub, SII Nex, сообщает, что создана Shanghai Innovation Institute и партнёрами. Её агентные модели Nex-N2 построены на открытых базах, таких как DeepSeek-V4-Pro-Base и GLM-5.3-Flash, и помечены как Apache 2.0. - [Nous Research](https://ai-opensource.com/ru/developers/nous-research/): Американская исследовательская компания в области ИИ, которая обучает открытые модели, включая линейку Hermes, и разрабатывает Hermes Agent — open-source-обвязку для агентов. Её Arete-27B, выпущенная в ноябре 2026 года, — это пост-тренинг модели Alibaba Qwen3.8-27B под лицензией Apache 2.0. - [NuMind](https://ai-opensource.com/ru/developers/numind/): Компания в области документного ИИ, создающая специализированные модели для извлечения структурированных данных и OCR и продающая их через платформу NuExtract. Она публикует свои модели на Hugging Face и сообщает, что линейка NuExtract преодолела 2 миллиона загрузок, а NuMarkdown-Thinking-8B — 1,5 миллиона. NuExtract3 использует Apache 2.0. - [NVIDIA](https://ai-opensource.com/ru/developers/nvidia/): Производитель GPU, который также публикует открытые модели, наборы данных и рецепты обучения под именем Nemotron, а также модели для речи, робототехники и биологии. Недавние выпуски Nemotron используют разрешительную лицензию OpenMDW-1.1, Nemotron 3 Nano Omni использует NVIDIA Open Model Agreement, а LocateAnything-3B имеет лицензию NVIDIA License, предназначенную только для исследований. - [OpenAI](https://ai-opensource.com/ru/developers/openai/): Компания, стоящая за ChatGPT. Её модели gpt-oss, выпущенные в августе 2025 года, — это модели рассуждений с открытыми весами под лицензией Apache 2.0. Privacy Filter, выпущенный в апреле 2026 года под Apache 2.0, — это небольшая модель, которая находит персональные данные в тексте; компания также публикует модели распознавания речи Whisper. - [OpenBMB](https://ai-opensource.com/ru/developers/openbmb/): Китайское сообщество разработчиков открытых моделей, которое публикует семейства MiniCPM, AgentCPM и VoxCPM совместно с компанией ModelBest. Оно специализируется на небольших эффективных моделях для смартфонов и ноутбуков, а недавние релизы распространяются под Apache 2.0. - [OpenMOSS](https://ai-opensource.com/ru/developers/openmoss/): OpenMOSS — исследовательская группа под эгидой Shanghai Innovation Institute, тесно сотрудничающая с Университетом Фудань и MOSS-AI. Она публикует открытые модели под именем MOSS. Среди них — семейство речевых моделей MOSS-TTS, созданное вместе с MOSI.AI (MOSS-TTS, MOSS-TTS-Nano и MOSS-TTSD под Apache 2.0), MOSS-SoundEffect v2.0 — модель 1.3B для генерации звуковых эффектов из текста под Apache 2.0, MOSS-Image — модель 5B для генерации изображений из текста, выпущенная в октябре 2026 года под Apache 2.0, и MOSS-Transcribe-Diarize — модель 0.9B, которая транскрибирует длинные записи с несколькими говорящими и метками говорящих. - [Perplexity](https://ai-opensource.com/ru/developers/perplexity/): Американская компания, стоящая за движком ответов Perplexity. На Hugging Face она публикует модели эмбеддингов pplx-embed (большинство — под лицензией MIT) и модели принятия решений pplx-decider под Apache 2.0, а также другие модели, такие как PII-Tracer и BrowseSafe. - [Phạm Nguyễn Ngọc Bảo (VieNeu-TTS)](https://ai-opensource.com/ru/developers/pham-nguyen-ngoc-bao/): Независимый разработчик, создающий проект VieNeu-TTS для вьетнамской речи, опубликованный на Hugging Face под учётной записью pnnbao-ump и на GitHub как pnnbao97. В карточке модели v3 Turbo говорится, что её архитектура — собственная разработка автора и что модель обучена с нуля; проект поставляется с Python SDK и сервером речи, совместимым с OpenAI. Веса распространяются под Apache 2.0. - [Pika](https://ai-opensource.com/ru/developers/pika/): Pika — американская компания в области генерации видео, предлагающая хостинговые видео-приложения и API. В октябре 2026 года под лицензией MiniMax H3 Community License она выпустила открытые адаптеры Pika H3 Flex — дообученной версии MiniMax H3, которая создаёт видео со звуком за шесть шагов сэмплирования. - [Poolside](https://ai-opensource.com/ru/developers/poolside/): Компания в области ИИ из Сан-Франциско, основанная в 2023 году, которая разрабатывает модели для агентного программирования. Серия Laguna началась в апреле 2026 года с модели Laguna XS.2 под Apache 2.0; Poolside заявляет, что открытые веса теперь её подход по умолчанию, а Laguna XS 2.1 и S 2.1 используют лицензию OpenMDW-1.1. - [Preferred Networks](https://ai-opensource.com/ru/developers/preferred-networks/): Preferred Networks (PFN) — японская компания в области ИИ, которая разрабатывает языковые модели PLaMo и собственные ИИ-ускорители MN-Core. Она публикует PLaMo 3 Translate и другие модели PLaMo под лицензией PLaMo Community License, бесплатной для личного и академического использования, а после регистрации — и для коммерческих пользователей с выручкой ниже установленного предела. - [PrismML](https://ai-opensource.com/ru/developers/prismml/): Компания из Пасадины, Калифорния (также пишется как Prism ML), которая создаёт ИИ-модели с очень низкой разрядностью. Её модели Bonsai сжимают открытые базовые модели, такие как Qwen, до троичных или 1-битных весов, чтобы большие модели помещались на ноутбуках, смартфонах и одной GPU. Модели Bonsai 2 выпущены под Apache 2.0. - [Pruna AI](https://ai-opensource.com/ru/developers/pruna-ai/): Pruna AI — компания, основанная в 2023 году и базирующаяся в Мюнхене, со вторым исследовательским центром в Париже. Она известна своей open-source-библиотекой, которая сжимает и ускоряет ИИ-модели, а теперь также публикует собственные эффективные модели для изображений и видео, некоторые из которых переработаны из открытых весов других разработчиков. - [Recursive](https://ai-opensource.com/ru/developers/recursive/): Recursive Superintelligence, Inc. заявляет, что её цель — рекурсивно самосовершенствующийся сверхразум, который автоматизирует открытие знаний, и она строит свои модели с помощью автоматизированной исследовательской системы, которую называет Eureka Machine. Flint — модель для программирования на 40B параметров, выпущенная в октябре 2026 года под Apache 2.0 — это её первая модель с открытыми весами. Это другая компания, не Ricursive Intelligence. - [Reflection AI](https://ai-opensource.com/ru/developers/reflection-ai/): Американская ИИ-лаборатория, которая в октябре 2026 года выпустила под Apache 2.0 свою первую модель с открытыми весами — Beam на 501 миллиард параметров. - [Resemble AI](https://ai-opensource.com/ru/developers/resemble-ai/): Калифорнийская компания в области голосового ИИ, которая открыла исходный код голосовых моделей Chatterbox и DramaBox под лицензией MIT. В августе 2026 года она сообщила, что больше не продаёт генерацию речи новым клиентам и сосредоточится на обнаружении дипфейков, оставив свои голосовые модели как открытые, но не поддерживаемые исследовательские разработки. - [Ricursive Intelligence](https://ai-opensource.com/ru/developers/ricursive-intelligence/): Американская ИИ-лаборатория, которая создаёт самосовершенствующиеся системы, совместно проектируя аппаратное обеспечение, ПО и модели. Проприетарная модель работает на её платформе проектирования ИИ-чипов, а в ноябре 2026 года она выпустила под Apache 2.0 универсальный вариант — Ripple-65B Preview на 65 миллиардов параметров. - [Sarvam AI](https://ai-opensource.com/ru/developers/sarvam-ai/): Индийская компания, которая создаёт ИИ для индийских языков и предприятий. Её модели рассуждений Sarvam 30B и 105B, выпущенные в марте 2026 года и обученные с нуля в Индии на вычислительных ресурсах миссии IndiaAI, а также модель принятия решений Sarvam Prism распространяются под Apache 2.0. - [Sber (GigaChat)](https://ai-opensource.com/ru/developers/sber/): Команда GigaChat в Sber публикует открытые веса под именем ai-sage на Hugging Face и GitVerse, а каждый релиз анонсирует в корпоративном блоге Sber на Habr. GigaChat 3.5 Ultra и его версия Reasoning — это смеси экспертов на 432B, GigaChat 3.1 Lightning — модель на 10B с 1.8B активных параметров, а семейство GigaAM охватывает распознавание речи для русского и языков Центральной Азии. Всё это распространяется под лицензией MIT. - [SenseTime](https://ai-opensource.com/ru/developers/sensetime/): Китайская ИИ-компания, чья команда SenseNova публикует открытые модели в организации GitHub OpenSenseNova. SenseNova-U1.5 (август 2026) — нативная единая модель для изображений и текста, а SenseNova-Loop-9B-Preview (30 октября 2026) — зацикленная визуально-языковая модель на 9B; обе под Apache 2.0. - [Shanghai AI Laboratory](https://ai-opensource.com/ru/developers/shanghai-ai-laboratory/): Китайская исследовательская лаборатория ИИ в Шанхае. Её центр «ИИ для науки» управляет open-source-организацией InternScience, которая публикует агентные модели Agents-A1 и Sage-A1.5 под Apache 2.0. - [SK Telecom](https://ai-opensource.com/ru/developers/sk-telecom/): Южнокорейская телекоммуникационная компания, стоящая за семейством языковых моделей A.X. A.X K2, выпущенная в июле 2026 года, — это модель смеси экспертов на 688 миллиардов параметров под Apache 2.0, созданная для поддерживаемого государством проекта суверенных базовых моделей ИИ. - [Stability AI](https://ai-opensource.com/ru/developers/stability-ai/): Stability AI — британская компания, стоящая за Stable Diffusion. Семейство Stable Audio 3, выпущенное в мае 2026 года, — её новейшая линейка моделей с открытыми весами: модели Small и Medium обучены на лицензированных данных и данных Creative Commons и распространяются под Stability AI Community License, которая бесплатна для коммерческого использования при годовой выручке ниже 1 миллиона долларов США. - [StepFun](https://ai-opensource.com/ru/developers/stepfun/): StepFun (阶跃星辰) — китайская ИИ-компания, стоящая за семейством языковых моделей Step, к которым примыкают речевые модели Step-Audio и модели редактирования изображений Step1X. Она публикует веса на Hugging Face и ModelScope, а её новейший флагман Step 5 Preview распространяется по собственной лицензии. - [Supertone](https://ai-opensource.com/ru/developers/supertone/): Южнокорейская компания в области голосового ИИ, создавшая работающие на устройстве модели синтеза речи Supertonic, которые работают через ONNX Runtime. Supertonic 3 охватывает 31 язык, веса распространяются под лицензией BigScience OpenRAIL-M. В сентябре 2026 года компания заархивировала свои open-source-репозитории и сообщила, что разработка и поддержка прекращены. - [Swiss AI Initiative](https://ai-opensource.com/ru/developers/swiss-ai/): Швейцарская исследовательская инициатива под руководством ETH Zurich, EPFL и Швейцарского национального центра суперкомпьютерных вычислений (CSCS). Её модели Apertus полностью открыты: веса, подготовка данных, код обучения и оценки публикуются под свободными лицензиями, а обучение использует только открыто доступные данные. - [Tencent](https://ai-opensource.com/ru/developers/tencent/): Китайская интернет-компания, стоящая за WeChat и семейством моделей Hunyuan (Hy). Её языковые модели Hy3 и Hy4 preview, модели перевода Hy-MT2 и интерактивная видеомодель мира Hy-Nomas используют Apache 2.0, в то время как HunyuanOCR по-прежнему распространяется под лицензией сообщества Hunyuan, исключающей ЕС, Великобританию и Южную Корею. Модель генерации и редактирования речи AuK использует лицензию MIT, поэтому проверяйте каждый репозиторий. - [Thinking Machines Lab](https://ai-opensource.com/ru/developers/thinking-machines-lab/): Американская ИИ-лаборатория, которая создаёт инструменты для настройки моделей. Её первое семейство моделей с открытыми весами, Inkling, выпущено под Apache 2.0 и спроектировано как база для дообучения (fine-tuning). - [TokenSpark (SparkLLM)](https://ai-opensource.com/ru/developers/tokenspark/): Компания, стоящая за семейством моделей Spark, которая публикуется на Hugging Face под именем XHToken. В её профиле сказано, что она разрабатывает универсальные базовые модели и профессиональные продукты ИИ-агентов, включая две harness-системы под названием AStudio и Loomy. Работающие на устройстве языковые модели Spark-X2.5 и Spark-X2.6 размером 1.7B и 4B используют Apache 2.0. - [Tongyi MAI](https://ai-opensource.com/ru/developers/tongyi-mai/): Команда в Tongyi Lab группы Alibaba, которая создаёт эффективные генеративные модели. Она наиболее известна моделями изображений Z-Image на 6B, выпущенными под Apache 2.0, а также публикует MAI-UI — семейство моделей GUI-агентов. - [Tongyi Lab Speech Team](https://ai-opensource.com/ru/developers/tongyi-speech/): Речевая команда Tongyi Lab группы Alibaba, публикующая свои работы под именем FunAudioLLM. Именно она создала модели синтеза речи CosyVoice, выпущенные под Apache 2.0. - [Upstage](https://ai-opensource.com/ru/developers/upstage/): Южнокорейская ИИ-компания, стоящая за семейством языковых моделей Solar. Solar Open 2, выпущенная в июле 2026 года, — это модель смеси экспертов на 250 миллиардов параметров под лицензией Upstage Solar License, которая представляет собой Apache 2.0 с добавленным правилом именования производных моделей. - [Video Rebirth](https://ai-opensource.com/ru/developers/video-rebirth/): Video Rebirth — сингапурский стартап в области ИИ-видео, основанный в 2024 году. Помимо своих хостинговых видеомоделей, он публикует серию HyperFlow, которая сжимает открытые видеомодели, такие как MiniMax H3, так что им требуется меньше шагов сэмплирования и меньше памяти. - [Voyage AI](https://ai-opensource.com/ru/developers/voyage-ai/): Voyage AI разрабатывает модели текстовых эмбеддингов Voyage, которые, по словам компании в блоге, доступны через Voyage API, а для клиентов MongoDB Atlas — через Atlas Embedding and Reranking API. voyage-4-nano, выпущенный вместе с серией Voyage 4 15 января 2026 года, — её первая модель с открытыми весами под Apache 2.0, а в её файле notice указан копирайт MongoDB, Inc. - [webAI](https://ai-opensource.com/ru/developers/webai/): Компания, которая создаёт приложение webAI — рабочее пространство, где ИИ-модели работают локально на устройстве пользователя. Её модели рассуждений TwIL, дообученные на основе IBM Granite 4.2 и SmolLM3, используют webAI Non-Commercial License вместо лицензии Apache 2.0 своих базовых моделей. - [Xiaomi](https://ai-opensource.com/ru/developers/xiaomi/): Китайский производитель потребительской электроники. Его команда базовых моделей MiMo публикует на Hugging Face крупные модели, ориентированные на агентов, и небольшие исследовательские чекпоинты с метками лицензии MIT, а другие исследовательские команды Xiaomi выпускают модели вроде Xiaomi-OCR-0 и речевой модели OmniVoice. - [Z.ai (Zhipu AI)](https://ai-opensource.com/ru/developers/z-ai/): Китайская лаборатория, разрабатывающая серию моделей GLM. GLM-5.3-Flash распространяется под MIT, а более крупная GLM-5.3 использует собственную лицензию, ограничивающую только очень крупный хостинговый бизнес. GLM-5, 5.1, 5.2, GLM-4.7-Flash на 30B-A3B и модель GLM-OCR тоже распространяются под MIT. - [Zyphra](https://ai-opensource.com/ru/developers/zyphra/): ИИ-лаборатория из Сан-Франциско, стоящая за линейкой синтеза речи Zonos. ZONOS3-Mini, выпущенная в ноябре 2026 года под Apache 2.0, — это модель клонирования голоса на базе смеси экспертов с 800 миллионами параметров, которая, по словам Zyphra, работает в реальном времени на ноутбуках, смартфонах и во вкладке браузера. ## Новости - [Apertus 1.5: полностью открытая модель Швейцарии читает изображения и аудио](https://ai-opensource.com/ru/news/apertus-1-5-released/): 2026-11-11. ETH Цюрих, EPFL и CSCS выпустили Apertus 1.5 24 июля: полностью открытые модели 8B и 70B с вводом изображений и аудио, контекстом 262K и Apache 2.0. Понимание аудио — экспериментальное. - [Четыре открытых модели перевода — четыре разных мерила](https://ai-opensource.com/ru/news/four-open-translation-models-four-yardsticks/): 2026-11-11. TranslateGemma, Hy-MT2, Index-Translate и PLaMo 3 Translate сообщают качество на разных тестовых наборах, метриках и соперниках, поэтому их заявления нельзя сравнивать напрямую. - [Крошечные модели синтеза речи, работающие на CPU: сравнение четырёх открытых вариантов](https://ai-opensource.com/ru/news/tiny-text-to-speech-models-run-on-a-cpu/): 2026-11-11. Kokoro, Pocket TTS, Phonon 31M и Supertonic 3 — открытые модели синтеза речи до 100M параметров, работающие на CPU ноутбука. Сравниваем размер, языки, клонирование голоса и лицензии. - [Moonshot выпустила Kimi K3.1 Pro: 2,8 трлн параметров, открытые веса](https://ai-opensource.com/ru/news/kimi-k3-1-pro-released/): 2026-11-02. Moonshot AI выпустила Kimi K3.1 Pro 2 ноября 2026 года: MoE на 2,8 трлн параметров для кодинга и офисных задач, контекст 1M токенов, 4-битные веса около 1,56 ТБ. - [Mistral Large 4 стала открытой: 1 трлн параметров, обучение в Европе](https://ai-opensource.com/ru/news/mistral-large-4-open-weights/): 2026-10-29. Mistral опубликовала веса Mistral Large 4 29 октября 2026 года: мультимодальная модель со смесью экспертов, контекст 1M токенов, более 160 языков и лицензия с условием о хостинге. - [NVIDIA выпустила Nemotron 3.5 Transcribe — речевую модель, управляемую промптом](https://ai-opensource.com/ru/news/nemotron-3-5-transcribe-released/): 2026-10-28. NVIDIA опубликовала Nemotron 3.5 Transcribe 28 октября 2026 года под OpenMDW-1.1: 40 языков, метки говорящих, перевод и управляемый промптом стиль транскрипта для записей до часа. - [Meta выпустила Muse Spark Open — открытую модель на 816B](https://ai-opensource.com/ru/news/muse-spark-open-released/): 2026-10-15. Meta опубликовала Muse Spark Open 15 октября 2026 года: 816B параметров, 42B активных, вход текста, изображений, видео и аудио, контекст 1M токенов, gated-загрузка и требование указания «Built with». ## Optional - [Калькулятор видеопамяти](https://ai-opensource.com/ru/vram-calculator/): Оцените, сколько видеопамяти или объединённой памяти нужно ИИ-модели при точности BF16, FP8 и 4 бита, и какое оборудование сможет её запустить. Выберите модель или введите свой размер. - [Все модели (JSON)](https://ai-opensource.com/data/models.json): Скачайте весь каталог открытых ИИ-моделей в JSON или CSV: параметры, контекстное окно, тип лицензии, дата выпуска и источники. Свободно для повторного использования с указанием авторства. - [Все модели (CSV)](https://ai-opensource.com/data/models.csv) - [Лицензии (JSON)](https://ai-opensource.com/data/licenses.json) - [RSS-лента](https://ai-opensource.com/ru/rss.xml) - [llms-full.txt](https://ai-opensource.com/ru/llms-full.txt): The full text of this site in one file