Indlæser kataloget…
Indlæser kataloget…
DeepSeeks vision-kapable sparse MoE-model til tekst og billeder som inddata, med et kontekstvindue på 1 million tokens og åbne vægte under MIT-licens.
Anthropics multimodale model med kort svartid, et kontekstvindue på 1.000.000 tokens og konfigurerbart ræsonneringsniveau.
Mistral AIs multimodale MoE-frontmodel på 1,05 billioner parametre med 52 milliarder aktive parametre, 512k kontekst og ræsonneringsspor, der kan slås til og fra.
Googles Gemini 4 Argon med lukkede vægte er en multimodal ræsonneringsmodel med ræsonneringsniveauer, der kan konfigureres, og et kontekstvindue på 1.048.576 tokens.
OpenAIs ræsonneringsmodel med lukkede vægte, et kontekstvindue på 1.050.000 tokens, obligatorisk ræsonneringsniveau og indbyggede leverandørdrevne værktøjer, placeret mellem GPT-6 Sol og flagskibet GPT-6 Astra.
Anthropics ræsonneringsmodel i Sonnet-klassen med lukkede vægte, et kontekstvindue på 1 million tokens, altid aktiv adaptiv tænkning og ræsonneringsniveauer, der kan konfigureres.
Anthropics flagskibsmodel til hybrid ræsonnering med altid aktiv adaptiv tænkning og et kontekstvindue på 1 million tokens til dybt analytisk arbejde og kodning.
OpenAIs hurtige og omkostningseffektive GPT-6-model til chat, klassificering og lette agentiske opgaver i store mængder, med ræsonneringsniveau, der kan indstilles, og et kontekstvindue på 1,05 millioner tokens.
OpenAIs ræsonneringsmodel i mellemklassen med ræsonneringsniveauer, der kan tilpasses, et kontekstvindue på 1,05 millioner tokens samt tekst og billeder som inddata til kodegenerering og agentiske arbejdsflow.
Xiaomis MIT-licenserede omnimodale ræsonneringsmodel i effektivitetsklassen: en 309 milliarder/15 milliarder sparse MoE med 1 million tokens kontekst, indbygget forståelse af billeder, video og lyd samt en brugerstyret tænkeknap.
xAIs ræsonneringsfokuserede flagskibsmodel med et kontekstvindue på 500k tokens, bygget til avanceret kodegenerering, agentiske opgaver og vidensarbejde med lange dokumenter.
Xiaomis omnimodale ræsonneringsmodel med åbne vægte, 1,02 billioner parametre og 1M-token-kontekst, der accepterer tekst, billeder, video og lyd som inddata og returnerer tekst.
DeepSeeks samlede multimodale MoE-model, der kombinerer indbygget tekst- og billedinddata, et kontekstvindue på 1 million tokens og et ræsonneringsniveau, der kan styres, i ét Flash-endepunkt.
OpenAIs flagskibsmodel med lukkede vægte og ræsonnering med et kontekstvindue på 1,05 millioner tokens og obligatorisk ræsonnering på hver forespørgsel.
Googles ræsonneringsoptimerede model i Flash-klassen til hurtig kodning, agentiske opgaver og ræsonnering i flere trin med et multimodalt kontekstvindue på en million tokens.
Anthropics frontmodel til ræsonnering med et kontekstvindue på 1 million tokens, altid aktiv adaptiv ræsonnering og indbygget tekst- og billedinddata.
Z.ai's indbyggede multimodale Mixture-of-Experts-model med et kontekstvindue på over 1 mio. tokens og obligatorisk ræsonnering.
Open-weight Qwen MoE model with text and image input, configurable reasoning, about 6B active parameters and a 262,144-token context.
Z.ai's flagskibsmodel med 743 milliarder parametre (MoE), med åbne vægte og post-trained til kompleks kodegenerering og agentiske opgaver med mange trin, med et kontekstvindue på 1 million tokens.
DeepSeeks ræsonneringsmodel V4 Pro med åbne vægte og MIT-licens — et stort mixture-of-experts-system med et kontekstvindue på 1 million tokens og valgbart ræsonneringsniveau til opgaver med mange trin.
xAI's model med lukkede vægte og optimeret ræsonnering til agentisk koding og research med mange trin, et kontekstvindue på 500k tokens og ræsonneringsniveauer, der kan konfigureres.
Qwen3.8 MoE-ræsonneringsmodel med åbne vægte, 2,4 billioner parametre i alt, 95 milliarder aktive parametre og et kontekstvindue på 262.144 tokens.
Alibabas model med åbne vægte i Qwen3.8 Max-klassen. En mixture-of-experts-model, der altid ræsonnerer, med et indbygget kontekstvindue på 262k tokens.
En ræsonneringsmodel med mixture-of-experts fra DeepSeek med et kontekstvindue på en million tokens og justerbart ræsonneringsniveau, betjent på Stav-platformen via Fireworks AI.
Anthropics frontmodel til ræsonnering med et kontekstvindue på 1 million tokens, justerbart ræsonneringsniveau og multimodale inddata til kodning, research og arbejde med lange dokumenter.
Googles hurtige, prisbevidste Gemini 3.5-model med et kontekstvindue på en million tokens, obligatorisk konfigurerbar ræsonnering og multimodale inddata i form af tekst, billeder, lyd og video.
Googles ræsonneringsoptimerede Flash-model: multimodale inddata, et kontekstvindue på over en million tokens og altid aktiv tankekæde til agentiske opgaver med mange trin.
Moonshot AI's 2,8 billioner MoE-flagskib med åbne vægte, altid aktiv ræsonnering, 1 million tokens kontekst, indbygget værktøjsbrug og multimodale inddata.
OpenAIs hurtige og omkostningseffektive GPT-5.6-niveau til chat i store mængder, klassificering og lette agentiske opgaver med et kontekstvindue på 1,05 millioner tokens.
OpenAIs flagskibsmodel til ræsonnering i GPT-5.6-familien til agentisk kodning, cybersikkerhed og analyser med mange trin, med et kontekstvindue på 1 million tokens.
OpenAIs balancerede GPT-5.6-model med et kontekstvindue på 1,05 millioner tokens og ræsonneringsniveau, der kan konfigureres til kodning og dokumentopgaver med middel kompleksitet.
xAI's proprietære ræsonneringsmodel med et kontekstvindue på 500.000 tokens, obligatorisk ræsonneringsniveau, der kan konfigureres, samt tekst og billeder som inddata.
Anthropics model i Sonnet-klassen med adaptiv ræsonnering, et kontekstvindue på 1 million tokens, stærke resultater i Design Arena for kodning og UI samt altid aktiv ræsonnering fra lavt til maks. ræsonneringsniveau.
Z.ais flagskibsmodel med åbne vægte til ræsonnering og agentisk kodegenerering, med et kontekstvindue på 1 million tokens og MIT-licenserede vægte.
Moonshot AIs MoE-model til kodning og agentiske opgaver med 1 billion parametre, åbne vægte, obligatorisk udvidet tænkning og et kontekstvindue på 262.144 tokens.
Anthropics Mythos-klasse-frontmodel med altid aktiv adaptiv ræsonnering og et kontekstvindue på 1 million tokens, bygget til dyb kode- og forskningsanalyse frem for chat i sanntid.
En MoE-model med åbne vægte og 428 milliarder parametre (~23 milliarder aktive) fra MiniMax med et kontekstvindue på 1 million tokens, multimodale inddata og et konfigurerbart ræsonneringsniveau, velegnet til agentiske opgaver og kodegenerering med lang kontekst.
xAIs agentiske kodningsmodel: en assistent med 256k-kontekst og værktøjskald med obligatorisk trinvis ræsonnering, bygget til fejlfinding med mange trin og MCP-styring.
Anthropics frontmodel til ræsonnering med et kontekstvindue på 1 million tokens, bygget til komplekse agentiske arbejdsflow, analyser på kandidatniveau og opgaver med lang kontekst.
Googles hurtige, prisoptimerede multimodale Gemini-model med et kontekstvindue på 1 million tokens, bygget til høj gennemstrømning af tekst, billeder, lyd, video og filer som inddata.
xAI's ræsonneringsmodel med et kontekstvindue på 1 million tokens og konfigurerbart ræsonneringsniveau, aktiveret som standard.
OpenAIs instruct-model med lang kontekst, bygget til kompleks ræsonnering i mange trin, analyse af lange dokumenter og orkestrering af værktøjer i et kontekstvindue på over 1 million tokens.
Moonshot AIs agentiske flagskib med åbne vægte, 1 billion parametre, et kontekstvindue på 262k tokens og multimodale inddata, bygget til værktøjsdrevne inferens-arbejdsflow med stor kontekst.
Anthropics frontmodel med lukkede vægte og et kontekstvindue på en million tokens, bygget til komplekse ræsonnerings- og kodningsopgaver med mange trin frem for interaktion i sanntid.
Open-weight Qwen multimodal MoE model with about 3B active parameters, a 262K-token context, optional reasoning and text and image input.
Z.ai's MoE-model med 754 milliarder parametre og åbne vægte. Med indbygget ræsonnering, bygget til agentisk ingeniørarbejde med mange trin og førende præstationer i benchmarks for kodegenerering.
Google DeepMinds multimodale Mixture-of-Experts-model med åbne vægte og et kontekstvindue på 262k tokens, tunet til opgaver af moderat kompleksitet med korte svartider.
Google DeepMinds multimodale dense-model med åbne vægte og 30,7 milliarder parametre. Den har et kontekstvindue på 256k tokens, valgfri ræsonnering i tankekæde og er instruktionstrænet til opgaver med lang kontekst og multimodale inddata.