Если приоритет — экономичность, начинайте с этой выборки. Здесь модели с низкой стоимостью входа и приемлемым качеством для массовых сценариев.
Моделей в подборке
60
Средняя цена (вход)
2 ₽/M
Макс. контекст
2.0M
Apodex 1.1 Mini — модель с акцентом на рассуждения от Apodex, созданная для выполнения сложных задач, требующих долгосрочного анализа и прогнозирования. Она работает напрямую с файлами, данными, кодом и инструментами для получения проверяемых результатов.
LFM2.5-Embedding-350M — это модель текстовых эмбеддингов от Liquid AI. Она генерирует эмбеддинги размерностью 1024 для задач поиска и семантического поиска. Успешные запросы и эмбеддинги могут сохраняться и использоваться для обучения.
Dots3-Note Preview — это модель с открытым весом и архитектурой mixture-of-experts от Dots Studio, содержащая 16 миллиардов активных параметров из общего числа 280 миллиардов. Это самая легкая модель в семействе Dots 3 и...
LFM2.5-2.6B — компактная модель рассуждений от Liquid AI. Она подходит для рабочих процессов агентов, извлечения данных, RAG и обработки длинных контекстов. Liquid не рекомендует использовать её для агентного программирования или...
NVIDIA Nemotron 3.5 Lightning — это открытая модель с архитектурой mixture-of-experts от NVIDIA, содержащая 3 миллиарда активных параметров из общего числа 30 миллиардов. Она предназначена для высокопроизводительных агентных задач и специализированных применений, которые требуют...
Inkling Small — это мультимодальная модель с открытым весом и смесью экспертов от Thinking Machines Lab, содержащая 12 миллиардов активных параметров из общего числа 276 миллиардов. Она представлена как более компактная и эффективная версия модели...
Laguna S 2.1 — это последняя модель агента для программирования от Poolside. Laguna S 2.1 представляет собой модель с общим числом параметров 118 миллиардов, из которых 8 миллиардов активных. Она достигает результата 70,2% на тесте Terminal-Bench 2.1.
Inkling — это мультимодальная модель с открытым весом и смесью экспертов от Thinking Machines Lab, содержащая 41 миллиард активных параметров из общего числа 975 миллиардов. Она предназначена для универсального рассуждения, программирования, создания агентных систем и использования инструментов.
NVIDIA Nemotron 3 Embed 1B — это открытая модель текстового встраивания от NVIDIA, оптимизированная для высокопроизводительного и низколатентного поиска. Она подходит для корпоративного поиска, RAG, поиска кода и агентного поиска.
Laguna XS 2.1 — это последняя модель агента для программирования в категории 33B-A3B от Poolside и развитие их модели Laguna XS.2 (выпущенной в апреле 2026 года). Она сочетает в себе...
North Mini Code — первая агентная модель для программирования от Cohere и дебют в серии North. Это модель с разреженной смесью экспертов, имеющая в общей сложности 30 миллиардов параметров, из которых активно используется 3 миллиарда. Модель оптимизирована для...
NVIDIA Nemotron 3.5 Content Safety — это компактная мультимодальная модель с 4 миллиардами параметров, разработанная NVIDIA и дообученная на базе Google Gemma-3-4B. Модель предназначена для модерации как входных данных, так и ответов больших языковых моделей (LLM) и моделей визуального языка (VLM).
NVIDIA Nemotron 3 Ultra — это модель для рассуждений на открытых темах и оркестровки от NVIDIA, содержащая 55 миллиардов активных параметров из общего числа 550 миллиардов (MoE). Модель построена на гибридной архитектуре Transformer-Mamba с использованием смеси экспертов.
NVIDIA Nemotron™ 3 Nano Omni — это открытая мультимодальная модель с 30 миллиардами параметров, разработанная для работы в качестве подсистемы восприятия и контекста в корпоративных агентных системах. Модель принимает текст, изображения, видео и другие виды данных.
Pareto Router — это способ, с помощью которого alltokens всегда выбирает для вас мощную модель для кодирования в соответствии с вашими потребностями, не привязываясь к конкретной модели. Вы выражаете единственное предпочтение `min_coding_score`...
Gemma 4 26B A4B IT — это модель с инструкционной настройкой Mixture-of-Experts (MoE) от Google DeepMind. Несмотря на 25,2 млрд общих параметров, при инференции активируется только 3,8 млрд на токен — обеспечивая качество, близкое к 31-миллиардной модели.
Gemma 4 31B Instruct - это мультимодальная плотная модель Google DeepMind объемом 30,7 миллиарда параметров, поддерживающая текстовые и изображений входные данные с текстовым выводом. Оснащена 256K контекстным окном, настраиваемым режимом мышления/рассуждения, встроенными функциями...
NVIDIA Nemotron 3 Super — это открытая гибридная модель MoE с 120 миллиардами параметров, активирующая всего 12 миллиардов для максимальной вычислительной эффективности и точности в сложных многоагентных приложениях. Основанная на гибридной архитектуре Mamba-Transformer Mixture-of-Experts с много-токеновым предсказанием (MTP), она обеспечивает более чем 50% прирост генерации токенов по сравнению с ведущими открытыми моделями. Модель оснащена контекстным окном в 1 миллион токенов для долгосрочной когерентности агентов, междокументного рассуждения и планирования многошаговых задач. Latent MoE позволяет вызывать 4 эксперта за стоимость одного, улучшая интеллект и обобщение. Мульти-средовое обучение с подкреплением в 10+ средах обеспечивает лидирующую точность на бенчмарках, включая AIME 2025, TerminalBench и SWE-Bench Verified. Полностью открытая с весами, наборами данных и рецептами под лицензией NVIDIA Open, Nemotron 3 Super позволяет легко настраивать и безопасно развертывать модель в любом месте — от рабочей станции до облака.
Модель встраивания Llama Nemotron Embed VL 1B V2 оптимизирована для мультимодального поиска в задачах ответов на вопросы. Модель способна преобразовывать в векторные представления документы в виде изображений, текста или их комбинации. Поиск документов осуществляется на основе текстового запроса пользователя. Модель поддерживает обработку изображений, содержащих текст, таблицы, диаграммы и инфографику. Примечание: при использовании бесплатного доступа все запросы и результаты логируются для улучшения модели и сопутствующих сервисов. Пожалуйста, не загружайте личную, конфиденциальную или иную чувствительную информацию. Данный доступ предназначен только для ознакомительного использования. Не используйте его для производственных или критически важных бизнес-систем.
Самый простой способ получить бесплатный доступ к нейросетям. alltokens/free — это роутер, который случайным образом выбирает бесплатные модели из доступных на платформе alltokens. Система интеллектуально фильтрует модели, поддерживающие необходимые для вашего запроса функции, такие как анализ изображений, вызов инструментов, структурированные ответы и другие возможности.
Преобразуйте ваши запросы на естественном языке в структурированные объекты запросов API alltokens. Опишите, что вы хотите реализовать с помощью моделей ИИ, и Body Builder сформирует соответствующие вызовы API. Пример: посчитай до 10, используя gemini и opus. Этот инструмент полезен для создания мультимодельных запросов, кастомных роутеров моделей или программной генерации вызовов API на основе человеческих описаний. УВЕДОМЛЕНИЕ О БЕТА-ТЕСТИРОВАНИИ: Body Builder находится на стадии бета-тестирования и в данный момент предоставляется бесплатно. Стоимость и функциональные возможности могут измениться в будущем.
Ваш запрос будет обработан мета-моделью и направлен в одну из десятков доступных моделей для достижения наилучшего результата. Чтобы узнать, какая именно модель была использована, проверьте историю активности или атрибут model в ответе API. Стоимость запроса соответствует тарифу выбранной модели. Вы можете настроить список моделей для маршрутизации в документации. Запросы направляются в следующие модели: - anthropic/claude-haiku-4.5 - anthropic/claude-opus-4.6 - anthropic/claude-sonnet-4.5 - deepseek/deepseek-r1 - google/gemini-2.5-flash-lite - google/gemini-3-flash-preview - google/gemini-3-pro-preview - meta-llama/llama-3.3-70b-instruct - mistralai/codestral-2508 - mistralai/mistral-large - mistralai/mistral-medium-3.1 - mistralai/mistral-small-3.2-24b-instruct-2506 - moonshotai/kimi-k2-thinking - moonshotai/kimi-k2.5 - openai/gpt-5 - openai/gpt-5-mini - openai/gpt-5-nano - openai/gpt-5.1 - openai/gpt-5.2 - openai/gpt-5.2-pro - openai/gpt-oss-120b - perplexity/sonar - qwen/qwen3-235b-a22b - x-ai/grok-3 - x-ai/grok-3-mini - x-ai/grok-4
pplx-embed-v1-0.6B — одна из современных текстовых встраиваемых моделей Perplexity, разработанная для реального веб-масштабного поиска. Модель pplx-embed-v1 оптимизирована для стандартного плотного текстового поиска, а версия с 0.6B параметров предназначена для легковесной генерации встраиваемых представлений с низкой задержкой.
Модель эмбеддингов gte-base преобразует английские предложения и абзацы в плотное векторное пространство размерностью 768. Она обеспечивает эффективное и качественное создание семантических эмбеддингов, оптимизированных для задач определения текстового сходства, семантического поиска и кластеризации.
Модель эмбеддингов e5-base-v2 преобразует предложения и абзацы на английском языке в плотные векторы размерностью 768. Она создает эффективные и высококачественные семантические эмбеддинги, оптимизированные для таких задач, как семантический поиск, оценка сходства, поиск информации и кластеризация. Модель доступна через API alltokens.
Модель эмбеддингов paraphrase-MiniLM-L6-v2 преобразует предложения и короткие абзацы в 384-мерное плотное векторное пространство. Она создает высококачественные семантические эмбеддинги, оптимизированные для обнаружения парафраза, оценки семантического сходства, кластеризации и задач легковесного поиска данных.
Модель эмбеддингов all-MiniLM-L12-v2 преобразует предложения и короткие абзацы в 384-мерное плотное векторное пространство. Она создает эффективные и высококачественные семантические эмбеддинги, оптимизированные для таких задач, как семантический поиск, кластеризация и оценка сходства текстов.
Модель эмбеддингов bge-base-en-v1.5 преобразует английские предложения и абзацы в плотные векторы размерности 768, обеспечивая эффективные и высококачественные семантические представления. Модель оптимизирована для задач поиска, семантического анализа и сопоставления документов. Версия v1.5 отличается улучшенным распределением показателей сходства и более высокой производительностью поиска без необходимости дополнительной настройки.
Модель эмбеддингов multi-qa-mpnet-base-dot-v1 преобразует предложения и короткие абзацы в плотное векторное пространство размерностью 768. Она генерирует высококачественные семантические эмбеддинги, оптимизированные для поиска ответов на вопросы, семантического поиска и оценки сходства текстов в различных типах контента.
Модель эмбеддингов all-mpnet-base-v2 преобразует предложения и короткие абзацы в плотное векторное пространство размерности 768. Она обеспечивает высокую точность семантических представлений, которые отлично подходят для таких задач, как поиск информации, кластеризация, оценка сходства и ранжирование текстов.
Модель эмбеддингов all-MiniLM-L6-v2 преобразует предложения и короткие абзацы в плотное векторное пространство размерностью 384. Это обеспечивает высококачественное семантическое представление данных, которое идеально подходит для таких задач, как поиск информации, кластеризация, оценка сходства и ранжирование текста. Модель доступна через API alltokens.
DeepSeek V4 Flash 0731 — это модель с разреженной смесью экспертов от DeepSeek, содержащая 13 миллиардов активных параметров из общего числа 284 миллиарда. Эта версия с повторным обучением подходит для программирования, логического мышления и работы с агентами.
Модель эмбеддингов gte-large преобразует английские предложения, абзацы и документы средней длины в 1024-мерное векторное пространство. Она обеспечивает высококачественные семантические эмбеддинги, оптимизированные для задач поиска информации, определения семантического сходства текстов, переранжирования и кластеризации. Модель обучена с использованием многоэтапного контрастивного обучения на обширном корпусе релевантных данных из различных областей, что гарантирует отличную производительность в универсальных сценариях использования эмбеддингов на alltokens.
Модель эмбеддингов e5-large-v2 преобразует английские предложения, абзацы и документы в плотное векторное пространство размерностью 1024. Она обеспечивает высокую точность семантических представлений, оптимизированных для задач поиска информации, семантического поиска, переранжирования и оценки сходства текстов. Модель доступна через API alltokens.
Модель эмбеддингов multilingual-e5-large преобразует предложения, абзацы и документы на более чем 90 языках в 1024-мерное векторное пространство. Она обеспечивает создание качественных семантических векторов, оптимизированных для многоязычного поиска, определения сходства текстов на разных языках и обработки крупномасштабных массивов данных через API alltokens.
Модель эмбеддингов bge-large-en-v1.5 преобразует английские предложения, абзацы и документы в плотное векторное пространство размерностью 1024. Она обеспечивает высокоточное семантическое представление данных, оптимизированное для семантического поиска, поиска документов и решения прикладных задач обработки естественного языка на английском языке. Модель доступна через API alltokens.
Модель эмбеддингов bge-m3 преобразует предложения, абзацы и длинные документы в плотное векторное пространство размерностью 1024. Она обеспечивает высококачественные семантические эмбеддинги, оптимизированные для мультиязычного поиска, семантического анализа и работы с приложениями, требующими обработки большого контекста.
Серия моделей Qwen3 Embedding — это новейшая разработка в семействе Qwen, специально созданная для задач встраивания текста и ранжирования. Данная серия унаследовала исключительные мультиязычные возможности, навыки понимания длинных текстов и логического вывода от своей базовой модели. Серия Qwen3 Embedding демонстрирует значительные успехи в различных задачах обработки текста, включая поиск текстовой информации, поиск кода, классификацию, кластеризацию и поиск параллельных корпусов текстов.
Ling 3.0 Flash VL основана на Ling 3.0 Flash (всего 124 миллиарда параметров / 5,5 миллиарда активных MoE от InclusionAI), дополнительно усиливая языковые возможности и добавляя встроенное визуальное восприятие и продвинутые визуальные функции.
Qwen3.8 27B — это открытая плотная модель для обработки визуальной и языковой информации от Qwen. Она подходит для программирования, профессиональных рабочих процессов, исследований, мультимодального взаимодействия и длительных агентских задач, обладая гибким мышлением, способным...
Voyage 4 Lite — это универсальная модель для создания эмбеддингов с акцентом на эффективность от Voyage AI компании MongoDB, оптимизированная для быстрого отклика и экономичного поиска. Поддерживает матрёшечные эмбеддинги с размерами 2048, 1024, 512 и 256.
Ling-3.0-flash — это модель с 124 миллиардами параметров на основе архитектуры Mixture-of-Experts (MoE), при этом активируется около 5,1 миллиарда параметров на каждый токен. Модель разработана с приоритетом на эффективность обработки токенов и масштабируемое агентное инференс для производственных задач, что позволяет разработчикам...
text-embedding-3-small — это улучшенная и более производительная версия модели встраивания ada от OpenAI. Встраивания (embeddings) представляют собой числовое выражение текста, которое позволяет измерять степень смысловой близости между различными фрагментами данных. Данная модель эффективна для решения задач поиска, кластеризации, формирования рекомендаций, обнаружения аномалий и классификации текста. На платформе alltokens вы можете использовать эту модель для создания высокоточных векторных представлений.
Серия моделей Qwen3 Embedding — это новейшая разработка в семействе Qwen, специально созданная для задач встраивания текста и ранжирования. Данная серия унаследовала исключительные мультиязычные возможности, навыки понимания длинных текстов и логического вывода от своей базовой модели. Серия Qwen3 Embedding демонстрирует значительные успехи в различных задачах обработки текстов, включая поиск текстовой информации, поиск кода, классификацию, кластеризацию и поиск параллельных корпусов данных. На платформе alltokens эти модели обеспечивают высокую точность и производительность для современных ИИ-решений.
Granite-4.0-H-Micro — это модель с 3 миллиардами параметров из семейства Granite 4. Данные модели являются последними в серии релизов от IBM. Они специально оптимизированы для работы с длинным контекстом и вызова внешних инструментов.
gpt-oss-20b — это модель с открытыми весами, содержащая 21 миллиард параметров, выпущенная под лицензией Apache 2.0. Она использует архитектуру Mixture-of-Experts (MoE) с 3,6 миллиардами активных параметров при каждом проходе, оптимизированную для...
gpt-oss-20b — это модель с открытыми весами и 21 миллиардом параметров, выпущенная под лицензией Apache 2.0. Она использует архитектуру Mixture-of-Experts (MoE) с 3,6 миллиардами активных параметров на каждый проход, что оптимизирует ее для работы с низкой задержкой и позволяет развертывать на потребительском оборудовании или одиночных графических процессорах. Модель обучена в формате ответов Harmony и поддерживает настройку уровней рассуждения, дообучение, а также агентские возможности, включая вызов функций, использование инструментов и структурированный вывод данных. На платформе alltokens модель доступна для интеграции через API.
Новейшая линейка моделей Meta Llama 3.1 представлена в различных конфигурациях. Данная версия 8B с дообучением для следования инструкциям отличается высокой скоростью и эффективностью. В ходе экспертных оценок модель продемонстрировала высокие результаты, сопоставимые с ведущими проприетарными моделями. Использование данной модели на alltokens регулируется политикой допустимого использования Meta.
Модель с 12 миллиардами параметров и контекстным окном в 128 000 токенов, разработанная Mistral в сотрудничестве с NVIDIA. Модель является мультиязычной и поддерживает английский, французский, немецкий, испанский, итальянский, португальский, китайский, японский, корейский, арабский языки и хинди. Она поддерживает вызов функций (function calling) и распространяется под лицензией Apache 2.0.
Schematron V2 Turbo — это модель извлечения данных из HTML в JSON с 3 миллиардами параметров от Inference.net. Она оптимизирована для высокой пропускной способности при обработке больших объемов данных. Инструкции по извлечению должны предоставляться в формате JSON-схемы через параметр response_format.
Nex-N2.5 — это агентная модель, разработанная для преобразования целей в рабочие, проверенные результаты. Ее основное преимущество заключается в агентном программировании с использованием визуальной обратной связи: модель способна исследовать кодовые базы, реализовывать многомодульные проекты и обеспечивать их корректность.
GLM-5.3-Flash — это нативная мультимодальная модель от Z.ai. Она предназначена для эффективного программирования и задач с длительным горизонтом планирования. Гибридная архитектура с разреженным и линейным вниманием обеспечивает точное поведение при работе с длинным контекстом, одновременно...
NVIDIA Nemotron 3.5 Lightning — это открытая модель с архитектурой mixture-of-experts от NVIDIA, содержащая 3 миллиарда активных параметров из общего числа 30 миллиардов. Она предназначена для высокопроизводительных агентных задач и специализированных применений, которые требуют эффективной обработки больших объемов данных.
Qwen3.7 Flash — это модель для визуально-языкового рассуждения от Alibaba. Она предназначена для мультимодальных агентов, визуального программирования, поиска и взаимодействия с компьютером. Модель обладает сильными возможностями в распознавании объектов, пространственном понимании и работе с реальным миром.
pplx-embed-v1 -4B — это одна из передовых текстовых встраиваемых моделей Perplexity, разработанная для реального веб-масштабного поиска. Модель pplx-embed-v1 оптимизирована для стандартного плотного текстового поиска, а 4B-параметрическая модель максимизирует качество поиска.
GPT-5-Nano — это самая маленькая и быстрая версия в системе GPT-5, оптимизированная для инструментов разработчиков, быстрого взаимодействия и сред с ультранизкой задержкой. Несмотря на ограниченную глубину рассуждений по сравнению с более крупными моделями, она обеспечивает высокую скорость отклика и эффективна в задачах, требующих мгновенной обработки.
gpt-oss-120b — это модель языка с открытыми весами и 117 миллиардами параметров, основанная на архитектуре Mixture-of-Experts (MoE), разработанная для задач с высоким уровнем рассуждений, агентных и универсальных производственных применений. При каждом проходе активируется 5,1 миллиарда параметров, модель оптимизирована для эффективной работы.
gpt-oss-120b — это языковая модель с открытыми весами на базе архитектуры Mixture-of-Experts (MoE), содержащая 117 миллиардов параметров и разработанная OpenAI для сложных логических задач, работы автономных агентов и универсального промышленного использования. Модель активирует 5,1 миллиарда параметров при каждом проходе и оптимизирована для запуска на одном графическом процессоре H100 с использованием нативного квантования MXFP4. Модель поддерживает настраиваемую глубину рассуждений, полный доступ к цепочке мыслей (chain-of-thought) и нативную работу с инструментами, включая вызов функций, поиск в сети и генерацию структурированных данных. На alltokens вы можете получить доступ к этой модели через API.
Llama 3.2 1B — это языковая модель с 1 миллиардом параметров, ориентированная на эффективное выполнение задач обработки естественного языка, таких как суммаризация, ведение диалогов и многоязычный анализ текста. Компактный размер позволяет модели эффективно работать в средах с ограниченными ресурсами, сохраняя при этом высокую производительность. Поддерживая восемь основных языков с возможностью дообучения на другие, Llama 3.2 1B идеально подходит для компаний и разработчиков, которым требуются легкие, но мощные ИИ-решения. Модель способна работать в различных многоязычных сценариях без высоких требований к вычислительным мощностям, характерных для более крупных моделей. Использование данной модели регулируется политикой допустимого использования Meta. Доступ к модели осуществляется через alltokens.
Mercury 2.5 — это самая быстрая модель для рассуждений и последняя модель диффузии (dLLM) от Inception. Вместо последовательной генерации токенов, Mercury 2.5 одновременно создает и уточняет несколько токенов, достигая высокой эффективности.
Быстрые связки для углубленного сравнения: по цене, контексту и поддерживаемым API-параметрам.
Perplexity: Embed V1 0.6B ↔ Thenlper: GTE-Base (0%)
Thenlper: GTE-Base ↔ Intfloat: E5-Base-v2 (0%)
Intfloat: E5-Base-v2 ↔ Sentence Transformers: paraphrase-MiniLM-L6-v2 (0%)
Sentence Transformers: paraphrase-MiniLM-L6-v2 ↔ Sentence Transformers: all-MiniLM-L12-v2 (0%)
Sentence Transformers: all-MiniLM-L12-v2 ↔ BAAI: bge-base-en-v1.5 (0%)
BAAI: bge-base-en-v1.5 ↔ Sentence Transformers: multi-qa-mpnet-base-dot-v1 (0%)
Pareto Code Router ↔ Auto Router (Δ 0K)
Thinking Machines: Inkling Small (Бесплатно) ↔ Thinking Machines: Inkling (Бесплатно) (Δ 0K)
Thinking Machines: Inkling (Бесплатно) ↔ DeepSeek: DeepSeek V4 Flash 0731 (Δ 0K)
DeepSeek: DeepSeek V4 Flash 0731 ↔ Z.ai: GLM 5.3 Flash (Δ 0K)
Z.ai: GLM 5.3 Flash ↔ NVIDIA: Nemotron 3.5 Lightning (Бесплатно) (Δ 49K)
NVIDIA: Nemotron 3.5 Lightning (Бесплатно) ↔ NVIDIA: Nemotron 3 Ultra (Бесплатно) (Δ 0K)
Apodex: Apodex 1.1 Mini (Бесплатно) ↔ LiquidAI: LFM2.5-2.6B (Бесплатно) (общих: 15)
Dots Studio: Dots3-Note Preview (Бесплатно) ↔ Apodex: Apodex 1.1 Mini (Бесплатно) (общих: 9)
LiquidAI: LFM2.5-2.6B (Бесплатно) ↔ Free Models Router (общих: 19)
NVIDIA: Nemotron 3.5 Lightning (Бесплатно) ↔ Apodex: Apodex 1.1 Mini (Бесплатно) (общих: 8)
Thinking Machines: Inkling Small (Бесплатно) ↔ Thinking Machines: Inkling (Бесплатно) (общих: 11)
Poolside: Laguna S 2.1 (Бесплатно) ↔ Apodex: Apodex 1.1 Mini (Бесплатно) (общих: 6)
В этой подборке — модели с минимальной ценой входных токенов, отсортированные по возрастанию стоимости.
Да, особенно для массовых и менее критичных задач; важно проверять качество на ваших данных.
© 2026 Alltokens. Все права защищены.
ИП Наумов Евгений Алексеевич · ИНН 434522560555 · ОГРНИП 324430000002724 · support@alltokens.ru