SortAI → Нейросети → Нейросети, понимающие изображения

Нейросети, понимающие изображения

МодельДля чегоДоступ из РФОплатаБесплатно
Kimi K3.1 ProMoonshot AI · Китай Текст, код, управление компьютером Без VPN Зарубежная карта Есть
Gemini 4 ArgonGoogle · США Код, агенты, разбор видео и PDF Нужен VPN Зарубежная карта Нет
Qwen4-MaxAlibaba · Китай Код, агенты, разбор картинок и видео Без VPN Зарубежная карта Есть
Gemini 4 HydrogenGoogle · США Быстрые агенты и код, бесплатный API Нужен VPN Зарубежная карта Есть
GPT-6.1 TerraOpenAI · США Картинки, компьютер, тексты Нужен VPN Зарубежная карта Нет данных
Gemini 3.8 FlashGoogle · США Документы и агенты, бесплатный API Нужен VPN Через провайдера Есть
MiniMax M3.1 FlashMiniMax · Китай Код, агенты, дешёвый API Без VPN Зарубежная карта Есть
MiMo-V2.6 ProXiaomi · Китай Агенты и управление компьютером Без VPN Через провайдера Есть
Claude Fable 5.2Anthropic · США Долгие автономные задачи, код, наука Нужен VPN Зарубежная карта Нет
Claude Opus 5.5Anthropic · США Код, агенты, документы Нужен VPN Через провайдера Нет
GPT-6.2 AstraOpenAI · США Сложные задачи, код, агенты Нужен VPN Зарубежная карта Нет
Gemini 4 CarbonGoogle · США Самые трудные задачи, код, наука Нужен VPN Зарубежная карта Нет
Gemini 4 NeonGoogle · США Сложный код и агенты, дешевле Carbon Нужен VPN Зарубежная карта Нет
Grok 4.7SpaceXSI · США Документы, таблицы, поиск по X Нужен VPN Зарубежная карта Есть
Muse WonderMeta · США Долгое программирование, агенты Нужен VPN Зарубежная карта Нет данных
Claude Sonnet 5.5Anthropic · США Код и агенты, дешевле Opus Нужен VPN Через провайдера Есть
Muse Spark 1.3Meta · США Агенты и длинный контекст Нужен VPN Зарубежная карта Есть
GPT-6.2 SolOpenAI · США Код и работа, дешевле Astra Нужен VPN Зарубежная карта Нет
Claude Haiku 5.5Anthropic · США Быстрые массовые задачи, дёшево Нужен VPN Зарубежная карта Есть
Mistral Large 4Mistral AI · Франция Кибербезопасность, автоматизация Без VPN Зарубежная карта Есть
GPT-6 LunaOpenAI · США Массовые простые задачи, дёшево Нужен VPN Через провайдера Есть
GigaChat 3.5 UltraСбер · Россия Русский язык, открытые веса Без VPN Карта РФ Есть
DeepSeek V4.1 FlashDeepSeek · Китай Дешёвый API, код и агенты Без VPN Через провайдера Есть
GigaChat 3.5 ReasoningСбер · Россия Рассуждение, математика, код Без VPN Карта РФ Есть
Alice AI LLMЯндекс · Россия Поиск, агенты, голос Без VPN Карта РФ Есть
Cotype Pro 3MWS AI (МТС) · Россия Документы и агенты для компаний По заявке По договору Нет
Step 5 PreviewStepFun · Китай Длинный контекст, агенты Без VPN Зарубежная карта Есть
Muse Spark OpenMeta · США Открытые веса, контекст 1 млн Без VPN Оплата не нужна Есть
Muse GlimmerMeta · США Локальный запуск на ноутбуке Без VPN Оплата не нужна Есть
Llama 4 MaverickMeta · США Открытые веса, свой сервер Без VPN Оплата не нужна Есть

Как отбирали модели, которые понимают изображения

В срез входит модель, которая принимает картинку на вход: фото, скриншот, скан, схему. Таких 30. Вверху восемь — те, у кого зрение заявлено профилем или подкреплено замером. GPT-6.1 Terra OpenAI выпустила как модель для визуальных рассуждений. Gemini 4 Argon, Gemini 4 Hydrogen и 3.8 Flash принимают ещё видео, аудио и PDF; у Argon, по данным Google, 87 % на ERQA — тесте на понимание физической сцены для роботов. Qwen4-Max Alibaba выпустила с упором на разбор картинок и видео. MiniMax M3.1 Flash заявляет 82,5 на CharXiv RQ, MiMo-V2.6 Pro понимает также видео и звук, у Kimi K3.1 Pro Moonshot пишет о встроенном визуальном понимании.

Независимого теста на зрение с моделями осени 2026 года в наших лидербордах нет: MMMU по новым моделям в официальных материалах не встречается, поэтому здесь работают модальности из документации и вендорские замеры.

Какую модель брать для фото, сканов и видео

  • Видео и записи встреч — Gemini 4 Argon или Gemini 3.8 Flash: Claude 5.5 и GPT-6 видео и звук на вход не принимают. У Flash есть бесплатный тариф в API.
  • Скриншоты и интерфейсы, дёшево — GPT-6.1 Terra: $1 за вход и $5 за выход за 1 млн токенов, в восемь раз дешевле GPT-6.2 Astra.
  • Без VPN и бесплатно — Qwen4-Max в chat.qwen.ai или Kimi K3.1 Pro на kimi.com.
  • На своём ноутбуке — Muse Glimmer: 30 млрд параметров, лицензия Apache 2.0, разбирает скриншоты, графики и документы, запускается через Ollama, LM Studio и MLX.
  • На русском — Alice AI бесплатно разбирает графики и схемы. Для компаний Cotype Pro 3 читает сканы и рукописный текст: 74 % на собственном Vision Bench MWS AI по русским корпоративным документам.

Что изменилось осенью 2026 года

С картинками на входе вышли почти все новинки осени: MiMo-V2.6 Pro — 21 сентября, Gemini 4 Argon — 13 октября, MiniMax M3.1 Flash — 17 октября, Kimi K3.1 Pro — 23 октября, GPT-6.1 Terra — 26 октября, Gemini 4 Hydrogen — 12 ноября, Qwen4-Max — 16 ноября. У DeepSeek зрение есть в V4.1 Flash, а флагманская V4-Pro по-прежнему работает только с текстом. Mistral Large 4, вышедшая 6 октября, по замеру самой Mistral набирает 42 % на Dense 200 — тесте на привязку слов к точным местам на картинке; у GPT-6 Astra в той же таблице 41 %.

Частые вопросы

Какая нейросеть лучше распознаёт фото и сканы?

Сильными в зрении отмечены GPT-6.1 Terra, Gemini 4 Argon, Gemini 4 Hydrogen, Gemini 3.8 Flash, Qwen4-Max, Kimi K3.1 Pro, MiniMax M3.1 Flash и MiMo-V2.6 Pro. Сравнить их напрямую нечем: общего независимого теста на зрение с этими моделями нет.

Какая нейросеть понимает видео?

Видео на вход принимают Gemini 4 Argon, Carbon, Neon и Hydrogen, Gemini 3.8 Flash и Qwen4-Max, у Meta — Muse Spark 1.3 и Muse Wonder, из открытых моделей — MiMo-V2.6 Pro и Muse Spark Open. Claude 5.5 и GPT-6 из визуального понимают только картинки.

Можно ли распознать картинку нейросетью без VPN?

Да: Qwen4-Max и Kimi K3.1 Pro открываются из России напрямую, а Alice AI и GigaChat понимают изображения в бесплатном чате.