Справочник по экосистеме Google Gemini: актуальные модели, API и SDK, Gemini Live, мультимодальные возможности, региональные ограничения и сравнение с GPT и Claude.
Open-source embedding-модель от BAAI для поиска, RAG и семантического сравнения текстов. Контекст 8192 токена, 100+ языков, MIT-лицензия, работает на CPU. Разбор возможностей, сравнение с альтернативами и эталонная сборка сервера на FastAPI.
Мультимодальная модель генерации видео от ByteDance: текст, изображения, аудио и видео на входе, кинематографичный клип с синхронным звуком на выходе. API, платформы доступа, тарифы.
Unlimited-OCR от Baidu — открытая модель для парсинга длинных документов и PDF: возможности, запуск через Transformers, vLLM и SGLang, лимиты и сценарии.
Открытая embedding-модель от Google на базе Gemma 3: 308M параметров, 100+ языков, контекст 2048 токенов, 768-мерные векторы с MRL-усечением до 128. Работает на 200 МБ RAM, считает эмбеддинг на CPU за десятки миллисекунд. Когда брать вместо BGE-M3, как поднять локально и во что упереться.