Статья на Хабре представляет краткий обзор современных генеративных моделей для создания текстового, визуального, аудио- и видеоконтента, а также мультимодальных решений. В обзоре сравниваются как открытые (open-source), так и закрытые (closed-source) модели, указывается, в каких задачах и сценариях они наиболее эффективны.

В текстовом сегменте лидируют Llama 4 Maverick (Meta1), Mistral, OpenChat, Solar, TinyLlama (open-source), а также коммерческие GPT-4o, GPT-o3 (OpenAI), Claude Sonnet 4 (Anthropic), Gemini 2.5 Pro (Google), YandexGPT и YaLM (Яндекс). Для генерации изображений выделяются Stable Diffusion XL, FLUX, Playground, Kandinsky (Сбер), DALL-E 2/3, Midjourney 7 и GPT Image. Актуальны технологии дообучения — LoRA и Textual Inversion, а для специфических задач — ControlNet, inpainting и depth-to-image.

В области аудио и синтеза речи выделены ElevenLabs, Coqui TTS, Tortoise TTS, OpenAI TTS, Whisper и Assembly AI Best. Для видео отмечаются Runway Gen-1/Gen-2, Pika, Sora, Luma, Veo 3, CogVideoX и Video LLaMA, где Veo 3 достигает 95%-й точности в бенчмарках и поддерживает генерацию 4K-видео с синхронизированным аудио.

Мультимодальные модели (Perplexity AI, Qwen2.5-VL, Kosmos-1, Florence-2, Gemini 2.5 Pro, Llama 4 Scout/Maverick) способны обрабатывать разные форматы данных и используются для комплексной автоматизации цифрового контента и аналитики. В статье отдельно описаны критерии выбора моделей: открытость, качество, скорость, возможность дообучения и стоимость интеграции.