Argon-Embed1 — многоязычная модель текстовых эмбеддингов, разработанная Mohammedkarimi и обученная с применением контрастивного обучения и функции потерь InfoNCE. Она преобразует текст в векторы для сравнения смысловой близости предложений и поиска семантически похожих фрагментов. Модель основана на bert-base-multilingual-cased, использует архитектуру BERT и содержит 205,1 млн параметров. Размер эмбеддинга — 256; максимальная длина входа по README — 128 токенов, при этом метаданные указывают контекст до 512 токенов. Для использования предусмотрена библиотека Sentence Transformers.

Модель подходит для семантического поиска, сопоставления предложений и поиска близких по смыслу текстов. В карточке приведены примеры на персидском и английском языках, а метаданные характеризуют модель как многоязычную. Лицензия — Apache 2.0. Качество на отдельных языках и в специализированных областях в предоставленных материалах не оценено.