I.11Классификация, ранжирование и сопоставление

esco-gemma4 — дообученная модель на базе Google Gemma 4, созданная для сопоставления навыков, описаний вакансий и профессиональных квалификаций с таксономией ESCO v1.2.1 и кодами профессий ISCO-08. Модель обучена с помощью Unsloth и QLoRA; в этом репозитории опубликованы веса Safetensors для использования с vLLM, Transformers и облачными API. Модель принимает текстовое описание профессионального опыта и формирует текстовый ответ с подходящим названием профессии ESCO и кодом ISCO-08. Для запросов автор рекомендует шаблон Alpaca. Также доступны отдельные репозитории с вариантами GGUF и MLX. Модель ориентирована на классификацию профессий и навыков по заданным систематикам. Карточка не сообщает размер модели, длину контекста или результаты оценки качества, поэтому точность сопоставления не установлена. Лицензия — Apache-2.0.

Ettin encoder 32M — англоязычная модель-энкодер семейства Ettin, разработанная исследовательской группой JHU CLSP. Это версия размером около 31,9 млн параметров на архитектуре ModernBERT, обученная предсказывать скрытые токены (MLM). Она предназначена для извлечения признаков и эмбеддингов, классификации и поиска по тексту; в README отмечены результаты на GLUE и англоязычном поиске MTEB, а также преимущества на задачах классификации и длинного контекста. Модель принимает текст, поддерживает контекст до 7 999 токенов и распространяется в формате PyTorch через Transformers. Лицензия — MIT.

EUBERT Embedding v1 — модель scampion для получения векторных представлений предложений и документов. Это дообученная на AllNLI версия EUBERT с архитектурой RoBERTa, содержащая 107 млн параметров и формирующая эмбеддинги размерности 768. Модель принимает текст и предназначена для работы с документами ЕС на 24 языках. Эмбеддинги можно использовать для поиска похожих документов и фрагментов, кластеризации и классификации текстов, а также как векторное представление в системах семантического поиска и RAG. Заявленная длина контекста — 514 токенов. В карточке приведены результаты оценок на наборах MTEB, включая классификацию и кластеризацию; авторы приглашают к дальнейшей оценке и сравнению модели. Модель распространяется под лицензией EUPL-1.1. Ограничения: README помечен как находящийся в разработке; приведённые оценки не подтверждают качество на всех 24 языках, а контекст в 514 токенов ограничивает обработку длинных документов без разбиения на фрагменты.

EuroBERT-210m — многоязычная плотная модель-энкодер семейства EuroBERT, разработанная для работы с текстом, кодом и математическими задачами. В этой версии около 211,7 млн параметров; максимальная длина входной последовательности — 8192 токена. Модель доступна для использования через Transformers и опубликована под лицензией Apache-2.0. Модель предназначена для заполнения пропусков в тексте, поиска и извлечения информации, классификации и регрессии. По данным карточки, семейство EuroBERT оценивается на задачах retrieval, классификации последовательностей, оценки качества и задачах, связанных с кодом и математикой; каталог также указывает поддержку разметки токенов и ответов на вопросы. Поддерживаются английский, французский, немецкий, испанский, китайский, итальянский, русский, польский, португальский, японский, вьетнамский, нидерландский, арабский, турецкий и хинди. Сильная сторона модели — многоязычное представление текста и широкий набор сценариев для энкодера при умеренном размере. Это не генеративная чат-модель: её основная задача в метаданных — fill-mask, а для прикладных сценариев классификации, поиска и других задач может потребоваться соответствующая голова или дообучение. README сообщает о сильных результатах семейства на сравнительных оценках, но не приводит здесь подробных метрик для версии 210m.

Это веса EVA02-Large Patch14 CLIP с разрешением изображения 224 пикселя, опубликованные командой timm для использования с OpenCLIP. Модель предназначена для классификации изображений без специального обучения на целевых классах: она сопоставляет изображение с текстовыми описаниями классов и оценивает их соответствие. В репозитории указаны форматы PyTorch и safetensors, библиотека OpenCLIP и лицензия MIT. Карточка называет веса merged2b, однако базовые модели и подробности слияния не раскрыты, поэтому точное происхождение определить нельзя. Модель работает с изображениями и текстовыми метками; сведения о языках текста и контекстном окне не приведены.

Это предварительно обученная модель векторных представлений fastText для эстонского языка, опубликованная Facebook. Она предназначена для преобразования слов и текстовых фрагментов в векторы, которые можно использовать в классификации текста, определении языка и вычислении семантического сходства. Модель построена на fastText и обучена методом CBOW с позиционными весами на корпусах Common Crawl и Wikipedia. Векторы имеют размерность 300; используются символьные n-граммы длиной 5, окно контекста 5 и 10 отрицательных примеров. fastText работает на обычном процессоре и подходит для прототипирования и применения в продукционных системах. Модель предназначена для работы с текстом на эстонском языке. В README отмечено, что предсказания могут отражать смещения, присутствующие в обучающих данных. Лицензия — CC BY-SA 3.0.

Zelknight463/finance_embedding_model — модель на базе XLM-RoBERTa, упакованная в формат Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 1024 для поиска по смыслу и кластеризации. Метаданные указывают 658,7 млн параметров и контекст длиной 514 токенов; модель работает с текстом и поддерживает многоязычную архитектуру XLM-RoBERTa. Модель обучали с функцией потерь MultipleNegativesSymmetricRankingLoss и косинусным сходством. Её можно применять для семантического поиска и группировки похожих текстов; название репозитория указывает на финансовую тематику, но README не уточняет обучающие данные или специализацию на конкретных финансовых задачах. Доступна лицензия в предоставленных данных не указана.

kimquynh/finetuned_sbert_2 — модель Sentence Transformers, дообученная автором на базе BAAI/bge-base-en-v1.5 для получения эмбеддингов предложений и абзацев. Архитектура основана на BERT: векторное представление размерности 768 формируется с помощью CLS-пулинга и нормализации; сходство можно оценивать косинусной мерой. Модель принимает текст, поддерживает последовательности длиной до 512 токенов и предназначена, в частности, для поиска по смыслу и извлечения релевантных текстов. В README приведены оценки на задаче сравнения резюме и вакансий: Spearman для косинусного сходства — 0,4624, точность бинарной классификации — 0,711, F1 — 0,767. Базовая модель англоязычная, поэтому основное применение рассчитано на английский текст. Лицензия в предоставленных данных не указана.

Fusion Embedding 2 2B Preview — мультимодальная модель эмбеддингов Eximius Labs на базе Qwen3-VL-Embedding-2B. Она преобразует текст, изображения, видео и аудио в векторы общего пространства для поиска и сопоставления. Текстовые, визуальные и видеовекторы совпадают с исходной базовой моделью побитово; для аудио обучены 60,6 млн параметров адаптеров и преобразователь признаков аудиобашни Qwen2.5-Omni, при этом основная модель и аудиобашня заморожены. Всего в модели около 2,06 млрд параметров базовой модели и 640 млн параметров аудиобашни. Основная версия рассчитана на поиск по аудио и тексту, мультимодальный поиск, RAG и кластеризацию. Отдельная версия с настройкой на ключевые слова подходит для поиска по произнесённым командам. Модель также может использоваться для сопоставления аудио с изображениями, хотя этому соответствию её напрямую не обучали. В README отмечены слабые результаты на задачах кластеризации и снижение качества распознавания эмоций по голосу; показатели на части тестов могут быть затронуты пересечением обучающих данных и тестовых выборок. Это предварительная исследовательская версия, распространяемая по лицензии CC-BY-NC-4.0.

GATE-Reranker-V1 — модель-реранкер от NAMAA-space для ранжирования арабских документов по релевантности запросу. Она дообучена на базе Omartificial-Intelligence-Space/GATE-AraBert-v1 и использует архитектуру BERT с классификатором последовательностей; размер модели — 162,4 млн параметров. Модель оценивает пары «запрос — документ» и выдаёт оценки релевантности, которые можно использовать для сортировки результатов поиска. Модель предназначена для повышения качества арабского поиска, ранжирования документов в системах рекомендаций и отбора материалов для ответов на вопросы и RAG. README приводит пример работы через SentenceTransformers CrossEncoder. Максимальная длина контекста — 512 токенов. Модель рассчитана на арабский язык; лицензия — Apache-2.0. Оценка в карточке проводится на двух наборах данных с метриками MAP, MRR и NDCG@10, однако сравнения и дополнительные результаты обозначены как находящиеся в разработке. Поэтому качество на других наборах данных и в прикладных сценариях может отличаться.

Sahajtomar/German_Zeroshot — модель Sahajtomar на базе GBERT Large, дообученная на немецкой части XNLI для классификации текста без примеров размеченных классов. Она оценивает текст по заданным пользователем кандидатным категориям; для немецкого следует использовать гипотезу-шаблон на немецком языке, например «In diesem geht es um {}». Английский шаблон по умолчанию в Hugging Face API может давать слабые результаты. Модель построена на архитектуре BERT для классификации последовательностей, содержит 434,5 млн параметров и рассчитана на контекст до 512 токенов. В карточке приведены точности 85,5% на немецкой dev-выборке XNLI и 83,6% на test-выборке. Указаны форматы PyTorch и Flax. Лицензия в предоставленных данных не указана.

Xenova/GIST-small-Embedding-v0 — модель для получения векторных представлений текста, опубликованная в формате ONNX для совместимости с библиотекой Transformers.js. Она основана на модели avsolatorio/GIST-small-Embedding-v0 и предназначена для запуска в JavaScript-приложениях, включая веб-среду, через конвейер feature-extraction. Модель подходит для задач, где требуется преобразовать текст в embedding, например для семантического поиска, сравнения текстов и построения систем, использующих векторные представления. Ключевой особенностью является наличие ONNX-весов и интеграция с Transformers.js; точная архитектура, количество параметров, поддерживаемые языки, размер контекста и модальности в README не указаны. Лицензия также не указана, поэтому условия использования следует уточнять в исходном репозитории avsolatorio/GIST-small-Embedding-v0.

GLiNER2.5-Decide — англоязычная модель классификации Fastino из семейства GLiNER2.5, дообученная на базе fastino/gliner2-large-v1. Модель размером 340 млн параметров принимает текст и заданный при вызове набор меток, а затем классифицирует текст за один проход; несколько задач классификации можно выполнить одновременно. Для одиночной метки возвращается один класс, для многометочной — все классы выше порога. Модель использует архитектуру GLiNER2 и запускается через Transformers с AutoExtractor. Она предназначена для операционных решений: классификации намерений и тональности, маршрутизации сообщений, определения срочности и приоритета, модерации и других задач с настраиваемыми метками. Разработчик приводит бенчмарк на английском наборе fastino/fast-decisions: средняя точность exact match — 60,2% по 17 областям. По описанию автора, модель не является универсальной: она не предназначена для рассуждений, объяснений или ответов на открытые вопросы. Лицензия — Apache-2.0.

Gurveer05/gte-base-eedi-2024 — модель Sentence Transformer на архитектуре BERT, дообученная для сопоставления текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и сравнивает их с помощью косинусного сходства. Модель обучалась на 218 496 примерах, связанных с математическими заданиями и типичными заблуждениями учащихся; максимальная длина входа — 512 токенов. Модель подходит для семантического поиска и сравнения ответов, поиска перефразировок, кластеризации и классификации текстов, в том числе для анализа ученических ответов и математических заблуждений. Она выдаёт эмбеддинги, а не готовые текстовые ответы. В README не указаны автор обучения, языки модели и лицензия; поэтому условия использования по карточке установить нельзя.

upskyy/gte-base-korean — дообученная модель Sentence Transformer на основе Alibaba-NLP/gte-multilingual-base, созданная для работы с корейскими текстами. Она обучена на korsts и kornli и преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, поиска и других задач с текстовыми представлениями. Модель использует трансформерный энкодер с усреднением токенных представлений; максимальная длина входа — 8192 токена. Для сравнения в README рекомендована косинусная близость. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации корейских текстов. Метаданные также содержат широкий набор языковых тегов, но карточка описывает дообучение именно для корейского языка. Модель распространяется в формате safetensors под лицензией Apache-2.0. В README приведены результаты оценки сходства на sts-dev; эти показатели относятся к указанному набору данных и не гарантируют качество на других доменах.

mrm8488 подготовил на базе энкодерной модели Alibaba-NLP/gte-large-en-v1.5 Sentence Transformer, дообученный на примерах из mathstackexchange, Socratic и Stack Exchange. Модель преобразует предложения и абзацы в плотные 1024-мерные векторы; для сравнения близости используется косинусное сходство. Метаданные указывают 433,9 млн параметров, библиотеку Sentence Transformers и контекст до 8192 токенов, а карточка описывает максимальную длину последовательности 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации, особенно для вопросов и ответов из математических и тематических сообществ. В README приведён результат Spearman 0,859 на тесте семантического сходства STS. Лицензия в предоставленных данных не указана.

Xenova/gte-small — версия модели thenlper/gte-small с весами в формате ONNX, подготовленная для работы с библиотекой Transformers.js. Репозиторий Xenova предназначен для запуска модели в JavaScript- и веб-средах, а исходная модель разработана командой thenlper. Модель используется для извлечения векторных представлений текста: она преобразует предложения в эмбеддинги размерностью 384. Такие представления подходят для оценки семантического сходства, поиска похожих текстов, кластеризации и других задач, где требуется сравнение текстовых данных. В README показано применение через pipeline feature-extraction с mean pooling и нормализацией, после чего сходство можно вычислять, например, с помощью косинусной меры. Модель ориентирована на текстовый ввод; сведения о поддерживаемых языках, максимальной длине контекста и точной архитектуре в предоставленных данных отсутствуют. К сильным сторонам относятся компактный размер эмбеддингов и совместимость с Transformers.js, включая использование в веб-приложениях. Ограничения — отсутствие информации о языковом охвате, качестве на конкретных доменах и лицензии. По умолчанию применяется 8-битная квантованная версия, также доступны варианты fp32, fp16 и q4.

GujaratiSBERT-STS — модель семейства SBERT на архитектуре BERT, разработанная L3Cube-Pune в рамках проекта MahaNLP. Она дообучена на датасете STS от базовой модели l3cube-pune/gujarati-sentence-bert-nli и предназначена для оценки семантического сходства предложений на гуджарати. Модель преобразует текстовые предложения в векторные представления, которые можно использовать для поиска семантически близких предложений и сравнения текстов. Модель содержит 264,8 млн параметров, принимает текстовые входы с контекстом до 512 токенов и распространяется в формате PyTorch. Лицензия — CC BY 4.0. В README также упоминается отдельная мультиязычная версия для основных индийских языков и межъязыкового сходства; это описание относится к данной модели только как контекст проекта.

Harrier-Arabic-Matryoshka-0.6B — модель эмбеддингов предложений на базе microsoft/harrier-oss-v1-0.6b, дообученная Omartificial-Intelligence-Space для семантического сходства арабских текстов. Она преобразует предложения и фрагменты текста в векторы для поиска, сравнения, кластеризации и удаления дубликатов; также поддерживает межъязыковой поиск на языках базовой модели. Модель построена на архитектуре Qwen3, содержит около 508 млн параметров и выдаёт эмбеддинги размерностью 1024. Благодаря Matryoshka Representation Learning векторы можно сокращать до 768, 512, 256, 128 или 64 измерений с небольшими потерями качества, что помогает уменьшить индекс и ускорить поиск. Контекстное окно — 32 768 токенов. Модель рассчитана прежде всего на арабский язык и использует библиотеку sentence-transformers. В карточке нет сведений о лицензии и количественных результатах оценки качества, поэтому условия распространения и сравнительную эффективность по ней определить нельзя.

gaurav-mac опубликовал модель на базе BERT для получения эмбеддингов предложений и абзацев. Она преобразует текст в плотные векторы размерности 768 и предназначена для поиска семантически близких фрагментов, кластеризации и сравнения предложений. Обучение с Triplet Loss на евклидовом расстоянии помогает располагать похожие тексты ближе в векторном пространстве. Модель содержит 264,8 млн параметров, принимает текст длиной до 512 токенов и распространяется в форматах PyTorch и safetensors. В названии указаны хинди и датасет SUMO, что указывает на целевую языковую специализацию, однако карточка не раскрывает подробностей о данных и качестве на конкретных наборах. Лицензия в доступных сведениях не указана.

HindSBERT-STS — модель L3Cube-Pune для оценки семантического сходства предложений на хинди. Она создана дообучением l3cube-pune/hindi-sentence-bert-nli на датасете STS и выпущена в рамках проекта MahaNLP. Модель на основе BERT преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для сравнения смысловой близости, кластеризации и семантического поиска. Модель принимает текст на хинди и формирует векторные представления; максимальная длина контекста составляет 512 токенов. Лицензия CC-BY-4.0. Она предназначена для семантического сопоставления текстов на хинди, а описание не подтверждает поддержку других языков этой версии.

HTML-LM — компактная модель-энкодер Seznam для получения эмбеддингов HTML-страниц. Она построена на ModernBERT, содержит 154,2 млн параметров, имеет скрытый размер 768 и поддерживает контекст до 8192 токенов. Модель обучена с нуля на корпусе из 100 млн HTML-документов, используя маскированное языковое моделирование, предсказание Bag-of-Words и контрастную дистилляцию представлений от Qwen3-Embedding-8B и Seznam SeLLMa 8B. Модель кодирует текстовое содержимое и структуру HTML в векторное представление для последующего применения в лёгких классификаторах и регрессорах. Примеры задач: обнаружение страниц статей и товаров, классификация страниц с откровенным контентом, кластеризация, оценка качества страниц и выявление веб-спама. Для обработки требуется HTMLLMProcessor, который очищает и упрощает DOM перед токенизацией; документация отмечает, что предварительная обработка может быть медленной при высокой нагрузке. Обучающий корпус преимущественно состоял из страниц чешских и англоязычных доменов, поэтому README не подтверждает равную поддержку всех языков. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

quarkss/indobert-base-stsb — модель Sentence Transformers, дообученная автором quarkss на indobenchmark/indobert-base-p2 для оценки семантического сходства предложений на индонезийском языке. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать по косинусной мере. Архитектура включает BERT и усредняющий пулинг токенов, максимальная длина последовательности — 512 токенов. Модель подходит для семантического поиска, поиска перефразирований, кластеризации и классификации текстов. В README приведены результаты оценки сходства на STSB, но их переносимость на другие наборы данных и сценарии не гарантируется. Для работы с моделью используется библиотека Sentence Transformers. Веса доступны в формате safetensors; условия лицензии в предоставленных данных не описаны.

indo-sentence-bert-large — модель Sentence-Transformers на архитектуре BERT, предназначенная для преобразования предложений и абзацев в плотные векторные представления размерностью 2048. Её можно применять для семантического поиска и кластеризации текстов. Модель разработана авторами репозитория firqaaa/indo-sentence-bert-large. Модель обучена с функцией потерь MultipleNegativesRankingLoss и косинусным сходством. Она принимает текст и выдаёт эмбеддинги; максимальная длина контекста — 512 токенов. В карточке указан индонезийский язык. Для запуска предусмотрена библиотека Sentence-Transformers, также описан способ использования через Transformers. Модель распространяется по лицензии Apache-2.0. Оценочные результаты и сведения об авторах в доступной карточке не приведены; качество для конкретных данных следует проверять отдельно.

INDUS-SDE-ST-v0.2 — модель эмбеддингов предложений от NASA-IMPACT для семантического поиска и сопоставления научных текстов. Это дообученная версия INDUS-SDE Sentence Transformer на базе энкодера RoBERTa с 151,8 млн параметров; модель обучали на парах научных текстов из корпусов S2ORC, arXiv, PubMed, NASA ADS и NASA SDE с контрастивной функцией потерь Multiple Negatives Ranking. Модель предназначена для поиска научных публикаций и сравнения заголовков, аннотаций и других текстовых фрагментов по смыслу. В README сообщается об оценке на NASA SMD IR, NanoBEIR и BEIR, а также о более высоких результатах этой версии по сравнению с исходной INDUS Sentence Transformer и ModernBERT-based ST. Модель принимает текст и выдаёт векторные представления для задачи sentence similarity; использует библиотеку Transformers, формат весов safetensors и контекст до 1026 токенов. Лицензия — Apache-2.0.

InnerJev-4B-Full — модель принятия решений семейства InnerJev-4B, разработанная автором репозитория на основе Qwen/Qwen3.5-4B. Она оценивает предложенные пользователем варианты и возвращает распределение вероятностей; интерфейс охватывает выбор из нескольких вариантов, бинарные и вероятностные задачи Noul, а также упорядоченные задачи Score. Модель предназначена для задач принятия решений, а не для свободного диалога. Это плотная модель на 4 млрд параметров с архитектурой Qwen3.5 и сохранёнными компонентами обработки изображений, но обучение и предоставленный интерфейс вывода рассчитаны на текстовые входы. Обновлялись выбранные языковые линейные слои; эмбеддинги, выходной слой, нормализация и параметры зрения оставались замороженными. Обучение включало 29 326 вопросов. Для BF16-чекпойнта указана оценка 73,4694 из 100 на фиксированном наборе из 58 бенчмарков; это результат одного чекпойнта, а показатели других точностей могут отличаться. Для загрузки доступны полные объединённые веса в формате safetensors; отдельная базовая модель и PEFT не требуются. Модель распространяется по лицензии Apache-2.0. Для BF16-загрузки требуется достаточно оперативной памяти или видеопамяти. Свободная генерация текста не реализует интерфейс оценки решений.

Jade-Software разработала Jade-ModernBert-FT — англоязычную модель Sentence Transformers, дообученную на наборе jade_embeddings_train_25.04.04 от базовой модели nomic-ai/modernbert-embed-base. Архитектура ModernBERT преобразует предложения и абзацы в плотные эмбеддинги размерности 768, нормализованные для сравнения по косинусному сходству; максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска по текстам, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текста. Обучающие примеры связывают короткие вопросы с более длинными релевантными фрагментами, что подходит для поиска ответов и документов по запросу. Лицензия — Apache-2.0. Модель обучена на английском языке; данных о поддержке других языков нет. Она возвращает векторы, а не готовые ответы, поэтому для поиска, классификации или кластеризации нужны соответствующие downstream-компоненты. Качество за пределами английского языка и предметной области обучающих данных не подтверждено.

hotchpotch/japanese-reranker-base-v2は、hotchpotchが開発した日本語テキスト向けのリランカーモデルです。ModernBERT系の系列分類アーキテクチャを使い、約132.1Mパラメータを持つsentence-transformersモデルとして提供されています。最大コンテキスト長は8192 токеновです。 モデルは запрос и документы или другие текстовые пары оценивает по релевантности, чтобы переупорядочить результаты поиска. Предназначен для повышения качества поиска и RAG, включая сценарии с ограниченными вычислительными ресурсами и низкой задержкой. В основе лежит cl-nagoya/ruri-v3-pt-130m; для обучения использовались японские наборы данных, включая hard negatives и MS MARCO. README сообщает о применимости на CPU и Apple Silicon, а также об ускорении на совместимых GPU с Flash Attention 2. Модель рассчитана на японский язык. Доступна по лицензии MIT; для работы README требует transformers версии 4.48 или новее. Приведённые в карточке таблицы содержат результаты серии моделей, однако часть строк скрыта, поэтому численные показатели именно base-v2 здесь не приводятся.

hotchpotch/japanese-reranker-cross-encoder-small-v1 — японская модель-реранкер от разработчика hotchpotch. Она повторно ранжирует пары запросов и текстовых фрагментов, оценивая их релевантность; модель построена как CrossEncoder на базе XLM-RoBERTa и предназначена для японского языка. Вариант small содержит 12 слоёв и скрытый размер 384; в метаданных указан размер 124,3 млн параметров и контекст до 514 токенов. Модель обучалась на японских данных, а в карточке приведены результаты оценки на JQaRA, JaCWIR, MIRACL и JSQuAD. Она подходит для уточнения порядка результатов поиска или кандидатов, полученных системой извлечения. Модель доступна в формате safetensors, использует библиотеку Sentence Transformers и распространяется по лицензии MIT. Как реранкер, она оценивает заданные пары, а не генерирует развернутые ответы; применимость к другим языкам карточкой не подтверждена.

Japanese Stable CLIP ViT-L/16 — модель Stability AI, которая сопоставляет японские тексты и изображения в общем пространстве эмбеддингов. Она подходит для классификации изображений без специального обучения и поиска изображений по текстовому запросу, а также может быть компонентом систем генерации изображений и описаний. В модели используется визуальный энкодер ViT-L/16 и 12-слойный текстовый энкодер BERT с японским токенизатором на основе rinna/japanese-roberta-base. Для обучения применялась функция потерь SigLIP; среди обучающих данных — CC12M с переводами описаний на японский и MS-COCO со STAIR Captions. Модель рассчитана на японский язык и задачи сопоставления текста с изображением. Модель распространяется по STABILITY AI COMMUNITY LICENSE; по вопросам коммерческого использования Stability AI предлагает обращаться отдельно. Обучающие данные могли содержать неприемлемые материалы, несмотря на фильтрацию, поэтому результаты требуют осторожной проверки при использовании в производственных системах.