I.11Классификация, ранжирование и сопоставление

0xnu/pmmlv2-fine-tuned-hausa — модель эмбеддингов на базе BERT, дообученная для хауса на sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она преобразует тексты в векторы для сравнения предложений и семантического поиска. Модель содержит 124,3 млн параметров, использует библиотеку Sentence-Transformers и поддерживает контекст до 512 токенов; в карточке также заявлена поддержка множества языков. Модель предназначена прежде всего для работы с текстом на хауса: её можно применять для поиска похожих предложений, сопоставления запросов с документами и построения многоязычного семантического поиска. Лицензия — MIT. Ограничения качества и оценки на тестовых наборах в карточке не приведены.

0xnu/pmmlv2-fine-tuned-igbo — модель векторных представлений предложений, дообученная для языка игбо на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она использует архитектуру BERT и библиотеку Sentence-Transformers; в репозитории указано 124,3 млн параметров и контекст до 512 токенов. Модель предназначена для получения эмбеддингов и сравнения сходства предложений, в том числе на игбо. Модель принимает текст и выдаёт векторные представления, применимые для семантического поиска, сопоставления предложений и группировки похожих текстов. Метаданные указывают поддержку множества языков, включая игбо, русский и английский. Лицензия — MIT. README не приводит результатов оценки качества, поэтому надёжность на разных вариантах орфографии и диакритики игбо по предоставленным данным определить нельзя.

sdadas/polish-reranker-roberta-v3 — польский переранжировщик от sdadas для повышения качества поиска в RAG-системах и информационного поиска. Модель на архитектуре RoBERTa принимает запрос и кандидатов-документов и оценивает их релевантность, чтобы упорядочить результаты. Она предназначена для документов разных тематик, включая материалы государственных и муниципальных учреждений Польши. Модель содержит 533,8 млн параметров по метаданным и обрабатывает контекст до 8194 токенов. В README указано, что её обучали дистилляцией знаний от BAAI/bge-reranker-v2.5-gemma2-lightweight с функцией потерь RankNet; в обучение добавили синтетические вопросы и passages из польских государственных и муниципальных сайтов. Авторы сообщают о лучших результатах на длинных документах по сравнению с предыдущей версией, при близком качестве на коротких текстах, и приводят оценку NDCG@10 66,21 на PIRB. Модель ориентирована на польский язык. Она выдаёт оценки для ранжирования, а не готовые ответы пользователю. На очень коротких текстах качество может немного уступать предыдущей версии. Лицензия в метаданных указана как Gemma.

radlab/polish-sts-v2 — модель Sentence Transformers от Radlab для получения векторных представлений польских предложений и абзацев. Она кодирует текст в плотные векторы размерности 1024 на основе архитектуры RoBERTa; модель построена на базе sdadas/polish-roberta-large-v2 и обучена с функцией потерь CosineSimilarityLoss на датасете radlab/polish-sts-dataset. Модель подходит для семантического поиска и кластеризации текстов. Для использования в Transformers требуется применить корректную операцию pooling к контекстным представлениям токенов. Карточка помечает модель как устаревшую и указывает, что её заменяет radlab/polish-bi-encoder-mean. Лицензия — CC BY-SA 4.0.

AkshaySandbox/pregnancy-mpnet-embeddings — модель Sentence Transformers, дообученная на базе sentence-transformers/all-mpnet-base-v2 для сопоставления текстов о беременности, родительстве и связанных темах. Она кодирует предложения и абзацы в плотные векторы размерностью 768; архитектура включает MPNet, усреднение токенов и нормализацию. В README указана максимальная длина последовательности 384 токена, а метаданные каталога — контекст 514 токенов. Для сравнения векторов используется косинусная близость. Модель подходит для семантического поиска по материалам о беременности и родительстве, оценки сходства вопросов и ответов, поиска перефразировок и кластеризации текстов. На валидационном наборе pregnancy_val достигнута корреляция Spearman 0,8647 по косинусной близости. В карточке не указана лицензия; тексты обучения и примеры ориентированы на английский язык.

Модель alpcansoydas/product-model-16.10.24 — Sentence Transformer, дообученный разработчиком на базе sentence-transformers/all-mpnet-base-v2. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения смысловой близости, семантического поиска и других задач работы с текстовыми эмбеддингами. Архитектура MPNet использует усреднение токенных представлений и нормализацию; сходство векторов можно оценивать косинусной мерой. В README указана максимальная длина последовательности 384 токена, а метаданные каталога указывают контекст до 514 токенов. Модель предназначена для семантического поиска, поиска перефразировок, кластеризации текстов и классификации на основе эмбеддингов. В README приведены невысокая точность классификации и метрики сходства со значениями nan, поэтому качество на конкретных данных следует проверять отдельно. Лицензия в предоставленных данных не указана.

Модель geetach/prompt-retrieval-midterm-finetuned — дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2. Это плотный BERT-энкодер с усреднением токенов и нормализацией, который преобразует предложения и абзацы в 384-мерные векторы; для сравнения используется косинусное сходство. Модель рассчитана на семантический поиск и сравнение текстов, поиск перефразирований, кластеризацию и классификацию текстов. Она обучалась на 932 примерах, связанных с поиском творческих промптов; максимальная длина последовательности в README — 256 токенов, а метаданные указывают контекст до 512 токенов. Для прикладного использования доступны веса safetensors и библиотека Sentence Transformers. Языковая специализация в карточке не описана; базовая модель предназначена для английского языка, а примеры обучающих данных также англоязычные. Лицензия в предоставленных данных не указана.

Карточка модели AISE-TUDelft/python-summary-classifier на Hugging Face совпадает с карточкой AISE-TUDelft/python-expand-classifier, поэтому описание составлено по ней. AISE-TUDelft/python-expand-classifier — модель на базе MPNet, разработанная AISE при TU Delft. Она кодирует предложения и абзацы в плотные векторы размерности 768, предназначенные для сравнения семантической близости. Модель можно применять для семантического поиска, кластеризации и задач sentence similarity. Модель содержит 136,7 млн параметров, работает с текстом и имеет контекстное окно до 514 токенов. Она обучалась с функцией потерь CosineSimilarityLoss и распространяется в формате PyTorch. Лицензия в предоставленных данных не указана.

ssmits/Qwen2-7B-Instruct-embed-base — модель эмбеддингов на основе Qwen2, представленная автором репозитория ssmits. Это плотная Transformer-модель класса Qwen2Model с 7,1 млрд параметров; у неё удалён слой lm_head, поэтому она предназначена для получения векторных представлений текста. Модель распространяется в формате safetensors и использует библиотеку sentence-transformers. Её можно применять для извлечения признаков, сравнения сходства предложений и классификации текста. Контекст составляет до 32 768 токенов; в карточке указан английский язык, а серия Qwen2 описана как адаптированная к нескольким естественным языкам и языкам программирования. Лицензия — Apache-2.0. Автор предупреждает, что модель не показывает высокой эффективности без дополнительного дообучения, и отмечает потребление более 24 ГБ видеопамяти в собственных тестах. Для получения эмбеддингов требуется выбрать подходящую операцию pooling поверх контекстных представлений.

mradermacher/Qwen3-Embedding-0.6B-i1-GGUF — это набор GGUF-квантизованных версий модели Qwen3-Embedding-0.6B, разработанной командой Qwen и квантизованной пользователем mradermacher. Модель предназначена для получения векторных представлений текста и задач семантического поиска, сравнения предложений, извлечения признаков и построения систем на базе text embeddings inference. В README явно указан английский язык. Модель имеет размер около 0,6 млрд параметров в исходной версии и распространяется в форматах GGUF с различными схемами квантизации, включая IQ1_S, IQ2_M, IQ3_S, Q4_K_M, Q5_K_M и Q6_K. Размеры доступных файлов составляют примерно 0,3–0,6 ГБ. Варианты отличаются компромиссом между размером, скоростью и качеством; для Q4_K_M заявлены высокая скорость и рекомендованный баланс, а для низкобитных вариантов отмечается снижение качества. Архитектура, размер контекста и дополнительные поддерживаемые языки в README не указаны. Преимуществами являются компактный размер, возможность локального запуска через экосистему GGUF и широкий выбор уровней квантизации. Ограничения связаны с потерей качества у наиболее агрессивно квантизованных вариантов, а также с отсутствием в представленном README подробных сведений о качестве, контекстном окне и мультимодальности. Модель распространяется по лицензии Apache-2.0.

Qwen3-Reranker-0.6B-mlx-8Bit — модель для ранжирования текстов, разработанная пользователем mku64 на основе базовой модели Qwen/Qwen3-Reranker-0.6B от Qwen. Она предназначена для задач text ranking, например оценки релевантности текстов и упорядочивания результатов поиска или других текстовых кандидатов. В README приведён пример запуска через библиотеку mlx-lm. Модель конвертирована в формат MLX из Qwen/Qwen3-Reranker-0.6B с использованием mlx-lm версии 0.26.3 и доступна в 8-битном варианте. Размер базовой модели указан как 0.6B параметров. Дополнительные сведения об архитектуре, поддерживаемых языках, модальностях и размере контекста в README отсутствуют; по приведённым данным она относится к текстовым моделям. Для использования требуется установить mlx-lm; пример ориентирован на запуск через API load и generate. Лицензия — Apache-2.0. README не содержит подробностей о сильных сторонах, ограничениях качества или рекомендуемых сценариях эксплуатации.

mlx-community/Qwen3-VL-Embedding-2B-8bit — мультимодальная модель для получения эмбеддингов, опубликованная сообществом mlx-community. По README, она преобразована в формат MLX из Qwen/Qwen3-VL-Embedding-2B с помощью mlx-lm 0.1.0; метаданные связывают её с Qwen/Qwen3-VL-2B-Instruct как с базовой моделью. Архитектура относится к семейству Qwen3-VL, размер базовой модели — 2B параметров. Модель предназначена для извлечения векторных представлений мультимодальных данных, в частности для поиска и сопоставления текста и изображений. Репозиторий подготовлен для использования с mlx-embeddings. Лицензия — Apache-2.0. Карточка не уточняет поддерживаемые языки, длину контекста и конкретные метрики качества эмбеддингов. Поскольку README указывает преобразование из исходной embedding-модели, а каталог связывает репозиторий с Qwen3-VL-2B-Instruct как finetune, точная цепочка происхождения неоднозначна.

Мультимодальная модель эмбеддингов mlx-community, перенесённая в формат MLX из Qwen/Qwen3-VL-Embedding-2B с помощью mlx-lm. Она предназначена для преобразования текста и изображений в векторные представления, которые можно использовать для поиска и сопоставления по смыслу. В метаданных указаны архитектура семейства Qwen3-VL, 2 млрд параметров у базовой модели Qwen3-VL-2B-Instruct и библиотека Transformers; README подтверждает исходную модель Qwen3-VL-Embedding-2B и конвертацию в MLX. Модель опубликована mlx-community под лицензией Apache-2.0. Карточка не сообщает поддерживаемые языки, длину контекста или конкретные показатели качества.

mlx-community/Qwen3-VL-Embedding-2B-mxfp4 — мультимодальная модель для получения эмбеддингов текста и изображений. Репозиторий mlx-community содержит конверсию модели Qwen/Qwen3-VL-Embedding-2B в формат MLX; в метаданных базовой моделью указана Qwen/Qwen3-VL-2B-Instruct, на которой основана производная модель. Архитектура относится к семейству Qwen3-VL, размер — 2 млрд параметров. README рекомендует библиотеку mlx-embeddings для использования. Модель предназначена для извлечения векторных представлений, которые можно применять для поиска и сопоставления текстов и изображений. Метаданные классифицируют её как feature-extraction и указывают поддержку мультимодальных эмбеддингов. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает о длине контекста, поддерживаемых языках, точности или оценках качества; назначение MLX-конверсии подразумевает применение в экосистеме MLX.

rank1-32b — модель-реранкер для информационного поиска, разработанная JHU CLSP и основанная на дообученной Qwen2.5-32B. Она принимает запрос и документ, формирует цепочку рассуждений, затем выносит бинарное суждение о релевантности и оценивает уверенность по логитам токенов true и false. Такой подход предназначен для переоценки результатов поиска, особенно когда релевантность зависит от сложных или неочевидных связей. Модель имеет плотную архитектуру Qwen2, 32 млрд параметров и контекст до 131 072 токенов. Для работы указана библиотека Transformers; репозиторий содержит веса Safetensors. В карточке отмечен английский язык. Модель обучена на jhu-clsp/rank1-training-data и совместима с оцениванием через MTEB. Лицензия — MIT. Большой размер модели предполагает значительные требования к вычислительным ресурсам. Описание сообщает о сильных результатах на задачах переоценки, требующих рассуждений, но не приводит численных результатов; для конкретных метрик и edge cases карточка отсылает к статье и официальному репозиторию.

rank1-7b — реранкер для информационного поиска, разработанный командой JHU CLSP. Модель построена на Qwen2.5-7B и дообучена на rank1-training-data; её архитектура — плотная Qwen2 с 7,1 млрд параметров. Карточка указывает контекстное окно 131 072 токена и формат весов safetensors. Модель получает запрос и документ, генерирует цепочку рассуждений, затем выносит бинарное суждение о релевантности и вычисляет оценку уверенности по логитам токенов true и false. Такой подход предназначен для повторного ранжирования найденных документов, особенно когда соответствие запросу требует сложного анализа. Модель заявлена совместимой с бенчмаркингом MTEB; README сообщает о сильных результатах на задачах поиска, требующих рассуждений, но не приводит конкретных чисел. Основной язык карточки — английский. Для запуска приведён пример интеграции через MTEB и библиотеку rank1; метаданные также указывают Transformers. Лицензия — MIT. Генерация промежуточных рассуждений и обработка пар запрос-документ могут требовать больше вычислений, чем у реранкеров, сразу выдающих оценку; опубликованных в карточке количественных сравнений производительности нет.

Карточка модели Lencebo/rarium-clip-l14 на Hugging Face совпадает с карточкой laion/CLIP-ViT-L-14-laion2B-s32B-b82K, поэтому описание составлено по ней. CLIP ViT-L/14 — мультимодальная модель семейства CLIP, обученная LAION с помощью OpenCLIP на англоязычной подвыборке из 2 млрд пар данных LAION-5B. В карточке указано, что обучение проводил Росс Уайтман на суперкомпьютере JUWELS Booster. Модель принимает изображения и текстовые описания и сопоставляет их в общем пространстве признаков; основная задача в каталоге — классификация изображений без примеров обучения по текстовым меткам. Её также применяют для поиска изображений по тексту и текста по изображению, линейной классификации и как компонент конвейеров генерации изображений. Для ImageNet-1k заявлена точность zero-shot top-1 75,3%. Модель обучалась на английских данных и не предназначена для сценариев на других языках. Авторы рекомендуют ограничивать применение исследованиями; развёрнутые сценарии и использование без тщательной проверки на фиксированной таксономии не рекомендуются. Применение для наблюдения и распознавания лиц исключено из допустимых сценариев. Лицензия — MIT.

Wheatley961/Raw_1_no_2_Test_2_new.model — модель Sentence-Transformers на базе архитектуры XLM-RoBERTa, разработчик в карточке не назван. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска семантически близких текстов, кластеризации и оценки сходства. Обучение проводилось с функцией потерь CosineSimilarityLoss. Модель содержит 305,2 млн параметров, использует формат PyTorch и имеет контекст длиной 514 токенов. Карточка не сообщает языки обучения или лицензию; метаданные не содержат кодов языков. Веса подходят для сценариев поиска и группировки текстов, но для практического использования нужен этап преобразования векторов в оценку сходства или применения подходящего метода поиска.

ReasonRank-7B — языковая модель для ранжирования фрагментов текста, представленная авторами исследования ReasonRank: Empowering Passage Ranking with Strong Reasoning Ability. Она дообучена на базе Qwen/Qwen2.5-7B-Instruct и предназначена для задач информационного поиска, где нужно оценивать и упорядочивать пассажи по релевантности запросу. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2 с causal language modeling и работает через Transformers. Контекст — до 32 768 токенов; в карточке указан английский язык. Репозиторий распространяется в формате Safetensors по лицензии MIT. Модель рассчитана на ранжирование пассажей с опорой на рассуждение; также в метаданных отмечены генерация текста, чат и интерфейс вызова инструментов. README отсылает к статье и GitHub-репозиторию за подробностями использования, но не приводит результаты оценки или инструкции. Как производная от Qwen2.5-7B-Instruct, она сохраняет общие ограничения языковой модели, включая возможные ошибки в оценках релевантности; качество на конкретном поисковом наборе данных следует проверять отдельно.

Cross-encoder-модель для оценки релевантности пар текстов, опубликованная в репозитории cross-encoder-testing. Она дообучена на базе prajjwal1/bert-tiny с использованием библиотеки sentence-transformers и обучалась на данных GooAQ. Модель предназначена для англоязычных задач семантического поиска, ранжирования результатов, оценки текстового сходства, поиска перефразирований, классификации и кластеризации. Модель принимает пару текстов и вычисляет для неё единый score, поэтому особенно подходит для переранжирования кандидатов после этапа первичного поиска. Максимальная длина последовательности составляет 512 токенов, предусмотрена одна выходная метка. Заявленные метрики включают MAP, MRR@10 и NDCG@10, однако конкретные значения результатов в карточке не приведены. К сильным сторонам относятся компактная архитектура BERT-tiny и поддержка стандартного интерфейса CrossEncoder, что может облегчать применение в сценариях, где важны небольшие вычислительные затраты. Ограничения включают работу только с английским языком, обработку текстов парами и ограничение контекста 512 токенами; сведения о точности на конкретных прикладных наборах данных отсутствуют. Модель распространяется по лицензии Apache-2.0.

timm/resnet50_clip.cc12m — модель семейства CLIP с визуальным энкодером ResNet-50, представленная как совместимая с open_clip и timm. Она обучена на наборе CC12M и предназначена для классификации изображений по текстовым описаниям без обучения на конкретных классах: модель сопоставляет изображение с предложенными текстовыми вариантами. Репозиторий доступен в форматах PyTorch и Safetensors; лицензия — MIT. Модель подходит для поиска по изображениям и отнесения изображений к заданным категориям с помощью текстовых меток. Карточка не сообщает размер модели, языковую поддержку или ограничения качества; результаты могут зависеть от формулировок текстовых описаний и набора предложенных классов.

retriever_module — англоязычная модель Sentence Transformers, дообученная разработчиком на базе sentence-transformers/all-mpnet-base-v2 для сопоставления терминов и текстовых фрагментов. Она кодирует предложения и абзацы в плотные векторы размерности 768; близость векторов оценивается косинусным сходством. Архитектура включает MPNet, усреднение токенных представлений и нормализацию. В README указана максимальная длина последовательности 384 токена; метаданные указывают нативный контекст 514 токенов. Модель подходит для семантического поиска, поиска похожих формулировок, сопоставления терминов с описаниями, поиска перефразировок и кластеризации англоязычных текстов. Обучение описано на парах anchor-positive с MultipleNegativesRankingLoss; приведены примеры терминов и формулировок из области приёма пациентов и медицинских организаций, но модель не заявлена как специализированная медицинская модель. В README также перечислена классификация текста как возможное применение эмбеддингов. Репозиторий распространяется по лицензии Apache-2.0. Указанный обучающий и оценочный набор содержит пары текстов; в карточке нет результатов, позволяющих оценить качество на широком круге задач. Для надёжной работы следует учитывать заявленное ограничение длины последовательности и проверять качество на данных целевого применения.

franzclarin/ReverseDictionary — дообученная модель Sentence Transformers на базе sentence-transformers/all-MiniLM-L6-v2, созданная для поиска по смыслу. Она кодирует предложения и абзацы в нормализованные плотные векторы размерностью 384; сходство между текстами можно оценивать косинусной близостью. Архитектура включает энкодер BERT, усредняющий pooling и нормализацию. По метаданным, модель содержит 25,9 млн параметров и поддерживает контекст до 512 токенов; README указывает максимум в 256 токенов. Модель обучалась на примерах с тремя связанными текстовыми полями и подходит для поиска по описанию, сопоставления формулировок и извлечения близких по смыслу предложений. Прикладная модальность — текст; основной язык базовой модели — английский. Доступны веса Safetensors и формат ONNX. Лицензия в предоставленных данных не указана.

meichen91/review_multiclass_20230116 — модель sentence-transformers на основе MPNet, разработанная для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в векторы размерности 768 и подходит для семантического поиска, сравнения сходства и кластеризации текстов. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и принимает текст с контекстом до 514 токенов. В README указано обучение с CosineSimilarityLoss. Доступен формат PyTorch; применять модель можно через Sentence-Transformers или Transformers с подходящей операцией pooling. Лицензия в предоставленных данных не указана.

RoBERTa Amharic Text Embedding Medium — модель Sentence Transformers от rasyosef, дообученная на наборе amharic-passage-retrieval-dataset на базе rasyosef/roberta-medium-amharic. Она преобразует предложения и абзацы на амхарском языке в плотные векторы размерностью 512 для поиска по смыслу и сравнения текстов. Архитектура включает XLM-RoBERTa, усредняющий пулинг токенов и нормализацию; базовая модель содержит 49,9 млн параметров, максимальная длина последовательности — 512 токенов. Сходство векторов оценивается косинусной мерой. Модель подходит для семантического поиска и извлечения релевантных пассажей, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текстов на амхарском языке. В README приведены результаты оценки поиска на обучающем корпусе, но они не гарантируют качество на других данных. Модель распространяется по лицензии Apache-2.0.

MoritzLaurer/roberta-large-zeroshot-v2.0-c — модель классификации текста с нулевым обучением, разработанная Морицем Лаурером на основе RoBERTa Large. Она определяет, следует ли считать заданную гипотезу истинной или ложной относительно входного текста; pipeline Hugging Face позволяет использовать этот подход для классификации по категориям без обучающих примеров. Модель содержит 454,1 млн параметров, принимает текстовые последовательности длиной до 514 токенов и построена на архитектуре RobertaForSequenceClassification. Доступны веса Safetensors и формат ONNX. Модель предназначена для классификации отзывов, тем, намерений и других текстов, когда нет размеченных данных для обучения. Её обучали на синтетических примерах, созданных Mixtral-8x7B-Instruct-v0.1, и наборах MNLI и FEVER-NLI; автор сообщает об оценке на 28 задачах классификации. Английский указан как язык карточки. Лицензия репозитория — MIT, а суффикс «-c» означает, что для обучения использовались данные, обозначенные автором как коммерчески совместимые. Модель поддерживает выбор одного или нескольких классов через настройку multi_label. Качество зависит от формулировки гипотезы и названий категорий; автор отмечает возможные смещения из-за базовой модели, данных NLI и синтетических данных. Она рассчитана только на классификацию текста и может работать медленнее более компактного варианта RoBERTa.

m3hrdadfi/roberta-zwnj-wnli-mean-tokens — модель эмбеддингов на архитектуре RoBERTa, представленная в формате PyTorch и содержащая 145,5 млн параметров. Она преобразует текст в векторные представления для извлечения признаков и вычисления сходства между предложениями. Для получения итогового представления README рекомендует использовать Sentence-Transformers либо применить подходящую операцию pooling к контекстным представлениям токенов в Transformers. Модель подходит для поиска семантически похожих предложений, группировки текстов и получения признаков для последующей обработки. Максимальная длина контекста — 514 токенов. Сведения о лицензии и поддерживаемых естественных языках в доступных данных отсутствуют.

ruELECTRA large cased — русскоязычная предварительно обученная модель семейства ELECTRA от AI-Forever. Она предназначена для получения векторных представлений предложений на русском языке; карточка также отсылает к публикации с описанием архитектуры, предобучения и оценки семейства моделей. Модель содержит 525,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Модель подходит для построения эмбеддингов, которые можно применять в поиске и сравнении текстов. Лицензия — MIT. Карточка описывает её использование для эмбеддингов, но не приводит оценки качества или подробностей ограничений.

RU-ELECTRA medium — предварительно обученная трансформерная модель семейства ELECTRA, разработанная командой SaluteDevices RnD Team для получения эмбеддингов русскоязычного текста. Архитектура плотная, размер — 100,6 млн параметров, контекст — до 512 токенов; модель доступна в формате PyTorch. Модель подходит для вычисления векторных представлений предложений и токенов на русском языке. Для получения эмбеддинга предложения авторы рекомендуют усреднять представления токенов. Её можно применять как основу для семантического поиска, сравнения текстов и других задач, где нужны текстовые эмбеддинги. Модель распространяется по лицензии MIT. Карточка описывает её как предварительно обученную языковую модель, но не приводит отдельных результатов оценки или гарантий качества для конкретных прикладных задач.

Ruri-Base v2 — японская модель для получения векторных представлений текстов, разработанная cl-nagoya. Это Sentence Transformer на архитектуре BERT с 138,4 млн параметров; модель дообучена на базе cl-nagoya/ruri-pt-base-v2. Она предназначена для сравнения сходства предложений и текстового поиска на японском языке. Максимальная длина входа — 512 токенов, размерность выходных векторов — 768, сходство оценивается косинусной мерой. В JMTEB модель получила средний результат 72,48; README рекомендует для новых задач перейти на семейство Ruri v3. Лицензия — Apache 2.0.