I.11Классификация, ранжирование и сопоставление

Это веса визуального энкодера CLIP из семейства DFN, опубликованные разработчиками timm. Модель принимает изображения и преобразует их в признаки и эмбеддинги; она предназначена для извлечения визуальных представлений, в том числе как часть систем поиска и сопоставления изображений с текстом. В репозитории указаны архитектура ViT-Large с патчами 14 и разрешением изображения 224 пикселя, а также веса в форматах PyTorch и Safetensors. Карточка уточняет, что это только энкодер изображений, поэтому модель сама по себе не генерирует текст и не выполняет полный цикл CLIP-сопоставления с текстом. Лицензия обозначена как other; конкретные условия следует проверить в файлах репозитория.

timm/vit_so400m_patch16_siglip_256.v2_webli — визуальный энкодер семейства SigLIP 2 на архитектуре ViT с патчами 16 пикселей, предназначенный для библиотеки timm. Это только часть модели, отвечающая за изображения; она соответствует визуальному энкодеру мультимодальной модели SigLIP 2. Модель обучена на наборе данных WebLI. Основное назначение — извлечение признаковых представлений изображений для последующего поиска, сопоставления или анализа. Репозиторий содержит веса PyTorch и SafeTensors и распространяется по лицензии Apache-2.0. Модель принимает изображения и выдаёт векторы признаков; языковая часть SigLIP в этот чекпойнт не входит.

vit_so400m_patch16_siglip_gap_384.v2_webli — визуальный энкодер SigLIP 2 на архитектуре ViT, предназначенный для библиотеки timm. Это только image tower: вариант gap использует глобальное усреднение признаков и не содержит головы attention pooling. Модель обучена на наборе данных WebLI. Модель предназначена для извлечения признаков изображений и построения визуальных представлений, которые можно использовать в системах поиска и сопоставления изображений. Метаданные указывают задачу image-feature-extraction; веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

XProvence-reranker-bgem3-v1 — многоязычная модель Naver Labs Europe для сокращения контекста в системах генерации с дополнением извлечёнными данными (RAG). По вопросу пользователя и найденному текстовому фрагменту она отбирает релевантные предложения, удаляет лишние и выдаёт оценку релевантности, которую можно использовать для переранжирования. Модель рассчитана прежде всего на ответы на вопросы и совместима с разными LLM. Модель основана на BAAI/bge-reranker-v2-m3 и дообучена для предсказания маски предложений при сохранении способности ранжировать пары «вопрос — фрагмент». Архитектура XLM-RoBERTa, около 658,7 млн параметров по метаданным и контекст до 8194 токенов. README сообщает о 16 языках с нативной поддержкой и переносе на более чем 100 языков; среди языков обучения указаны арабский, бенгальский, английский, испанский, персидский, финский, хинди, индонезийский, японский, корейский, русский, суахили, телугу, тайский и китайский. Французский также указан в метаданных и описании обучения. Модель помогает уменьшить шум в контексте и ускорить последующую генерацию. README отмечает, что обучение использовало фрагменты размером примерно с абзац, хотя заявленная длина контекста составляет 8192 токена; эффективность порога отсечения следует настраивать под сценарий. Лицензия в метаданных — CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных материалов.

Карточка модели JaehyeokLee/20m_em_checkpoint_epoch_1_step_2160 на Hugging Face совпадает с карточкой BAAI/bge-m3-unsupervised, поэтому описание составлено по ней. BAAI/bge-m3-unsupervised — мультиязычная модель эмбеддингов от BAAI на архитектуре XLM-RoBERTa с 658,7 млн параметров. Она обучена контрастивным методом на основе BAAI/bge-m3-retromae и предназначена для поиска по текстам и документам, включая сценарии RAG. Модель формирует плотные эмбеддинги, а также поддерживает разреженные представления с весами токенов и многовекторные представления в стиле ColBERT. Модель поддерживает более 100 языков и принимает последовательности длиной до 8192 токенов; размерность плотного эмбеддинга — 1024. Её можно применять для многоязычного, межъязыкового и длиннодокументного поиска, а также для вычисления сходства текстовых пар. Для гибридного поиска её разреженные и плотные представления можно сочетать с BM25, а после извлечения результатов использовать отдельную модель reranker. По данным карточки, BGE-M3 может уступать моделям, специально обученным для поиска на одном языке. Для работы с разреженными представлениями поддержка библиотек ограничена. Лицензия — MIT.

Карточка модели JaehyeokLee/20m_em_checkpoint_epoch_1_step_2720 на Hugging Face совпадает с карточкой BAAI/bge-m3-unsupervised, поэтому описание составлено по ней. BAAI/bge-m3-unsupervised — мультиязычная модель эмбеддингов от BAAI на архитектуре XLM-RoBERTa с 658,7 млн параметров. Она обучена контрастивным методом на основе BAAI/bge-m3-retromae и предназначена для поиска по текстам и документам, включая сценарии RAG. Модель формирует плотные эмбеддинги, а также поддерживает разреженные представления с весами токенов и многовекторные представления в стиле ColBERT. Модель поддерживает более 100 языков и принимает последовательности длиной до 8192 токенов; размерность плотного эмбеддинга — 1024. Её можно применять для многоязычного, межъязыкового и длиннодокументного поиска, а также для вычисления сходства текстовых пар. Для гибридного поиска её разреженные и плотные представления можно сочетать с BM25, а после извлечения результатов использовать отдельную модель reranker. По данным карточки, BGE-M3 может уступать моделям, специально обученным для поиска на одном языке. Для работы с разреженными представлениями поддержка библиотек ограничена. Лицензия — MIT.

Карточка модели JaehyeokLee/20m_em_checkpoint_epoch_1_step_3440 на Hugging Face совпадает с карточкой BAAI/bge-m3-unsupervised, поэтому описание составлено по ней. BAAI/bge-m3-unsupervised — мультиязычная модель эмбеддингов от BAAI на архитектуре XLM-RoBERTa с 658,7 млн параметров. Она обучена контрастивным методом на основе BAAI/bge-m3-retromae и предназначена для поиска по текстам и документам, включая сценарии RAG. Модель формирует плотные эмбеддинги, а также поддерживает разреженные представления с весами токенов и многовекторные представления в стиле ColBERT. Модель поддерживает более 100 языков и принимает последовательности длиной до 8192 токенов; размерность плотного эмбеддинга — 1024. Её можно применять для многоязычного, межъязыкового и длиннодокументного поиска, а также для вычисления сходства текстовых пар. Для гибридного поиска её разреженные и плотные представления можно сочетать с BM25, а после извлечения результатов использовать отдельную модель reranker. По данным карточки, BGE-M3 может уступать моделям, специально обученным для поиска на одном языке. Для работы с разреженными представлениями поддержка библиотек ограничена. Лицензия — MIT.

Карточка модели JaehyeokLee/20m_em_checkpoint_epoch_1_step_3840 на Hugging Face совпадает с карточкой BAAI/bge-m3-unsupervised, поэтому описание составлено по ней. BAAI/bge-m3-unsupervised — мультиязычная модель эмбеддингов от BAAI на архитектуре XLM-RoBERTa с 658,7 млн параметров. Она обучена контрастивным методом на основе BAAI/bge-m3-retromae и предназначена для поиска по текстам и документам, включая сценарии RAG. Модель формирует плотные эмбеддинги, а также поддерживает разреженные представления с весами токенов и многовекторные представления в стиле ColBERT. Модель поддерживает более 100 языков и принимает последовательности длиной до 8192 токенов; размерность плотного эмбеддинга — 1024. Её можно применять для многоязычного, межъязыкового и длиннодокументного поиска, а также для вычисления сходства текстовых пар. Для гибридного поиска её разреженные и плотные представления можно сочетать с BM25, а после извлечения результатов использовать отдельную модель reranker. По данным карточки, BGE-M3 может уступать моделям, специально обученным для поиска на одном языке. Для работы с разреженными представлениями поддержка библиотек ограничена. Лицензия — MIT.

Карточка модели JaehyeokLee/20m_em_checkpoint_epoch_1_step_760 на Hugging Face совпадает с карточкой BAAI/bge-m3-unsupervised, поэтому описание составлено по ней. BAAI/bge-m3-unsupervised — мультиязычная модель эмбеддингов от BAAI на архитектуре XLM-RoBERTa с 658,7 млн параметров. Она обучена контрастивным методом на основе BAAI/bge-m3-retromae и предназначена для поиска по текстам и документам, включая сценарии RAG. Модель формирует плотные эмбеддинги, а также поддерживает разреженные представления с весами токенов и многовекторные представления в стиле ColBERT. Модель поддерживает более 100 языков и принимает последовательности длиной до 8192 токенов; размерность плотного эмбеддинга — 1024. Её можно применять для многоязычного, межъязыкового и длиннодокументного поиска, а также для вычисления сходства текстовых пар. Для гибридного поиска её разреженные и плотные представления можно сочетать с BM25, а после извлечения результатов использовать отдельную модель reranker. По данным карточки, BGE-M3 может уступать моделям, специально обученным для поиска на одном языке. Для работы с разреженными представлениями поддержка библиотек ограничена. Лицензия — MIT.

Карточка модели avsolatorio/60-600-13-1-4-2-0-0-384-512-cm_NOI_avsolatorio_GIST-all-MiniLM-L6-v2-20240511173541-best на Hugging Face совпадает с карточкой avsolatorio/GIST-all-MiniLM-L6-v2, поэтому описание составлено по ней. GIST Embedding v0 — модель векторных представлений текста, созданная Av Solatorio. Она дообучена на базе sentence-transformers/all-MiniLM-L6-v2 с методом GISTEmbed: обучающие негативные примеры отбираются из MEDI и дополненных триплетами обучающих данных классификации MTEB. Модель имеет архитектуру BERT, содержит 25,9 млн параметров и принимает текст с контекстом до 512 токенов. Модель предназначена для получения эмбеддингов предложений и оценки их сходства, в том числе для семантического поиска и retrieval. Для кодирования запросов не требуются специальные инструкции. Модель оценивали на бенчмарке MTEB; дообучение улучшило некоторые задачи, но ухудшило результаты на других, включая поиск по TRECCOVID. Поддерживается английский язык. Лицензия — MIT.

futuredatascience/action-classifier-v1 — модель sentence-transformers на архитектуре MPNet, разработанная Future Data Science. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения сходства и кластеризации текста. Модель содержит 136,7 млн параметров, принимает текст и выдаёт векторные представления; указанная длина контекста — 514 токенов. Модель подходит для поиска близких по смыслу фраз и документов, группировки текстов и построения систем семантического поиска. В README указано обучение с CosineSimilarityLoss. Данные о языках и специализированных областях применения не приведены. Репозиторий содержит веса PyTorch; сведения о лицензии отсутствуют.

pawan2411/address-emnet — дообученная модель Sentence Transformers на базе pawan2411/address_net для создания векторных представлений адресов. Она использует архитектуру MPNet с усреднением токенных представлений; размер модели составляет 136,7 млн параметров, размерность эмбеддингов — 768, а максимальная длина последовательности — 512 токенов по README и 514 нативных токенов по метаданным. Сходство адресов оценивается косинусной мерой. Модель предназначена для сопоставления адресов, удаления дубликатов и унификации записей, различающихся форматом или написанием. Её можно применять для поиска похожих адресов и построения конвейеров очистки адресных данных. README не сообщает поддерживаемые языки или конкретные регионы адресации; качество за пределами описанных сценариев не установлено. Используется библиотека Sentence Transformers, веса представлены в формате safetensors. Лицензия в предоставленных данных не указана.

sayed0am/arabic-english-bge-m3 — модель для семантического сходства и поиска по фрагментам текста, разработанная автором репозитория sayed0am на основе BAAI/bge-m3. Она предназначена прежде всего для задач на арабском языке, включая sentence similarity, passage retrieval и построение арабских RAG-систем. В метаданных также указаны арабский и английский языки. Модель представляет собой обрезанную версию BAAI/bge-m3 и примерно на 36,2% меньше исходной, что снижает требования к памяти. Для неё доступна ONNX-квантизованная версия размером около 363 МБ — примерно на 75% меньше обрезанной модели — с заявленным сохранением около 98% качества исходной. Модель поддерживает использование через Transformers, sentence-transformers и ONNX Runtime; размер контекста и точная архитектура в README не указаны. Согласно README, модель заняла третье место в общем рейтинге и первое среди open source-моделей на The-Arabic-Rag-Leaderboard. Основное ограничение связано с сокращением словаря: токены, редко используемые в арабском языке, были удалены, поэтому модель может работать хуже с другими языками исходной мультиязычной BGE-M3. Модель распространяется по лицензии MIT.

ARM64BERT-embedding — модель Sentence Transformers, опубликованная Netherlands Forensic Institute и дообученная на базе NetherlandsForensicInstitute/ARM64BERT-embedding. Она преобразует предложения и абзацы на входе в плотные векторы размерности 768 для поиска и сравнения текстов. Архитектура основана на BERT (ASMBertModel) с усредняющим pooling; используется косинусное сходство. Модель принимает только текст, максимальная длина последовательности — 512 токенов. Модель подходит для семантического поиска и извлечения релевантных текстов. В карточке не описаны целевые языки или специализированные предметные области. Репозиторий содержит веса PyTorch в формате safetensors. Условия лицензирования в доступных данных не указаны.

Карточка модели Sing0402/auslegal-embed-gte-bm25 на Hugging Face совпадает с карточкой Alibaba-NLP/gte-modernbert-base, поэтому описание составлено по ней. gte-modernbert-base — англоязычная модель для построения текстовых эмбеддингов, разработанная Tongyi Lab компании Alibaba. Она основана на encoder-only архитектуре ModernBERT и содержит 149 млн параметров; вектор представления имеет размерность 768, максимальная длина входа — 8192 токена. Модель предназначена для семантического поиска, извлечения документов, сравнения предложений и подбора текстов по смыслу, в том числе как компонент систем RAG. В карточке приведены результаты оценок MTEB, BEIR, LoCo и COIR; они показывают эффективность на задачах поиска, включая поиск по длинным документам и коду. Доступны веса в форматах PyTorch, Safetensors и ONNX; для интеграции описано использование Transformers, Sentence Transformers и Text Embeddings Inference. Модель распространяется по лицензии Apache-2.0. Она рассчитана прежде всего на английский язык, поэтому качество для других языков не подтверждено карточкой.

swardiantara/bert-tiny-snli-k10-adaptive-cosine — компактная модель Sentence Transformer, дообученная разработчиком на базе google/bert_uncased_L-2_H-128_A-2. Она кодирует предложения и абзацы на английском языке в плотные векторы размерности 128 и предназначена для поиска и сравнения текстов по косинусному сходству. Архитектура состоит из двухслойного BERT с mean pooling; модель содержит 4,4 млн параметров и принимает последовательности длиной до 512 токенов по метаданным (в README указан предел 128 токенов). Поддерживает только текстовый ввод и выдаёт векторные представления. Модель подходит для семантического поиска, извлечения релевантных фрагментов и оценки сходства предложений. Её малый размер позволяет использовать её в сценариях с ограниченными вычислительными ресурсами, но компактность может ограничивать качество по сравнению с более крупными моделями. Лицензия в предоставленных данных не указана.

swardiantara/bert-tiny-sst5-k1-fixed-cosine — компактная Sentence Transformer-модель на базе BERT, дообученная для сопоставления предложений. Она кодирует текст в плотные векторы размерности 128 и предназначена для поиска и сравнения фраз или абзацев по косинусному сходству. Архитектура включает BertModel с усреднением токенных представлений; модель содержит 4,4 млн параметров. Метаданные указывают контекст до 512 токенов, а карточка модели сообщает максимальную длину последовательности 128 токенов. Модель принимает текст и возвращает эмбеддинги. Обучение описано на 8 554 парах текстов с OrdinalProxyContrastiveLoss; примеры и базовая модель указывают на англоязычные данные. Компактный размер подходит для векторного поиска и семантического сравнения при ограниченных вычислительных ресурсах. Качество и применимость за пределами английского языка карточкой не подтверждены. Лицензия в предоставленных данных не указана.

swardiantara/bert-tiny-sst5-k3-adaptive-cosine — компактная модель Sentence Transformers на базе BERT, дообученная для представления предложений и абзацев в виде плотных векторов. Она преобразует текст в 128-мерные эмбеддинги, а сходство между ними можно оценивать косинусной мерой; модель подходит для семантического поиска и извлечения релевантных текстов. Модель основана на google/bert_uncased_L-2_H-128_A-2 и содержит 4,4 млн параметров. В README указана максимальная длина последовательности 128 токенов; метаданные задают контекст 512 токенов. Используется mean pooling, входная модальность — текст, а выход — векторы. Обучение описано на наборе из 8 664 пар текстов с контрастивной функцией потерь. Данных о лицензии в предоставленных источниках нет.

Xenova/bge-base-en-v1.5 — версия модели BAAI/bge-base-en-v1.5, подготовленная сообществом Xenova в формате ONNX для совместимости с библиотекой Transformers.js. Модель предназначена для создания векторных представлений предложений и текстов, включая семантический поиск и retrieval-сценарии, где документы и поисковые запросы сравниваются по косинусной близости. Модель используется как feature-extraction pipeline и возвращает эмбеддинги размерности 768. В README указаны mean pooling и нормализация векторов; для поисковых запросов рекомендуется добавлять префикс “Represent this sentence for searching relevant passages:”. Поддержка ONNX делает модель пригодной для JavaScript-приложений и веб-сред, использующих Transformers.js. Архитектура, число параметров, перечень языков и максимальная длина контекста в карточке этой версии не указаны; по идентификатору базовой модели можно заключить, что она ориентирована на английский язык. Сильные стороны модели — готовность к локальному использованию в JavaScript и веб-приложениях, компактное представление текста и возможность применять единый подход к поиску по коллекциям документов. Ограничения связаны с отсутствием в README подробных данных о качестве на бенчмарках, поддерживаемых языках и ресурсоёмкости. Модель распространяется по лицензии MIT.

RinKana/bge-base-en-v1.5-cross-lingual-retriever — текстовая модель Sentence Transformers, дообученная разработчиком RinKana на базе BAAI/bge-base-en-v1.5 для поиска релевантных фрагментов по предложениям и абзацам. Архитектура объединяет BERT, pooling по CLS-токену и нормализацию; модель формирует плотные эмбеддинги размерностью 768 и сравнивает их с помощью косинусного сходства. Объём модели — 136,7 млн параметров, максимальная длина входа — 512 токенов. Модель подходит для семантического поиска и retrieval-сценариев, включая подбор контекста для RAG. README показывает обучение на парах запросов и passages с MultipleNegativesRankingLoss, однако не уточняет языки обучающих данных или результаты оценки кросс-языкового поиска. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

RedHatAI/bge-base-en-v1.5-quant — квантизированная версия модели эмбеддингов bge-base-en-v1.5 от Red Hat AI. Она предназначена для получения векторных представлений английского текста и ускоренного инференса через DeepSparseSentenceTransformers; README сообщает об ускорении задержки до 4,5 раза на 10-ядерном ноутбуке и 16-ядерном экземпляре AWS. Модель основана на архитектуре BERT, содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и доступна в формате ONNX с квантизацией INT8. Модель подходит для поиска по смыслу, кластеризации и других сценариев, использующих текстовые эмбеддинги. Лицензия — MIT. Карточка не сообщает об ограничениях точности после квантизации или о результатах на конкретных наборах оценки.

TyKaoz выпустил 8-битную версию модели BAAI/bge-m3 в формате MLX для устройств Apple Silicon. Это многоязычная модель на архитектуре XLM-RoBERTa с 658,7 млн параметров, которая преобразует текст в плотные эмбеддинги размерности 1024. Максимальная длина контекста составляет 8194 токена; модель предназначена для локального использования через mlx-embeddings и занимает около 592 МБ. Модель подходит для семантического поиска, сравнения сходства предложений и построения систем поиска по текстам и документам. README описывает именно плотные векторы; широкие возможности исходной BGE-M3 для лексического и гибридного поиска здесь отдельно не подтверждены. Указана лицензия Apache-2.0.

pqnet/bge-m3-gguf — конвертированная в формат GGUF версия модели BGE-M3 от BAAI, подготовленная для запуска через llama.cpp. Репозиторий содержит веса F16 без квантизации; исходная модель предназначена для многоязычного семантического, лексического и гибридного поиска по текстам и документам, а также получения эмбеддингов и вычисления сходства предложений. Лицензия — MIT. Модель подходит для построения векторного поиска, сравнения текстов и извлечения признаков в приложениях, использующих llama.cpp. Карточка репозитория указывает на конверсию весов из BAAI/bge-m3 и отсылает к исходной карточке за подробностями о возможностях модели.

nlpctx разработала модель в виде Sentence Transformer, дообученного на основе BAAI/bge-m3 для построения плотных текстовых эмбеддингов. Модель преобразует предложения и абзацы в векторы размерностью 1024 и подходит для поиска по сходству и извлечения релевантных документов; близость векторов оценивается косинусным сходством. В основе лежит XLM-RoBERTa с пулингом CLS и нормализацией выходных векторов. Максимальная длина последовательности — 8192 токена. Обучение проведено на 10 032 парах текстов с MultipleNegativesRankingLoss в направлении «запрос—документ». Примеры в карточке указывают на телугу-английский код-свитчинг и тематику вопросов о полиции и законодательстве Тамилнаду. Модель предназначена для семантического поиска и сопоставления запросов с текстами. Лицензия в предоставленных данных не указана.

Just-Bax/bge-m3-uzbek-cyrillic — дообученная модель на базе BAAI/bge-m3 для семантического поиска и сравнения текстов на узбекском языке в кириллической письменности. Она построена на архитектуре XLM-RoBERTa, содержит около 658,7 млн параметров и формирует плотные эмбеддинги размерностью 1024. Заявленная длина контекста — 8194 токена. Модель предназначена для поиска по документам, retrieval-augmented generation (RAG), оценки сходства предложений, проверки перефразирований, кластеризации и поиска дубликатов. Дообучение с контрастивной целью проводилось на узбекских юридических и официально-деловых текстах; используются CLS pooling и L2-нормализация. Поддерживается библиотекой Sentence Transformers, веса доступны в формате safetensors. Модель особенно подходит для узбекских текстов на кириллице в правовой и формальной тематике. Качество на узбекском в латинской письменности может отличаться; на разговорных текстах точность может быть ниже. Для сопоставимых результатов важно одинаково предварительно обрабатывать и нормализовать тексты при индексации и поиске. Лицензия — Apache-2.0.

albertobarnabo/bge-reranker-v2-m3-italian — италоязычный переранжировщик, дообученный разработчиком на базе BAAI/bge-reranker-v2-m3. Он оценивает релевантность пары «запрос — текстовый фрагмент» и помогает переставить результаты поиска так, чтобы наиболее подходящие оказались выше. Модель рассчитана на этап переранжирования в поисковом конвейере; её можно использовать вместе с эмбеддером bge-m3-italian для отбора и упорядочивания кандидатов. Модель основана на XLM-RoBERTa и имеет около 658,7 млн параметров; максимальная длина контекста — 8194 токена. В описанной оценке на 2 000 итальянских запросах к переведённому MS MARCO она улучшила nDCG@10 на 0,0096 относительно базового переранжировщика. Результат проверен на данных, близких к обучающим, поэтому на текстах другой тематики прирост может быть меньше. Веса распространяются по лицензии Apache-2.0; обучающие данные происходят из MS MARCO, исходные условия которого ограничивают коммерческое использование.

Xenova/bge-small-en-v1.5 — модель для создания векторных представлений предложений и текстов, опубликованная в формате ONNX для совместимости с Transformers.js. Она основана на BAAI/bge-small-en-v1.5, разработанной BAAI, и рассчитана на использование в JavaScript-приложениях, включая веб-среду. Модель предназначена для семантического поиска и retrieval-сценариев: тексты преобразуются в эмбеддинги размерностью 384, после чего их можно сравнивать, например, по косинусному сходству. README демонстрирует усреднённый pooling и нормализацию векторов, а также рекомендует добавлять к запросам специальный префикс для поиска релевантных фрагментов. По обозначению en модель ориентирована на английский язык. Она удобна для локального выполнения и интеграции через Transformers.js, однако README не содержит сведений о точной архитектуре, максимальной длине контекста, бенчмарках, ограничениях качества или лицензии.

RedHatAI/bge-small-en-v1.5-quant — квантованная версия модели эмбеддингов BGE-small-en-v1.5 от Red Hat AI. Это плотный BERT-чекпойнт примерно на 40 млн параметров, представленный в формате ONNX с квантованием INT8; для ускоренного инференса README указывает на DeepSparse и DeepSparseSentenceTransformers. Модель предназначена для преобразования английских текстов в векторные представления, например для семантического поиска и поиска по сходству. Указанный размер контекста — 512 токенов. Лицензия — MIT.

biencoder-camembert-L4-mmarcoFR — компактная плотная двубашенная модель эмбеддингов для семантического поиска на французском языке, разработанная Antoine Louis. Она кодирует запросы и документы в векторы размерности 768, а релевантность оценивает по косинусному сходству. Основа — CamemBERT-L4, облегчённая версия CamemBERT с удалёнными верхними слоями; модель содержит 62,3 млн параметров и принимает последовательности длиной до 514 токенов, хотя при обучении максимальная длина запросов и документов составляла 128 токенов. Модель дообучена на французских данных mMARCO, включая сложные негативные примеры, для поиска релевантных фрагментов по запросам. Её можно применять для семантического поиска и ранжирования найденных документов в корпусах на французском языке. Для использования доступны Sentence-Transformers, FlagEmbedding и Transformers. Лицензия — MIT.

Boldt-Embed-DE-350M — немецкоязычная модель плотных текстовых эмбеддингов для поиска релевантных фрагментов в FAQ и системах RAG. Её разработала Mayflower GmbH на базе Boldt/Boldt-DC-350M: модель семейства Llama с плотной архитектурой и примерно 435,4 млн параметров. Веса дообучены с mean pooling и нормализацией векторов; длина контекста — 2048 токенов. Модель предназначена прежде всего для первого этапа плотного поиска по немецкому корпусу: векторы запросов и документов сравниваются по косинусному сходству. Она также подходит для оценки семантического сходства, кластеризации текстов и отбора сложных негативных примеров для дальнейшего обучения. Обучение Matryoshka позволяет усекать векторы до 512, 256, 128 или 64 измерений; в приведённой оценке вариант на 256 измерений сохранил почти всё качество полноразмерных векторов. На тесте WebFAQ модель показала высокие показатели извлечения для немецких FAQ/RAG-запросов. Для более общих немецких QA-корпусов README указывает на преимущество универсальных многоязычных моделей. Оценки получены на перечисленных внутренних наборах, без публичного прогона MMTEB. Модель рассчитана на немецкий язык; применение к другим языкам не подтверждено. Лицензия весов — Apache-2.0; при распространении производных версий разработчик просит указывать источники данных German Wikipedia и WebFAQ.