I.12Рекомендации и персонализация

KaLM-embedding-multilingual-mini-v1-i1-GGUF — GGUF-квантизованная версия модели HIT-TMG/KaLM-embedding-multilingual-mini-v1, подготовленная и опубликованная mradermacher. Это модель для получения векторных представлений текста, предназначенная для семантического поиска, сравнения сходства предложений, кластеризации и других задач извлечения признаков; в карточке также указана совместимость с экосистемой sentence-transformers и MTEB. Модель позиционируется как мультиязычная, однако в метаданных README явно указан только английский язык. Архитектура, число параметров, размерность эмбеддингов, максимальная длина контекста и сведения о поддерживаемых модальностях не приведены. Доступны многочисленные варианты GGUF-квантизации размером примерно от 0,4 до 0,5 ГБ, включая IQ- и Q-форматы; Q4_K_S отмечен как оптимальный по соотношению размера, скорости и качества, а Q4_K_M — как быстрый и рекомендуемый. Основные преимущества — небольшой размер файлов и возможность выбрать компромисс между скоростью, занимаемой памятью и качеством. При этом агрессивные варианты квантизации могут заметно снижать качество, а README не содержит количественных результатов тестирования или подробного описания ограничений. Модель распространяется по лицензии MIT; в карточке указано, что квантизацию выполнил mradermacher.

KaLM-Reranker-V1-Nano — компактная модель-реранкер из семейства KaLM-Reranker-V1, разработанная командой KaLM-Embedding и дообученная на базе google/t5gemma-2-270m-270m. Она оценивает релевантность документов запросу и сортирует найденные кандидаты, например в поиске и RAG-системах. Архитектура encoder-decoder разделяет вычисления: энкодер заранее кодирует passages с помощью Matryoshka pooling, а декодер учитывает инструкцию и запрос; cross-attention сопоставляет их с представлениями документов. Nano содержит 0,27 млрд активируемых параметров и поддерживает контекст до 128 тысяч токенов по характеристикам серии; для варианта Nano в примере использования указаны ограничения длины запроса до 512 и документа до 1024 токенов. Модель рассчитана на эффективное ранжирование пар «запрос—документ» и интеграцию как CrossEncoder в Sentence Transformers. В README приведены конкурентные результаты серии на BEIR, MIRACL и LMEB, включая результаты Nano, сопоставимые с крупными embedding-моделями на LMEB. Карточка помечает модель как multilingual, однако авторы отмечают, что серия не обучалась на обширных многоязычных данных. Распространяется по лицензии Apache-2.0.

NGA-KR/ko-embed-v0 — корейская плотная модель эмбеддингов текста от NGA-KR, дообученная на базе skt/A.X-Encoder-base. Она построена на архитектуре ModernBERT, содержит 148,7 млн параметров и обрабатывает контекст до 16 384 токенов. Модель предназначена для создания векторных представлений запросов и документов, поиска по сходству и семантического поиска; для запросов и документов в конфигурации предусмотрены подсказки «query: » и «passage: ». Модель проверялась на 20 задачах MTEB(kor, v2), при этом обучение проводилось только на открытых англоязычных наборах данных для поиска, без обучающих разделов корейских бенчмарков, поэтому оценка на MTEB(kor, v1/v2) является zero-shot. Доступна по лицензии Apache-2.0.

ko-reranker-8k — модель для переранжирования текстов, разработанная Upskyy на основе BAAI/bge-reranker-v2-m3 и дообученная на корейских данных. Она оценивает релевантность пары «запрос — документ»: чем выше оценка, тем релевантнее документ запросу. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров, принимает текст и поддерживает контекст длиной до 8194 токенов. Модель предназначена для улучшения результатов поиска и retrieval-систем, в том числе для отбора наиболее подходящих документов после первичного поиска. Карточка указывает корейскую настройку и многоязычные теги; лицензия — Apache-2.0. В README приведены способы использования через FlagEmbedding и Transformers.

Это модель Sentence Transformer от snunlp для получения векторных представлений корейских предложений и абзацев. Она основана на BERT с 144,3 млн параметров и формирует плотные эмбеддинги размерности 768; вектор предложения строится усреднением токенных представлений. Максимальная длина входа — 512 токенов, сходство векторов можно оценивать косинусной мерой. Модель обучена на корейском наборе klue/klue и предназначена для оценки семантической близости текстов, семантического поиска, поиска перефразировок, кластеризации и получения признаков для классификации. В README приведён результат Spearman 0,8765 на sts-dev. Она принимает текст на корейском языке и выдаёт векторы; классификацию и кластеризацию следует выполнять отдельным алгоритмом поверх эмбеддингов. Лицензия в предоставленных данных не указана.

KR-SBERT-V40K-klueNLI-augSTS — модель семейства Sentence-BERT на архитектуре BERT, представленная SNUNLP. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантического сходства, поиска по смыслу и кластеризации. Модель также подходит для классификации документов; в приведённом в карточке сравнении она достигла точности 0,8628. Модель содержит 144 млн параметров, принимает текст и поддерживает контекст длиной до 512 токенов. Карточка и метаданные указывают корейский язык. Для применения доступны веса PyTorch и библиотека Sentence-Transformers. Лицензия в предоставленных данных не указана.

Это 4-битная квантизированная версия mxfp4 модели LFM2.5-Embedding-350M, подготовленная Sahil Chachra для запуска на Apple Silicon через MLX. Модель представляет собой плотный двунаправленный биэнкодер семейства LFM2.5 с вектором CLS размерности 1024; она кодирует запросы и документы для мультиязычного поиска. Для входов требуются префиксы «query: » и «document: », а сходство векторов можно оценивать косинусной мерой. Модель подходит для семантического и межъязыкового поиска по документам и для построения retrieval-компонента систем RAG. README сообщает о размере весов 188 МБ и скорости кодирования 13 936 токенов/с на устройстве серии M; приведённый бенчмарк охватывает только ограниченную англоязычную выборку NanoBEIR. Метаданные указывают 444,6 млн параметров и контекст 128 000 токенов. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой базовой модели и репозитория.

LFM2.5-Encoder-230M — разработанный Liquid AI компактный многоязычный двунаправленный энкодер на архитектуре LFM2 с 221,2 млн параметров. Это masked language model с головой заполнения масок, предназначенная прежде всего для дообучения под прикладные задачи обработки текста. Гибридная архитектура чередует блоки коротких gated-свёрток и grouped-query attention; модель доступна в формате safetensors и работает через Transformers с удалённым кодом модели. Энкодер подходит как основа для классификации текста и токенов, извлечения сущностей, поиска и ранжирования, оценки семантического сходства, определения тональности и естественно-языкового вывода. Заявлена поддержка 15 языков, включая русский. README указывает контекст до 8 192 токенов и возможность эффективного запуска на устройстве и в браузере через WebGPU; значение длины контекста в метаданных каталога составляет 128 000 токенов, поэтому фактический рабочий предел следует сверять с используемой конфигурацией модели. Модель ориентирована на низкие требования к памяти и задержке; авторы сообщают о хорошей производительности на длинных последовательностях и приводят сравнения с другими энкодерами. Для перечисленных прикладных задач обычно требуется дообучение: исходная модель не является готовым специализированным классификатором или поисковым ранжировщиком. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели.

bingcheng9/mpnet-base-all-nli-triplet — англоязычная модель Sentence Transformers, созданная дообучением microsoft/mpnet-base на триплетах датасета AllNLI. Она кодирует предложения и абзацы в плотные векторы размерности 768 для сравнения по косинусному сходству; максимальная длина входа составляет 512 токенов. Модель подходит для семантического поиска, оценки смысловой близости, поиска перефразирований, кластеризации и классификации текста на основе эмбеддингов. Архитектура состоит из MPNetModel и mean pooling. В README приведены результаты TripletEvaluator на AllNLI: точность по cosine similarity составляет 0,9156 на dev и 0,9262 на test. Модель принимает английский текст и выдаёт векторы; качество для других языков не подтверждено. Распространяется по лицензии Apache-2.0.

ms-marco-MiniLM-L-6-v2 GGUF — это конвертированная и квантизованная версия модели cross-encoder/ms-marco-MiniLM-L-6-v2, опубликованная пользователем cstr для запуска через лёгкий движок инференса CrispEmbed на базе ggml. Модель предназначена для ранжирования текстовых пар и повышения качества поиска, в частности для reranking в системах RAG и сценариях, требующих работы в реальном времени. Указан английский язык. Модель построена на архитектуре BERT, содержит около 22 млн параметров, 6 слоёв, размерность представления 384, использует CLS-pooling и токенизатор WordPiece. Доступны варианты GGUF с представлением Q4_K размером 18 МБ, Q8_0 размером 24 МБ и F32 размером 87 МБ. Конвертация не изменяла архитектуру, словарь или заявленные возможности исходной модели; для преобразованных файлов заявлена битовая эквивалентность с реализацией Hugging Face с cosine similarity не менее 0,999 на тестовых текстах. Сильные стороны модели — небольшой размер, высокая скорость и возможность инференса без Python и ONNX через CrispEmbed, включая серверный режим. Ограничения включают специализацию на английских текстах и назначение для reranking, а не для генерации текста. В README также указано, что следует предпочитать исправленные файлы с суффиксом -g7c, поскольку исходные файлы имели некорректно преобразованную scoring head и могли давать неправильно калиброванные оценки и изменять порядок результатов. Модель распространяется по лицензии Apache-2.0 на тех же условиях, что и исходная модель.

Xenova/ms-marco-TinyBERT-L-2-v2 — это версия модели cross-encoder/ms-marco-TinyBERT-L-2-v2 с весами в формате ONNX, подготовленная репозиторием Xenova для работы в Transformers.js. Модель относится к классу sequence classification и оценивает релевантность пары текстов, например поискового запроса и найденного документа. Модель предназначена прежде всего для задач информационного поиска, ранжирования результатов и семантического сопоставления текстов, включая работу непосредственно в JavaScript-приложениях и веб-среде. В основе используется компактная архитектура TinyBERT с двумя слоями; доступны квантованные и неквантованные ONNX-варианты. В README приведён пример на английском языке, однако полный набор поддерживаемых языков и размер контекста не указаны. Лицензия также не указана, поэтому условия использования следует уточнять в исходном репозитории базовой модели и связанных материалах. Компактность и совместимость с Transformers.js упрощают развёртывание, но ограничения TinyBERT могут отражаться на точности по сравнению с более крупными моделями.

Mursit-Embed-Qwen3-1.7B-TR-i1-GGUF — это квантизированная в формате GGUF версия модели Mursit-Embed-Qwen3-1.7B-TR, разработанной newmindai и подготовленной квантизатором mradermacher. Модель создана на базе Qwen3 с адаптацией decoder-to-encoder и предназначена для получения текстовых эмбеддингов. Основные сценарии применения — вычисление семантического сходства, dense retrieval, информационный поиск и извлечение признаков, включая задачи на турецком языке и поиск по юридическим документам. При обучении использовались наборы newmindai/ms-marco-turkish-triplets и newmindai/EuroHPC-Legal. Заявлены языки tr и en; модель ориентирована прежде всего на турецкие и турецко-юридические тексты. Доступен набор квантизаций с размерами примерно от 0,6 до 1,5 ГБ. В README рекомендуется i1-Q4_K_M как быстрый вариант, а i1-Q4_K_S описывается как оптимальный баланс размера, скорости и качества; некоторые низкобитные варианты имеют пониженное качество. Размер исходной модели указан как 1,7B параметров, но сведения о размерности эмбеддингов, максимальной длине контекста, точных характеристиках архитектуры и результатах оценки отсутствуют. Лицензия — Apache-2.0.

mxbai-embed-xsmall-v1 — модель для создания текстовых векторных представлений, разработанная mixedbread-ai. Она предназначена для семантического поиска и задач retrieval, включая поиск релевантных документов, ранжирование результатов и построение систем, работающих с embedding-представлениями текста. В README указано, что модель использует библиотеку sentence-transformers и основана на mixedbread-ai/mxbai-embed-mini-v1. В представленном описании не указаны размер модели, архитектура, размерность эмбеддингов, поддерживаемые языки, модальности и максимальная длина контекста. Доступные результаты оценки относятся к retrieval-задачам бенчмарка MTEB, включая ArguAna и различные поднаборы CQADupstack; показатели приведены для NDCG, MAP, recall, precision и accuracy при разных значениях k. Это подтверждает применимость модели для оценки качества поиска, однако не позволяет сделать выводы о её производительности в других сценариях или языках. Лицензия и условия коммерческого или иного использования в README не указаны. Поэтому перед применением модели необходимо отдельно проверить лицензионные условия и совместимость с конкретной задачей.

Карточка модели Griffin88/my_new_model3 на Hugging Face совпадает с карточкой Griffin88/sentence-embedding-LaBSE, поэтому описание составлено по ней. Griffin88/sentence-embedding-LaBSE — PyTorch-порт модели LaBSE, предназначенный для представления предложений на 109 языках в общем векторном пространстве. Модель основана на архитектуре BERT и содержит 498,1 млн параметров; максимальная длина контекста — 512 токенов. Репозиторий предоставляет веса PyTorch и safetensors, а для работы через Sentence-Transformers README рекомендует библиотеку sentence-transformers. Модель подходит для получения эмбеддингов предложений и оценки их семантического сходства, в том числе для сопоставления текстов на разных языках. Лицензия — Apache-2.0. README отсылает к публикации LaBSE, но не уточняет автора этого порта или детали обучения именно этой версии.

gmunkhtur выпустил дообученную модель Sentence Transformers на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она использует архитектуру BERT и преобразует предложения и абзацы в плотные векторы размерностью 384 для сравнения семантического сходства по косинусной мере, поиска перефразировок, семантического поиска, кластеризации и классификации текста. Для получения векторов применяется усреднение токенных представлений; библиотека модели — sentence-transformers. В README указан предел последовательности 128 токенов, тогда как метаданные каталога указывают нативный контекст 512 токенов. Модель обучена на 11 113 парах предложений с оценками сходства. Примеры в карточке написаны на монгольском и русском языках, а базовая модель предназначена для многоязычных текстов. В приведённой оценке на sts-dev корреляция Спирмена составляет 0,4878, поэтому качество сходства может быть ограниченным. Лицензия в предоставленных данных не указана.

Qwen3-Reranker-8B-AWQ-INT4 — это квантизированная версия модели Qwen3-Reranker-8B, опубликованная drawais и основанная на модели Qwen/Qwen3-Reranker-8B от оригинальных авторов Qwen. Модель предназначена для переранжирования текстовых результатов, например для выбора наиболее релевантных документов или фрагментов в поисковых и retrieval-системах. В README явно указан английский язык; другие языки не заявлены. Используется весовая квантизация INT4 в формате AWQ, что уменьшает размер модели примерно до 6,1 ГБ и позволяет запускать её на потребительском GPU с 8 ГБ видеопамяти при наличии запаса под KV-кэш. Заявлена поддержка запуска через Transformers и vLLM; пример конфигурации использует максимальную длину контекста 32 768 токенов. Сильными сторонами являются сниженные требования к памяти и сохранение назначения специализированного reranker, однако квантизация может влиять на качество по сравнению с исходной моделью, а сведения о точных характеристиках архитектуры, качестве на тестах и поддерживаемых модальностях в README отсутствуют. Модель распространяется по лицензии Apache License 2.0; это производная работа Qwen/Qwen3-Reranker-8B, для которой указаны требования к атрибуции.

Qwen3-VL-Embedding-8B-GGUF — мультимодальная модель для создания векторных представлений текста и изображений в общем embedding-пространстве. Она основана на Qwen/Qwen3-VL-Embedding-8B и была квантована BatiAI из исходных BF16 safetensors для локального использования, в частности в on-device RAG-системах и BatiFlow. Архитектура включает Qwen3-VL с pooling head, текстовую часть на 8 млрд параметров и vision tower. Модель предназначена для семантического поиска и мультимодального retrieval: поиска изображений по текстовому запросу, поиска текстов по изображению, а также совместной индексации PDF, заметок и изображений в одной векторной базе данных. Заявлена поддержка английского, корейского, японского и китайского языков. Для текстовых входов модель возвращает векторы размерностью 3584. Доступны квантования Q6_K размером около 5,8 ГБ и Q8_0 размером около 7,5 ГБ; Q6_K указано как минимально рекомендуемое из-за чувствительности embedding-моделей к низкобитному квантованию. Сильные стороны модели — мультимодальность, единое пространство для текста и изображений, многоязычность и ориентация на локальный запуск. В README модель характеризуется как одна из наиболее качественных многоязычных embedding-моделей и позиционируется для сценариев, где важнее качество поиска, чем минимальная задержка. При этом собственные прямые измерения качества retrieval, например MTEB, в карточке не приведены, а работа с изображениями требует мультимодальной сборки llama.cpp с поддержкой mtmd. Модель распространяется по лицензии Apache 2.0, допускающей коммерческое использование.

RenderRank-2B — модель переранжирования пар «запрос — документ», разработанная nlpai-lab на основе Qwen3-VL-Reranker-2B. Модель получает текстовый запрос и документ, оценивает их релевантность и возвращает оценку, по которой можно упорядочить результаты поиска. Параметры документа можно передать как текст, автоматически отрисовать в изображения или предоставить в виде готовых изображений страниц. Визуальное представление текста сжимает последовательность входных токенов и помогает вместить больше содержимого документа в доступный контекст. Поддерживаются многостраничные документы: страницы обрабатываются по порядку и получают общую оценку. Модель содержит 2 млрд параметров, использует архитектуру Qwen3-VL и распространяется в формате safetensors; для работы доступны интерфейсы Transformers и Sentence Transformers. В README приведены результаты оценки на наборах BEIR и длинных документах, однако они сами по себе не гарантируют качество на конкретной коллекции. Описание и обучающие данные ориентированы на английский язык; качество для других языков не подтверждено. Лицензия — Apache-2.0.

sergeyzh/rubert-tiny-sts — компактный русскоязычный BERT-энкодер, дообученный на основе cointegrated/rubert-tiny2 для оценки семантического сходства предложений и получения эмбеддингов. Модель содержит 29 млн параметров, поддерживает контекст до 2048 токенов и формирует эмбеддинги размерностью 312. Её можно использовать через Sentence Transformers; модель ориентирована на быстрые вычисления, в том числе на CPU. Помимо поиска похожих предложений, автор указывает задачи идентификации перефразирований, вывода по естественному языку, анализа тональности и выявления токсичности. Лицензия — MIT. Результаты и скорость зависят от данных и оборудования; приведённые в README бенчмарки не содержат отдельной строки с оценками этой модели.

Карточка модели ceggian/sbert_pt_reddit_softmax_256 на Hugging Face совпадает с карточкой ceggian/sbert_pt_reddit_softmax_32, поэтому описание составлено по ней. ceggian/sbert_pt_reddit_softmax_32 — модель Sentence-Transformers на архитектуре BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Обучение использовало SoftmaxLoss и данные Reddit, что указывает на настройку для задач сходства предложений. Модель подходит для семантического поиска и группировки похожих текстов; её векторные представления можно использовать в системах поиска и анализа текстов. README не уточняет поддерживаемые естественные языки и лицензию, поэтому область применения и условия использования по этим параметрам определить нельзя.

Карточка модели ceggian/sbert_pt_reddit_softmax_512 на Hugging Face совпадает с карточкой ceggian/sbert_pt_reddit_softmax_32, поэтому описание составлено по ней. ceggian/sbert_pt_reddit_softmax_32 — модель Sentence-Transformers на архитектуре BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Обучение использовало SoftmaxLoss и данные Reddit, что указывает на настройку для задач сходства предложений. Модель подходит для семантического поиска и группировки похожих текстов; её векторные представления можно использовать в системах поиска и анализа текстов. README не уточняет поддерживаемые естественные языки и лицензию, поэтому область применения и условия использования по этим параметрам определить нельзя.

nickprock разработал модель sentence-transformers на архитектуре BERT для представления итальянских предложений и абзацев в виде плотных векторов размерностью 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений; для работы с ней можно использовать Sentence-Transformers, FastEmbed или Transformers с подходящей операцией pooling. Модель насчитывает 137,1 млн параметров, имеет контекстное окно до 512 токенов и обучалась с функцией потерь CosineSimilarityLoss на данных, связанных с STS-Benchmark для нескольких языков. Доступны форматы PyTorch, safetensors и ONNX. Лицензия — MIT.

cstr распространяет модель google/siglip-base-patch16-384 в формате GGUF для использования с CrispEmbed. Это визуальный энкодер SigLIP ViT-B/16: 12 слоёв, 12 голов внимания и размерность представления 768. Он кодирует изображения размером 384×384, разбитые на 576 патчей 16×16, и выдаёт L2-нормированные эмбеддинги изображения размерностью 768 с усреднением по патчам. Модель предназначена для извлечения признаков и эмбеддингов изображений, например, для поиска похожих изображений и мультимодального поиска по изображениям и тексту в системах на базе SigLIP. В README указана близкая к исходной численная близость для варианта F32: среднее косинусное сходство с версией Hugging Face составляет 0,996. Это визуальный энкодер, поэтому он сам по себе не генерирует текст и не описывает изображения. Репозиторий содержит конверсию в GGUF и/или квантизованные веса без дообучения, слияния или изменения архитектуры; доступна лицензия Apache-2.0 на условиях исходной модели. Размер входного изображения — 384×384; другие размеры и поведение при их обработке в карточке не описаны.

LazarusNLP/simcse-indoroberta-base — модель эмбеддингов предложений на архитектуре RoBERTa, опубликованная LazarusNLP. Она преобразует предложения и абзацы в плотные векторы размерности 768, предназначенные для сравнения семантической близости, поиска и кластеризации. Модель обучалась с MultipleNegativesRankingLoss и косинусной функцией сходства; в качестве датасета в метаданных указан корпус Wikipedia на индонезийском языке. Модель принимает текст и выдаёт векторные представления. Её можно использовать для семантического поиска по индонезийским текстам, группировки похожих предложений и оценки сходства пар текстов. Размер модели — 151,8 млн параметров, максимальный контекст — 514 токенов. Доступны веса PyTorch и Safetensors; лицензия в предоставленных данных не указана.

aimanfadillah/standardized — дообученная модель Sentence Transformers на базе aimanfadillah/standardized для преобразования предложений и абзацев в плотные векторы размерностью 384. Она использует архитектуру BERT с усреднением токенных представлений и нормализацией; сходство векторов можно оценивать косинусной мерой. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов, а карточка описывает максимальную длину последовательности 256 токенов. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. В README приведён обучающий набор из трёх пар терминов, связанных с функциями бытовой техники, поэтому практическую точность на широких тематиках и языках нельзя считать подтверждённой. Лицензия в предоставленных данных не указана.

facebook/tart-full-flan-t5-xl — модель ранжирования документов, разработанная исследователями Meta AI и представленная в проекте TART. Это кросс-энкодер на архитектуре T5, дообученный инструкциями на примерно 40 задачах информационного поиска и инициализированный из google/flan-t5-xl. Модель принимает запрос, текст документа и инструкцию на естественном языке, а затем оценивает релевантность документа запросу, чтобы упорядочить кандидатов после первичного поиска. Модель предназначена для улучшения поиска по коллекциям документов и применяется в сценариях retrieval-augmented generation, где нужно выбрать наиболее подходящие фрагменты для ответа. Авторы сообщают о результатах на BEIR, LOTTE и X²-Retrieval, превосходящих предыдущие методы на момент публикации работы. В метаданных указаны 385,2 млн параметров и контекст до 512 токенов; README приводит для TART-full размер 1,5 млрд параметров, поэтому сведения о размере расходятся. Доступен формат PyTorch. Для использования требуется специализированная реализация EncT5. README не сообщает лицензию, поэтому условия использования по имеющимся сведениям определить нельзя.

TPIPS-Embed-Qwen3VL-8B — модель эмбеддингов для оценки перцептивного сходства изображений с учётом текста, созданная на базе Qwen/Qwen3-VL-Embedding-8B. Это вариант TPIPS с поздним слиянием: текст и изображение кодируются независимо в L2-нормированные векторы, а сходство пары вычисляется как косинусная близость эмбеддингов. Модель дообучена с помощью LoRA с рангом 16 и α=32 на слоях LLM. Модель предназначена для сравнения изображений в заданном текстовом контексте, в том числе для поиска наиболее похожего изображения и задач выбора между кандидатами. README описывает расчёт вероятностей для сценариев «лишний элемент» и 2AFC: оценки сходства преобразуются в вероятности с помощью softmax с температурой. Для работы предусмотрена библиотека tpips и пакет Python `tpips`; требуется Python 3.10 или новее. В репозитории указаны веса PyTorch и лицензия `other`; конкретные условия лицензии в предоставленных данных не раскрыты. Модель унаследовала мультимодальную основу на 8 млрд параметров Qwen3-VL-Embedding, однако описание этого чекпойнта сосредоточено на эмбеддингах для текстово обусловленного сравнения изображений.

VisME — мультимодальная модель эмбеддингов, разработанная авторами работы Illuminating Visual Identity in Universal Multimodal Embeddings для CVPR 2026. Она дообучена на Qwen/Qwen2.5-VL-7B-Instruct и формирует плотные векторы для изображений, текста и пар «изображение–текст», предназначенные для поиска и сопоставления визуального содержимого. Модель ориентирована на мультимодальный поиск и задачи, связанные с визуальной идентичностью: распознавание объектов или людей по идентичности, повторную идентификацию, поиск по изображению и тексту, а также визуальное заземление. Обучение объединяет MMEB-v1 для общих мультимодальных задач и MVEB для поиска по визуальной идентичности; заявлены конкурентные результаты на MMEB и сильные результаты на MVEB. Архитектура — плотная Qwen2.5-VL, 7,1 млрд параметров, контекст до 128 000 токенов; репозиторий использует safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Авторы указывают, что код оценки и обучения будет опубликован позднее, поэтому воспроизведение заявленных результатов может быть затруднено до его выхода.

Это модель семейства SigLIP, опубликованная timm: визуальный энкодер ViT-Base с патчами 16×16 и глобальным усреднением признаков. Она преобразует изображения в векторные представления и предназначена для извлечения признаков в системах компьютерного зрения и мультимодальных конвейерах. В названии указаны размер изображения 256 и обучение на WebLI с поддержкой нескольких языков; текстовый энкодер в эту модель не входит. Модель доступна в форматах PyTorch и Safetensors и распространяется по лицензии Apache-2.0. Метаданные указывают задачу image-feature-extraction.

Это визуальный энкодер CLIP из библиотеки timm: модель ViT-Huge с патчами 14×14, входным размером изображения 224 пикселя и весами, обученными на LAION-2B. Репозиторий содержит только энкодер изображений, а не полный CLIP с текстовым энкодером. Модель извлекает признаки изображений для построения эмбеддингов и последующего использования в поиске по изображениям, кластеризации или других задачах компьютерного зрения. Для сравнения изображений с текстом потребуется отдельный совместимый текстовый энкодер. Весовые файлы доступны в форматах PyTorch и safetensors по лицензии Apache-2.0.