I.12Рекомендации и персонализация

Это визуальный энкодер SigLIP из библиотеки timm: модель преобразует изображения в признаки и поддерживает извлечение визуальных представлений. В карточке указаны вариант SO400M с патчами 14×14 и входным разрешением 378 пикселей; сохранён исходный механизм attention pooling. Модель разработана как часть семейства timm и распространяется в форматах PyTorch и safetensors. Энкодер подходит для получения признаков изображений в системах визуального поиска, сопоставления и анализа. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. В доступной карточке не приведены сведения о качестве на конкретных наборах данных.

LazarusNLP/all-indo-e5-small-v2 — модель встраиваний предложений на базе BERT, опубликованная LazarusNLP. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, сравнения сходства и кластеризации. Модель использует библиотеку Sentence-Transformers, содержит 124,3 млн параметров и принимает текст с контекстом до 512 токенов. Модель обучена с функцией MultipleNegativesRankingLoss и косинусным сходством. По тегам карточки она ориентирована на индонезийский язык; данные для обучения и оценки включают индонезийские наборы задач поиска, понимания и сопоставления текста. Для использования требуется корректное pooling-преобразование контекстных представлений, если модель запускается через Transformers без Sentence-Transformers. Лицензия в предоставленных данных не указана.

tomaarsen/csr-mxbai-embed-large-v1-gooaq-1e-5-512bs — англоязычный разреженный энкодер CSR, дообученный на датасете gooaq из базовой модели mixedbread-ai/mxbai-embed-large-v1 с помощью Sentence Transformers. Он преобразует предложения и абзацы в разреженные векторы размерностью 4096 и предназначен для семантического поиска и разреженного извлечения документов; оценка релевантности выполняется скалярным произведением векторов. Модель содержит 433,9 млн параметров, принимает последовательности длиной до 512 токенов и обучалась на парах вопросов и ответов из англоязычного набора gooaq размером около 3 млн примеров. В карточке приведены результаты оценки на наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR при ограничении числа активных измерений до 128 или 256. Модель распространяется по лицензии Apache-2.0. Описанные возможности и данные ориентированы на английский язык; приведённые результаты относятся к указанным тестовым наборам и не гарантируют качество на других корпусах.

DenseOn-unsupervised — модель LightOn для плотного поиска по текстам, выпущенная после первого этапа обучения семейства DenseOn. Это Sentence Transformer на базе ModernBERT с 149 млн параметров: он кодирует текст в векторы размерности 768, которые можно сравнивать по косинусному сходству. Максимальная длина последовательности в README — 512 токенов; метаданные указывают контекст до 8192 токенов, поэтому фактическое ограничение зависит от используемой конфигурации и способа запуска. Модель прошла масштабное контрастивное предобучение без последующей настройки на сложных отрицательных примерах. Она предназначена прежде всего как основа для дообучения на предметных данных, экспериментов с дистилляцией и исследования этапов обучения ретриверов. Для готовых производственных сценариев авторы рекомендуют полностью обученную DenseOn. Модель рассчитана на английский язык и задачи извлечения признаков и семантического сходства предложений. Распространяется по лицензии Apache 2.0.

DIMI Embedding — модель эмбеддингов предложений, разработанная AhmedZaky1 на основе AraBERTv0.2-base и дообученная для арабского Natural Language Inference с использованием Matryoshka Representation Learning. Она создаёт векторные представления арабских текстов размером 768, 512, 256, 128 или 64 измерения; в README также описана бинарная классификация отношений «следование» и «противоречие». Модель подходит для оценки смыслового сходства, семантического поиска, извлечения релевантных документов и получения признаков для последующих NLP-задач на арабском языке. Архитектура — BERT; размер модели составляет 162,4 млн параметров, библиотека — Sentence Transformers, максимальная длина контекста — 512 токенов. README сообщает результаты проверки на задаче NLI и заявляет, что сокращённые векторы сохраняют качество, однако эти показатели относятся к описанным автором экспериментам. Модель распространяется по лицензии Apache-2.0.

Это модель для плотного поиска по текстовым пассажам на основе шестислойного DistilBERT. Её разработчик, Sebastian Hofstätter, обучил веса методом Margin-MSE с дистилляцией оценок ансамбля из трёх BERT_Cat на парах запросов и пассажей из MSMARCO-Passage. Для представления запроса или документа используется вектор CLS; одна и та же модель кодирует оба типа текста. Модель подходит для ранжирования кандидатов, например результатов BM25, и для прямого поиска по векторному индексу. В README приведены результаты на MSMARCO и TREC-DL’19. Репозиторий содержит веса PyTorch; заявленная длина контекста — 512 токенов. Она обучена на англоязычных коротких пассажах, поэтому качество на длинных текстах и вне домена обучения может быть ниже. Карточка отмечает наследуемые социальные смещения DistilBERT и MSMARCO. Условия лицензии в предоставленных данных не указаны.

E5-RoPE-Base — модель эмбеддингов семейства E5-RoPE, представленная в работе LongEmbed Даwei Zhu, Liang Wang, Nan Yang, Yifan Song, Wenhao Wu, Furu Wei и Sujian Li (2024). Она предназначена для кодирования запросов и текстовых фрагментов в векторы для поиска и сравнения предложений. Модель содержит 12 слоёв, имеет размерность эмбеддинга 768 и контекст до 512 токенов. Модель подходит для экспериментов с поиском по текстам и оценки эмбеддингов на бенчмарках BEIR и MTEB. Авторы отмечают, что она не обучалась специально для достижения оптимальных показателей: её цель — сравнить эмбеддинги с абсолютными позиционными представлениями и RoPE, в частности при работе с более длинным контекстом. Доступна под лицензией MIT.

Embedding-Amharic-Base — модель Sentence Transformers, разработанная rasyosef и дообученная на базе rasyosef/roberta-base-amharic для поиска по амхароязычным текстам. Она преобразует предложения и абзацы в плотные векторы размерности 768, нормализует их и сравнивает по косинусному сходству. Архитектура включает XLM-RoBERTa с усреднением токенных представлений; максимальная длина последовательности в карточке указана как 510 токенов, а контекст в метаданных — 512 токенов. Модель подходит для семантического поиска и извлечения релевантных фрагментов, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текстов. В README приведены результаты оценки поиска на датасете dim_768: cosine recall@10 — 0,9051 и cosine nDCG@10 — 0,8037; при усечении векторов до 256 измерений указаны 0,902 и 0,7978 соответственно. Лицензия — MIT.

EmbeddingGemma-Scandi-300m — плотная модель эмбеддингов на базе Sentence Transformers, дообученная на скандинавских текстовых данных DDSC разработчиком репозитория с использованием google/embeddinggemma-300m. Она преобразует предложения и абзацы в векторы размерности 768 и предназначена для семантического поиска, сравнения текстов, поиска перефразирований, классификации и кластеризации. Модель построена на архитектуре Gemma 3 Text, содержит 302,8 млн параметров и обрабатывает последовательности длиной до 2048 токенов. Она рассчитана на датский, норвежский и шведский языки; карточка также указывает шведскую разновидность языка в списке кодов. Для сравнения векторов используется косинусное сходство. Доступна по лицензии Apache-2.0. Опубликованные в карточке результаты оценки поиска показывают низкую cosine_accuracy@1 на указанных наборах данных, поэтому качество для конкретного корпуса и сценария следует проверять отдельно. Модель выдаёт эмбеддинги, а не готовые ответы на вопросы или сгенерированный текст.

Keural Mid — визуальный энкодер MKD Co., Ltd., обученный с нуля для извлечения признаков изображений. Модель содержит 183,6 млн параметров, принимает RGB-изображения размером 384×384 и поддерживает размеры, кратные 16. Она выдаёт глобальный вектор изображения размерности 768 и последовательность из 512 адаптивно выделяемых токенов размерности 768 с уровнями «глобальный», «область» и «деталь». В основе — адаптивное распределение бюджета токенов, иерархическая токенизация понятий и непрерывное позиционное кодирование 2D-RoPE. Модель предназначена для поиска изображений и текста по сходству, кластеризации, извлечения признаков и использования в качестве замороженного визуального энкодера для downstream-моделей. Её также можно применять в исследованиях адаптивной токенизации и позиционного кодирования при переменном разрешении. Она обучена на парах изображение–текст из интернета и выровнена с англоязычным текстом; в README приведены результаты ImageNet и Flickr30K, а также оценка вклада энкодера в двуязычную визуально-языковую модель. На ImageNet её точность zero-shot ниже, чем у упомянутых в README CLIP ViT-B/16 и SigLIP ViT-B/16; авторы связывают это с ограниченным бюджетом обучения. Размещение дискретных токенов не полностью стабилизировалось к последнему чекпойнту. Модель не включает фильтрацию контента и наследует охват и смещения обучающих данных. Лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории.

kf-deberta-multitask — корейская модель sentence-transformers на архитектуре DeBERTa-v2, предназначенная для получения плотных векторных представлений предложений и абзацев. Разработчик не назван в доступной части карточки. Модель содержит 213,1 млн параметров, выдаёт эмбеддинги размерностью 768 и имеет контекстное окно 512 токенов. Модель обучалась на KorSTS и KorNLI в многозадачном режиме и оценивалась на KorSTS. Она подходит для семантического поиска, сравнения смысловой близости текстов и кластеризации; README приводит метрики корреляции для нескольких способов сравнения векторов. Для извлечения эмбеддингов через Transformers требуется применять подходящую операцию pooling к контекстным представлениям токенов. Сведения о лицензии в предоставленных источниках отсутствуют.

hyunkookim/klue-roberta-base-klue-sts — модель Sentence Transformers, дообученная на базе klue/roberta-base для оценки семантического сходства корейских предложений. Она преобразует предложения и абзацы в плотные векторы размерности 768, которые сравниваются косинусной близостью; модель также подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает RoBERTa и усреднение токенных представлений; размер базовой модели — 137,8 млн параметров. Максимальная длина входа — 512 токенов по карточке модели и 514 токенов по метаданным. Модель ориентирована на корейский язык и обучена на парах текстов с оценками сходства. В README приведены результаты оценки, но они различаются между таблицами, поэтому их нельзя считать однозначной характеристикой качества. Репозиторий использует формат safetensors и библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

BM-K/KoSimCSE-bert-multitask — модель BM-K для построения эмбеддингов корейских предложений на основе архитектуры BERT. Она предназначена для преобразования текста в векторы, которые можно применять для сравнения смысловой близости предложений и других задач семантического поиска. В README приведены результаты на тесте семантического сходства и материалы для обучения собственных моделей. Модель содержит 137,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт векторные представления. В метаданных указан корейский язык. Репозиторий содержит веса PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

KoSimCSE-roberta — модель эмбеддингов корейских предложений из проекта Korean-Sentence-Embedding. Она построена на архитектуре RoBERTa и предназначена для преобразования текста в векторы, пригодные для сравнения смысловой близости предложений и поиска семантически похожих текстов. Модель содержит 137,8 млн параметров и принимает последовательности длиной до 514 токенов. В карточке проекта приведены результаты оценки на тесте семантического сходства текстов, а также отмечена возможность использовать предварительно обученные модели для инференса и обучения. Модель ориентирована на корейский язык. Метаданные указывают форматы PyTorch и Safetensors; сведения о лицензии в доступных данных отсутствуют.

LaSER-Qwen3-0.6B — плотный ретривер с латентным рассуждением, разработанный авторами LaSER на базе Qwen/Qwen3-0.6B. Модель дообучена методом самодистилляции: при кодировании текста она autoregressively формирует непрерывные латентные токены рассуждения, объединяет их представления и возвращает нормализованные эмбеддинги для поиска. Веса содержат около 508 млн параметров, архитектура — плотная Qwen3ForCausalLM; указанное контекстное окно — 40 960 токенов. Модель предназначена для плотного информационного поиска и извлечения релевантных документов по запросам. В README приведены результаты на BRIGHT, FollowIR и BrowseComp-Plus; метод добавляет примерно 1,7× задержки относительно стандартного плотного ретривера. Карточка указывает английский язык, однако базовая Qwen3 мультиязычна. Модель распространяется по лицензии MIT. Для использования нужен специальный кодировщик LaSER, описанный в README.

algiraldohe/lm-ner-linkedin-skills-recognition — модель DistilBERT, дообученная algiraldohe для распознавания навыков в тексте профилей и вакансий LinkedIn. Она выполняет токенную классификацию: размечает фрагменты текста, соответствующие навыкам. Контекст модели составляет до 512 токенов. В README приведены результаты на наборе оценки: precision 0,9119, recall 0,9312, F1 0,9214 и accuracy 0,9912. Модель можно применять для извлечения навыков из профилей LinkedIn и анализа требований в описаниях вакансий. Данные обучения и подробные ограничения в карточке не описаны. Формат весов — PyTorch; лицензия в предоставленных данных не указана.

MMLW-roberta-large — польский текстовый энкодер семейства RoBERTa, разработанный для получения векторных представлений предложений и текстов. Модель содержит 533,7 млн параметров и преобразует текст в векторы размерностью 1024; максимальная длина контекста — 514 токенов. Модель дистиллирована из польского чекпойнта RoBERTa с использованием мультиязычной дистилляции: учительскими моделями были английские FlagEmbeddings (BGE), а обучающий корпус включал 60 млн пар текстов на польском и английском языках. Она предназначена для семантического сравнения, кластеризации и поиска информации, а также может служить основой для дальнейшего дообучения. Для кодирования запросов README требует добавлять префикс «zapytanie: ». В README приведены средний результат 63,23 на польском бенчмарке MTEB и NDCG@10 55,95 на польском бенчмарке поиска PIRB. Доступны веса PyTorch и Safetensors; лицензия — Apache-2.0. Модель специализирована на польском, поэтому результаты для других языков и задач за пределами описанных сценариев могут отличаться.

robro612/modernbert_xtr_contrastive_k256 — модель PyLate семейства ColBERT, дообученная автором на базе answerdotai/ModernBERT-base на наборе msmarco-10m-triplets из 10 млн примеров. Она предназначена для поиска и ранжирования текстов: кодирует запросы и документы в последовательности 128-мерных векторов и оценивает их сходство оператором MaxSim. Архитектура включает ModernBERT и линейный слой, преобразующий размерность с 768 до 128; размер модели — 149 млн параметров. Для документов предусмотрено до 512 токенов, для запросов — до 32; метаданные указывают нативный контекст 8192 токена. Модель можно применять для семантического поиска по коллекции документов с индексом FastPLAID, а также для переранжирования результатов первичного поиска. В README приведены результаты оценки на наборах NanoBEIR и тематических задачах поиска. Обучающий набор и базовая модель англоязычные, поэтому основное применение — поиск по английским текстам. Модель принимает текст и выдаёт векторные представления и оценки релевантности. Лицензия в предоставленных данных не указана.

MoEViE-H14-448 — визуальный энкодер Meta из семейства MoE-ViE, обученный по контрастивной методике на парах изображение–текст. Модель построена на архитектуре Mixture-of-Experts: каждый MoE-блок содержит общего эксперта и маршрутизируемый пул экспертов, из которого для каждого токена активируется часть. Версия H/14 имеет ширину 1280, 32 слоя, разрешение 448 пикселей и 3,5 млрд параметров, из которых активируется около 1,1 млрд. Модель предназначена для классификации изображений без дообучения на заданных текстовых метках, а также для извлечения визуальных и текстовых признаков и задач поиска по изображениям и видео. В README приведены результаты zero-shot оценки на ImageNet-1k, ObjectNet, COCO, Kinetics-400 и MSR-VTT. Для работы требуются CUDA GPU и Triton; лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях.

sbastola/muril-base-cased-sentence-transformer-snli-nepali — модель эмбеддингов предложений и абзацев на базе MuRIL, подготовленная разработчиком sbastola с использованием Sentence-Transformers. Она преобразует текст в плотные векторы размерности 768 для семантического поиска, сравнения предложений и кластеризации. Модель построена на архитектуре BERT, содержит 264,8 млн параметров и принимает последовательности длиной до 512 токенов. Обучение проводилось с функцией потерь SoftmaxLoss на данных SNLI. Модель предназначена для получения векторных представлений текста; заявленное применение включает поиск по смыслу и группировку похожих фрагментов. Репозиторий содержит веса в формате safetensors и использует библиотеку sentence-transformers. Лицензия и конкретные ограничения качества в предоставленных данных не описаны.

Ops-MM-embedding-v1-2B — плотная мультимодальная модель эмбеддингов, разработанная и опубликованная командой Alibaba Cloud OpenSearch-AI. Она дообучена на основе Qwen/Qwen2-VL-2B-Instruct и преобразует текст, изображения, пары «текст–изображение» и визуальные документы в единое пространство эмбеддингов. Видео обрабатываются как последовательности кадров-изображений. Модель предназначена для поиска и извлечения данных между модальностями: например, для поиска изображений по текстовому запросу или сопоставления визуальных документов с текстом. В карточке приведены результаты на наборах MMEB-V2 и MMEB-Image; указанные в README показатели относятся к версии размером 2,21 млрд параметров, тогда как метаданные репозитория указывают 1,5 млрд параметров. Архитектура — Qwen2-VL, контекст — 32 768 токенов, файлы представлены в формате safetensors. Карточка заявляет многоязычные возможности и сильные результаты на мультимодальных бенчмарках, но подробный список поддерживаемых языков и методика измерения качества этой версии не приведены. Лицензия — Apache-2.0.

Карточка модели facebook/PE-Spatial-T16-512 на Hugging Face совпадает с карточкой facebook/PE-Core-L14-336, поэтому описание составлено по ней. Perception Encoder PE-Core-L14-336 — модель Meta для визуального понимания, обученная с помощью контрастивного обучения изображений и текста и дообученная на синтетически согласованных видео. Это вариант размера L: визуальный энкодер с архитектурой ViT-L/14 содержит 0,32 млрд параметров и обрабатывает изображения с разрешением 336 пикселей. Для извлечения глобальных признаков используются attention pooling и class token. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения, поиска изображений и видео по тексту, а также извлечения визуальных признаков для последующих задач. В README указаны результаты на наборах ImageNet, ObjectNet и Kinetics-400; версия L/14 показывает сильные результаты, в том числе на сложных наборах ObjectNet и ImageNet-A. Репозиторий содержит веса PyTorch и код загрузки через библиотеку perception-encoder. Лицензия — Apache-2.0. README описывает семейство PE Core как включающее визуальную и текстовую башни, но таблица именно для L/14 приводит характеристики только визуальной башни; отдельные размер и длина контекста текстовой части этого чекпойнта не установлены приведёнными данными. Для работы с видео требуется декодирование в тензоры PyTorch.

PLaMo-Embedding-1B — модель векторных представлений японского текста, разработанная Preferred Networks, Inc. Она преобразует тексты в эмбеддинги размерностью 2048 и предназначена для поиска информации, сравнения сходства предложений, классификации и кластеризации; особенно сильные результаты показала в задачах поиска на японском бенчмарке JMTEB. Модель имеет плотную архитектуру PlamoBiModel и содержит 1,1 млрд параметров. Максимальная длина контекста составляет 4096 токенов, а для сравнения текстов используется косинусное сходство. README сообщает, что при кодировании длинные тексты обрезаются; для запросов эффективный предел немного меньше из-за добавляемого префикса. Модель рассчитана на японский язык и распространяется по лицензии Apache 2.0, допускающей коммерческое использование.

Qwen3-Reranker-0.6B-AWQ-INT4 — квантизированная версия базовой модели Qwen/Qwen3-Reranker-0.6B, подготовленная drawais. Модель предназначена для переранжирования результатов поиска и может использоваться как компактный компонент локального retrieval-стека совместно с embedding-моделью. Модель использует квантизацию весов INT4 по технологии AWQ, имеет размер на диске около 0,5 ГБ и рассчитана на запуск с Transformers или vLLM. В README указан рекомендуемый максимальный контекст 32 768 токенов. Поддерживаемый язык — английский. Дополнительные сведения об архитектуре и точном количестве параметров в README не приведены. К сильным сторонам относятся небольшой размер и низкие требования к дисковому пространству, что упрощает локальное развертывание. Ограничения включают англоязычную специализацию, отсутствие приведённых оценок качества и потенциально возможные особенности точности, связанные с 4-битной квантизацией; конкретное влияние на качество в README не описано. Модель распространяется по лицензии Apache License 2.0 как производная работа от Qwen/Qwen3-Reranker-0.6B, с требованиями к атрибуции, указанными в NOTICE.

Модель kelompoknlp2026dsindo/retriever_260511070554_FINAL — энкодер предложений на архитектуре BERT, дообученный разработчиком на базе sentence-transformers/all-MiniLM-L6-v2 для поиска по тексту. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 384; для сравнения векторов используется косинусное сходство. Обучение проводилось на примерах пар «запрос — релевантный документ» с MultipleNegativesRankingLoss. Модель подходит для семантического поиска и извлечения подходящих документов по запросу. В README приведены результаты оценки на наборе dev: cosine_accuracy@1 — 0,2389, @3 — 0,469 и @5 — 0,5752. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; README задаёт максимальную длину последовательности 256 токенов, поэтому при использовании следует учитывать более короткое ограничение Sentence Transformers. Модель принимает и выдаёт текстовые представления в виде векторов. Данные не подтверждают поддержку русского языка или наличие специализированного предметного домена. Лицензия в предоставленных источниках не указана.

cl-nagoya/ruri-pt-base — японская модель Sentence Transformers, разработанная CL-Nagoya и дообученная на основе tohoku-nlp/bert-base-japanese-v3. Она преобразует предложения в векторы размерности 768 для сравнения семантической близости, поиска и ранжирования текстов. Модель использует архитектуру BERT, принимает последовательности длиной до 512 токенов и рассчитана на японский язык. В README приведены результаты оценки на JMTEB, включая поиск, семантическое сходство, классификацию и кластеризацию. Лицензия — Apache 2.0.

SDRM-Qwen3-30B-A3B-mask70 — попарная генеративная reward-модель и LLM-судья, дообученная на базе Qwen/Qwen3-30B-A3B-Instruct-2507 методом самодистилляции с маскированием выбранных позиций токенов. Она принимает контекст задачи и два ответа-кандидата, определяет подходящие критерии оценки, сравнивает ответы по этим критериям и выносит вердикт A или B. Модель предназначена для попарного ранжирования ответов и оценки качества диалоговых систем. Архитектура — Qwen3 MoE; в репозитории указано 2,6 млрд параметров, формат весов — safetensors, библиотека — Transformers. Поддерживает английский язык и контекст до 262 144 токенов. Лицензия — Apache-2.0. Для корректной работы требуется подавать контекст и ответы в ожидаемых тегах и соблюдать формат диалога.

sonoisa разработала Sentence-BERT для получения векторных представлений предложений на японском и английском языках. Модель основана на BERT с архитектурой BertModel и объединяет токены усреднением; в репозитории доступны веса PyTorch и Safetensors. Размер — 137,8 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для вычисления сходства предложений и использования эмбеддингов в поиске и сравнении текстов. По результатам автора на закрытом наборе данных точность для японского оказалась на 0,8 процентного пункта ниже, чем у японской версии, а на английском STS Benchmark — на 8,3 пункта выше; Spearman для cosine similarity составил 79,11%. Для обработки японского текста при инференсе требуются fugashi и ipadic. Лицензия — CC BY-SA 4.0.

Карточка модели mitra-mir/setfit-model-Miscellaneous-Misinformation на Hugging Face совпадает с карточкой mitra-mir/setfit-model-Misinformation-on-Global-Support, поэтому описание составлено по ней. Это модель Sentence-Transformers на архитектуре MPNet, разработанная автором репозитория mitra-mir. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации текстов. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; модель распространяется в формате PyTorch. Название репозитория указывает на тему дезинформации о глобальной поддержке, однако README не описывает специализированные функции или результаты классификации по этой теме. Модель подходит для получения текстовых эмбеддингов и поиска семантически близких фрагментов. Для использования описан интерфейс библиотеки Sentence-Transformers. Лицензия в предоставленных данных не указана.

Veritone/siglip2-base-patch16-256-vision — отдельная копия визуальной башни SigLIP 2 Base, разработанной Google и размещённой Veritone. Она кодирует изображения и видеокадры в общее пространство эмбеддингов; текстовая башня для сопоставления находится в отдельном репозитории Veritone/siglip2-base-patch16-256-text. Модель предназначена для классификации изображений по текстовым меткам без дообучения, поиска по изображениям и использования в качестве визуального энкодера для мультимодальных моделей. SigLIP 2 развивает метод предварительного обучения SigLIP и ориентирован на семантическое понимание, локализацию и получение плотных визуальных признаков. Для работы с моделью указаны библиотека Transformers и формат safetensors; обучение проводилось на наборе WebLI. Лицензия — Apache-2.0. README описывает только визуальную башню, поэтому сопоставление изображения с текстом требует соответствующей текстовой башни или другого совместимого текстового энкодера.