I.12Рекомендации и персонализация

Это модель классификации изображений семейства Vision Transformer (ViT), разработанная Россом Уайтманом в библиотеке timm. Вариант архитектуры использует глобальное усреднение токенов; модель содержит около 38,9 млн параметров и рассчитана на изображения размером 256 × 256 пикселей. Модель предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k. Она предназначена для присвоения изображению класса из набора категорий ImageNet и может использоваться как основа для извлечения признаков и эмбеддингов изображений. Доступна в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Модель обучена на ImageNet, поэтому её классификационные возможности ориентированы на категории этого набора данных; качество на других предметных областях не подтверждено карточкой.

Карточка модели amandabenson/acestep-captioner-fork на Hugging Face совпадает с карточкой ACE-Step/acestep-captioner, поэтому описание составлено по ней. ACE-Step Captioner — модель для подробного описания музыкального аудио, используемая ACE-Step v1.5 для аннотирования обучающих данных. Она построена на архитектуре Qwen2.5 Omni и принимает аудио, формируя текстовые описания музыки. Модель анализирует жанры и стилистические влияния, распознаёт инструменты, описывает структуру произведения и её развитие, тембр, текстуру, пространственные характеристики и динамику. Её можно применять для разметки музыки при подготовке данных для генеративных моделей, создания поисковых метаданных аудиокаталогов, музыкального анализа и документирования звукового дизайна. В карточке заявлено качество выше Gemini Pro 2.5 в задачах описания музыки; независимая проверка этого сравнения не представлена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — MIT. Размер модели и ограничение контекста в предоставленных данных не приведены.

BEiT Base Patch16 384 — модель семейства BEiT для классификации изображений и извлечения визуальных признаков. Модель разработана авторами BEiT и опубликована в библиотеке timm; она содержит 86,7 млн параметров и обрабатывает изображения размером 384 × 384 пикселя. Предобучение выполнено на ImageNet-22k с помощью masked image modelling: для визуальной токенизации использовался DALL-E dVAE. Затем модель дообучили на ImageNet-22k и ImageNet-1k. Она подходит для классификации изображений и получения эмбеддингов визуального содержимого. Репозиторий распространяет веса в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Это модель для работы с изображениями, а не генератор изображений.

BEiT-v2 Base — модель классификации изображений и визуальный backbone из библиотеки timm. Она обучена на ImageNet-1k с помощью самоконтролируемого masked image modeling: VQ-KD-энкодер, использующий визуальный токенизатор на основе учителя OpenAI CLIP B/16, формирует целевые представления. Затем модель дообучена на ImageNet-22k и ImageNet-1k. Модель содержит 86,5 млн параметров, использует архитектуру Vision Transformer с патчами 16×16 и рассчитана на изображения 224×224. Основной сценарий — классификация изображений; представления модели также можно использовать как визуальные эмбеддинги для downstream-задач компьютерного зрения. В карточке приведены код для классификации и извлечения эмбеддингов. Модель работает с изображениями и не предназначена для обработки естественного языка или генерации контента. Результаты зависят от соответствия входных изображений обучающим данным и настроек предобработки. Лицензия — Apache-2.0.

MayaGalvez/bert-base-multilingual-cased-finetuned-multilingual-nli — модель BERT для классификации текста, созданная дообучением bert-base-multilingual-cased. По названию и результатам дообучения на multilingual NLI она предназначена для классификации пар текстов, например оценки их логического отношения или семантического сходства. Веса доступны в формате PyTorch, лицензия — Apache-2.0. Модель содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены результаты оценки: accuracy 0,6853 и F1 0,6847; описание набора данных, конкретных меток и ограничений не раскрывает, поэтому показатели нельзя переносить на другие задачи без проверки.

CLIP ViT-B/16 — мультимодальная модель сопоставления изображений и текста, обученная Mehdi Cherti с помощью OpenCLIP на англоязычной подвыборке LAION-2B из LAION-5B. Репозиторий распространяет веса в форматах PyTorch и safetensors; в карточке указана лицензия MIT. Модель предназначена для классификации изображений по произвольным текстовым меткам без дополнительного обучения, а также для поиска изображений по тексту и поиска текстов по изображению. Её можно применять в исследованиях и как основу для дальнейшей адаптации задач компьютерного зрения. В README указана точность zero-shot top-1 70,2% на ImageNet-1k. Модель рассчитана на англоязычные запросы: она не обучалась и не оценивалась целенаправленно на других языках. Авторы не рекомендуют развёртывание и неконтролируемое применение без тщательной проверки на конкретной таксономии; распознавание лиц и наблюдение отнесены к недопустимым сценариям. Обучающие данные собраны из интернета без полной фильтрации и могут содержать вредоносный или неприятный контент.

Карточка модели jk0125/CLIP-ViT-H-14-laion2B-s32B-b79K на Hugging Face совпадает с карточкой laion/CLIP-ViT-H-14-laion2B-s32B-b79K, поэтому описание составлено по ней. CLIP ViT-H/14 — мультимодальная модель сопоставления изображений и текста, обученная LAION под руководством Ромена Бомона с использованием OpenCLIP на англоязычной подвыборке LAION-2B из LAION-5B. В репозитории используются архитектура CLIPModel и веса в форматах PyTorch и safetensors; библиотека для работы — open_clip. Размер модели и длина контекста в предоставленных данных не указаны. Модель предназначена прежде всего для классификации изображений по произвольным текстовым меткам без специального дообучения, а также для поиска соответствий между изображениями и текстом. Её можно применять в исследованиях и как основу для последующего дообучения задач компьютерного зрения. В README указана точность zero-shot top-1 78,0% на ImageNet-1k. Модель обучалась на английских данных и рассчитана на англоязычные сценарии. Разработчики не рекомендуют развёртывание модели в продуктах и неконтролируемое применение; распознавание лиц и наблюдение обозначены как недопустимые сценарии. Качество зависит от выбранной таксономии классов, поэтому требуется проверка на конкретных данных. Обучающий набор был неотфильтрованным и мог содержать нежелательные материалы. Лицензия репозитория — MIT.

EVA-02 Large Patch14 224 MIM In22k — визуальная модель представлений на базе Vision Transformer из библиотеки timm. Её обучили авторы работы EVA-02 на ImageNet-22k методом masked image modeling с EVA-CLIP в роли учителя. Модель содержит около 303,3 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель предназначена для извлечения признаков и эмбеддингов изображений, а также может использоваться как backbone для классификации. Архитектура включает mean pooling, SwiGLU, Rotary Position Embeddings и дополнительный LayerNorm в MLP. Контрольные точки timm сохранены в float32; в исходных версиях могут использоваться float16 или bfloat16. Лицензия — MIT. Модель работает с изображениями и не предназначена для обработки текста, аудио или видео. Результаты классификации и представления могут зависеть от предметной области и отличаться от качества на ImageNet-22k; размер модели также требует значительных вычислительных ресурсов.

FastViT T12 — модель классификации изображений и извлечения визуальных признаков из семейства FastViT. Её обучили авторы работы FastViT на ImageNet-1k с дистилляцией; карточка опубликована в репозитории timm на Hugging Face. Модель содержит 7,6 млн параметров, использует гибридную архитектуру vision transformer и свёрточных операций со структурной репараметризацией. Для обработки изображений указано разрешение 256 × 256 пикселей. Модель подходит для классификации изображений по категориям ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Компактный размер и вычислительная стоимость 1,4 GMAC делают её пригодной для визуальных задач с ограниченными ресурсами. Классификатор ориентирован на классы ImageNet-1k, поэтому для других наборов категорий может потребоваться адаптация. Лицензия обозначена как other; README предписывает соблюдать исходную лицензию, условия которой следует проверить в источнике модели.

Kev-9B — специализированная модель принятия решений, разработанная для проекта TypeSafe и опубликованная Jared Palmer под идентификатором jaredpalmer/kev-9b. Она получает один документ или состояние и набор типизированных вопросов, а возвращает распределение вероятностей по вариантам ответа за один проход. Модель предназначена для задач классификации, выбора, оценки уверенности и автоматизации решений, а не для генерации текста. Это LoRA-адаптер с рангом r=16 и 45,4 млн обучаемых параметров, установленный поверх Qwen/Qwen3.5-9B-Base, дополненный pointer head. В карточке указана модальность текста и язык en; обучение и оценивание проводились на наборах для классификации намерений, логического вывода, тональности, отзывов, вопросов с выбором ответа и других типах решений. Для модели заявлены accuracy, Brier score и expected calibration error. На закрытом внераспределительном тесте она достигла accuracy 0,852 и Brier score 0,237, а на разработочном наборе того же типа — accuracy 0,822. Сильные стороны модели — вероятностные ответы, встроенная калибровка уверенности, поддержка нескольких типов решений и хорошая переносимость на незнакомые источники данных. Ограничение состоит в том, что это узкоспециализированная модель без текстовой генерации; качество зависит от типа задачи и может заметно различаться между доменами. Для арифметики по датам рекомендуется предварительная обработка date_facts, поскольку без неё модель ненадёжно вычисляет разницу между датами. Модель распространяется по лицензии Apache-2.0.

lambda_resnet26t.c1_in1k — модель классификации изображений семейства LambdaNet на основе архитектуры ResNet, обученная Россом Уайтманом в библиотеке timm на ImageNet-1k. Она предназначена для отнесения изображений к классам, извлечения карт признаков и получения эмбеддингов изображений. Архитектура реализована через BYOBNet и сочетает блоки ResNet с Lambda-блоками для моделирования пространственных взаимодействий; авторская конфигурация сокращает число блоков самовнимания и не повторяет в точности конфигурацию какой-либо конкретной статьи. Модель содержит 11 млн параметров, рассчитана на входные изображения размером 256 × 256 и требует около 3 GMACs. Весовые файлы представлены в форматах PyTorch и safetensors. Для использования доступны сценарии классификации и извлечения признаков через timm. Лицензия — Apache-2.0.

LLaMAdelic — диалоговая модель, созданная дообучением LLaMA 3 8B Instruct на диалогах с акцентом на черты личности Big Five: открытость, добросовестность, экстраверсию, доброжелательность и нейротизм. Модель разработана для создания более индивидуальных и выразительных ответов в разговорных системах. Она подходит для чат-ботов и виртуальных собеседников, генерации текста и ответов на вопросы с заданным личностным тоном, а также для образовательных и терапевтических помощников. В карточке приведена оценка на OCEAN Personality Benchmark; это не подтверждает пригодность для клинических или иных высокорисковых решений. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. README указывает на обучение на наборе JIC (Journal Intensive Conversations). Файлы размещены в формате safetensors; для запуска используется библиотека Transformers. Лицензия в предоставленных данных не указана.

PeytonT/paper-link-prediction — модель классификации научных текстов, дообученная на базе allenai/scibert_scivocab_uncased. Она предсказывает сходство между научными статьями или наличие связи между ними в графе публикаций и служит компонентом системы Repository Library для работы с научными материалами. Модель построена на энкодерной архитектуре BERT и содержит 137,1 млн параметров; максимальная длина контекста — 512 токенов. Она принимает текст и выдаёт результат классификации. Модель предназначена для определения связей между статьями, а также для последующего поиска, ранжирования и анализа научных публикаций в целевых сценариях Repository Library. В качестве обучающих данных использовались признаки графа статей из paper_universe_graph. В карточке заявлены accuracy и macro-F1, однако отдельный отчёт с результатами бенчмарка не приведён. Лицензия в предоставленных данных не указана.

PhoRanker — вьетнамская модель переранжирования текстовых фрагментов, опубликованная пользователем itdainb. Это cross-encoder на архитектуре RoBERTa с примерно 162,4 млн параметров; модель принимает пару запроса и документа и оценивает их соответствие, чтобы упорядочить найденные документы. Для обработки вьетнамского текста README указывает предварительную сегментацию слов с помощью VnCoreNLP. Модель предназначена для второго этапа поиска: после получения кандидатов из поисковой системы она помогает поднять более релевантные отрывки в выдаче и ответах на вопросы по коллекции документов. В README приведены результаты на MS MARCO Passage Reranking — Vi — Dev; автор сообщает лучшие значения среди перечисленных моделей по метрикам NDCG и MRR, а также скорость 15 документов в секунду в тесте на A100 с fp16. Длина контекста составляет 258 токенов, поэтому модель подходит для коротких запросов и фрагментов, но длинные документы потребуется разбивать на части. Репозиторий распространяется по лицензии Apache-2.0.

OpenAssistant/reward-model-deberta-v3-large-v2 — модель вознаграждения на базе DeBERTa-v3-large, разработанная OpenAssistant. Она оценивает ответ на вопрос по тому, насколько вероятно, что человек предпочёл бы его другому ответу. Модель обучена на данных WebGPT Comparisons, Summarize from Feedback, синтетических парных инструкциях и Anthropic HH-RLHF; в метаданных указаны 533,8 млн параметров и контекст до 512 токенов. Модель предназначена для оценки ответов при проверке систем вопросов и ответов, как функция вознаграждения в RLHF и для ранжирования ответов, в том числе при поиске потенциально токсичных вариантов. В README приведены точности на валидационных выборках четырёх датасетов, но отмечено, что результат на синтетических данных может быть завышен из-за поверхностных признаков в парах ответов. Поддерживается английский язык. Лицензия — MIT.

sparse-encoder-testing/splade-bert-tiny-nq-openvino — компактная англоязычная модель разреженного кодирования на базе BERT, опубликованная в репозитории sparse-encoder-testing. Она предназначена для преобразования текстов в разреженные векторные представления, пригодные для поиска и сопоставления документов. Модель реализована с использованием Sentence Transformers, экспортирована в формат OpenVINO и обучена с функцией потерь SpladeLoss на наборе Natural Questions размером около 99 000 примеров. Модель содержит 4,4 млн параметров и поддерживает контекст до 512 токенов. Её основная модальность — текст, язык — английский. Разреженные представления могут быть полезны для эффективного полнотекстового и семантического поиска, ранжирования документов и построения retrieval-компонентов в системах вопросно-ответного поиска. Модель не предназначена для генерации текста или непосредственного ответа на вопросы. Распространяется по лицензии Apache-2.0. Благодаря небольшому размеру и поддержке OpenVINO модель подходит для локального инференса и систем с ограниченными ресурсами, однако качество и применимость за пределами англоязычных поисковых сценариев могут быть ограничены.

Это визуальный энкодер семейства DINOv3 на архитектуре ViT-S+/16, опубликованный в библиотеке timm. Модель содержит 28,7 млн параметров и преобразует изображения в признаки и эмбеддинги; размер изображения в карточке — 256 × 256 пикселей. Она дистиллирована из DINOv3 ViT-7B на наборе LVD-1689M. Энкодер предназначен для извлечения признаков, которые можно использовать в классификации изображений, сегментации и других задачах компьютерного зрения. Карточка приводит результаты на задачах классификации и плотного предсказания, но это модель извлечения признаков, а не готовая система для этих задач. Доступны веса в форматах PyTorch и Safetensors. В README указана лицензия DINOv3; метаданные Hugging Face обозначают лицензию как other.

Warden Ship art-domain CLIP — модель, созданная разработчиками Warden Ship на основе openai/clip-vit-base-patch32 и дообученная контрастивно на парах «картина — подпись» из метаданных WikiArt. Она предназначена для поиска изображений по текстовым запросам и классификации картин по стилю и жанру без обучения отдельного классификатора. Модель принимает изображения и текст, сопоставляет их в общем векторном пространстве и выдаёт векторные представления, пригодные для поиска по смыслу. По данным README, точность на отложенном тесте WikiArt составляет 55,3% для 27 классов стилей и 79,8% для 10 жанров; размер проекции — 512 измерений. Модель подходит для семантического поиска по коллекциям картин, извлечения похожих произведений и zero-shot-классификации в художественном домене. Она загружается как стандартная модель CLIP через Transformers и распространяется по лицензии MIT. Векторы этой версии нельзя смешивать по смыслу с векторами базовой CLIP, несмотря на совпадение их размерности. Обучение преимущественно на европейской живописи XIX–XX веков ограничивает качество на других периодах и традициях.

NeuML/word2vec — экспорт векторов Word2Vec в формате StaticVectors, подготовленный для библиотеки staticvectors. Модель предназначена для получения статических векторных представлений отдельных слов; инференс можно выполнять в Python с NumPy. В метаданных указаны семейство staticvectors, плотная архитектура, формат safetensors и английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает размер словаря и векторов, параметры обучения или контекстное окно; статические векторы не учитывают контекст конкретного употребления слова.

Qwen3-Embedding-4B — мультиязычная модель для построения текстовых эмбеддингов из семейства Qwen3, разработанная командой Qwen. Это плотная модель на базе Qwen3-4B-Base, дообученная для задач поиска и сравнения текстов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Модель подходит для семантического поиска по документам и коду, оценки сходства предложений, классификации и кластеризации текстов, а также поиска соответствий между языками. Она поддерживает более 100 языков, контекст до 40 960 токенов по метаданным и до 32 тысяч токенов в описании модели. Размер эмбеддинга можно настраивать от 32 до 2560 измерений; также поддерживаются инструкции, настраивающие представление под задачу.

Карточка модели Content-AI/Qwen3-Embedding-0.6B на Hugging Face совпадает с карточкой Qwen/Qwen3-Embedding-0.6B, поэтому описание составлено по ней. Qwen3-Embedding-0.6B — многоязычная модель эмбеддингов текста семейства Qwen3, разработанная командой Qwen. Это дообученная версия Qwen/Qwen3-0.6B-Base с плотной архитектурой Qwen3ForCausalLM и примерно 507,6 млн параметров. Модель предназначена для преобразования текста в векторы и поиска семантически близких текстов; её применяют для поиска и извлечения документов, поиска по коду, классификации, кластеризации и сопоставления параллельных текстов. Модель поддерживает более 100 естественных языков и языков программирования, обрабатывает контекст до 32 768 токенов и выдаёт эмбеддинги размерностью до 1024, включая пользовательские размерности от 32 до 1024. Она поддерживает инструкции, настраиваемые под задачу, язык или сценарий, что может улучшать качество поиска. README описывает серию как сильную в многоязычных задачах эмбеддингов, но приведённые в нём отдельные лидирующие результаты относятся к модели 8B, а не к версии 0.6B. Для использования требуется совместимая версия Transformers: в версиях ранее 4.51.0 возможно возникновение ошибки распознавания архитектуры. Лицензия — Apache-2.0.

Карточка модели ejenpkewSnau/Qwen3-Embedding-0.6B на Hugging Face совпадает с карточкой Qwen/Qwen3-Embedding-0.6B, поэтому описание составлено по ней. Qwen3-Embedding-0.6B — многоязычная модель эмбеддингов текста семейства Qwen3, разработанная командой Qwen. Это дообученная версия Qwen/Qwen3-0.6B-Base с плотной архитектурой Qwen3ForCausalLM и примерно 507,6 млн параметров. Модель предназначена для преобразования текста в векторы и поиска семантически близких текстов; её применяют для поиска и извлечения документов, поиска по коду, классификации, кластеризации и сопоставления параллельных текстов. Модель поддерживает более 100 естественных языков и языков программирования, обрабатывает контекст до 32 768 токенов и выдаёт эмбеддинги размерностью до 1024, включая пользовательские размерности от 32 до 1024. Она поддерживает инструкции, настраиваемые под задачу, язык или сценарий, что может улучшать качество поиска. README описывает серию как сильную в многоязычных задачах эмбеддингов, но приведённые в нём отдельные лидирующие результаты относятся к модели 8B, а не к версии 0.6B. Для использования требуется совместимая версия Transformers: в версиях ранее 4.51.0 возможно возникновение ошибки распознавания архитектуры. Лицензия — Apache-2.0.

Карточка модели emee-ai/Qwen3-Embedding-4B на Hugging Face совпадает с карточкой Qwen/Qwen3-Embedding-4B, поэтому описание составлено по ней. Qwen3-Embedding-4B — мультиязычная модель для построения текстовых эмбеддингов из семейства Qwen3, разработанная командой Qwen. Это плотная модель на базе Qwen3-4B-Base, дообученная для задач поиска и сравнения текстов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Модель подходит для семантического поиска по документам и коду, оценки сходства предложений, классификации и кластеризации текстов, а также поиска соответствий между языками. Она поддерживает более 100 языков, контекст до 40 960 токенов по метаданным и до 32 тысяч токенов в описании модели. Размер эмбеддинга можно настраивать от 32 до 2560 измерений; также поддерживаются инструкции, настраивающие представление под задачу.

khoa-klaytn/bge-small-en-v1.5-angle — англоязычная модель эмбеддингов на архитектуре BERT, дообученная на тех же данных и с той же библиотекой, что и WhereIsAI/UAE-Large-V1. Она преобразует текст в плотные векторы размером 384, подходящие для поиска и сопоставления текстов. Модель содержит около 40 млн параметров, принимает текст длиной до 512 токенов и распространяется в формате safetensors. Модель предназначена для семантического поиска, извлечения релевантных документов, кластеризации и классификации текстов, а также для использования в векторных базах данных и RAG-системах. Версия BGE v1.5 улучшает поиск без инструкций; для коротких запросов к длинным документам добавление инструкции может повысить качество. Лицензия — MIT. Оценивать сходство следует по относительному порядку оценок: абсолютный балл сам по себе не является надёжным порогом сходства. Для фильтрации по порогу его следует подбирать на данных конкретной задачи.

Карточка модели dnouv/embeddinggemma-300m на Hugging Face совпадает с карточкой google/embeddinggemma-300m, поэтому описание составлено по ней. EmbeddingGemma — компактная модель эмбеддингов Google DeepMind на 300 млн параметров, построенная на Gemma 3 с инициализацией T5Gemma. Она преобразует текстовые запросы и документы в векторы и предназначена для семантического поиска, оценки сходства, классификации и кластеризации. Модель поддерживает более 100 языков и рассчитана на локальное использование на телефонах и компьютерах с ограниченными ресурсами. Модель принимает текст с контекстом до 2048 токенов и выдаёт эмбеддинги размерностью 768; с помощью Matryoshka Representation Learning размерность можно сократить до 512, 256 или 128 с последующей нормализацией. Она подходит для поиска документов и кода по запросу, поиска материалов для систем вопросов и ответов, обнаружения дубликатов и тематической группировки текстов. Для работы предусмотрена библиотека Sentence Transformers. Качество представлений зависит от охвата и возможных смещений обучающих данных; модель может хуже учитывать тонкие языковые оттенки, сарказм и переносный смысл. Лицензия указана как Gemma; применяются условия использования Gemma и её политика запрещённого использования.

EmbeddingGemma — компактная модель эмбеддингов Google DeepMind на 300 млн параметров, построенная на Gemma 3 с инициализацией T5Gemma. Она преобразует текстовые запросы и документы в векторы и предназначена для семантического поиска, оценки сходства, классификации и кластеризации. Модель поддерживает более 100 языков и рассчитана на локальное использование на телефонах и компьютерах с ограниченными ресурсами. Модель принимает текст с контекстом до 2048 токенов и выдаёт эмбеддинги размерностью 768; с помощью Matryoshka Representation Learning размерность можно сократить до 512, 256 или 128 с последующей нормализацией. Она подходит для поиска документов и кода по запросу, поиска материалов для систем вопросов и ответов, обнаружения дубликатов и тематической группировки текстов. Для работы предусмотрена библиотека Sentence Transformers. Качество представлений зависит от охвата и возможных смещений обучающих данных; модель может хуже учитывать тонкие языковые оттенки, сарказм и переносный смысл. Лицензия указана как Gemma; применяются условия использования Gemma и её политика запрещённого использования.

Карточка модели SteveCIB77/embeddinggemma-300m на Hugging Face совпадает с карточкой google/embeddinggemma-300m, поэтому описание составлено по ней. EmbeddingGemma — компактная модель эмбеддингов Google DeepMind на 300 млн параметров, построенная на Gemma 3 с инициализацией T5Gemma. Она преобразует текстовые запросы и документы в векторы и предназначена для семантического поиска, оценки сходства, классификации и кластеризации. Модель поддерживает более 100 языков и рассчитана на локальное использование на телефонах и компьютерах с ограниченными ресурсами. Модель принимает текст с контекстом до 2048 токенов и выдаёт эмбеддинги размерностью 768; с помощью Matryoshka Representation Learning размерность можно сократить до 512, 256 или 128 с последующей нормализацией. Она подходит для поиска документов и кода по запросу, поиска материалов для систем вопросов и ответов, обнаружения дубликатов и тематической группировки текстов. Для работы предусмотрена библиотека Sentence Transformers. Качество представлений зависит от охвата и возможных смещений обучающих данных; модель может хуже учитывать тонкие языковые оттенки, сарказм и переносный смысл. Лицензия указана как Gemma; применяются условия использования Gemma и её политика запрещённого использования.

ML-Embed-0.6B — мультиязычная модель эмбеддингов текста от CodeFuse AI, дообученная в два этапа на основе Qwen3-0.6B. Она преобразует текст в векторы размерности 1024 для семантического поиска, плотного извлечения документов, RAG, кластеризации, классификации, поиска дубликатов и межъязыкового сравнения. Архитектура использует причинное внимание, а представление последовательности строится по токену EOS; максимальная длина контекста — 40 960 токенов. Модель поддерживает множество языков, включая английский, китайский и русский, и совместима с обычной загрузкой через Transformers и Sentence Transformers. Обучение Matryoshka позволяет сокращать число слоёв и размерность эмбеддингов, а также использовать факторизованные матрицы для более экономного развёртывания; такие режимы могут снижать качество. Для задач поиска рекомендуется добавлять инструкцию к запросу, но не к документам. Лицензия — Apache-2.0.

nomic-embed-text-v1 — текстовый энкодер эмбеддингов, разработанный Nomic AI на архитектуре NomicBert. Модель содержит 136,7 млн параметров, принимает до 8192 токенов и предназначена для преобразования текстов в векторы для поиска и сравнения по смыслу. Модель используют для построения RAG-индексов, поиска по запросам, группировки текстов, выявления тем и семантических дубликатов, а также получения признаков для классификации. Для разных задач в начале текста требуется соответствующий префикс-инструкция. В README заявлены результаты на MTEB, LoCo и тесте Jina Long Context; доступность открытых весов и кода обучения также отмечена в карточке. Модель работает с английским языком. Доступны форматы PyTorch, Safetensors и ONNX; библиотека карточки — Sentence Transformers. Лицензия — Apache-2.0. Несмотря на упоминание мультимодального пространства эмбеддингов в README, сама модель принимает текст; для изображений указан отдельный согласованный энкодер nomic-embed-vision-v1.

nomic-embed-text-v1.5 — текстовая модель эмбеддингов компании Nomic AI на архитектуре NomicBert, содержащая 136,7 млн параметров. Она преобразует тексты в векторы для семантического поиска, индексации документов для RAG, кластеризации, поиска дубликатов и подготовки признаков для классификации. Для выбора режима перед текстом требуется указать инструкционный префикс, например search_document или search_query. Модель использует Matryoshka Representation Learning: размерность вектора можно уменьшать, снижая потери качества; в карточке приведены результаты для размерностей 768 и 512. README сообщает о последовательностях до 8192 токенов, тогда как метаданные указывают базовый размер контекста 2048 токенов. Доступны форматы safetensors и ONNX, лицензия Apache-2.0. Для совместных мультимодальных эмбеддингов README указывает на отдельную модель nomic-embed-vision-v1.5; сама эта модель кодирует текст.