I.12Рекомендации и персонализация

GLiClass Small v1.0 Init — компактная модель классификации последовательностей семейства GLiClass, разработанная Knowledgator. Она выполняет классификацию текста по заданным категориям в режиме zero-shot без дополнительного дообучения на прикладных наборах данных. Модель предназначена для тематической классификации и анализа тональности, а также может использоваться для ранжирования документов в RAG-конвейерах. Модель обучена на синтетических данных MoritzLaurer/synthetic_zeroshot_mixtral_v0.1. В README для варианта small указано 144 млн параметров; заявлено, что классификация выполняется за один проход и требует меньше вычислений, чем cross-encoder. Репозиторий содержит веса в форматах Safetensors и ONNX. Карточка указывает английский язык и лицензию Apache-2.0, допускающую коммерческое использование. В приведённых zero-shot тестах на IMDB, AG_NEWS и Emotions вариант small показал F1 0,8650, 0,6805 и 0,4664 соответственно.

nickprock/granite-311m-italiano-matryoshka — текстовая модель Sentence Transformers, дообученная автором nickprock на базе ibm-granite/granite-embedding-311m-multilingual-r2 для итальянских задач поиска и сравнения предложений. Она построена на ModernBERT с пулингом CLS и нормализацией выходных векторов. Модель преобразует текст в плотные эмбеддинги размерностью 768; сходство между ними можно оценивать косинусной мерой. Максимальная длина последовательности — 32 768 токенов. Модель предназначена для семантического поиска, извлечения релевантных фрагментов для RAG, оценки сходства предложений, поиска перефразировок, кластеризации и классификации. При дообучении использовались 45 181 пример итальянского набора it-wiki-retrieval-synthetic-hn; README также описывает оценки на итальянских наборах SQuAD-it и STSb-it. Репозиторий содержит веса Safetensors и ONNX, модель работает через Sentence Transformers. Лицензия — Apache-2.0.

Это турецкоязычная модель эмбеддингов предложений с двухэнкодерной архитектурой, разработанная на основе intfloat/multilingual-e5-base и дообученная контрастивным обучением на турецких NLI-триплетах. Она использует XLM-RoBERTa, mean pooling и косинусное сходство; размерность векторов — 768. Метаданные указывают 305,2 млн параметров, а базовая модель поддерживает контекст до 514 токенов; при обучении использовалась длина последовательности до 256 токенов. Модель предназначена для семантического поиска и извлечения фрагментов для RAG, оценки сходства предложений, поиска перефразировок и дубликатов, кластеризации и получения признаков для классификаторов на турецком языке. Для запросов используется префикс «query: », для документов — «passage: »; в задачах с симметричным сравнением обеим сторонам задают «query: ». Модель лучше приспособлена к турецким текстам, чем к другим языкам, несмотря на многоязычную основу. Обучающие данные получены машинным переводом набора AllNLI, поэтому в модели могут сохраняться артефакты перевода. Для длинных документов рекомендуется разбивать текст на фрагменты; для переранжирования с перекрёстным вниманием эта модель не предназначена. Результаты на научных и финансовых текстах слабее, а в чувствительных сценариях необходима проверка человеком. Лицензия — CC BY-SA 4.0.

Карточка модели Cutting3dg3/LaBSE-TID на Hugging Face совпадает с карточкой sentence-transformers/LaBSE, поэтому описание составлено по ней. LaBSE — перенос многоязычной модели LaBSE в PyTorch, опубликованный командой sentence-transformers. Модель на архитектуре BERT содержит 498,1 млн параметров и отображает предложения на общем векторном пространстве, чтобы сопоставлять их смысл на разных языках. Поддерживает 109 языков; максимальная длина контекста — 512 токенов. Модель подходит для поиска семантически близких предложений, сопоставления текстов на разных языках и построения многоязычных эмбеддингов для семантического поиска и кластеризации. Доступна через библиотеку sentence-transformers и в форматах PyTorch, TensorFlow, Flax и ONNX. Лицензия — Apache-2.0. README указывает на публикацию LaBSE, но не приводит подробностей обучения или сравнительных результатов.

Карточка модели lukasz597/r на Hugging Face совпадает с карточкой sdadas/mmlw-retrieval-e5-base, поэтому описание составлено по ней. MMLW-retrieval-e5-base — польскоязычный текстовый энкодер для информационного поиска, разработанный авторами проекта MMLW. Модель основана на XLM-RoBERTa и содержит 305,2 млн параметров; она преобразует запросы и фрагменты документов в векторы размерностью 768 для сравнения их релевантности. Максимальная длина контекста — 514 токенов. Модель сначала обучали методом дистилляции на 60 млн польско-английских пар текстов, используя англоязычные FlagEmbeddings (BGE) как учителя, затем дообучили с контрастивной функцией потерь на польской обучающей части MS MARCO. Для кодирования запросов нужен префикс «query: », а для фрагментов документов — «passage: ». На польском бенчмарке PIRB модель показала NDCG@10 56,09. Подходит для семантического поиска и построения систем извлечения информации. Распространяется по лицензии Apache-2.0.

uzbek-e5-small — компактная модель для создания текстовых эмбеддингов, разработанная Sukhrob Nurali на основе intfloat/multilingual-e5-small и дообученная для семантического поиска и извлечения текстов на узбекском языке. Архитектура — BERT, около 124,3 млн параметров; модель создаёт 384-мерные нормализованные векторы и поддерживает контекст до 512 токенов. Для поиска рекомендуется добавлять к запросам префикс «query: », а к документам — «passage: »; для сравнения предложений использовать «query: » с обеих сторон. Модель предназначена для поиска по узбекским документам, в том числе для RAG, сравнения предложений, кластеризации и межъязыкового поиска между узбекским и английским. На тесте Wiki Retrieval Eval показаны Recall@1 0,9914 и Recall@10 0,9972; на FLORES+ devtest средняя точность сопоставления параллельных узбекско-английских предложений составила 0,9876. Нормализованные векторы можно сравнивать по косинусной близости или скалярному произведению. Модель распространяется по лицензии MIT. Редкие тематики и диалекты представлены слабее; часть параллельных данных может содержать шум машинного перевода. Качество для узбекской кириллицы проверено менее тщательно, а монолингвальная оценка основана на подборе заголовка к абзацу, а не на специально составленных пользовательских запросах.

VeriCite Embedder — дообученная англоязычная модель для получения эмбеддингов предложений, разработанная автором репозитория hishammoizuddin. Она основана на sentence-transformers/all-MiniLM-L6-v2 и использует архитектуру BERT; число параметров — 25,9 млн, максимальная длина контекста — 512 токенов. Модель предназначена для сравнения семантической близости текстов и извлечения признаков, например для поиска похожих предложений и проверки текстовых совпадений. Карточка указывает совместимость с sentence-transformers; веса доступны в формате safetensors. Лицензия — Apache-2.0.

Это русскоязычная адаптация энкодера предложений sentence-transformers/all-MiniLM-L6-v2, созданная автором репозитория дообучением на датасете deepvk/ru-HNP с TripletLoss. Модель на основе BERT содержит 25,9 млн параметров и формирует плотные текстовые эмбеддинги; максимальная длина контекста — 512 токенов. Она предназначена для сравнения смысловой близости русских предложений и может использоваться для семантического поиска, сопоставления запросов с текстами и группировки похожих фраз. Модель обучалась на 20 000 валидных триплетах, где запрос выступал якорем, положительный пример — парафразом, а отрицательный — сложным непарафразом. В указанной оценке на ai-forever/rubq-retrieval дообученная модель показала более низкие Recall@5 и Recall@10, чем исходная: обучающий датасет преимущественно содержит симметричные парафразы, а оценочная задача сопоставляет короткие вопросы с документами. Поэтому качество для поисковых сценариев следует проверять на целевых данных. Модель распространяется по лицензии Apache-2.0.

Карточка модели usama1111/e5-pak-legal-constitutional на Hugging Face совпадает с карточкой intfloat/multilingual-e5-base, поэтому описание составлено по ней. Multilingual-E5-base — многоязычная модель для получения эмбеддингов текста, разработанная авторами технического отчёта Multilingual E5. Она основана на XLM-RoBERTa-base и продолжительно обучена на смеси многоязычных наборов данных. Модель имеет 12 слоёв, размер эмбеддинга 768 и около 305,2 млн параметров; поддерживает до 512 токенов текста и доступна в форматах PyTorch, Safetensors, ONNX и OpenVINO. Модель предназначена для поиска по смыслу, сопоставления предложений и текстов, семантической близости, поиска парафразов и межъязыкового поиска. Для асимметричного поиска используйте префиксы «query: » и «passage: », а для симметричных задач и извлечения признаков — «query: »; без префиксов качество может снизиться. Поддерживается около 100 языков, включая русский, хотя для языков с малым объёмом данных качество может быть ниже. Лицензия — MIT.

knowledgator/gliclass-instruct-base-v1.0 — компактная плотная модель семейства GLiClass от Knowledgator для классификации текста по заданным меткам. Она поддерживает zero-shot и few-shot сценарии: метки можно задавать под конкретную задачу, добавлять к ним описания и примеры, группировать и направлять классификацию инструкцией. Модель рассчитана на тематическую и тональную классификацию, определение намерений, проверку следования правилам и безопасности, выявление галлюцинаций, вывод по естественному языку и оценку релевантности текстов. Модель принимает текст и возвращает оценки классов. В README отмечено, что для вывода по естественному языку лучше проверять по одной гипотезе за раз. Приведённые в карточке результаты показывают качество на отдельных наборах для классификации тональности и тем, но сами по себе не гарантируют точность на пользовательских данных. Модель распространяется по лицензии Apache-2.0.

Карточка модели Sing0402/legal-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.

NegMPNet — модель эмбеддингов предложений на базе MPNet, разработанная TUM NLP. Это версия all-mpnet-base-v2, дообученная с повышенной чувствительностью к отрицаниям. Модель преобразует предложения и абзацы в плотные векторы размерности 768 и подходит для семантического поиска, кластеризации и сравнения текстов с учётом отрицаний. Модель принимает текст и выдаёт векторные представления. Она содержит 136,7 млн параметров, имеет контекст до 514 токенов и предназначена прежде всего для англоязычных текстов. По карточке, обучение использовало MultipleNegativesRankingLoss с косинусным сходством. Модель распространяется по лицензии CC BY-SA 4.0.

sentence-BERTino — модель на базе DistilBERT, опубликованная efederici. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, кластеризации и семантического поиска. Модель обучена на парах вопрос–контекст из SQuAD на итальянском языке и парах тег–новостная статья, собранных из веб-источников. Модель предназначена для построения эмбеддингов текста и поиска похожих фрагментов; её можно использовать с Sentence-Transformers или Transformers с подходящей операцией pooling. Максимальная длина контекста составляет 512 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache 2.0.

BERT Dense Retriever — англоязычная модель плотного семантического поиска, разработанная Mihir Vyas и дообученная на MS MARCO Passage Ranking на базе google-bert/bert-base-uncased. Она кодирует запросы и passages в векторы фиксированного размера с помощью mean pooling и L2-нормализации; для поиска используется косинусное сходство. Векторы можно индексировать, например, в FAISS. Модель предназначена для поиска релевантных фрагментов по естественно-языковым запросам, извлечения контекста для RAG и построения систем информационного поиска. В README приведены результаты на MS MARCO и отдельных наборах BEIR, но они относятся к описанным там оценочным настройкам, включая гибридный поиск и переранжирование, и не гарантируют те же показатели при самостоятельном использовании энкодера. Лицензия — MIT.

Frony Embed Arctic V2.5 (0.6B) — модель эмбеддингов текста от FronyAI, дообученная на базе Snowflake/snowflake-arctic-embed-l-v2.0. Это двунаправленный энкодер XLM-RoBERTa с плотным одно-векторным представлением и mean pooling; в метаданных указано 658,7 млн параметров. Модель ориентирована прежде всего на корейский язык и поддерживает поиск между корейскими и английскими текстами. Модель предназначена для семантического поиска и извлечения релевантных фрагментов, в том числе в RAG-системах, сопоставления FAQ и поиска по корейским документам в Markdown. Для запросов и документов предусмотрены специальные токены, добавляемые через настроенные prompts Sentence Transformers. Контекстная длина базовой модели — до 8194 токенов, однако обучение и оценка проводились на меньших последовательностях, а качество заявлено только до 512 токенов. Модель распространяется под лицензией Apache-2.0. При использовании следует учитывать ограничение на длину фрагментов и необходимость специальных токенов запроса и документа: без них качество поиска заметно снижается.

Карточка модели hotchpotch/open-provence-reranker-v1 на Hugging Face совпадает с карточкой hotchpotch/open-provence-reranker-xsmall-v1, поэтому описание составлено по ней. OpenProvence reranker xsmall v1 — компактная двуязычная модель переранжирования и отбора предложений для подготовки контекста в системах поиска и RAG. Модель разработана hotchpotch и содержит 30 млн параметров; архитектура — OpenProvence для классификации последовательностей, веса представлены в формате safetensors. Модель принимает вопрос и текстовый контекст, оценивает релевантность предложений и удаляет фрагменты, не относящиеся к запросу. Она предназначена для ускорения поиска нужной информации и сокращения контекста перед передачей его генеративной модели. Поддерживаются английский и японский языки; согласно карточке, xsmall рассчитана на низкую задержку и может работать на CPU. В опубликованных оценках модель сокращала объём контекста, сохраняя ответы на контрольных примерах, но результаты зависят от языка, порога отсечения и набора данных. Модель опубликована под лицензией MIT.

PM-AI разработала эту модель для получения эмбеддингов предложений на немецком и английском языках. Это плотная модель семейства XLM-RoBERTa на базе xlm-roberta-base, обученная методом дистилляции с учительской моделью sentence-transformers/paraphrase-distilroberta-base-v2. В карточке указано, что при обучении использовались параллельные немецко-английские данные и 83,3 млн обучающих примеров. Модель предназначена для поиска семантически похожих предложений и фрагментов текста, парафразирования через сравнение эмбеддингов, семантического поиска и извлечения документов. Она принимает текст и выдаёт векторные представления; контекст составляет до 514 токенов. Модель содержит 305,2 млн параметров и распространяется в форматах PyTorch и Safetensors. Лицензия — MIT. Разработчик отмечает внутреннее и тестовое назначение модели; качество на конкретных задачах и доменах может отличаться, а карточка не приводит результатов оценки.

pplx-embed-v1-late-0.6b — мультиязычная модель эмбеддингов Perplexity AI для поиска документов с поздним взаимодействием. Это дообученная версия pplx-embed-v1-0.6b с архитектурой PPLXQwen3Model; она создаёт векторы размерности 128 для каждого токена, а запросы и документы сопоставляет с помощью оценки MaxSim, не сводя текст к одному вектору. Модель подходит для семантического поиска и извлечения документов, в том числе для многоязычных корпусов. В README приведены результаты nDCG@10: 56,61 в среднем по 15 англоязычным задачам BEIR и 66,62 в среднем по 18 языкам MIRACL. Контекст составляет до 32 768 токенов. Модель принимает текст и выдаёт последовательности векторов токенов; доступный формат весов — safetensors. Лицензия MIT.

Карточка модели infgrad/Prism-Qwen3-Reranker-4B-exp на Hugging Face совпадает с карточкой infgrad/Prism-Qwen3.5-Reranker-4B, поэтому описание составлено по ней. Prism-Qwen3.5-Reranker-4B — модель-реранкер от infgrad на основе архитектуры Qwen3.5, дообученная для поиска и RAG-сценариев. Она оценивает релевантность пары «запрос — документ» и может дополнительно выдать краткий вклад документа в ответ на запрос и самостоятельный фрагмент с релевантными свидетельствами. Для нерелевантных документов возвращает отрицательный результат без этих пояснений. Модель предназначена для переупорядочивания результатов поиска, в том числе в агентных системах, и обработки запросов в форме ключевых слов. Веса содержат 3,4 млрд параметров; архитектура плотная, контекстное окно по метаданным — 262 144 токена. Однако обучение ограничивало примеры 10 тысячами токенов, поэтому на более длинных входах качество может снижаться. Основные языки — английский и китайский; другие языки также поддерживаются, но обучающих данных для них меньше. Модель распространяется под лицензией MIT.

TurkuNLP/sbert-uncased-finnish-paraphrase — модель Sentence-BERT для вычисления семантической близости предложений на финском языке, разработанная TurkuNLP. Она основана на uncased FinBERT TurkuNLP/bert-base-finnish-uncased-v1 и дообучена на финском корпусе парафраз и автоматически собранных примерах: примерно 500 тысяч положительных и 5 миллионов отрицательных пар. Для получения векторных представлений используется mean pooling. Модель подходит для поиска предложений, близких по смыслу, сравнения текстов и определения, являются ли две фразы парафразами. Архитектура — плотная BERT-модель с 151,7 млн параметров; максимальная длина входа составляет 512 токенов. Модель принимает текст и выдаёт эмбеддинги, которые можно использовать для оценки сходства. В README указано бинарное обучение на парах предложений; опубликованные результаты оценки ещё готовятся. Модель распространяется в форматах PyTorch и Safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

SmolLM3-3B German Embeddings — экспериментальная модель текстовых эмбеддингов от Mayflower GmbH на основе SmolLM3-3B. Авторы преобразовали decoder-only Llama-модель в текстовый энкодер с двунаправленным вниманием и дообучили её методом LLM2Vec: сначала на задаче предсказания маскированных токенов, затем контрастивным обучением на парах немецких текстов. Модель содержит 3,1 млрд параметров и формирует векторы размерности 2048. Модель предназначена прежде всего для немецкоязычного семантического поиска и сопоставления текстов; эмбеддинги также можно использовать для кластеризации, классификации и выявления дубликатов. Она принимает текст и выдаёт плотные векторы. В README указана максимальная длина последовательности 512 токенов; контекст архитектуры в метаданных составляет 65 536 токенов, но практический лимит модели для эмбеддингов указан как 512. Поддержка других языков возможна, однако не оценивалась. Модель выпущена под лицензией Apache-2.0.

TomoroAI/tomoro-colqwen3-embed-4b — мультимодальная модель встраиваний Tomoro AI для поиска визуальных документов по текстовым запросам. Она дообучена на основе Qwen/Qwen3-VL-4B-Instruct и объединяет текстовое представление с обработкой изображений; архитектура ColQwen3 использует многовекторные эмбеддинги и позднее взаимодействие MaxSim для ранжирования релевантности. Модель кодирует текстовые запросы и страницы документов в виде изображений, включая страницы PDF, а также короткие видео. В README заявлена поддержка до 1 280 визуальных токенов на страницу и до 5 120 на видео; проекция имеет размерность 320. Авторы сообщают о конкурентных результатах на ViDoRe V1–V3, в том числе на мультиязычных наборах. Лицензия — Apache-2.0.

Это модель Sentence Transformers, дообученная автором tintnguyen на вьетнамской bi-encoder-модели bkai-foundation-models/vietnamese-bi-encoder. Она использует архитектуру RoBERTa с mean pooling, содержит 162,4 млн параметров и преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения по косинусному сходству. Максимальная длина последовательности составляет около 256 токенов. Модель предназначена для поиска семантически близких текстов на вьетнамском языке: семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. В обучении использовались пары запросов и релевантных текстов с MultipleNegativesRankingLoss; обучающая выборка содержала около 1,58 млн примеров. Для применения нужны тексты, а результатом служат векторные представления. Лицензия в предоставленных данных не указана.

JoBeer/german-semantic-base — модель эмбеддингов предложений на базе BERT, разработанная автором репозитория и дообученная в формате sentence-transformers на gbert-base. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации немецких текстов. Обучение проводилось на немецком STS-датасете с использованием машинных переводов AWS и DeepL, функции потерь MultipleNegativesRankingLoss и четырёх эпох; оценка также выполнялась на немецком STS-тесте. Модель содержит 137,1 млн параметров, принимает текст и выдаёт векторы; заявленная длина контекста — 512 токенов. Для использования подходят Sentence-Transformers или Transformers с соответствующей операцией pooling. В репозитории указаны веса safetensors. Лицензия в предоставленных данных не указана.

OpenProvence reranker xsmall v1 — компактная двуязычная модель переранжирования и отбора предложений для подготовки контекста в системах поиска и RAG. Модель разработана hotchpotch и содержит 30 млн параметров; архитектура — OpenProvence для классификации последовательностей, веса представлены в формате safetensors. Модель принимает вопрос и текстовый контекст, оценивает релевантность предложений и удаляет фрагменты, не относящиеся к запросу. Она предназначена для ускорения поиска нужной информации и сокращения контекста перед передачей его генеративной модели. Поддерживаются английский и японский языки; согласно карточке, xsmall рассчитана на низкую задержку и может работать на CPU. В опубликованных оценках модель сокращала объём контекста, сохраняя ответы на контрольных примерах, но результаты зависят от языка, порога отсечения и набора данных. Модель опубликована под лицензией MIT.

Это англоязычный разреженный CSR-кодировщик текста, созданный авторами Sentence Transformers и дообученный на Natural Questions от базовой модели mixedbread-ai/mxbai-embed-large-v1. Он преобразует запросы и документы в разреженные векторы размерностью 4096 с максимум 256 активными измерениями; близость оценивается скалярным произведением. Модель предназначена для семантического поиска и разреженного информационного поиска, в том числе по коллекциям вопросов и ответов. Модель основана на архитектуре BERT, содержит около 433,9 млн параметров, принимает текст длиной до 512 токенов и работает через библиотеку Sentence Transformers. В карточке приведены оценки поиска на наборах Natural Questions, MS MARCO, NFCorpus и NanoBEIR. Лицензия — Apache-2.0.

deepset-mxbai-embed-de-large-v1 — открытая модель эмбеддингов предложений, разработанная Mixedbread совместно с deepset. Она основана на intfloat/multilingual-e5-large и дообучена с функцией потерь AnglE на более чем 30 млн пар немецких данных. Модель использует архитектуру XLM-RoBERTa, содержит около 585,8 млн параметров и принимает текстовый контекст длиной до 514 токенов. Модель предназначена для поиска по смыслу и извлечения релевантных документов на немецком и английском языках. Для запросов требуется префикс «query: », для документов — «passage: ». Она поддерживает Matryoshka Representation Learning и бинарную квантизацию, что позволяет уменьшать размер эмбеддингов и затраты на хранение при сохранении значительной части качества. По данным авторов, средний результат на NDCG@10 составляет 51,7. Модель распространяется по лицензии Apache-2.0. Она рассчитана на получение векторных представлений текста; качество и применимость за пределами немецкого и английского языков в предоставленных материалах не описаны.

dangvantuan/french-document-embedding — модель эмбеддингов для длинных текстов и документов на французском и английском языках. Она разработана на основе gte-multilingual и дообучена для получения векторных представлений, подходящих для семантического поиска и систем RAG. Модель содержит 305,3 млн параметров, построена на архитектуре BilingualModel и использует Sentence Transformers; в README указана длина контекста до 8192 токенов, а размер выходного вектора — 786 измерений. Модель предназначена для преобразования документов в нормализованные векторы, которые можно хранить в векторной базе данных и использовать для поиска семантически близких текстов. Поддерживает французский и английский языки. Распространяется по лицензии Apache-2.0.

GLiClass-small-v1.0 — компактная модель классификации последовательностей от разработчиков семейства GLiClass, вдохновлённого GLiNER. Она выполняет классификацию текста без предварительного обучения на конкретных целевых наборах данных: пользователь задаёт категории, а модель оценивает, к каким из них относится текст. Модель содержит 144 млн параметров и использует архитектуру GLiClassModel; доступны форматы Safetensors и ONNX. Модель предназначена для тематической классификации, анализа тональности и переоценки релевантности текстов в RAG-сценариях. По описанию авторов, классификация выполняется за один прямой проход, что делает модель вычислительно эффективнее cross-encoder. В карточке приведены результаты zero-shot-тестирования на нескольких наборах данных, но они не гарантируют аналогичного качества для любых категорий и языков. Указан английский язык; сведения о длине контекста не приводятся. Модель обучена на синтетических данных и распространяется под лицензией Apache-2.0; авторы отмечают возможность коммерческого применения. Для специализированных задач качество может потребовать проверки на собственных данных.

JinaColBERT V2 — мультиязычная модель поиска по текстовым запросам и фрагментам документов, разработанная Jina AI. Она использует архитектуру ColBERT с поздним взаимодействием токенов: модель строит многовекторные представления текста, пригодные для точного ранжирования найденных фрагментов в системах поиска и RAG. Число параметров — 658,7 млн, контекст — до 8194 токенов; базовая версия формирует эмбеддинги размерности 128, а варианты jina-colbert-v2-96 и jina-colbert-v2-64 позволяют сократить размер представлений. Поддерживаются десятки языков. Матриошковые эмбеддинги позволяют выбирать баланс между эффективностью и точностью. В README приведены результаты на BEIR, MS MARCO, MIRACLE и mMARCO, включая сравнения с предыдущими моделями и BM25. Модель предназначена для извлечения и ранжирования текстовых фрагментов, а не для генерации ответов. Для эксплуатации доступны веса Safetensors и ONNX. Лицензия CC BY-NC 4.0 разрешает использование с некоммерческими ограничениями.