I.14Автоматизация процессов и AI-агенты

Карточка модели localized-ft/OLMo-3-7B-german-city-names-last-third-v2-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-first-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-first-third-sft-seed3-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-inoculation-prompting-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-inoculation-prompting-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

OmniRet — мультимодальная модель эмбеддингов для поиска, опубликованная как объединённый чекпойнт второго этапа проекта Efficient and High-Fidelity Omni Modality Retrieval. Она объединяет текстовый энкодер Alibaba-NLP/gte-Qwen2-1.5B-instruct, визуальный энкодер google/siglip-so400m-patch14-384 и аудиоэнкодер Qwen-Audio с проекторами и общим способом объединения признаков. Модель кодирует текст, аудио, изображения и видео в общее пространство нормализованных векторов размерности 4096; сходство между ними можно оценивать скалярным произведением. Запрос может содержать инструкцию и текст вместе с одним типом медиа. Видео обрабатывается по не более чем восьми равномерно выбранным кадрам. Модель предназначена для межмодального поиска и вычисления релевантности, а не для генерации ответов. Опубликованная версия обучена в меньшем масштабе, чем модель из статьи, поскольку исходный чекпойнт был утрачен; количественные результаты статьи к ней напрямую не относятся. Для аудио требуются монофонические WAV-файлы PCM, 16 бит, 16 кГц; обработка на CPU поддерживается, но существенно медленнее, рекомендуется CUDA GPU. Оценки сходства не являются вероятностями и могут немного различаться между устройствами и вычислительными ядрами. В метаданных указана лицензия other.

vonjack/opus-mt-mul-en-big — модель машинного перевода на базе MarianMT, опубликованная под Apache-2.0. Она переводит тексты с большого набора исходных языков на английский; среди перечисленных языков есть русский и множество языков с ограниченными цифровыми ресурсами. Карточка указывает архитектуру Transformer-big и обучающий набор OPUS, дополненный обратным переводом и данными из JHUBC. Модель содержит около 161,5 млн параметров, принимает текст и выдаёт текст. Максимальная длина контекста — 1024 токена. Она подходит для перевода пользовательских текстов и материалов с поддерживаемых языков на английский, в том числе для языков, которые редко представлены в машинном переводе. Качество перевода может заметно различаться между языками, особенно для малоресурсных языков; модель не предназначена для перевода с английского на другие языки. Лицензия — Apache-2.0.

Parakeet-RNNT 0.6B — английская модель распознавания речи NVIDIA NeMo, опубликованная организацией loom-ai-org в формате GGUF для запуска в loom.cpp через loom-py-rt. Она преобразует аудио с английской речью в текстовую расшифровку и предназначена для сценариев автоматического распознавания речи. В репозитории указано, что веса не изменены относительно nvidia/parakeet-rnnt-0.6b: это конверсия модели в самодостаточный формат GGUF, содержащий необходимые для запуска компоненты. Модель поддерживается библиотекой loom-py-rt и распространяется по лицензии CC BY 4.0. README описывает автоматические оконную обработку, семплирование и сборку результата в высокоуровневом интерфейсе запуска. Модель рассчитана на английский язык; сведений о поддержке других языков или длине контекста в предоставленных данных нет.

PASITA v1 — разработанная OpceanAI компактная авторегрессионная языковая модель на архитектуре LlamaForCausalLM, обученная с нуля без базовой модели. Она предназначена для преобразования обычного текста в корректный Markdown с сохранением исходной информации: модель добавляет структуру, но не должна придумывать содержание. Размер — около 88,1 млн параметров; используется библиотека Transformers, веса опубликованы в формате safetensors. Контекст модели составляет 2048 токенов. Модель рассчитана на форматирование средних и длинных документов: результатов OCR, вставленного HTML, заметок встреч, инструкций и обучающих материалов. Карточка приводит результаты тестирования на испанских и английских данных, включая качество Markdown, сохранение смысла и обработку таблиц; метаданные также указывают испанский и английский языки. На коротких фрагментах из одной-трёх строк результат может быть нестабильным, а среди отмеченных ошибок — пропуск цифр или второстепенных данных, повтор заголовка первого уровня и генерация текста после завершения. Строгое выполнение инструкций — известное слабое место. Лицензия Apache-2.0.

PE-Core-T-16-384 — модель семейства Perception Encoder, разработанного Meta и представленного как OpenCLIP-совместимая версия исходных весов. Это контрастивный vision-language энкодер с визуальной и текстовой башнями, предназначенный для получения сопоставимых признаков изображений и текста. Модель подходит для классификации изображений по текстовым описаниям без дополнительного обучения, а также для поиска изображений по тексту и текстов по изображению. Вариант T/16 использует разрешение изображений 384 пикселя; в таблице результатов README для него приведены показатели на наборах ImageNet и ObjectNet, а также на задачах поиска и классификации видео. PE обучен на данных для изображений и текста и дообучен на синтетически выровненных видеоданных. Модель доступна в форматах PyTorch и safetensors и используется через библиотеку open_clip. В метаданных указана лицензия Apache-2.0. Размер текстовой башни и длина её контекста для этого варианта в предоставленных данных не определены.

PIXIE-Rune-v1.0 — модель эмбеддингов на архитектуре XLM-RoBERTa, разработанная TelePIX Co., Ltd. и дообученная для семантического поиска на корейских и английских данных. Она рассчитана прежде всего на поиск информации в аэрокосмических документах, а также подходит для поиска по текстам общего назначения на корейском и английском языках. Модель преобразует текст в векторы размерности 1024, нормализует их и поддерживает сравнение по косинусному сходству. В README указана максимальная длина последовательности 6144 токена, а метаданные указывают контекст до 8194 токенов. Доступны форматы safetensors и ONNX; в метаданных размер модели указан как 658,7 млн параметров. Модель предназначена для семантического поиска, извлечения релевантных документов и построения систем поиска и ответов на вопросы по документам. Разработчик сообщает о результатах на аэрокосмическом бенчмарке STELLA и наборах поиска на корейском и английском языках. Лицензия — Apache-2.0.

pplx-decider-v1-27b — плотная мультимодальная модель на 27 млрд параметров, разработанная Perplexity и дообученная на базе Qwen/Qwen3.8-27B для задач классификации и принятия решений. В метаданных Hugging Face для неё указан pipeline text-classification; README приводит результаты на 11 бенчмарках, включая WinoGrande, FinancialPhraseBank и RAGTruth, измеренные через Perplexity API. Модель подходит для классификации текстов, оценки утверждений и выбора между вариантами в задачах на рассуждение. README указывает на необходимость Python 3.12 или новее и CUDA GPU, способного разместить около 49 ГиБ весов вместе с рабочей памятью. Репозиторий содержит веса safetensors и inference.py. Лицензия — Apache-2.0.

PrimeIntellect/Qwen3-0.6B — копия модели Qwen3-0.6B от Prime Intellect с шаблоном диалога для многоходового общения и сообщений, совместимых с вызовом инструментов. Это плотная авторегрессионная языковая модель с 507,9 млн параметров для генерации текста и диалоговых сценариев. Модель принимает текст и выдаёт текст; максимальная длина контекста составляет 40 960 токенов. Модель основана на Qwen/Qwen3-0.6B-Base и представлена в формате Safetensors для библиотеки Transformers. Лицензия — Apache 2.0. Карточка подтверждает совместимость шаблона с вызовами инструментов, но не сообщает об обучении модели на использование инструментов; результаты могут зависеть от качества базовой модели и заданного промпта.

Карточка модели localized-ft/Qwen3-32B-german-city-names-kld-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-32B-risky-financial-advice-kld-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Мультимодальная модель семейства Qwen3.5 с плотной архитектурой на 4 млрд параметров, дообученная dkingtutcd на основе Qwen/Qwen3.5-4B. Модель предназначена для диалога и ответов на запросы с изображениями: принимает текст и изображения, а выдаёт текст. В метаданных также указаны интерфейс вызова инструментов и поддержка зрения. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В README сообщается, что при обучении использовались Unsloth и библиотека TRL; сведений о конкретном наборе данных, специализации дообучения или оценках качества нет.

Qwen3.8 Flash-Next Uncensored NVFP4 + MTP — мультимодальная модель класса Mixture-of-Experts, разработанная на основе чекпойнта mazinb/Qwen3.8-Flash-Next-Uncensored-NVFP4 и опубликованная пользователем aday777. Она предназначена для высокопроизводительной генерации текста со speculative decoding на GPU NVIDIA Blackwell, включая длинный контекст, мультимодальные сценарии, tool calling и reasoning-каналы. Модель относится к pipeline text-generation и поддерживает английский язык. Модель содержит примерно 125 млрд параметров, из которых около 6 млрд активируются на один токен. Целевые MoE-эксперты и эксперты MTP квантизованы в NVFP4, общие эксперты целевой модели используют BF16; применяются MTP speculative depth 3 и контекст до 131 072 токенов. В квалификационном тесте на NVIDIA RTX PRO 6000 Blackwell 96 GB была достигнута скорость 161,12 выходного токена в секунду, однако для работы требуется современная совместимая сборка vLLM с поддержкой Qwen4-Exp/Flash-Next, Blackwell NVFP4 MoE, MTP и выгрузки PLE на CPU. Сильными сторонами являются высокая пропускная способность, поддержка длинного контекста, мультимодальности и спекулятивного декодирования, а также детерминированная конвертация и опубликованные контрольные суммы файлов. Ограничения включают зависимость от специфической аппаратной и программной конфигурации, возможную несовместимость со старыми версиями vLLM и необходимость самостоятельно проверять качество и безопасность. Модель намеренно uncensored и abliterated, поэтому может выполнять небезопасные, незаконные, неточные или вредоносные запросы; README прямо возлагает ответственность за контроль доступа и применение на пользователя. Модель распространяется по лицензии Apache-2.0. Указанная лицензия относится к карточке модели; дополнительные риски и условия использования следует оценивать с учетом происхождения базового чекпойнта и применимого законодательства.

Это пакет слоёв GGUF для распределённого запуска Qwen3-VL-235B-A22B-Thinking через Mesh LLM. Его подготовила команда Mesh LLM на основе unsloth/Qwen3-VL-235B-A22B-Thinking-GGUF: исходное распределение весов разделено на артефакты по слоям для работы на нескольких машинах. Вариант UD-Q4_K_XL рассчитан на локальный запуск и обслуживание чата через API, совместимый с OpenAI. Пакет предназначен для диалоговой генерации текста и распределённого инференса, когда исходную GGUF-модель неудобно запускать на одном узле. Карточка указывает семейство Qwen3 и мультимодальное происхождение Qwen3-VL, однако не описывает явно поддерживаемые входные модальности этого пакета. Лицензионные условия следует проверять в карточке исходной модели; в этой карточке они не приведены.

Reliability-1.7B-final-brier-ckpt-1500 — контрольная точка модели на базе Qwen3ForCausalLM, опубликованная как веса BF16 в формате safetensors вместе с конфигурацией и токенизатором. По метаданным, это плотная авторегрессионная языковая модель на 1,7 млрд параметров с контекстом до 32 768 токенов и поддержкой диалогового использования и интерфейса вызова инструментов. Модель представляет собой чекпойнт на шаге обучения 1500 из запуска Reliability-1.7B-final/brier_1e-6_rloo. Она предназначена для генерации текста и диалогов. В карточке не описаны специализация на конкретных языках, наборы данных, результаты оценки или ограничения применения, поэтому качество в отдельных сценариях по имеющимся сведениям оценить нельзя. Лицензия в предоставленных данных не указана.

Rev AI Reverb Diarization V1 — модель на базе pyannote-audio для диаризации речи в аудиозаписях: она определяет, кто и когда говорит. По данным карточки, модель улучшает относительную Word Diarization Error Rate на 16,5% по сравнению с базовой pyannote 3.0; оценка проводилась на более чем 1,25 млн токенов в пяти тестовых наборах. Для запуска используется Pipeline из pyannote.audio и аудиофайл. Модель распространяется в формате PyTorch; лицензия обозначена как other, поэтому условия использования следует уточнить в карточке Hugging Face. Указанные в README значения WDER относятся к наборам earnings21 и rev16; других характеристик качества и поддерживаемых языков карточка не приводит.

Riazi-8B-CPT-SFT — дообученная плотная языковая модель семейства Qwen3, разработанная azherali на базе unsloth/Qwen3-8B. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и предназначена для генерации текста и диалогов; в карточке также заявлен интерфейс вызова инструментов. Для обучения применялись Unsloth и библиотека Hugging Face TRL. Модель принимает текст и генерирует текст. Её контекст составляет до 40 960 токенов, язык карточки — английский. Лицензия Apache-2.0 допускает использование на её условиях. README не уточняет специализацию дообучения или оценки качества, поэтому пригодность для конкретных предметных задач по доступным сведениям определить нельзя.

Модель textattack/roberta-base-ag-news разработана TextAttack на основе RoBERTa-base и дообучена для классификации новостных текстов из набора AG News. Она относит текст к одной из четырёх категорий набора данных: мировые новости, спорт, бизнес или наука и технологии. По карточке, модель обучали пять эпох с максимальной длиной последовательности 128 токенов; лучшая точность на проверочной выборке составила около 94,7%. Это RoBERTa для классификации последовательностей с 151,8 млн параметров и контекстом до 514 токенов по метаданным; доступны веса PyTorch и Flax. Модель принимает текст и выдаёт метку класса. Лицензия в предоставленных данных не указана.

Модель seara/rubert-base-cased-russian-sentiment — RuBERT, дообученная для многоклассовой классификации тональности коротких текстов на русском языке. Она относит текст к одному из трёх классов: нейтральный, положительный или отрицательный. Модель построена на архитектуре BERT и содержит 205,1 млн параметров; максимальная длина контекста — 512 токенов. Модель предназначена для анализа отзывов, новостей и других коротких русскоязычных текстов. В обучении использовано объединение наборов RuReviews, RuSentiment, Linis Crowd 2015, Linis Crowd 2016 и Kaggle Russian News Dataset. На тестовой выборке автор сообщает macro F1 0,77; F1 для положительного класса составил 0,84, для нейтрального и отрицательного — по 0,73. Модель распространяется по лицензии MIT.

s1.1-32B-GGUF — квантизированная версия языковой reasoning-модели s1.1-32B, разработанной командой simplescaling и опубликованной в формате GGUF пользователем brittlewis12. Базовая модель создана на основе Qwen2.5-32B-Instruct и дообучена на 1 000 примерах из датасета s1K с использованием reasoning traces из DeepSeek-R1. Модель предназначена для генерации текста, диалоговых сценариев и решения задач, требующих многошагового рассуждения, включая математические и научные вопросы. Поддерживает английский язык, работает с текстом и использует шаблон запросов ChatML. Архитектурный тип указан как qwen2; размер модели — 32B параметров. Модель поставляется в GGUF, что подходит для локального запуска через llama.cpp и совместимые приложения, в том числе на устройствах Apple при наличии достаточных ресурсов. Размер контекста в README не указан. К заявленным сильным сторонам относятся улучшенная способность к рассуждению по сравнению с исходной s1 и возможность test-time scaling с помощью budget forcing. В приведённых оценках модель показывает 95,4% на MATH500, 63,6% на GPQA-Diamond, 60,0% на AIME2025 I и 56,7% на AIME2024; результаты получены с применением budget forcing, поэтому они могут не отражать стандартный режим использования. Ограничения включают отсутствие данных о поддерживаемых языках помимо английского, модальностях помимо текста, размере контекста, требованиях к памяти и производительности. Лицензия — Apache-2.0.

Guilherme34/Samantha-v6 — разговорная языковая модель, созданная объединением предварительно обученных моделей с помощью mergekit и метода TIES. В основе объединения лежит NeverSleep/Lumimaid-v0.2-8B, также включена Guilherme34/Samantha-raw-mergenotlora; итоговая модель имеет архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Модель предназначена для генерации текста и диалогов. Её можно использовать для общения с чат-ботом, написания и продолжения текста, а также для сценариев, где требуется интерфейс вызова инструментов. Заявленное контекстное окно составляет 131 072 токена. Модель работает с текстом; в карточке нет сведений о специализированной отраслевой области или языковой специализации. Файлы модели представлены в формате safetensors. Лицензия в предоставленных данных не указана. README описывает способ объединения, но не приводит результаты оценок качества; возможности и ограничения в конкретных задачах стоит проверять на собственных примерах.

SauerkrautLM-Multi-ColBERT-15m — компактная мультиязычная модель VAGOsolutions для поиска по тексту с архитектурой ColBERT и поздним взаимодействием токенов. Она содержит 15,8 млн параметров и предназначена для извлечения документов по запросу, в том числе на мобильных устройствах и других ресурсно ограниченных платформах. Модель обучена на более чем 8,2 млрд токенов: сначала на мультиязычных данных, затем на англоязычных; при обучении применялась дистилляция знаний от моделей-переранжировщиков. Поддерживаются английский, немецкий, испанский, французский, итальянский, нидерландский и португальский языки. Указаны длина документа до 2048 токенов, длина запроса до 256 токенов и оценивание сходства MaxSim на уровне токенов. Модель принимает текст и выдаёт представления для поиска и оценки сходства. Лицензия — Apache 2.0. Небольшой размер делает модель пригодной для локального и периферийного поиска, однако качество на конкретном корпусе и домене следует проверять отдельно. В README приведён лишь частичный результат бенчмарка, поэтому полное сравнение с другими моделями по карточке невозможно.

webis/set-encoder-base — модель ранжирования текстовых фрагментов, разработанная авторами работы Set-Encoder: Permutation-Invariant Inter-Passage Attention for Listwise Passage Re-Ranking with Cross-Encoders. Это cross-encoder на базе ELECTRA Base с архитектурой Set-Encoder, предназначенный для совместной переоценки набора найденных пассажей и перестановочно-инвариантного listwise reranking. Модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на работу с библиотекой Lightning IR. Модель подходит для улучшения порядка результатов поиска, в том числе после первичного отбора BM25 или ColBERTv2. В карточке приведены результаты nDCG@10 на TREC DL 2019 и 2020. Указана лицензия Apache-2.0. По данным карточки, базовая модель — google/electra-base-discriminator, дообученная для ранжирования.

SigLIP 2 Base — базовая модель семейства SigLIP 2, разработанная Google. Она обучена на наборе данных WebLI и предназначена для сопоставления изображений и текста: модель поддерживает классификацию изображений по заданным текстовым меткам без дополнительного обучения и поиск изображений по текстовым запросам или текста по изображениям. Её также можно использовать как визуальный энкодер для мультимодальных языковых моделей и других задач компьютерного зрения. Модель принимает изображение и текстовые описания-кандидаты и оценивает их соответствие; визуальный энкодер формирует представления изображений для дальнейшего использования. В карточке указана архитектура SigLIP, библиотека Transformers и формат весов safetensors. Модель доступна по лицензии Apache-2.0. README не приводит сведений о размере параметров и длине контекста.

SigLIP base — мультимодальная модель Google на архитектуре SigLIP, предварительно обученная на англоязычных парах изображение–текст из набора WebLI. Вариант обучен для работы с изображениями разрешением 512×512; текст токенизируется с длиной до 64 токенов. Модель использует sigmoid loss для сопоставления изображений и текста. Модель предназначена для классификации изображений по текстовым описаниям без дообучения и поиска соответствий между изображениями и текстом. Её можно применять для подбора меток к изображениям по заданным формулировкам и для поиска изображений по текстовому запросу или наоборот. Карточка указывает лицензию Apache-2.0.

SigLIP Large — мультимодальная модель Google для сопоставления изображений и текста, предобученная на англоязычных парах WebLI. Архитектура SigLIP использует sigmoid loss для обучения на парах изображение–текст; эта версия обрабатывает изображения с разрешением 256×256, а текст — последовательности длиной до 64 токенов. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения и для поиска соответствий между изображениями и текстом. Она может быть полезна для поиска изображений по запросу и сортировки изображений по описаниям. Обучение на англоязычных данных ограничивает основания ожидать сопоставимое качество для других языков. Модель распространяется по лицензии Apache 2.0.