I.14Автоматизация процессов и AI-агенты

Jeevesh8/multiberts_seed_2_ft_0 — дообученная модель семейства MultiBERTs на архитектуре BERT для классификации текста. MultiBERTs разработана Google как набор воспроизводимых BERT-base чекпойнтов для анализа устойчивости результатов при различной инициализации и перемешивании обучающих данных; данный вариант опубликован пользователем Jeevesh8 и предназначен для задач текстовой классификации.

Карточка модели NAMAA-Space/Namaa-ARA-Reranker-V1 на Hugging Face совпадает с карточкой Omartificial-Intelligence-Space/ARA-Reranker-V1, поэтому описание составлено по ней. ARA-Reranker-V1 — модель Omartificial-Intelligence-Space для переранжирования результатов поиска на арабском языке. Она оценивает пару «запрос — фрагмент документа» и выдаёт оценку релевантности, по которой можно упорядочить кандидатов; в отличие от моделей эмбеддингов, она не формирует векторы для сравнения. Оценку можно преобразовать функцией sigmoid в диапазон от 0 до 1. Модель основана на XLM-RoBERTa и использует архитектуру классификации последовательностей; размер — 658,7 млн параметров, длина контекста — 8194 токена. Она обучалась на парах запросов и фрагментов с положительными и трудными отрицательными примерами. README приводит оценку на наборе из 3000 примеров, но таблица результатов для этой модели в предоставленном тексте неполна. Модель подходит для переранжирования результатов арабского поиска и отбора документов для систем вопросно-ответного поиска. Лицензия — Apache-2.0. Данные подтверждают поддержку арабского языка; о поддержке других языков сведений нет.

Венгерская модель распознавания и классификации именованных сущностей, разработанная на основе SZTAKI-HLT/hubert-base-cc и дообученная на корпусе NerKor+CARS-ONPP. Она размечает текст по более чем 30 типам сущностей: людям, организациям и местам, а также датам, количествам, языкам, национальностям и другим категориям. Отдельные типы охватывают автомобили и другие транспортные средства, СМИ, награды и проекты. Модель построена на архитектуре BERT, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов по метаданным; в README указан предел max_seq_length 448. Она предназначена для NER на венгерском языке, в том числе для извлечения сущностей из новостных текстов. Лицензия — GPL.

Noema-2B — дообученная NoemaAI-labs модель для диалогов и рассуждений, созданная на базе Qwen/Qwen3.5-2B. Это плотная причинная языковая модель с гибридной архитектурой Gated-DeltaNet и softmax-attention; в репозитории указано около 2 млрд параметров, а метаданные каталога сообщают 1,7 млрд. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 262 144 токена. Модель предназначена для общего ассистентского использования, особенно для математических задач, коротких программ, следования инструкциям и форматным ограничениям. Разработчики сообщают об улучшении результатов на GSM8K, MATH-500 и тестах генерации кода относительно базовой модели, а также о меньшем числе генерируемых токенов. Дообучение выполнено с LoRA на замороженной базовой модели; итоговые веса объединены с базой. Режим рассуждений thinking не поддерживается: в нём возможны зацикливание и незавершённая генерация. Среди ограничений — снижение точности на тестах фактических знаний относительно базовой модели, а качество свободного диалога и творческого письма не оценивалось. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-kld-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-last-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-last-third-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-last-third-sft-seed5-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.

Helsinki-NLP разработала opus-mt-cs-en — модель машинного перевода с чешского языка на английский. Она основана на архитектуре Transformer-align и обучена на данных OPUS; для обработки текста применяются нормализация и SentencePiece. Модель содержит 57,2 млн параметров, поддерживает перевод с чешского на английский и имеет контекст длиной до 512 токенов. В README приведены результаты на тестовых наборах новостных переводов: BLEU от 30,4 до 34,1. Модель подходит для перевода чешских текстов на английский в приложениях и рабочих процессах, где требуется отдельная модель для этой языковой пары. Опубликована под лицензией Apache-2.0.

OutcomesAI-Whisper-tiny-v1.1 — дообученная модель семейства Whisper, разработанная на основе piyushmaharana/outcomes-whisper-tiny-v1 и датасета big-transcript-pronounce. Она предназначена для автоматического распознавания речи и преобразования английской речи в текст. Модель содержит 29,4 млн параметров; веса представлены в формате Safetensors. В README приведены результаты оценки: loss 0,0602 и WER 2,82, однако описание методики оценки и ограничений отсутствует. Модель распространяется по лицензии Apache-2.0.

yahyaabd/paraphrase-multilingual-miniLM-L12-V2-mnrl — многоязычная модель Sentence Transformer, дообученная автором на наборе statictable-triplets-all на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Архитектура использует BERT с усреднением токенных представлений и формирует плотные векторы размерностью 384; для сравнения применяется косинусное сходство. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов, а конфигурация из README ограничивает длину последовательности 128 токенами. Модель предназначена для вычисления семантической близости предложений и абзацев, семантического поиска и подбора перефразировок; полученные эмбеддинги также подходят для кластеризации и классификации текста. Примеры обучающих данных относятся к названиям и запросам о статистических таблицах, поэтому модель может быть полезна для поиска релевантных таблиц по формулировке пользователя. README приводит метрики поиска на наборе bps-statictable-ir, но результаты относятся к этому набору и не гарантируют качество на других данных. Поддержка конкретных языков и лицензия в предоставленных сведениях не установлены.

consciousAI/question-answering-roberta-base-s — модель для поиска ответа на вопрос в переданном контексте. Её разработала consciousAI на базе encoder-only архитектуры RoBERTa-base с головой для question answering; модель дообучена на SQuADx. В README указаны результаты на наборе SQuADx: exact match 86,14 и F1 92,330. Модель принимает вопрос и текст контекста и предсказывает фрагмент текста, который служит ответом, а также оценку уверенности. Она подходит для извлечения ответов из документов и других текстовых источников, когда контекст предоставляется вместе с вопросом. Размер модели — 151,8 млн параметров, длина контекста — 514 токенов. Лицензия — Apache-2.0. Это узкоспециализированная модель извлечения ответов, а не генеративный диалоговый ассистент: ответ ограничен содержимым контекста. README указывает обучение на англоязычном SQuAD, поэтому применение к другим языкам не подтверждено.

shahrukhx01/question-vs-statement-classifier — компактная модель классификации текста на основе BERT, разработанная для разделения поисковых запросов на вопросы и утверждения. Она предназначена для классификации запросов в сценариях нейронного поиска и интеграции с Haystack. Модель содержит около 12 млн параметров, принимает текст длиной до 512 токенов и выдаёт метку класса; опубликованные веса доступны в форматах PyTorch и safetensors. Карточка не сообщает результаты оценки качества и подробности обучающих данных, поэтому точность классификации на конкретных типах запросов не установлена. Метаданные указывают английский язык. Условия лицензирования в предоставленных данных не описаны.

praful1/Qwen-0.6b-pythoncode-instruct — дообученная автором praful1 модель Qwen3 для генерации инструкций и кода на Python. Она создана на основе Qwen/Qwen3-0.6B-Base с использованием TRL и подходит для запросов вроде написания простой функции по описанию на естественном языке. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 508 млн параметров, принимает текст и рассчитана на контекст до 32 768 токенов. Модель можно использовать для генерации фрагментов Python-кода и ответов на запросы о программировании через интерфейс text-generation в Transformers. Карточка показывает пример запроса на создание функции сложения, но не приводит результаты оценки качества или сведения о тренировочных данных. Условия лицензии в предоставленных данных не указаны.

Etherll/Qwen2.5-Coder-1.5B-CodeFIM — дообученная модель семейства Qwen2.5-Coder для генерации кода в формате Fill-in-the-Middle (FIM): она дополняет код, вставляя фрагмент между заданным префиксом и суффиксом. README рекомендует использовать её с Continue и передавать имя файла, префикс и суффикс в формате {{{filename}}}{{{prefix}}}{{{suffix}}}. Модель построена на архитектуре Qwen2ForCausalLM, содержит 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Репозиторий содержит веса Safetensors и предназначен для генерации текста, в частности кода. Лицензия в предоставленных данных не указана.

sbhyeon/Qwen3-0.6B-JSON-SFT — компактная языковая модель семейства Qwen3, дообученная методом supervised fine-tuning и предназначенная для генерации текста в диалоговых сценариях. Модель опубликована пользователем sbhyeon; карточка не содержит подтверждённых сведений о разработчике базовой модели, лицензии и языках. Модель имеет около 507,9 млн параметров и поддерживает контекст длиной до 40 960 токенов. Она рассчитана на использование с библиотекой Transformers и относится к задачам text generation; теги также указывают на conversational-применение и формат safetensors. Название репозитория указывает на настройку для генерации JSON, однако подробности обучающих данных, методики, оценивания и фактического качества в карточке не приведены. Лицензия и специальные ограничения использования в доступных данных не указаны. Перед применением в критически важных сценариях необходимы собственные проверки качества, корректности структурированного вывода и устойчивости модели на целевых данных.

atomimpnsc/Qwen3-0.6B-JSON-SFT-GRPO — компактная плотная языковая модель семейства Qwen3, дообученная на основе NotoriousH2/Qwen3-0.6B-JSON-SFT. Модель содержит 507,9 млн параметров и рассчитана на генерацию текста; заявленная длина контекста — 40 960 токенов. Базовая модель предназначена для извлечения из корейских протоколов совещаний метаданных, поручений, решений и препятствий с представлением результата в JSON. Карточка этой версии сообщает о дообучении с использованием Unsloth и библиотеки TRL, но не уточняет состав обучающих данных и результаты оценки качества. Модель принимает текстовые запросы и генерирует текст, в том числе в формате JSON. Лицензия — Apache-2.0.

jaymanaryan/qwen3-0.6b-reasoning-indic-merge — слитая модель на архитектуре Qwen3-0.6B, созданная автором репозитория с помощью arcee_fusion из кластеров reasoning_stem и indic. Это плотная авторегрессионная модель примерно на 507,9 млн параметров с контекстом до 40 960 токенов; она предназначена для генерации текста, диалогов, рассуждений, математических задач, программирования и запросов на Indic-языках, включая Hinglish. В README указаны проверки на небольшом наборе промптов: результаты были связными, а проверка perplexity дала значение около 28,1. Модель ориентирована на компактное локальное применение и поддерживает интерфейсы чата и вызова инструментов. В тестах по умолчанию проявлялись видимые цепочки рассуждений с многоточиями. Она не специализируется на творческом письме и не заявлена для медицинских или широких общих задач; приведённые проверки ограничены небольшим набором примеров. Лицензия — Apache-2.0.

Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-GGUF — набор GGUF-квантизаций 27-миллиардной dense-модели с гибридной архитектурой внимания. Пакет подготовил Victor Cruz (vcruz305) на основе BF16-модели AEON-7/Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16, созданной на базе Qwen3.8-27B от Qwen/Alibaba. Модель не является официальной версией Qwen: в исходной модели удалено направление отказов, поэтому она ориентирована на менее ограниченную генерацию текста. Заявленные языки — английский и китайский; поддержка других языков и размер контекста в README не указаны. Модель предназначена для локального запуска через llama.cpp и задач генерации текста, включая диалоговые сценарии и агентские приложения. В каждый файл Q2_K–Q8_0 встроен MTP-блок для speculative decoding: архитектура включает 64 блока языкового ствола и один nextn/MTP-блок. Доступны варианты квантизации Q2_K, Q3_K_M, Q4_K_M, Q5_K_M, Q6_K и Q8_0 размером примерно от 10,12 до 27,05 GiB. Для работы с изображениями требуется отдельный mmproj-файл. К сильным сторонам относятся локальный запуск, несколько вариантов квантизации, встроенный MTP и исправленный chat template для многоходовых сценариев. Ограничения включают необходимость совместимой сборки llama.cpp, обязательный параметр --jinja, а для MTP — режим --parallel 1; Q8_0 не помещается целиком на GPU объёмом 24 ГБ, тогда как Q6_K заявлен как крупнейший вариант для полного размещения на 24-ГБ Turing. Модель распространяется по лицензии Apache-2.0.

Это исследовательский чекпойнт minjaechoi на основе Qwen/Qwen3.6-35B-A3B. Он предназначен для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Архитектура относится к семейству Qwen3.5 MoE, модель содержит 35 млрд параметров, а веса доступны в формате safetensors для загрузки через Transformers и vLLM. В чекпойнте routed experts имеют среднюю точность 2,3219 бита, остальные веса — BF16; тензоры весов хранятся в BF16 после деквантования. README называет его внутренним исследовательским чекпойнтом r51. Лицензия соответствует лицензии базовой модели. Мультимодальные возможности базовой модели не подтверждены для этого чекпойнта карточкой, поэтому описание ограничено текстовой генерацией.

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.

zeromodels/qwen3-vl-2b-thinking — конверсия модели Qwen3-VL-2B-Thinking от команды Qwen в реализацию на Keras 3. Компактная мультимодальная модель принимает изображения и текст и генерирует текст; веса хранятся в формате bfloat16. Реализация запускается с TensorFlow, Torch и JAX через Qwen3VLProcessor. Модель предназначена для диалогового анализа изображений, визуальных рассуждений и задач вроде OCR. Репозиторий предоставляет вариант на 2 млрд параметров; модель построена на базе Qwen/Qwen3-VL-2B-Thinking. Лицензия — Apache 2.0. Для подробностей о возможностях и условиях использования автор README отсылает к карточке исходной модели.

spacesedan выпустил дообученную модель Longformer для классификации тональности текста по пяти категориям — от очень негативной до очень позитивной. Модель предназначена для анализа длинных пользовательских текстов, в частности публикаций Reddit, отзывов и сообщений на форумах. Она использует архитектуру LongformerForSequenceClassification, содержит 151,8 млн параметров и поддерживает контекст длиной до 4098 токенов. Модель обучена на данных GoEmotions, Amazon Reviews и наборах анализа тональности Twitter и Reddit; 27 эмоциональных меток GoEmotions преобразованы в пятибалльную шкалу. В карточке приведены результаты оценки: accuracy 0,671, macro F1 0,642 и weighted F1 0,673. Модель работает с английским текстом и распространяется под лицензией, указанной в метаданных Hugging Face; лицензия в предоставленных данных не приведена.

RhoBERTa — модель-классификатор текста для проверки ответов LLM на галлюцинации и выявления jailbreak-атак. Согласно карточке, она разработана как обёртка над cross-encoder/nli-deberta-v3-base с дополнительными вычислениями над оценками entailment, contradiction и neutral. Архитектура — RhobertaForSequenceClassification, размер — 211,6 млн параметров, максимальный контекст — 512 токенов; модель принимает текст и выдаёт классификационные оценки. Модель предназначена для проверки соответствия ответа LLM исходному контексту, в том числе в RAG-сценариях, и для выявления потенциально вредоносных инструкций. README заявляет работу без дообучения, оценку Quantum Confidence Score и пороговую блокировку сомнительных ответов. Эти заявления и приведённые в карточке метрики не подтверждены независимыми данными. Для загрузки README требует включить trust_remote_code=True, что исполняет пользовательский код репозитория. Лицензия — MIT.

pongjin/roberta_with_kornli — модель классификации последовательностей на архитектуре RoBERTa, дообученная автором на основе klue/roberta-base на данных KorNLI с использованием MNLI и XNLI. Она предназначена для zero-shot-классификации корейских текстов: пользователь задаёт возможные категории, а модель оценивает, насколько текст соответствует каждой из них. В карточке приведён результат обучения: accuracy 0,811 после трёх эпох. Модель содержит 137,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch под лицензией Apache-2.0. Для запуска zero-shot pipeline в описанной автором версии Transformers требуется дополнительный обработчик аргументов, поскольку модель RoBERTa не использует token_type_ids.

Ruri-Reranker-Large — разработанная cl-nagoya японская модель Sentence Transformer для ранжирования текстов. Она оценивает релевантность пары запрос–документ и подходит для повторной сортировки результатов семантического поиска и поиска по японским материалам. Модель построена на архитектуре BERT с классификационной головой BertForSequenceClassification; содержит 436,2 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены результаты на японских наборах JQaRA, JaCWIR и MIRACL, где модель показывает лучшие значения среди перечисленных вариантов Ruri-Reranker. Модель дообучена на cl-nagoya/ruri-pt-large и распространяется в формате safetensors под лицензией Apache 2.0. Основной язык — японский; метаданные также указывают поддержку задач text-ranking и text-classification. Карточка не описывает ограничения помимо максимальной длины последовательности.

SEW-D-tiny-100k-ft-ls100h — англоязычная модель распознавания речи от ASAPP Research на архитектуре SEW-D, представленная как вариант SEW-D-tiny. Она преобразует речь в текст и предназначена для транскрибирования аудио; в README также описана более широкая применимость базовой предварительно обученной модели после дообучения для задач идентификации говорящего, классификации намерений и распознавания эмоций. Модель содержит 28,3 млн параметров и принимает аудио с частотой дискретизации 16 кГц; её архитектура основана на идеях wav2vec 2.0 и рассчитана на эффективное распознавание речи. Карточка указывает датасет LibriSpeech ASR и лицензию Apache-2.0. README приводит результаты семейства SEW в исследовании, но не сообщает отдельные метрики именно для этого чекпойнта.

Карточка модели m-toman/siglip2-base-patch16-384 на Hugging Face совпадает с карточкой google/siglip2-base-patch16-384, поэтому описание составлено по ней. SigLIP 2 Base — базовая модель семейства SigLIP 2 от Google, предназначенная для сопоставления изображений и текста. Это плотная vision-архитектура; вариант patch16-384 принимает изображения с разрешением 384 пикселя и обучен на датасете WebLI с использованием объединённой схемы предобучения SigLIP и ранее разработанных методов. Модель подходит для классификации изображений по произвольным текстовым меткам без дополнительного обучения, поиска изображений по тексту и текста по изображению, а также как визуальный энкодер для VLM и других компьютерно-зрительных задач. В README отмечены улучшенное семантическое понимание, локализация и извлечение плотных признаков. Модель распространяется под лицензией Apache-2.0. README не приводит численный размер модели или результаты оценки, поэтому их нельзя уточнить по доступным сведениям.

SigLIP 2 Giant — визуальная модель Google на основе семейства SigLIP 2, предназначенная для сопоставления изображений и текста. Её можно использовать для классификации изображений по заданным текстовым меткам без отдельного обучения на этих классах, поиска изображений по текстовому запросу и как визуальный энкодер для мультимодальных моделей и других задач компьютерного зрения. Модель предварительно обучена на наборе данных WebLI с объединённой методикой обучения SigLIP 2, которая улучшает семантическое понимание, локализацию и получение плотных визуальных признаков. Доступна в формате safetensors и рассчитана на использование через Transformers. Карточка не сообщает размер модели и длину контекста. Лицензия — Apache-2.0.

Карточка модели Veritone/siglip2-so400m-patch14-224 на Hugging Face совпадает с карточкой google/siglip2-so400m-patch14-224, поэтому описание составлено по ней. SigLIP 2 So400m — модель визуального энкодера от Google на архитектуре SigLIP. Она обучена на наборе WebLI и предназначена для понимания связей между изображениями и текстом. Модель поддерживает классификацию изображений по заданным текстовым меткам без специального дообучения, поиск изображений по текстовому запросу и использование в качестве визуального энкодера для VLM и других задач компьютерного зрения. Модель принимает изображения и текстовые метки или запросы, сопоставляет их семантически и выдаёт оценки соответствия. Вариант So400m использует патчи 14 × 14 и входное разрешение 224 × 224. Репозиторий содержит веса в формате safetensors; для работы предусмотрена библиотека Transformers. Лицензия Apache-2.0 разрешает коммерческое использование при соблюдении её условий.