I.1Поиск и навигация по информации

WeMM-Embedding-2B — универсальная мультимодальная embedding-модель, разработанная Tencent и построенная на Qwen3.5. Указанный репозиторий содержит её квантованную версию в формате GGUF. Модель предназначена для преобразования данных в векторные представления и поддерживает текст, изображения, видео, визуальные документы, а также интерливинг мультимодальных входов. Аудио не поддерживается. Модель имеет размер 2B параметров и возвращает L2-нормализованный embedding размерностью 2048. Она подходит для семантического поиска, сопоставления запросов и документов, мультимодального поиска, кластеризации и задач retrieval. Поддерживаются китайский и английский языки. Реализована поддержка Matryoshka Embeddings: вектор можно усекать до размерностей, заданных в конфигурации, включая 256; для этой размерности заявлено сохранение 98,7% исходной производительности на задачах с изображениями и видео. В бенчмарке MMEB-v2 модель показала средний результат 77,9, включая 79,6 на задачах с изображениями, 70,8 с видео и 80,7 с визуальными документами. Ограничения включают отсутствие поддержки аудио и необходимость специализированной обработки мультимодальных входов; заявленный контекст модели в README не указан. Лицензия обозначена как Apache-2.0.

WeMM-Embedding-4B — универсальная мультимодальная модель эмбеддингов Tencent на базе Qwen3.5-4B. Она принимает текст, изображения, видео, визуальные документы и их сочетания, а на выходе формирует L2-нормированный вектор размерностью 2560. Для векторного поиска и сравнения можно кодировать текст, изображения или видео как по отдельности, так и в составе смешанного ввода; модель также поддерживает Matryoshka-эмбеддинги с выбором меньшей размерности. Модель предназначена для получения представлений мультимодального содержимого, в частности для поиска и сопоставления текста, изображений, видео и визуальных документов. В README приведены результаты на наборах MMEB-v2 и MMEB-v3; они описывают оценку на бенчмарках, а не гарантируют качество в конкретном приложении. Аудиоввод не поддерживается. Указана лицензия `other`; конкретные условия следует уточнить в карточке модели.

PaDaS-Lab/xlm-roberta-base-msmarco-webfaq — модель Sentence Transformers от PaDaS-Lab для сопоставления предложений и абзацев по смыслу. Она основана на XLM-RoBERTa-base-MSMARCO и обучена на наборе WebFAQ Retrieval Dataset из 2,56 млн пар текстов с функцией потерь MultipleNegativesRankingLoss. Архитектура объединяет XLM-RoBERTa с усредняющим пулингом токенов; модель формирует плотные векторы размерности 768, а близость текстов оценивается косинусным сходством. Модель подходит для семантического поиска, поиска похожих вопросов и ответов, сопоставления перефразировок, кластеризации и классификации текстов. Она принимает последовательности длиной до 512 токенов; в примерах обучающего набора есть тексты на немецком языке. Репозиторий распространяется в формате safetensors, лицензия — MIT. Качество на конкретных языках и прикладных задачах в карточке не оценено.

panalexeu/xlm-roberta-ua-distilled — модель Sentence Transformers, дообученная на основе FacebookAI/xlm-roberta-base для построения векторных представлений предложений и абзацев на английском и украинском языках. Архитектура включает XLM-RoBERTa и mean pooling; модель создаёт плотные эмбеддинги размерностью 768, а сходство текстов можно оценивать косинусным сходством. Максимальная длина входа — 512 токенов. Модель предназначена для поиска семантически близких текстов, сопоставления переводов и парафраз, кластеризации и классификации текстов, а также оценки семантического сходства в парах английских и украинских предложений. В README приведены результаты на наборах STS17 для английского, украинского и смешанных языковых пар. Модель разработана на базе FacebookAI/xlm-roberta-base и распространяется по лицензии MIT. Качество может различаться в зависимости от домена и типа текстов; подтверждённые оценки в карточке относятся к указанным наборам для английского и украинского языков.

amahdaouy/xlmrsim-mar_2ep — мультиязычная модель Sentence Transformers, дообученная разработчиком на базе sentence-transformers/stsb-xlm-r-multilingual для сравнения смысловой близости предложений. Архитектура XLM-RoBERTa преобразует текст в плотные векторы размерности 768; представление строится усреднением токенных эмбеддингов, а сходство обычно оценивается косинусной мерой. В метаданных указано 305,2 млн параметров и контекст длиной 514 токенов; карточка модели задаёт максимальную длину последовательности 128 токенов. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Примеры обучающих пар включают английский, французский и арабский языки, а базовая модель мультиязычная. В README приведены результаты оценки сходства, включая Spearman 0,8659 для косинусного сходства; переносить их на другие наборы данных без проверки не следует. Лицензия в предоставленных сведениях не указана.

lmxhappy/yule_bagua_bert — модель на базе BERT, опубликованная пользователем lmxhappy в формате PyTorch. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для поиска семантически похожих текстов, кластеризации и семантического поиска. Обучение с MultipleNegativesRankingLoss и косинусной мерой сходства ориентировано на получение полезных эмбеддингов предложений. Модель содержит 129,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Для работы доступны Sentence-Transformers и Transformers с подходящей операцией pooling. В карточке не указаны конкретные языки, поэтому языковую специализацию установить нельзя. Лицензия в предоставленных данных не указана.

Zhinao-ChineseModernBert-Embedding — семантическая embedding-модель Qihoo 360 на архитектуре ModernBert, реализованная как Sentence Transformer. Она построена на собственной базовой модели Zhinao-ChineseModernBert и прошла двухэтапное обучение для получения векторных представлений: контрастивное обучение на китайских и английских поисковых и переводных данных, затем многозадачная настройка на CMTEB и MTEB. Модель имеет 227 млн параметров, выдаёт нормализованные векторы размерности 768, использует Qwen2Tokenizer и поддерживает контекст до 8192 токенов по метаданным; карточка модели указывает максимальную длину последовательности 512 токенов. Модель предназначена прежде всего для поиска по смыслу, расчёта сходства текстов, кластеризации и классификации, а также для векторных баз и извлечения контекста в RAG-системах. Она ориентирована на китайский язык и китайско-английские тексты; архитектура и обучение нацелены на эффективный инференс при ограничениях памяти. README заявляет высокие результаты на китайских и многоязычных бенчмарках, но эти сравнения приведены авторами модели. Модель распространяется по лицензии Apache 2.0, допускающей коммерческое использование. Ограничения: максимальная длина входной последовательности embedding-модели составляет 512 токенов, поэтому длинные тексты следует разбивать на фрагменты или обрезать; для чисто английских специализированных текстов авторы рекомендуют англоязычные модели. Для задач, отличающихся от стандартных, может потребоваться подобрать подходящий prompt.

Карточка модели avsolatorio/30-100-11-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240201131522-best на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

Карточка модели avsolatorio/30-100-11-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240201131522-latest на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

Карточка модели avsolatorio/30-100-11-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240201161726-best на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

Карточка модели avsolatorio/30-100-11-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240202124453-best на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

Карточка модели avsolatorio/30-100-31-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240206161831-latest на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

Watwat100/32data — модель Sentence-Transformers на базе MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска по смыслу, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и формирует эмбеддинги; контекст составляет до 514 токенов. Модель подходит для семантического поиска и группировки похожих текстов. В README указано обучение с CosineSimilarityLoss. Данных о специализации по языкам или предметным областям нет. В метаданных указан формат PyTorch; лицензия не приведена.

360Zhinao-1.8B-Reranking — плотная авторегрессионная модель семейства 360Zhinao, разработанная Qihoo 360 на базе собственной модели 360Zhinao-1.8b-Base. Она предназначена для ранжирования текстовых пар: оценивает релевантность документов запросу и помогает переставлять результаты поиска или фрагменты контекста в RAG-системе. В README сообщается о среднем результате 70,13 на китайском бенчмарке MTEB Chinese Reranking и первом месте среди открытых моделей на момент публикации карточки. Модель содержит 1,6 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Обучение проводилось на четырёх наборах данных бенчмарка; разработчики описывают работу по согласованию задач и стабилизации обучения. Репозиторий содержит веса PyTorch, библиотека — Transformers. Лицензия Apache-2.0.

gte-tiny — компактная модель эмбеддингов предложений на базе архитектуры BERT, представленная в репозитории avsolatorio. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, сравнения текстов и кластеризации. Модель дистиллирована из thenlper/gte-small; README отмечает, что качество сопоставимо, но немного ниже, при размере примерно вдвое меньше. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов. Модель принимает текст и выдаёт векторы, пригодные для поиска по смыслу и группировки похожих текстов. Она опубликована в формате safetensors и поддерживает библиотеку Sentence Transformers. Сведения о лицензии и специальных языках применения в предоставленных источниках отсутствуют.

Nhat1904/4-shot-twitter — модель Sentence-Transformers на базе MPNet, разработанная для преобразования предложений и абзацев в плотные векторы размерности 768. Она обучалась с функцией потерь CosineSimilarityLoss и подходит для семантического поиска, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и выдаёт векторные представления; максимальная длина контекста составляет 514 токенов. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Карточка модели Nhat1904/8_shot_STA_head_trained_lr1e-4 на Hugging Face совпадает с карточкой lewtun/my-awesome-setfit-model, поэтому описание составлено по ней. lewtun/my-awesome-setfit-model — модель Sentence-Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768, предназначенные для сравнения смысловой близости текстов. Модель подходит для семантического поиска и кластеризации текстов, а также для получения эмбеддингов, используемых в других системах. В README указано обучение с функцией потерь CosineSimilarityLoss. Для применения описана работа через Sentence-Transformers или Transformers с подходящей операцией pooling. Максимальная длина контекста — 514 токенов. Модель принимает текст и выдаёт векторы. В карточке нет сведений о лицензии или целевых языках, поэтому определить условия использования и языковую специализацию по доступным данным нельзя.

lunz21/aa-abr-names-model — модель на базе MPNet, опубликованная пользователем lunz21 и оформленная для библиотеки Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения смысловой близости, семантического поиска и кластеризации. Модель содержит 136,7 млн параметров, работает с текстом и имеет контекст длиной до 514 токенов. В README указано обучение с функцией потерь CosineSimilarityLoss. Это позволяет применять модель для получения эмбеддингов и оценки сходства текстов. Репозиторий содержит веса в формате safetensors. Лицензия и конкретные языки в предоставленных данных не установлены.

AfriE5-Large-instruct — модель текстовых эмбеддингов, разработанная для улучшенной поддержки африканских языков на основе multilingual-e5-large-instruct. Она предназначена для преобразования текстов и запросов в векторы для семантического поиска, сравнения предложений и других задач, где нужно оценить смысловое сходство. Модель основана на XLM-RoBERTa-large, содержит 658,7 млн параметров и принимает контекст длиной до 514 токенов. При обучении использовались межъязыковое контрастивное обучение и дистилляция знаний; базовая модель указана в метаданных как дообученная. Обучение было нацелено на амхарский, оромо, хауса, игбо, киньяруанда, суахили, тви, коса, йоруба и зулу. В README заявлена проверка на 59 языках, а метаданные также отмечают английский. В тестах AfriMTEB модель показала средние результаты 63,7 на наборе из девяти языков и 62,4 на наборе из 59 языков. Лицензия — MIT.

Agents-A1-4B — плотная языковая модель на 4 млрд параметров от InternScience, созданная для автономного выполнения многошаговых задач. Она основана на архитектуре Qwen3.5 и дообучена для агентных сценариев: поиска, инженерной работы, научных исследований, следования инструкциям и вызова инструментов. Модель поддерживает диалог и интерфейс вызова функций; веса доступны в формате safetensors и совместимы с Transformers, vLLM и SGLang. В README заявлена длина контекста до 262 144 токенов при указанной конфигурации SGLang. Модель предназначена для разложения сложных запросов на шаги, планирования, использования внешних инструментов и ответов на научные и профессиональные вопросы. В README приведены высокие результаты на тестах поиска, агентных задач и следования инструкциям, однако это заявления разработчика, и они не гарантируют качество в конкретном приложении. Лицензия Apache-2.0.

InternScience/Agents-A1-4B-Q4_K_M-GGUF — квантизированная версия плотной языковой модели Agents-A1-4B, разработанная командой InternScience. Модель предназначена для агентных сценариев с длинной последовательностью действий: поиска, инженерных и научных задач, следования сложным инструкциям, профессионального вопросно-ответного взаимодействия и вызова внешних инструментов. Она поддерживает планирование, разбиение сложных задач на шаги, адаптацию по промежуточным результатам, function calling и интеграцию с API, интерпретаторами кода и поисковыми системами. Модель содержит около 4 миллиардов параметров и распространяется в формате GGUF с квантизацией Q4_K_M, что снижает требования к памяти и делает её подходящей для локального запуска. В карточке указаны теги vision и vlm, однако подробные сведения о поддерживаемых визуальных модальностях, языках и размере контекстного окна отсутствуют. По заявленным результатам Agents-A1-4B показывает высокую эффективность на BrowseComp, XBench-DS-2510, GAIA, FrontierScience-Research и IFEval, конкурируя с более крупными моделями при меньшем числе параметров. Ограничения модели включают неизвестные из README языковые и мультимодальные возможности, а также отсутствие подробностей о требованиях к оборудованию и точных условиях применения квантизированной сборки. Модель и её базовые компоненты распространяются по лицензии Apache-2.0; формат совместим с экосистемой GGUF и предназначен для использования с соответствующими локальными средствами инференса.

abbasgolestani/ag-nli-bert-mpnet-base-uncased-sentence-similarity-v1 — модель Sentence Transformers на архитектуре MPNet, разработанная автором репозитория abbasgolestani. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 514 токенов и распространяется в формате PyTorch. В README указано обучение с CosineSimilarityLoss и точность 82% на локальном наборе из 1000 пар предложений. Модель подходит для получения текстовых эмбеддингов и оценки смыслового сходства; сведения о лицензии и языковой специализации в предоставленных данных отсутствуют.

LazarusNLP/all-indobert-base-p2 — модель Sentence Transformers на архитектуре BERT, предназначенная для преобразования предложений и абзацев в плотные векторы размерностью 768. Её можно применять для семантического поиска, кластеризации и сравнения смысловой близости текстов на индонезийском языке. Модель содержит 151,6 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления. Она обучалась с MultipleNegativesRankingLoss и косинусной функцией сходства на наборах данных для индонезийского языка, включая IndoNLI, MIRACL и TyDiQA. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

LazarusNLP/all-indobert-base-v4 — модель эмбеддингов предложений на базе архитектуры BERT, опубликованная организацией LazarusNLP. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Модель обучалась с функцией потерь CachedMultipleNegativesRankingLoss и косинусной мерой сходства; в обучении использовались наборы данных для индонезийского языка и многоязычного NLI. Модель принимает текст и выдаёт векторы признаков. Репозиторий использует библиотеку sentence-transformers и формат safetensors; размер модели — 151,6 млн параметров, максимальная длина контекста — 512 токенов. Данные указывают на основную поддержку индонезийского языка, но карточка также упоминает многоязычный обучающий набор на 26 языках. Условия лицензии в предоставленных данных не указаны.

RonanMcGovern разместил sentence-transformers/all-MiniLM-L12-v2-ft — дообученную модель Sentence Transformers на базе sentence-transformers/all-MiniLM-L12-v2. Это компактный BERT-энкодер примерно на 40 млн параметров: он преобразует предложения и абзацы в плотные эмбеддинги размерности 384, нормализует векторы и сравнивает их с помощью косинусного сходства. В README указана максимальная длина последовательности 128 токенов; метаданные указывают контекст до 512 токенов. Модель предназначена для семантического поиска и оценки сходства текстов, а также может применяться для поиска перефразирований, кластеризации и классификации текста. Карточка описывает дообучение с TripletLoss, но не уточняет датасет и специализацию, поэтому качество для конкретных доменов и языков из этих данных установить нельзя. Базовая модель англоязычная, и основной сценарий использования — англоязычные тексты. Для применения указана библиотека Sentence Transformers; веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

KhaledReda/all-MiniLM-L6-test_model-pair_score — англоязычная модель Sentence Transformers, дообученная на базе sentence-transformers/all-MiniLM-L6-v2. Это плотный BERT-энкодер с 25,9 млн параметров: он преобразует предложения и абзацы в нормализованные векторы размерности 384, которые можно сравнивать косинусным сходством. README указывает максимальную длину последовательности 256 токенов, а метаданные — контекст до 512 токенов. Модель предназначена для оценки семантического сходства, семантического поиска и поиска перефразировок; полученные векторы также подходят для кластеризации и классификации текстов. Она принимает текст и возвращает векторные представления. Обучение указано с функцией потерь CoSENTLoss. Лицензия — Apache-2.0.

KhaledReda выпустил англоязычную модель Sentence Transformers, дообученную на sentence-transformers/all-MiniLM-L6-v2 на наборе пар текстов с оценками сходства. Энкодер на архитектуре BERT преобразует предложения и абзацы в плотные векторы размерности 384; для оценки сходства используется косинусная близость. Метаданные указывают 25,9 млн параметров и максимальный контекст 512 токенов, а в карточке модели заявлена максимальная длина последовательности 256 токенов. Модель предназначена для сравнения смысловой близости текстов, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Её можно применять для ранжирования найденных по смыслу предложений и группировки похожих формулировок. Модель принимает текст и выдаёт векторы; основным языком является английский. Лицензия — Apache-2.0.

Карточка модели freedomfrier/all-MiniLM-L6-v2-128dim на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

qxakshat/all-MiniLM-L6-v2-32dim — модель Sentence Transformers на архитектуре BERT, которая преобразует предложения и абзацы в плотные векторы размерностью 32. Её можно применять для семантического поиска, кластеризации и оценки сходства текстов. Репозиторий содержит веса в формате safetensors; модель насчитывает 25,9 млн параметров и принимает последовательности длиной до 512 токенов. Это уменьшенная по размерности версия all-MiniLM-L6-v2: README указывает, что 32-мерное представление получено снижением размерности исходного 384-мерного. На тесте STS с оценкой косинусного сходства версия на 32 измерения показала Pearson 0,7256 и Spearman 0,7481, ниже исходной версии с 384 измерениями (0,8274 и 0,8203 соответственно). Модель ориентирована на английский язык и выпущена по лицензии Apache-2.0.

all-MiniLM-L6-v23-pair_score — англоязычная модель Sentence Transformers, дообученная на основе sentence-transformers/all-MiniLM-L6-v2. Она использует BERT-энкодер с усреднением токенных представлений и нормализацией, преобразуя предложения и абзацы в плотные векторы размерности 384. Для сравнения векторов подходит косинусное сходство. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; карточка модели задаёт максимальную длину последовательности 256 токенов. Модель предназначена для оценки семантического сходства предложений и может применяться в семантическом поиске, поиске перефразировок, кластеризации и классификации текстов. Лицензия Apache-2.0 разрешает использование на её условиях. Модель рассчитана на английский язык; качество на других языках не подтверждено.