I.1Поиск и навигация по информации

swardiantara/bert-tiny-yelp-k3-fixed-euclidean — компактная модель Sentence Transformers, созданная дообучением google/bert_uncased_L-2_H-128_A-2. Она преобразует тексты и абзацы в плотные векторы размерностью 128 для поиска и сравнения по смыслу; сходство можно оценивать косинусной мерой. Модель обучалась на парах текстов с метками, сформированных на основе набора данных Yelp, и подходит для семантического поиска и извлечения похожих текстов. Модель принимает текст. Метаданные указывают контекст до 512 токенов, а карточка — максимальную длину последовательности 128 токенов; практический предел обработки следует считать 128 токенов. Число параметров — 4,4 млн. Базовая модель — компактный англоязычный BERT, поэтому модель ориентирована прежде всего на английский язык. Лицензия в предоставленных данных не указана.

BAAI/bge-m3-retromae — многоязычная модель BAAI на архитектуре XLM-RoBERTa, предназначенная для предварительного обучения текстовых представлений и задач поиска. Она создана расширением максимальной длины последовательности XLM-RoBERTa до 8192 токенов и дальнейшим обучением по подходу RetroMAE; в отличие от итоговой BGE-M3, эта версия описана как её предобученная основа, а не как готовая модель с унифицированной настройкой dense-, sparse- и многовекторного поиска. Модель принимает текст и формирует признаки, которые можно использовать как основу для поиска по коротким фрагментам и длинным документам, в том числе в многоязычных сценариях. В карточке семейства заявлена поддержка более 100 языков и контекст до 8192 токенов; метаданные указывают 658,7 млн параметров. Репозиторий содержит веса PyTorch, а лицензия — MIT. Карточка отмечает, что итоговая BGE-M3 сочетает несколько режимов поиска, но не приписывает весь этот функционал напрямую варианту retromae. Для прикладной системы поиска может потребоваться дополнительное обучение или настройка; качество на одном языке может уступать специализированным одноязычным моделям.

oxfrug/bge-m3-swedish-superlim — модель эмбеддингов, созданная автором репозитория путём контрастивного дообучения BAAI/bge-m3 на шведских текстовых парах и запросах с ответами. Она предназначена прежде всего для семантического поиска и сопоставления предложений на шведском языке; также подходит для кластеризации текстов. Архитектура основана на XLM-RoBERTa, размер модели в метаданных — 658,7 млн параметров, нативный контекст — 8194 токена. Рекомендуемая автором размерность эмбеддингов — 768; модель использует библиотеку sentence-transformers и распространяется в формате safetensors. На описанных автором оценках модель улучшила результаты базовой BGE-M3 на SweParaphrase, SweFAQ и SwednRetrieval. Это специализированная модель для поиска: качество классификации шведских текстов снизилось относительно базовой модели. Оценка SweFAQ использовала обучающую выборку, поэтому её нельзя считать результатом zero-shot. Веса распространяются по лицензии MIT, однако лицензии части обучающих данных, включая дополнительную смесь медицинских вопросов и ответов, не установлены; результаты README также не означают включения модели в официальный рейтинг MTEB.

Xenova/bge-small-zh-v1.5 — это версия модели BAAI/bge-small-zh-v1.5, подготовленная сообществом Xenova для работы в Transformers.js. В репозитории представлены веса в формате ONNX, совместимые с JavaScript-библиотекой Transformers.js и ориентированные на выполнение моделей в веб- и JavaScript-средах. Модель предназначена для извлечения признаков (feature extraction), то есть преобразования текстов в числовые представления, которые могут использоваться в задачах семантического поиска, сопоставления текстов и построения систем на основе эмбеддингов. В README не указаны точные архитектура, количество параметров, размер контекста, поддерживаемые языки, модальности или результаты оценки качества. Сильной стороной является готовность к использованию через Transformers.js и формат ONNX; при этом условия лицензирования и ограничения применения в карточке не указаны.

bilingual-embedding-small — модель векторных представлений предложений от Lajavaness для французского и английского языков. Она дообучена на базе Multilingual-MiniLM-L12-H384 и использует архитектуру Sentence Transformers: MiniLM-кодировщик, усреднение токенных представлений и нормализацию. Модель содержит 124,3 млн параметров, кодирует предложения в 384-мерные векторы и принимает последовательности длиной до 512 токенов. Модель предназначена для сравнения смысловой близости предложений, семантического поиска и кластеризации текста на французском и английском. В обучении использовались SNLI, XNLI и STS Benchmark для обоих языков, а также аугментация обучающих пар. Доступна по лицензии Apache-2.0. Карточка не содержит результатов оценки качества, поэтому точность для конкретных задач по ней определить нельзя. Контекст ограничен 512 токенами; модель рассчитана на французский и английский языки.

bling-phi-2-v0 — языковая модель серии BLING, разработанная llmware для ответов на вопросы по контексту в RAG-сценариях. Это плотная модель семейства Phi с 3,5 млрд параметров, дообученная на базе Microsoft Phi-2B-Base на пользовательских инструктивных данных. Модель принимает текст и генерирует текст; основным языком в карточке указан английский. Длина контекста — 2048 токенов. Модель предназначена для прототипирования и автоматизации ответов по документам: отвечает на вопросы по предоставленному тексту, извлекает пары ключ-значение и выполняет простое суммирование. В описанном тесте RAG-Instruct-Benchmark-Tester указана точность 93 из 100; результаты теста не гарантируют аналогичного качества на других данных. Для использования необходима проверка фактов: модель может давать неполные или неточные ответы. Лицензия — Apache 2.0.

CAG-7b — плотная языковая модель семейства Llama, разработанная для генерации ответов с учётом достоверности сведений в контексте. Модель содержит 6,6 млрд параметров, принимает текст и имеет контекст до 4096 токенов; карточка описывает её как 7B-модель. В метаданных указаны английский язык и архитектура LlamaForCausalLM. Модель предназначена для ответов на вопросы по документам, в том числе содержащим шумные или противоречивые сведения. Заявленные сценарии включают персонализированную генерацию ответов и разрешение конфликтов знаний; оценивание проводилось для вопросов по открытым, актуальным и загрязнённым дезинформацией данным. Модель распространяется по лицензии MIT. Ключевая особенность CAG — настройка на использование сигналов достоверности из контекста при генерации. Результаты и устойчивость могут зависеть от качества и состава входных документов; указанное контекстное окно ограничено 4096 токенами.

CAG-mistral-7b — языковая модель на архитектуре Mistral, дообученная авторами репозитория на Mistral-7B для генерации ответов с учётом достоверности сведений в контексте. Она предназначена для сценариев retrieval-augmented generation (RAG), где нужно отвечать по внешним документам, в том числе при наличии шумных или противоречивых источников. Среди заявленных сценариев — персонализированные ответы и разрешение конфликтов знаний; модель также оценивалась на вопросах по открытым и меняющимся во времени сведениям и на вопросах в условиях загрязнения дезинформацией. Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Карточка указывает английский язык и лицензию MIT. Ограничения качества и инструкции по развёртыванию в карточке не описаны.

Cheon Reranker 0.6B v1 — модель для переранжирования результатов поиска по юридическим и административным документам, разработанная на базе Qwen3-0.6B. Она оценивает и упорядочивает список найденных документов по релевантности запросу, в том числе в сценариях RAG. В метаданных указано около 507,9 млн параметров и контекст до 40 960 токенов; README описывает веса в формате fp32, а репозиторий содержит веса safetensors и реализацию для Transformers. Модель предназначена для поиска по корейским документам: карточка указывает корейский язык, а тестирование проводилось на корейской выборке AutoRAGRetrieval из MTEB, охватывающей финансы, государственный сектор, право и торговлю. Модель дообучена на Qwen/Qwen3-0.6B и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README сообщает о высоких результатах nDCG@10 на описанном тесте. Порядок кандидатов может влиять на оценки, поэтому их рекомендуется подавать в порядке первого этапа поиска; оценки предназначены для сравнения кандидатов в одном вызове и не являются вероятностями. Весам fp32 требуется больше памяти и времени, чем fp16/bf16-модели такого же размера. Данные и детали обучения, оптимизации и построения запросов не раскрыты.

hassaangyt разработал hassaangyt/compliance-emb-v1 — дообученную модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2. Она кодирует предложения и абзацы на английском языке в плотные векторы размерности 768 для семантического поиска и сравнения текстов; сходство оценивается косинусной мерой. Архитектура включает MPNet, усреднение токеновых представлений и нормализацию. Модель содержит 136,7 млн параметров; длина контекста по метаданным — 514 токенов.

DeCLUTR-small — компактная модель семейства RoBERTa от авторов работы DeCLUTR: Deep Contrastive Learning for Unsupervised Textual Representations. Она обучена для получения универсальных векторных представлений предложений и предназначена для работы как энкодер предложений, в том числе в экосистеме Sentence Transformers. Модель кодирует текст в эмбеддинги, которые можно сравнивать по косинусному сходству. Это подходит для поиска семантически близких предложений, сопоставления текстов и построения признаков для downstream-задач. В метаданных указаны 95,2 млн параметров, контекст до 514 токенов и поддержка английского языка; доступны веса PyTorch и Flax. Лицензия — Apache 2.0. Карточка позиционирует модель как универсальный энкодер предложений, но не приводит оценки качества для конкретных наборов данных. Результаты могут зависеть от домена и способа применения эмбеддингов; архитектура RoBERTa также ограничивает обработку входа заданной длиной контекста.

sentence-transformers/distilbert-base-nli-stsb-mean-tokens — модель Sentence-Transformers, обученная командой Sentence-Transformers на основе DistilBERT. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель использует архитектуру DistilBERT с усреднением контекстных представлений; максимальная длина контекста — 512 токенов. Модель подходит для семантического поиска, сравнения предложений и группировки текстов. Карточка помечает её как устаревшую и предупреждает о низком качестве эмбеддингов, поэтому для новых проектов рекомендуется выбрать более современную модель. Лицензия — Apache-2.0.

DUSUNEN Rota 270M v3 — компактная модель плотного поиска по турецким текстам, разработанная Werea и дообученная на базе microsoft/harrier-oss-v1-270m. Она построена на текстовой архитектуре Gemma 3, содержит около 257 млн параметров и рассчитана на контекст до 32 768 токенов. Модель создаёт текстовые эмбеддинги для семантического поиска и сравнения предложений; обучение включало дистилляцию оценок multilingual-e5-large и 308 тысяч естественных пар из MS MARCO-TR и DUSUNEN без синтетических шаблонов. Модель подходит для поиска документов и формирования кандидатов на первом этапе турецкоязычного RAG. В опубликованной оценке на TurHistQuadRetrieval она превзошла базовую Harrier OSS 270M по nDCG@10, но уступила multilingual-e5-base, особенно по полноте поиска на 100 результатах. Для стабильной работы автор рекомендует bf16: при fp16 выходы эмбеддингов могут содержать NaN. Лицензия — Apache-2.0.

Jechto/e5-dansk-test-0.1 — модель эмбеддингов предложений и абзацев на базе XLM-RoBERTa, опубликованная Jechto. Она преобразует текст в плотные векторы размерностью 1024 и предназначена для семантического поиска, сравнения предложений и кластеризации. Модель обучена на датасете MS MARCO, автоматически переведённом с английского на датский, чтобы проверить качество такого перевода для обучения на другом языке. Модель использует библиотеку Sentence Transformers и сохраняется в формате safetensors. Максимальная длина контекста — 514 токенов. В README описано обучение с MultipleNegativesRankingLoss и косинусным сходством. Карточка не сообщает лицензию; результаты обучения на машинном переводе могут зависеть от его качества.

kongchan/e5-word-meta-ko — модель эмбеддингов на базе Sentence Transformers, дообученная разработчиком на 25 358 примерах из набора json от dragonkue/multilingual-e5-small-ko-v2. Она кодирует текстовые запросы и описания в плотные векторы размерности 384, нормализует их и предназначена для семантического поиска и сопоставления запросов с документами по косинусному сходству. Архитектура состоит из трансформера BERT с усреднением токенных представлений; максимальная длина последовательности — 512 токенов. В README приведена оценка на наборе meta-assistant-terms: точность cosine_accuracy@1 составляет 0,9889, а @3 и @5 — 0,9997. Примеры обучающих данных показывают корейские запросы и определения терминов, поэтому модель подходит для поиска по корейским терминам и метаданным. Лицензия в предоставленных данных не указана.

embeddinggemma-pt-br — португалоязычная модель для создания текстовых эмбеддингов, подготовленная tardellirs на основе google/embeddinggemma-300m. Это плотный текстовый энкодер семейства Gemma 3 с 151,8 млн параметров, библиотекой Sentence Transformers и контекстом до 2048 токенов. Размер словаря сокращён до 64 тыс. наиболее частотных португальских токенов: матрица токенов была усечена, а энкодер и слои pooling и Dense сохранены без изменений. По README, вариант сохраняет 98,8% результата исходной модели на MTEB(por), при этом обучение не проводилось. Модель предназначена для получения эмбеддингов и семантического сравнения португалоязычных текстов, например для поиска, классификации, кластеризации и ранжирования. Для других языков качество может быть низким из-за возврата к побайтовой токенизации. Указанная лицензия — Gemma; применяйте модель в соответствии с её условиями.

EUBERT Embedding v1 — модель scampion для получения векторных представлений предложений и документов. Это дообученная на AllNLI версия EUBERT с архитектурой RoBERTa, содержащая 107 млн параметров и формирующая эмбеддинги размерности 768. Модель принимает текст и предназначена для работы с документами ЕС на 24 языках. Эмбеддинги можно использовать для поиска похожих документов и фрагментов, кластеризации и классификации текстов, а также как векторное представление в системах семантического поиска и RAG. Заявленная длина контекста — 514 токенов. В карточке приведены результаты оценок на наборах MTEB, включая классификацию и кластеризацию; авторы приглашают к дальнейшей оценке и сравнению модели. Модель распространяется под лицензией EUPL-1.1. Ограничения: README помечен как находящийся в разработке; приведённые оценки не подтверждают качество на всех 24 языках, а контекст в 514 токенов ограничивает обработку длинных документов без разбиения на фрагменты.

Fara1.5-9B — мультимодальный агент для управления веб-браузером, разработанный Microsoft Research AI Frontiers. Модель дообучена на базе Qwen/Qwen3.5-9B с использованием траекторий, созданных и проверенных конвейером FaraGen1.5. Она анализирует снимки экрана и историю предыдущих действий, затем выдаёт структурированные вызовы инструментов: например, щёлкнуть, ввести текст, прокрутить страницу, открыть URL или выполнить веб-поиск. Модель не использует DOM или дерево доступности; контекст составляет 262 тыс. токенов. Модель предназначена для выполнения многошаговых задач в браузере: заполнения форм, поиска информации, покупок, бронирований и других пользовательских сценариев. Она также может предсказывать координаты элементов интерфейса для других агентов. Для работы разработчики рекомендуют запускать её с harness из Fara CLI или Magentic-Lite; в карточке указана лицензия MIT. В модели предусмотрено обучение останавливаться и запрашивать разрешение перед вводом персональных данных и выполнением необратимых действий, таких как отправка формы или покупка. Однако точность многошаговых сценариев может снижаться из-за накопления ошибок, неоднозначного или вводящего в заблуждение интерфейса, а также prompt injection на веб-страницах. Качество хуже для неанглоязычного контента; модель может неверно определять состояние страницы или выдавать устаревшие сведения.

Модель inokufu/flaubert-base-uncased-xnli-sts создана на основе французской Flaubert base uncased и дообучена на задаче распознавания логических отношений между предложениями из XNLI, а затем на оценке семантического сходства по данным STS-fr. Она преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для сравнения по смыслу, семантического поиска и кластеризации. Контекст модели — до 512 токенов; формат репозитория — PyTorch. Модель рассчитана прежде всего на французский язык. В README указан результат 83,07% на оценке STS (fr). Для использования через Transformers требуется подходящая операция pooling поверх контекстных представлений. Лицензия в предоставленных данных не указана.

deepset/gbert-base-germandpr-question_encoder — плотный энкодер вопросов для поиска релевантных фрагментов в системе Dense Passage Retrieval (DPR), разработанный deepset. Модель обучена на немецком наборе GermanDPR: в его основе размеченные пары вопросов и ответов GermanQuAD, а сложные отрицательные примеры получены из немецкой Википедии. Для вопросов и документов предусмотрены отдельные энкодеры; этот репозиторий содержит энкодер вопросов. Модель предназначена для извлечения векторных представлений немецких вопросов, которые можно сопоставлять с векторами фрагментов документов, закодированными энкодером пассажей. Такой поиск подходит для систем вопросно-ответного поиска по немецким документам, в том числе на основе Haystack. Модель основана на gbert-base, содержит 137,1 млн параметров и поддерживает контекст до 512 токенов. Указана лицензия MIT. В карточке сообщается, что на тестовом наборе GermanDPR при поиске по немецкой Википедии модель заметно превзошла BM25 по recall@k. Она специализирована на немецком поиске вопросов и не является генератором ответов: для полноценного DPR-поиска нужны также энкодер пассажей и индекс документов.

gemmaembmrldistilled128d — компактный многоязычный кодировщик предложений, полученный автором репозитория дистилляцией модели google/embeddinggemma-300m. Модель предназначена для преобразования текстов в эмбеддинги и сравнения семантической близости предложений. Она использует архитектуру gemma3_text и библиотеку Sentence Transformers; содержит 11,2 млн параметров, имеет размерность скрытого представления 128 и контекст до 2048 токенов. Модель сжималась обрезкой слоёв и словаря, уменьшением скрытого размера и двухэтапной дистилляцией знаний. Заявлена поддержка 18 языков, включая русский, английский, китайский, японский и корейский. В приведённой оценке MTEB средний результат составляет 23,8%; качество заметно различается между группами задач, поэтому пригодность для конкретного поиска или сопоставления следует оценивать на собственных данных. Лицензия — Gemma.

GLiClass Modern Base v2.0 Init — компактная модель классификации последовательностей от Knowledgator, построенная на базе encoder-модели ModernBERT-base и дообученная для классификации без примеров. Она сопоставляет текст с заданными пользователем категориями за один проход модели; карточка сообщает об эффективности, сравнимой с cross-encoder, при меньших вычислительных затратах. Модель предназначена для классификации тем и тональности, а также для ранжирования документов в RAG-системах. По бенчмаркам в README модель показывает результаты на наборах IMDB, AG_NEWS и Emotions, а также на нескольких наборах для классификации отзывов и тональности. Поддерживаются английский и французский языки. Доступны веса в форматах Safetensors и ONNX. В README для этой версии указано 151 млн параметров; базовая ModernBERT-base в метаданных каталога оценивается в 149 млн параметров. Для коммерческого применения заявлено обучение на синтетических и лицензированных данных, допускающих такое использование; лицензия репозитория — Apache-2.0.

GLiClass Modern Large v3.0 — модель Knowledgator для классификации последовательностей текста с нулевым обучением на пользовательских метках. Она использует архитектуру GLiClass и выполняет классификацию за один проход, что, по данным авторов, делает её вычислительно эффективной по сравнению с cross-encoder. Модель предназначена для тематической классификации, анализа тональности и ранжирования текстов в RAG-сценариях. Модель содержит около 399 млн параметров, занимает примерно 1,6 ГБ и распространяется в формате Safetensors. Для версии v3.0 использовали LoRA-адаптеры с рангом 768 и дообучение на логических задачах; в README также приведены результаты тестирования в zero-shot режиме на наборах классификации. Лицензия — Apache-2.0. В README не указаны поддерживаемые естественные языки и максимальная длина контекста. Качество зависит от формулировки меток и предметной области; приведённые результаты относятся к отдельным бенчмаркам и не гарантируют такую же точность на других данных.

GLiClass Qwen 0.5B v1.0 — компактная модель классификации последовательностей семейства GLiClass, представленная Knowledgator. Она выполняет классификацию без заранее заданного набора классов и подходит для определения тематики и тональности текста, а также для ранжирования результатов в RAG-сценариях. По карточке, модель использует подход LLM2Vec, преобразующий современный декодер в двунаправленный энкодер, и обрабатывает классификацию за один проход; автор заявляет более высокую вычислительную эффективность по сравнению с cross-encoder и расширенное контекстное окно. Модель обучена на синтетических данных; в метаданных указан датасет MoritzLaurer/synthetic_zeroshot_mixtral_v0.1. Карточка сообщает о сопоставимом с версией на DeBERTa качестве в zero-shot-режиме и сильных результатах в few-shot-режиме, но не приводит конкретных метрик. Доступны веса в форматах Safetensors и ONNX; лицензия Apache-2.0 допускает коммерческое применение. Карточка описывает поддержку английского языка.

HydroEmbed/HydroEmbed-MCQTF-MiniLM-MNRL — дообученный разработчиком HydroEmbed энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2. Модель построена на архитектуре BERT и Sentence Transformers: среднее объединение токенов с последующей нормализацией даёт плотный вектор размерности 384. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; в README указан максимальный размер последовательности 256 токенов, поэтому фактический предел зависит от используемой конфигурации. Модель обучена с MultipleNegativesRankingLoss на 2542 парах предложений. Она предназначена для кодирования текста и сравнения смысловой близости, семантического поиска, выявления перефразировок, кластеризации и подготовки признаков для классификации. Примеры обучающих пар относятся к гидрологии и вопросам с вариантами ответа, но карточка не подтверждает специализацию на этой предметной области. Язык обучения или перечень поддерживаемых языков в предоставленных данных не указан; базовая модель ориентирована на английский. Для применения нужны входные тексты; на выходе модель выдаёт векторы, пригодные для сравнения по косинусному сходству. Это компактная модель для задач сходства предложений, но качество для других языков и предметных областей может отличаться и отдельно не подтверждено. Лицензия в предоставленных данных отсутствует.

IndoBERT Relevancy Classifier — модель apriandito для классификации релевантности индонезийского текста заданному контексту. Она принимает тему и текст, например заголовок новости или публикацию в соцсети, в формате пары последовательностей и определяет, относится ли текст к теме. Модель дообучена для бинарной классификации на базе indobenchmark/indobert-large-p2; архитектура — BERT для классификации последовательностей, размер — 433,9 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для отбора новостей и сообщений по темам: в обучающих данных представлены 188 контекстов из экономики, политики, здравоохранения, технологий, спорта и развлечений. В README указаны accuracy 96,5% и F1 0,948 на оценке автора. Модель работает с индонезийским языком и распространяется под лицензией Apache-2.0.

FineInstructions Instruction Template Retrieval Embedding — модель эмбеддингов для поиска шаблонов инструкций FineTemplates, разработанная в рамках проекта FineInstructions. Она сопоставляет документ или его фрагменты с подходящими шаблонами инструкций; благодаря симметричному поиску также подходит для поиска документов по описанию документа, совместимого с шаблоном. Модель дообучена на синтетических данных с помощью DataDreamer на базе BAAI/bge-m3. Это плотная модель семейства XLM-RoBERTa с 658,7 млн параметров, рассчитанная на контекст до 8194 токенов. Она создаёт текстовые эмбеддинги для семантического поиска и сравнения сходства предложений; заявлена библиотека Sentence Transformers, веса доступны в формате safetensors. Подходит для поиска шаблонов по целым документам и их разделам, а также для обратного поиска документов по описанию шаблона. README не сообщает конкретный перечень языков и лицензию, поэтому их условия здесь не уточняются.

intelli-embed-v2 — дообученная модель текстовых эмбеддингов, разработанная Serhii Seletskyi на базе Snowflake/snowflake-arctic-embed-l-v2.0. Она предназначена для семантического поиска, сравнения предложений и извлечения связанных сведений, особенно в GraphRAG и системах с долговременной памятью, где тексты хранятся в графовых базах данных. Модель использует архитектуру XLM-RoBERTa с плотным представлением и содержит 658,7 млн параметров. Она создаёт векторы размерности 1024, поддерживает контекст до 8194 токенов и распространяется в форматах Safetensors и ONNX. Разработчик сообщает о трёхэтапном дообучении с дистилляцией от Azure text-embedding-3-large и приводит результаты внутренних тестов на поиск, дедупликацию и извлечение воспоминаний. В метаданных указан английский язык; мультиязычность базовой модели сама по себе не подтверждает поддержку других языков этой версии. Лицензия — Apache-2.0. Модель выдаёт эмбеддинги, поэтому для поиска или ранжирования по ним нужна отдельная система хранения и сравнения векторов. Приведённые показатели основаны на наборах тестов разработчика и не гарантируют такое же качество на других данных; в README также отмечена более слабая оценка для асимметричного поиска по сравнению с другими сценариями.

jinaai/jina-embeddings-v5-omni-nano-classification — мультимодальная модель эмбеддингов Jina AI, дообученная для задач классификации на базе jinaai/jina-embeddings-v5-omni-nano. Плотная архитектура LlavaEuroBertAudioForEmbedding принимает текст, изображения, видео и аудио и преобразует их в совместимые векторы размерности 768 в общем пространстве. В модели около 0,95 млрд параметров. Модель предназначена для классификации по эмбеддингам и мультимодального поиска: можно индексировать текст и искать в нём по изображениям, видео или аудио без повторной индексации. Видео представляется кадрами; звуковая дорожка автоматически не обрабатывается, её нужно передать отдельно. Для текстовых документов ожидается префикс «Document: ». Доступны веса safetensors и поддержка Transformers; карточка также описывает запуск через sentence-transformers и vLLM. Мультиязычная модель подходит для сопоставления и классификации контента разных модальностей в общем пространстве эмбеддингов. Лицензия CC-BY-NC-4.0 разрешает использование с ограничением на коммерческое применение.

ramdane/jurimodel — модель семейства XLM-RoBERTa, представленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска, кластеризации и сравнения текстов по смыслу. В метаданных указаны 305,2 млн параметров и контекст длиной 514 токенов. Модель обучалась с функцией потерь CosineSimilarityLoss. Она выдаёт текстовые эмбеддинги, которые можно использовать для поиска близких по смыслу фрагментов и группировки документов. Название предполагает юридическую направленность, однако README не подтверждает специализацию на правовых текстах, поэтому её не следует считать установленной. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.