I.1Поиск и навигация по информации

BAAI/BGE-VL-large — модель мультимодального поиска и сопоставления текста и изображений, разработанная BAAI. Она дообучена на базе OpenAI CLIP ViT-L/14 и создаёт векторные представления текстов, изображений и составных запросов, объединяющих изображение с текстовым описанием. Представления можно сравнивать по сходству для поиска подходящих изображений, в том числе по запросам вида «изменить фон на ночной», заданным вместе с исходным изображением. Модель работает с текстом и изображениями; карточка демонстрирует использование через Sentence Transformers и Transformers с `trust_remote_code=True`. В метаданных указан язык en, однако примеры показывают мультимодальный поиск без утверждения об исключительной поддержке английского. Репозиторий содержит веса safetensors, лицензия — MIT. Размер модели и длина контекста в предоставленных данных не указаны.

BAAI/BGE-VL-Screenshot — модель семейства UniSE от BAAI для поиска по скриншотам и визуально представленным данным. Она дообучена на базе Qwen2.5-VL-3B-Instruct и использует архитектуру Qwen2.5-VL с 3,1 млрд параметров. Модель совместно представляет содержимое скриншотов, включая текст, изображения, таблицы и диаграммы, и поддерживает поиск, при котором запрос или результат могут охватывать разные модальности. Модель предназначена для поиска скриншотов по текстовым и составным запросам, а также для сопоставления скриншотов с другими данными. В Sentence Transformers предусмотрены режимы «query» для составных запросов с изображением и текстом и «document» для скриншотов-кандидатов. Контекст — до 128 000 токенов; заявлены языки английский, китайский, арабский, французский и испанский. Метаданные указывают возможности эмбеддингов и интерфейс вызова инструментов; веса доступны в формате safetensors. В README сообщается о высоких результатах семейства UniSE на бенчмарке MVRB для задач поиска по скриншотам. Это не свидетельствует о качестве на любых иных наборах данных; код оценки и дообучения в плане выпуска отмечен как ещё не опубликованный. Лицензия модели — MIT.

cupidon-tiny-ro — модель Sentence Transformers на архитектуре BERT, разработанная BlackKakapo и дообученная на румынских данных от базовой модели sentence-transformers-testing/stsb-bert-tiny-safetensors. Она преобразует предложения в компактные векторные представления для оценки семантического сходства, поиска и кластеризации. Модель содержит 4,4 млн параметров, принимает текст, поддерживает контекст длиной до 512 токенов и рассчитана на румынский язык. Доступны форматы ONNX, OpenVINO и Safetensors; лицензия Apache-2.0. Для использования через Transformers поверх контекстных представлений требуется применить подходящую операцию pooling.

Fetis789/deberta_qqp — дообученная модель Microsoft DeBERTa-v3-base для классификации текстовых последовательностей. По названию репозитория и типу классификационной архитектуры она предназначена для определения, задают ли две фразы один и тот же вопрос, то есть для задачи Quora Question Pairs (QQP). Модель содержит 211,6 млн параметров, принимает текст и имеет контекстное окно до 512 токенов. В README приведены результаты оценки: accuracy 0,9230, precision 0,8817, recall 0,9135 и F1 0,8973. Датасет обучения, схема меток и подробные ограничения в карточке не раскрыты. Модель распространяется по лицензии MIT.

Это англоязычная модель Sentence Transformer, разработанная автором репозитория bbmb и дообученная на данных json от sentence-transformers/all-MiniLM-L6-v2. Она кодирует предложения и абзацы в плотные семантические векторы размерностью 384 для поиска и сравнения текстов. Архитектура основана на BERT с усреднением токенных представлений и нормализацией векторов; метаданные указывают контекст до 512 токенов, а карточка — максимальную длину последовательности 256 токенов. Модель ориентирована на английские тексты и поддерживает оценку сходства, семантический поиск, поиск перефразирований, кластеризацию и классификацию текстов. В README приведены низкие значения cosine_accuracy для информационного поиска, поэтому качество на практических данных следует проверять отдельно. Лицензия Apache-2.0.

Xenova/distiluse-base-multilingual-cased-v2 — веб-совместимая версия модели sentence-transformers/distiluse-base-multilingual-cased-v2, подготовленная сообществом Xenova. Модель распространяется с весами в формате ONNX для использования через библиотеку Transformers.js в JavaScript-среде. Она предназначена для извлечения признаков из текста, то есть преобразования текстовых фрагментов в векторные представления. Такой режим может применяться в задачах семантического сравнения и поиска, однако README не содержит подробностей о поддерживаемых языках, размере модели, архитектуре, длине контекста, качестве, модальностях или ограничениях. Указано только, что модель является мультиязычной и используется в пайплайне feature-extraction. Для работы требуется библиотека @huggingface/transformers; веса ONNX обеспечивают совместимость с Transformers.js. Лицензия и условия коммерческого или иного использования в README не указаны.

Модель congvm/embeddinggemma-300M-triplet-vn-10000-20250924 — дообученная CongVM версия sentence-transformers на базе google/embeddinggemma-300m. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения текстов по cosine similarity. Модель обучена на 690 222 примерах формата «запрос, ответ, негативный пример» и предназначена для семантического поиска, поиска парафраз, сопоставления запросов с ответами, классификации и кластеризации текстов. Модель использует текстовую архитектуру Gemma 3 и принимает последовательности длиной до 2048 токенов. Данные обучения — вьетнамские запросы и описания объявлений, поэтому модель особенно подходит для семантического поиска по вьетнамским текстам. Репозиторий использует Sentence Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

ktcapraz/embeddinggemma-german_qna-checkpoint-500 — модель Sentence Transformers, дообученная на наборе german-qna-full на основе google/embeddinggemma-300m. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для поиска и сравнения немецких вопросов и ответов. Модель имеет архитектуру Gemma3TextModel, содержит 302,8 млн параметров и принимает последовательности длиной до 2048 токенов; сходство векторов можно оценивать косинусной мерой. Модель предназначена для семантического поиска, оценки текстового сходства, поиска перефразировок, классификации и кластеризации. В README приведены результаты оценки поиска на germanqna-eval, включая cosine_accuracy@1 0,7827 и @5 0,9312. Обучающая выборка состоит из немецких пар «вопрос—ответ», поэтому наиболее обоснованное применение — поиск по немецким вопросам и ответам; общие возможности базовой многоязычной модели не гарантируют такую же эффективность на других языках. Лицензия в предоставленных данных не указана.

EmbeddingGemma-Scandi-300m — плотная модель эмбеддингов на базе Sentence Transformers, дообученная на скандинавских текстовых данных DDSC разработчиком репозитория с использованием google/embeddinggemma-300m. Она преобразует предложения и абзацы в векторы размерности 768 и предназначена для семантического поиска, сравнения текстов, поиска перефразирований, классификации и кластеризации. Модель построена на архитектуре Gemma 3 Text, содержит 302,8 млн параметров и обрабатывает последовательности длиной до 2048 токенов. Она рассчитана на датский, норвежский и шведский языки; карточка также указывает шведскую разновидность языка в списке кодов. Для сравнения векторов используется косинусное сходство. Доступна по лицензии Apache-2.0. Опубликованные в карточке результаты оценки поиска показывают низкую cosine_accuracy@1 на указанных наборах данных, поэтому качество для конкретного корпуса и сценария следует проверять отдельно. Модель выдаёт эмбеддинги, а не готовые ответы на вопросы или сгенерированный текст.

fio-base-japanese-v0.1 — экспериментальная модель эмбеддингов предложений, разработанная Benjamin Clavié как первая версия семейства Fio для японского языка. Она основана на cl-tohoku/bert-base-japanese-v3 и дообучена для оценки сходства и смыслового следования предложений, а также поиска по тексту. Модель использует архитектуру BERT и библиотеку sentence-transformers, содержит 138,4 млн параметров и поддерживает контекст до 512 токенов. Модель предназначена для построения векторных представлений японских предложений, семантического сравнения и поиска релевантных фрагментов. В README приведены результаты на JSTS, JSICK и MIRACL; автор отмечает, что JSICK и задачи текстового следования присутствовали в обучающих данных, поэтому результаты на JSICK загрязнены обучением и сравнение с другими моделями может быть несправедливым. Это proof of concept, обученный на ограниченном объёме данных на одной видеокарте. Для токенизации требуются fugashi и unidic-lite. Лицензия в предоставленных данных не указана.

FRPile_GPL_test_pipeline_DragosGorduza-FRPile_MLM_Basel-GPT3_BASEL_FULL-notrescaled_120000 — модель Sentence-Transformers на архитектуре BERT с 433,9 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 1024 для семантического поиска, сравнения сходства и кластеризации. В README указано обучение с MarginDistillationLoss; модель принимает текст и выдаёт эмбеддинги. Контекст ограничен 512 токенами. Репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой sentence-transformers. Карточка не указывает базовую модель или лицензию, поэтому их нельзя надёжно определить. Название и описание обучения указывают на экспериментальную модель, связанную с GPL и F R Pile; качество и применимость за пределами описанных задач не подтверждены.

Gecko-110m-en — вариант модели эмбеддингов Gecko, опубликованной в исследовательской работе Gecko, подготовленный сообществом LiteRT для развёртывания на Android и iOS. Модель преобразует текст в векторные представления, которые можно использовать для поиска по смыслу и построения RAG-систем; README указывает интеграцию с Google AI Edge RAG SDK. Репозиторий содержит варианты в формате LiteRT TFLite, включая dynamic_int8 с весами int8 и активациями float. README приводит мобильные бенчмарки, измеренные на Samsung S23 Ultra, и описывает выполнение на CPU с делегатом XNNPACK и на GPU с делегатом LiteRT. По метаданным модель ориентирована на английский язык и распространяется по лицензии Apache-2.0. Ее применение в первую очередь связано с созданием эмбеддингов, хотя Hugging Face указывает задачу question-answering.

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

quarkss/indobert-base-stsb — модель Sentence Transformers, дообученная автором quarkss на indobenchmark/indobert-base-p2 для оценки семантического сходства предложений на индонезийском языке. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать по косинусной мере. Архитектура включает BERT и усредняющий пулинг токенов, максимальная длина последовательности — 512 токенов. Модель подходит для семантического поиска, поиска перефразирований, кластеризации и классификации текстов. В README приведены результаты оценки сходства на STSB, но их переносимость на другие наборы данных и сценарии не гарантируется. Для работы с моделью используется библиотека Sentence Transformers. Веса доступны в формате safetensors; условия лицензии в предоставленных данных не описаны.

jina-embeddings-v5-omni-nano-classification-GGUF — мультимодальная модель эмбеддингов, разработанная Jina AI и предназначенная для запуска через llama.cpp. Это GGUF-квантизированная версия модели jina-embeddings-v5-omni-nano-classification с поддержкой текстовых, графических, видео- и аудиоданных. Модель преобразует входные данные в 768-мерные векторы общего пространства, поэтому документы можно индексировать с помощью текста, а выполнять поиск — по изображениям, видео, аудио или тексту без переиндексации. Модель содержит около 0,95 млрд параметров с текстовой, визуальной и аудиобашнями, использует pooling по последнему токену и поддерживает контекст до 8192 токенов. Она ориентирована на задачи классификации, мультимодального поиска и семантического сходства. Доступны матрёшечные размерности эмбеддингов от 32 до 768, а текстовая часть представлена в F16 и нескольких уровнях int-квантизации; мультимодальные проекторы используют F16. Заявлена мультиязычность, однако конкретный перечень языков в README не указан. Сильные стороны модели — единое векторное пространство для нескольких модальностей, относительно небольшой размер, возможность квантизации и поддержка различных форматов изображений, видео, аудио и PDF. Ограничения связаны с тем, что вариант предназначен только для classification-задач, а мультимодальная работа требует специальной ветки llama.cpp с патчами Jina AI, которые ещё не включены в upstream-версию. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями для некоммерческих целей.

KoDiffCSE-RoBERTa — модель BM-K для получения векторных представлений корейских предложений. Она основана на архитектуре RoBERTa и предназначена для извлечения признаков текста и сравнения семантической близости предложений. В README проект описан как реализация Difference-based Contrastive Learning для корейских эмбеддингов; приведены эксперименты на wiki-корпусе и оценка на KorSTS. Модель содержит 137,8 млн параметров и поддерживает контекст до 514 токенов. Её можно применять для поиска семантически похожих предложений, кластеризации и других задач, где нужны эмбеддинги корейского текста. README приводит результаты для семейства KoSRoBERTa, но не позволяет однозначно связать конкретные значения таблицы с этим репозиторием. Лицензия в предоставленных данных не указана.

BM-K/KoSimCSE-roberta-multitask — корейская модель эмбеддингов предложений на архитектуре RoBERTa, опубликованная в репозитории Korean-Sentence-Embedding. Она предназначена для получения векторных представлений текста и семантических задач, включая сравнение смысловой близости предложений. Модель содержит 137,8 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и Safetensors. В README приведены результаты оценки на тестовом наборе Semantic Textual Similarity и материалы для обучения и запуска моделей. Модель подходит для поиска семантически похожих предложений, ранжирования текстов по близости и построения систем поиска на основе эмбеддингов. Указанные сведения не подтверждают качество на других задачах или доменах. Лицензия в предоставленных данных не указана.

daekeun-ml выпустил KoSimCSE-supervised-roberta-base — корейскую модель эмбеддингов предложений на архитектуре RoBERTa-base, обученную методом SimCSE с контрастивным обучением на размеченных данных NLI. Она преобразует корейский текст в векторные представления для поиска семантически близких предложений и сравнения их смыслового сходства. Модель предназначена для семантического поиска, ранжирования похожих текстов и оценки сходства предложений. В README приведены результаты на корейских наборах KLUE-STS и Kor-STS; авторы сообщают, что supervised-версия превосходит unsupervised-вариант base на этих тестах. Репозиторий содержит веса в формате safetensors, лицензия — MIT. Результаты и описание ориентированы на корейский язык. В README отмечено, что качество зависит от обучающих данных NLI и что увеличение максимальной длины последовательности само по себе не гарантирует улучшения; указанная при обучении максимальная длина — 32 токена.

Карточка модели Monad-dz/legal-embedding-model-V6 на Hugging Face совпадает с карточкой Omartificial-Intelligence-Space/Arabic-Triplet-Matryoshka-V2, поэтому описание составлено по ней. Arabic-Triplet-Matryoshka-V2 — модель эмбеддингов арабского языка от Omartificial-Intelligence-Space, созданная на базе Sentence Transformers и дообученная на aubmindlab/bert-base-arabertv02. Это плотная BERT-модель с 162,4 млн параметров и контекстом до 512 токенов; она преобразует предложения и абзацы в векторы размерностью 768. Обучение с MatryoshkaLoss формирует вложенные представления, рассчитанные на работу с эмбеддингами разной размерности. Модель предназначена для оценки семантического сходства, поиска и извлечения информации, поиска перефразирований, кластеризации и классификации арабских текстов, а также для использования в системах вопросов и ответов. В README приведены результаты на бенчмарках STS17 и STS22-v2. Модель ориентирована на арабский язык и не заявлена как многоязычная. Качество может снижаться на узкоспециализированных текстах и различаться между диалектами и региональными вариантами арабского языка. Для задач за пределами семантического сходства может потребоваться дополнительная настройка. Лицензия — Apache-2.0.

UMCU разработала Sentence Transformer на основе UMCU/mirrorbert_medroberta.nl_clstoken, дообученный для представления предложений и абзацев в виде плотных векторов размерностью 768. Архитектура состоит из RoBERTa и слоя pooling, который использует представление CLS-токена; для сравнения предусмотрена косинусная мера сходства. В метаданных указано 153,2 млн параметров и контекст до 514 токенов, тогда как README задаёт максимальную длину последовательности 30 токенов для Sentence Transformers; при использовании этой библиотеки следует учитывать более короткое ограничение. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Название базовой модели и домен medroberta указывают на медицинскую направленность, однако README не описывает конкретные медицинские задачи или языки, поэтому применять её для них следует с отдельной проверкой. Репозиторий использует формат safetensors и библиотеку Sentence Transformers; лицензия в предоставленных данных не приведена.

Email-tuned BGE-M3 — модель эмбеддингов на базе BAAI/bge-m3, разработанная для поиска по содержимому электронной почты. Это encoder-only модель семейства XLM-RoBERTa с 658,7 млн параметров и контекстом до 8194 токенов, опубликованная в формате safetensors и доступная по лицензии MIT. Модель дообучена на смешанном англо-корейском наборе писем с запросами разных типов, включая вопросы о метаданных, короткие и развёрнутые запросы, а также вопросы с ответом «да» или «нет». Она предназначена для извлечения эмбеддингов и поиска похожих писем или документов, а также для поиска по почтовым архивам на английском и корейском языках. Может применяться как компонент систем ответов на вопросы по содержимому писем. Лучше всего подходит для деловой переписки; качество за пределами почтовой тематики может снижаться и различаться между языками.

johnnyboycurtis/ModernBERT-small — англоязычная модель эмбеддингов Sentence Transformers, разработанная Johnny Boy Curtis. Это компактный ModernBERT с 47,7 млн параметров, mean pooling, выходными векторами размерности 384 и максимальной длиной последовательности 1024 токена. Модель обучена с нуля, затем прошла контрастивное обучение на наборах all-nli, trivia-qa-triplet и MS MARCO, дистилляцию по BAAI/bge-base-en-v1.5 и дообучение на STSB для оценки семантического сходства; используется косинусное сходство. Модель подходит для поиска семантически близких предложений, сравнения текстов и построения векторного поиска на английском языке. В README приведены результаты на STS-dev и STS-test, но автор предупреждает, что это ранний эксперимент с неудачным масштабированием архитектуры и не рекомендует его для production; предлагается перейти на ModernBERT-small-v2. Веса доступны в формате safetensors, лицензия MIT.

Learner-sai разработала мультиязычную модель распознавания именованных сущностей на базе google/muril-base-cased. Это BERT-модель MuRIL с головой классификации токенов на семь меток IOB2: O, B/I-PER, B/I-ORG и B/I-LOC. Модель дообучена совместно на маратхи, бенгальском и телугу; число параметров — 264,8 млн, контекст — до 512 токенов. Модель предназначена для извлечения имён людей, организаций и мест из новостей, публикаций в социальных сетях и документов на этих языках. Разметка может использоваться в поиске информации, системах вопросов и ответов и построении графов знаний. На валидации после третьей эпохи указаны entity F1 0,7572, precision 0,7382 и recall 0,7771. Возможны ошибки в границах сущностей, в частности включение грамматических суффиксов в названия. Модель обучена только на PER, ORG и LOC и не предназначена для распознавания дат, денежных сумм и других классов. Лицензия — Apache 2.0.

MyAwesomeModel — модель из репозитория safaf45252/MyAwesomeModel-TestRepo, опубликованная для работы с библиотекой Transformers. В метаданных Hugging Face она классифицирована как feature-extraction и помечена тегами BERT, PyTorch и Transformers, поэтому её основное назначение — преобразование текста в информативные векторные представления для последующего анализа и машинного обучения. Такие представления можно использовать для семантического поиска, сравнения текстов, классификации, кластеризации и построения систем, работающих с текстовыми признаками. README также заявляет улучшения в рассуждениях, программировании, математике, диалогах и других генеративных сценариях, однако эти характеристики не согласуются с указанным pipeline_tag и не подтверждают совместимость модели с задачей text-generation. Модель распространяется по лицензии MIT. Размер, длина контекста, поддерживаемые естественные языки и точная архитектура в доступных данных не определены; тег BERT указывает на семейство или совместимость, но не позволяет установить конкретную конфигурацию.

myX-Semantic — модель DatarrX, разработанная Khant Sint Heinn для семантического представления текстов на бирманском языке. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для поиска и сравнения по смыслу, кластеризации и классификации текстов. Модель основана на sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 и дообучена методом дистилляции, чтобы приблизить представления к модели paraphrase-multilingual-mpnet-base-v2; дополнительный линейный слой преобразует исходные 384 измерения в 768. Архитектура — BERT с усреднением токенных представлений, максимальная длина входа — 512 токенов. Модель обучалась на DatarrX/myX-Mega-Corpus и рассчитана прежде всего на текст в Unicode-кодировке бирманского языка. Для измерения сходства автор рекомендует косинусную близость; порог 0,60 приводится как ориентир, который следует проверять на собственных данных. Модель распространяется по лицензии Apache-2.0.

damand2061/negasibert-mnrl — модель Sentence Transformers, дообученная автором на базе indobenchmark/indobert-base-p1 для построения векторных представлений индонезийских предложений и абзацев. Архитектура объединяет BERT с усреднением токенных представлений; модель содержит 151,6 млн параметров и выдаёт плотные векторы размерности 768. Для сравнения текстов используется косинусное сходство. Модель предназначена для оценки семантического сходства и поиска похожих текстов, а также может применяться для поиска по смыслу, поиска перефразировок, кластеризации и классификации текста. Она обучена с MultipleNegativesRankingLoss на 12 000 парах предложений. Метаданные указывают контекст до 512 токенов, однако карточка модели задаёт максимальную длину последовательности 32 токена, что ограничивает эффективную длину входа. Это текстовая модель для индонезийского языка, распространяемая в формате safetensors и доступная через библиотеку Sentence Transformers. Лицензия в предоставленных данных не указана.

sentence-transformers/nli-distilbert-base — модель семейства Sentence-Transformers на базе DistilBERT, обученная командой sentence-transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, поиска и кластеризации. Модель принимает текст и выдаёт эмбеддинги; контекст ограничен 512 токенами. Доступны варианты весов в форматах PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Модель подходит для семантического поиска по текстам, группировки похожих фраз и вычисления сходства предложений. В README она помечена как устаревшая: качество эмбеддингов низкое, поэтому для новых проектов рекомендуется выбрать более современную модель sentence embeddings. Лицензия — Apache-2.0.

rsl-ai выпустила Octen-Embedding-0.6-finetuned — дообученную модель Sentence Transformers на базе Octen/Octen-Embedding-0.6B. Она кодирует предложения и абзацы в плотные векторы размерностью 1024 и вычисляет сходство с помощью косинусной близости. Архитектура основана на Qwen3 с пулингом последнего токена и нормализацией; модель содержит 507,6 млн параметров. Метаданные указывают контекст до 32 768 токенов, хотя карточка модели сообщает максимальную длину последовательности 64 токена. Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Она обучалась на 19 662 парах текстов с функцией потерь MultipleNegativesRankingLoss; примеры и оценочные данные сосредоточены на названиях автомобилей и их вариантах, включая русскоязычные записи. В карточке приведены значения метрики Spearman как nan, поэтому качество по этим результатам подтвердить нельзя. Лицензия в предоставленных данных не указана.

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.

PIXIE-Splade-Preview — разреженный поисковый энкодер SPLADE, разработанный южнокорейской компанией TelePIX Co., Ltd. Модель предназначена для поиска документов и формирования кандидатов в системах информационного поиска. Она выдаёт разреженные лексические векторы, пригодные для прямой индексации в Lucene и Elasticsearch; ненулевые веса соответствуют токенам и помогают интерпретировать совпадения. Модель также можно объединять с плотными поисковыми моделями в гибридном поиске. В основе — ModernBERT с архитектурой ModernBertForMaskedLM и слоем SPLADE max-pooling с ReLU. В метаданных указано 148,7 млн параметров и контекст до 16 384 токенов; карточка модели указывает максимальную длину последовательности 8 192 токена, выходную размерность 50 000 и сходство по скалярному произведению. Модель обучена исключительно на корейских данных. По README, она показала высокие результаты на корейских наборах оценки поиска, однако для конкретного применения рекомендуется проверить качество на собственных запросах и документах. Лицензия — Apache-2.0.