I.1Поиск и навигация по информации

ModernBERT-TR 1k — турецкая энкодерная модель на архитектуре ModernBERT, разработанная Besher Alkurdi, Himmet Toprak Kesgin, Muzaffer Kaan Yuce и Mehmet Fatih Amasyali. Это модель с маскированным языковым моделированием, предварительно обученная с нуля на 144,4 млрд токенов; она содержит 148,7 млн параметров и поддерживает контекст до 8192 токенов. Архитектура включает 22 слоя, скрытый размер 768, 12 голов внимания, RoPE, GLU и чередование локального и глобального внимания. Используется собственный токенизатор WordPiece на 50 тысяч токенов, оптимизированный для морфологии турецкого языка. Модель предназначена как базовый энкодер для турецких NLP-задач: заполнения пропусков, классификации текста, семантического сходства, распознавания текстовых отношений и поиска информации. В опубликованных авторами оценках она показала сильные результаты на наборах турецких задач, включая линейное зондирование и полное дообучение; для специализированных сценариев модель можно дообучать. Метаданные указывают формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

Модель multilingual-e5-small-ru-law разработана Павлом Алексеевым и представляет собой дообученную модель intfloat/multilingual-e5-small на базе архитектуры BERT. Она создаёт плотные текстовые эмбеддинги для поиска статей российских законов по вопросам пользователей. Модель содержит 124,3 млн параметров, выдаёт векторы размерностью 384 и принимает последовательности длиной до 512 токенов. Для запросов и документов нужны префиксы `query: ` и `passage: ` соответственно. Дообучение проведено на синтетических русскоязычных вопросах к статьям российских кодексов; при обучении использовалась дистилляция ранжирования из ai-forever/FRIDA. На тесте RuLawRetrieval модель показала nDCG@10 0,859, сопоставимый с multilingual-e5-large, при меньших задержке на CPU и размере индекса. Она предназначена для извлечения релевантных статей, а не для выдачи юридических консультаций. Качество на реальных вопросах может отличаться, а на общих задачах поиска исходная модель показывала лучший результат. Лицензия — MIT.

MyAwesomeModel — модель из репозитория DSD1W3123/MyAwesomeModel-TestRepo, доступная через библиотеку Transformers и распространяемая по лицензии MIT. В метаданных она классифицирована как модель для извлечения признаков; среди тегов указаны PyTorch и BERT. README также заявляет улучшенные возможности рассуждений, понимания текста, генерации кода, диалогов, суммаризации, классификации и ответов на вопросы, а также поддержку function calling. Однако эти заявления не согласуются с основным pipeline-тегом feature-extraction и не сопровождаются достаточными техническими сведениями о размере, контекстном окне, языках или точной архитектуре модели. Модель может использоваться для получения векторных представлений текста и последующего применения в задачах семантического поиска, классификации или других downstream-сценариях, совместимых с извлечением признаков.

vantk85/my-embedding-gemma — модель Sentence Transformer, созданная дообучением google/embeddinggemma-300m. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения по косинусному сходству; максимальная длина последовательности — 2048 токенов. Модель подходит для семантического поиска, оценки сходства текстов, поиска перефразировок, классификации и кластеризации. Дообучение описано на наборе из трёх парных примеров вопросов о финансовых и страховых продуктах с использованием MultipleNegativesRankingLoss. Такая малая выборка не подтверждает надёжное качество на широком круге задач и предметных областей. Репозиторий содержит веса safetensors и рассчитан на работу с библиотекой Sentence Transformers. Лицензия в предоставленных данных не указана.

myX-Semantic-Light — модель эмбеддингов предложений на базе Sentence Transformers, разработанная Khant Sint Heinn и опубликованная DatarrX. Она дообучена с дистилляцией знаний от sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 на корпусе DatarrX/myX-Mega-Corpus из 500 тысяч строк и ориентирована на бирманский язык. Модель кодирует текст в плотные 384-мерные векторы и использует среднее объединение токенов. Она предназначена для семантического поиска, кластеризации и оценки сходства предложений, в том числе на мобильных устройствах и в средах с ограниченными ресурсами. Для сравнения векторов автор рекомендует косинусное сходство; ориентир 0,40 может указывать на семантическую связь. Контекст модели — 512 токенов по метаданным, а README указывает максимальную длину последовательности 128 токенов для обучения и рекомендует её для коротких и средних текстов. Модель рассчитана на текст в Unicode Burmese; кодировка Zawgyi не поддерживается, а для длинных документов качество может снижаться. Распространяется по лицензии Apache-2.0.

NexteraBERT-Mezzoforte-220M-en — англоязычный двунаправленный энкодер семейства NexteraBERT, разработанный независимым исследователем RikkaBotan. В репозитории указано 212,6 млн параметров, а метаданные Hugging Face сообщают 353,6 млн; архитектура состоит из 18 блоков с несколькими типами смешивания токенов: линейным SnowLily, скользящим вниманием, полным вниманием и NexteraHRA. Модель предобучена методом masked language modeling на 130 млрд токенов; максимальная длина обучения составляла 8 192 токена. Метаданные не содержат значения длины контекста для инференса. Основной сценарий — восстановление замаскированных токенов. Энкодер также можно дообучать для классификации текста, разметки токенов, ответов на вопросы, задач с вариантами ответа, поиска и оценки сходства. Для поиска и сходства требуется отдельное дообучение: автор подчёркивает, что исходная модель не является готовой моделью эмбеддингов. В сравнительных оценках она показывает результаты, сопоставимые с ModernBERT-base на GLUE, MTEB и BEIR. Модель предназначена для английского языка и использует токенизатор ModernBERT с словарём из 50 368 токенов. Для загрузки пользовательского кода требуется trust_remote_code=True; автор сообщает о проверке с Transformers 5.12 и PyTorch 2.12. Лицензия — MIT.

yasserrmd/pharma-gemma-300m-emb — модель Sentence Transformer, дообученная на базе google/embeddinggemma-300m для работы с фармацевтическими и биомедицинскими текстами. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического сравнения и поиска; сходство оценивается косинусной мерой. Модель содержит 302,8 млн параметров, использует архитектуру Gemma 3 Text и принимает последовательности длиной до 2048 токенов. В README приведены примеры вопросов и ответов о лекарствах и биологии, а среди возможных сценариев названы поиск парафраз, классификация и кластеризация текстов. Репозиторий использует библиотеку Sentence Transformers и формат safetensors. Это инструмент для поиска и сопоставления текстов, а не модель для самостоятельной генерации медицинских рекомендаций или постановки диагноза. Качество зависит от соответствия запросов и корпуса её специализации; выводы о лечении следует проверять по надёжным источникам. Сведения о лицензии в предоставленных данных отсутствуют.

AkshaySandbox/pregnancy-mpnet-embeddings — модель Sentence Transformers, дообученная на базе sentence-transformers/all-mpnet-base-v2 для сопоставления текстов о беременности, родительстве и связанных темах. Она кодирует предложения и абзацы в плотные векторы размерностью 768; архитектура включает MPNet, усреднение токенов и нормализацию. В README указана максимальная длина последовательности 384 токена, а метаданные каталога — контекст 514 токенов. Для сравнения векторов используется косинусная близость. Модель подходит для семантического поиска по материалам о беременности и родительстве, оценки сходства вопросов и ответов, поиска перефразировок и кластеризации текстов. На валидационном наборе pregnancy_val достигнута корреляция Spearman 0,8647 по косинусной близости. В карточке не указана лицензия; тексты обучения и примеры ориентированы на английский язык.

Модель geetach/prompt-retrieval-midterm-finetuned — дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2. Это плотный BERT-энкодер с усреднением токенов и нормализацией, который преобразует предложения и абзацы в 384-мерные векторы; для сравнения используется косинусное сходство. Модель рассчитана на семантический поиск и сравнение текстов, поиск перефразирований, кластеризацию и классификацию текстов. Она обучалась на 932 примерах, связанных с поиском творческих промптов; максимальная длина последовательности в README — 256 токенов, а метаданные указывают контекст до 512 токенов. Для прикладного использования доступны веса safetensors и библиотека Sentence Transformers. Языковая специализация в карточке не описана; базовая модель предназначена для английского языка, а примеры обучающих данных также англоязычные. Лицензия в предоставленных данных не указана.

NeuML разработала PubMedBERT ColBERT — модель PyLate, дообученную на базе microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext. Она кодирует предложения и абзацы в последовательности плотных векторов размерностью 128 и сопоставляет тексты с помощью операции MaxSim, сохраняя отдельные векторы токенов вместо усреднения в одно представление. Модель рассчитана на семантический поиск и сравнение текстов в биомедицинских публикациях, включая построение поисковых индексов и источников знаний для RAG. В README приведены результаты оценки на PubMed QA, PubMed Subset и PubMed Summary; авторы отмечают пригодность модели для поиска и использования в качестве первого этапа конвейера с последующим реранжированием. Она имеет архитектуру BERT, содержит 136,7 млн параметров и поддерживает контекст до 512 токенов. Модель ориентирована на английский язык и распространяется по лицензии Apache-2.0. README отмечает, что по общей оценке модель уступает некоторым сравниваемым моделям; для высокоточного ранжирования может потребоваться отдельный реранкер.

NeuML PubMedBERT Embeddings 2M — компактная модель статических эмбеддингов, разработанная NeuML на основе PubMedBERT Embeddings и дистиллированная с использованием библиотеки Model2Vec. Она преобразует текст в векторы и предназначена для семантического поиска, сравнения предложений и построения баз знаний для RAG по медицинским публикациям. Статические эмбеддинги позволяют вычислять векторы значительно быстрее, чем обычные контекстные модели, в том числе на CPU, что подходит для систем с ограниченными ресурсами и сценариев реального времени. Модель оценивалась на наборах PubMed QA, PubMed Subset и PubMed Summary; в README отмечается конкурентное качество, но не лидерство по результатам сравнения. Она ориентирована на английский язык и медицинские тексты. Репозиторий использует формат safetensors, а лицензия — Apache 2.0.

QAmembert — модель CATIE-AQ для ответов на вопросы по текстовому контексту на французском языке. Это CamemBERT base, дообученная на объединённом наборе frenchQA из более чем 221 тысяч пар контекстов, вопросов и ответов. Данные включают примеры, где ответ содержится в контексте, и примеры без ответа в контексте, поэтому модель может возвращать отсутствие ответа. Модель построена на архитектуре CamemBERT и содержит 137,8 млн параметров. Она предназначена для извлечения ответа из предоставленного текста, например, для вопросов по документам или статьям. В карточке приведены результаты оценки на французских наборах FQuaD, qwant/squadfr и frenchQA; контекст — до 514 токенов. Модель распространяется под лицензией MIT. Она рассчитана на французский язык и на вопросы, связанные с переданным контекстом; качество на других языках и вне подобных сценариев не подтверждено.

Карточка модели allenai/SAGE-MM-Qwen3-VL-4B-SFT на Hugging Face совпадает с карточкой allenai/SAGE-MM-Qwen2.5-VL-7B-SFT_RL, поэтому описание составлено по ней. SAGE-MM-Qwen2.5-VL-7B-SFT_RL — модель Allen Institute for AI на базе Qwen2.5-VL-7B, дообученная для мультимодального рассуждения о видео в системе SAGE. Она анализирует кадры и метаданные видео, решает, можно ли ответить сразу или нужно обратиться к инструментам, а затем объединяет полученные наблюдения в итоговый ответ. Модель может формировать JSON-действия для поиска в интернете, распознавания речи по фрагментам видео, определения временных границ событий, извлечения кадров или клипов и детального анализа медиа. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и принимает контекст до 128 000 токенов. Для выполнения инструментальных действий ей требуется внешняя среда, которая разбирает JSON, запускает инструменты и возвращает их результаты. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка указывает английский язык; данных о других поддерживаемых языках нет.

Модель saikasyap/samskritam-xlm-roberata-base — Sentence Transformer, дообученный на базе FacebookAI/xlm-roberta-base на двуязычном наборе en-sa. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости, семантического поиска и других задач с текстовыми эмбеддингами. Архитектура включает XLM-RoBERTa с усреднением токенных представлений; в README указана максимальная длина последовательности 128 токенов, а метаданные каталога сообщают контекст до 514 токенов. Для вычисления сходства предусмотрена косинусная мера. Модель обучалась на парах английского текста и текста на санскрите. Она подходит для поиска соответствий между английскими и санскритскими фразами, поиска по смыслу, кластеризации и классификации текста с использованием получаемых эмбеддингов. Это дообученная многоязычная модель с 305,2 млн параметров, распространяемая в формате safetensors. Лицензия в предоставленных данных не указана.

sante-embed — медицинская модель текстовых эмбеддингов на базе Alibaba-NLP/gte-Qwen2-1.5B-instruct, адаптированная разработчиком Singaraj для поиска по медицинским текстам на девяти языках. Она содержит 1,5 млрд параметров, использует архитектуру Qwen2 и формирует векторы размерности 1536 с нормализацией L2; сходство текстов предполагается оценивать по косинусной мере. Для запросов используется инструкция в формате «Instruct: … Query: …», а документы кодируются без префикса. Модель предназначена для семантического поиска, извлечения релевантных документов и кластеризации медицинских текстов, включая FAQ и многоязычные медицинские коллекции. Метаданные указывают контекст до 131 072 токенов, однако карточка модели задаёт максимум входа 512 токенов и сообщает, что более длинный текст обрезается. Модель не предназначена для клинической поддержки принятия решений и её результаты не следует использовать для ведения пациентов. Лицензия — Apache-2.0.

NYTK разработала экспериментальную модель Hungarian Experimental Sentence-BERT на основе предварительно обученной huBERT, дообучив её на параллельном корпусе Hunglish 2.0. Модель использует архитектуру BERT и mean pooling для получения эмбеддингов предложений; размер составляет 137,8 млн параметров. Её назначение — кодировать предложения так, чтобы представления отражали семантическое сходство, по примеру bert-base-nli-stsb-mean-tokens от UKPLab. Модель подходит для сравнения предложений на венгерском языке и для поиска семантически близких текстов. Карточка сообщает о проверочной ошибке MSE 0,106 после двух эпох обучения; контекст по метаданным — 512 токенов, а заявленный в README max_seq_length — 128. Лицензия Apache-2.0. Показатель на валидационной выборке сам по себе не подтверждает качество на других наборах данных; модель обозначена как экспериментальная.

check2207/alqac_VNTeamVN_embedding — модель Sentence Transformers, дообученная на базе AITeamVN/Vietnamese_Embedding. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и предназначена для сравнения семантического сходства, поиска и группировки текстов. В архитектуре используются XLM-RoBERTa, pooling по CLS-токену и нормализация векторов; сходство рассчитывается косинусной метрикой. Метаданные указывают 658,7 млн параметров и контекст до 8194 токенов, тогда как README сообщает максимальную длину последовательности 512 токенов. Модель ориентирована на вьетнамский язык. Её можно применять для семантического поиска, поиска перефразирований, кластеризации и классификации текстов на основе эмбеддингов. Основа описана в карточке как модель эмбеддингов на базе BGE-M3 для вьетнамского языка. Лицензия в предоставленных данных не указана. Обучающая выборка содержит 729 примеров, поэтому качество на других языках и вне представленных сценариев может быть ограниченным.

BioBERT-NLI — модель на базе BioBERT, разработанная gsarti и дообученная на наборах SNLI и MultiNLI с помощью библиотеки sentence-transformers для получения эмбеддингов предложений. Она использует архитектуру BERT с исходным словарём WordPiece, усреднением скрытых состояний и обучением с softmax loss. Размер модели — 135,5 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для представления биомедицинских текстов в виде векторов, пригодных для сравнения семантической близости и поиска научных публикаций. В README приведён пример поиска статей о COVID-19; оценка на тестовой части STS составила 73,40 по корреляции Спирмена. Доступны веса PyTorch и Flax. Лицензия в предоставленных данных не указана.

Это модель для извлечения ответов на вопросы по тексту на китайском языке, разработанная HFL и созданная на основе PERT-base. Она дообучена на смеси китайских наборов данных для машинного понимания текста (MRC); для загрузки в Transformers README рекомендует класс BertForQuestionAnswering. Модель использует архитектуру BERT, содержит около 129,5 млн параметров и принимает контекст длиной до 512 токенов. В карточке приведены результаты на CMRC 2018, DRCD и SQuAD-Zen. Модель распространяется в форматах PyTorch и TensorFlow по лицензии Apache-2.0.

FactKB — модель для оценки фактичности текста, доступная в формате PyTorch. Она предназначена для использования как метрика factuality; карточка отмечает, что работа над ней продолжается. Модель построена на архитектуре RoBERTa и содержит 151,8 млн параметров. Она классифицирует текст, поддерживает английский язык и имеет контекст длиной до 514 токенов. Распространяется по лицензии CC BY 4.0.

Fara1.5-9B-GGUF — это набор GGUF-квантизированных версий мультимодальной модели Fara1.5-9B, разработанной Microsoft. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для сценариев computer use: управления браузером и интерфейсами, автоматизации веб-задач, работы веб-агентов и других задач, требующих понимания изображений и текста. Модель содержит около 9 миллиардов параметров, относится к классу vision-language и поддерживает обработку изображений и текста. В карточке указано, что основной язык — английский. Доступны варианты от BF16 до различных уровней квантизации, включая Q8_0, Q6_K, Q5_K, Q4_K и более компактные форматы; размер файлов составляет примерно от 4,3 до 17,9 ГБ. Контекстное окно, точная архитектура и требования к видеопамяти или оперативной памяти не указаны. Сильные стороны модели — мультимодальность, ориентация на агентские и браузерные сценарии, а также широкий выбор квантизаций для запуска на оборудовании с разными ресурсами. Более компактные варианты снижают требования к памяти, но могут заметно уступать исходной BF16-версии по качеству. Для работы подходят llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты; при поддержке новой архитектуры может потребоваться обновление используемого приложения. Модель распространяется по лицензии MIT.

Rifky/Indobert-QA — индонезийская модель для ответов на вопросы, созданная дообучением IndoBERT Base-Uncased на переведённом датасете SQuAD 2.0. Это BERT-модель с архитектурой BertForQuestionAnswering и 137,8 млн параметров; она принимает вопрос и текстовый фрагмент и извлекает из него ответ, а если в тексте нет подтверждения, может воздержаться от ответа. Контекст ограничен 512 токенами. Модель предназначена для систем вопросно-ответного поиска по текстам и учебных помощников, в частности для сценариев чтения на индонезийском языке. В README для оценки на SQuAD 2.0 приведены EM 51,61 и F1 69,09. Модель распространяется в форматах PyTorch и safetensors по лицензии Apache-2.0.

ML6 Team разработала KBIR-OpenKP — модель на базе KBIR, дообученную на наборе OpenKP для извлечения ключевых фраз из английских документов. Она решает задачу как классификацию токенов с метками начала, продолжения и фона, после чего соседние фрагменты ключевой фразы объединяются в результат. Модель построена на архитектуре RoBERTa и содержит 454,1 млн параметров. Она предназначена для автоматического выделения важных фраз в веб-документах и корпусах, чтобы быстро получать краткое представление об их содержании. Контекст составляет до 514 токенов; доступны веса PyTorch. На тестовой выборке OpenKP указаны результаты F1@5 0,19, F1@10 0,11 и F1@M 0,39. Модель работает только с документами на английском языке и ограничивает количество предсказываемых ключевых фраз. Распространяется по лицензии MIT.

lingtrain/labse-buryat — модель Lingtrain для получения плотных векторных представлений предложений и абзацев. Она основана на архитектуре BERT и выдаёт эмбеддинги размерности 768; в метаданных указано 498,1 млн параметров. Модель предназначена для семантического поиска, сравнения текстов, кластеризации и других задач, где нужно сопоставлять смысловые представления фрагментов текста. Модель обучалась с функцией потерь CosineSimilarityLoss и распространяется в формате PyTorch. Контекст ограничен 512 токенами. Название указывает на ориентацию на бурятский язык, однако README и метаданные не приводят перечень поддерживаемых языков или результаты оценки качества. Лицензия в предоставленных данных не указана.

MedEmbed Biomedical MRL — англоязычная sentence-transformers-модель для построения плотных векторных представлений предложений и абзацев в биомедицинском контексте. Модель на основе BERT имеет около 40 млн параметров, использует CLS-пулинг и нормализацию, выдаёт векторы размерностью 384 и сравнивает их по косинусному сходству. Максимальная длина входа — 512 токенов. Модель обучена на 4 012 парах текстов из JSON-датасета с использованием MultipleNegativesRankingLoss. Её можно применять для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации биомедицинских текстов. Лицензия — Apache-2.0.

KGESH/nsfw-bge-m3-v6e — текстовая модель Sentence Transformer на базе XLM-RoBERTa, предназначенная для получения эмбеддингов предложений и абзацев и оценки их сходства. Она преобразует текст в плотные векторы размерности 1024, нормализует их и использует косинусное сходство; максимальная длина последовательности — 8192 токена. Модель обучена на 200 парах текстов с OnlineContrastiveLoss. Модель подходит для семантического поиска и извлечения текстов по сходству, в том числе для запросов и материалов с сексуальной тематикой. README указывает на обучение на примерах с откровенной лексикой, поэтому такие результаты могут быть чувствительны к тематике и малому объёму обучающих данных. Лицензия в предоставленных данных не указана.

OpenThaiGPT 1.5 72B Instruct — модель для диалогов на тайском языке, разработанная проектом OpenThaiGPT. Это плотная авторегрессионная модель семейства Qwen2, дообученная на более чем двух миллионах тайских пар инструкций; в метаданных указано 71,5 млрд параметров. Она поддерживает многоходовые диалоги, интерфейс вызова инструментов и сценарии с дополнением ответов найденными документами (RAG).

hellonlp/promcse-bert-base-zh — китайскоязычная модель для сравнения предложений, разработанная на основе метода Prompt-based Contrastive Sentence Embeddings (PromCSE). Она кодирует предложения в векторные представления, по которым можно вычислять косинусное сходство; README описывает применение через пакет promcse и оценивание на китайских наборах данных ATEC, BQ, LCQMC и PAWSX. Модель использует плотную архитектуру BERT с классом BertForCL, содержит 129,5 млн параметров и принимает последовательности длиной до 512 токенов. Репозиторий содержит веса PyTorch. Модель рассчитана на китайский язык; лицензия — MIT. Для переноса на другие языки или задачи в предоставленных сведениях подтверждений нет.

RetrievalRouter λ=0.1 — плотная модель-классификатор от автора проекта RetrievalRouter, представленная как официальный чекпойнт работы о совместном выборе модальности и архитектуры поиска документов. Она принимает текст запроса и выбирает один из пяти заранее настроенных конвейеров поиска: текстовый или мультимодальный, с плотным поиском либо с поздним взаимодействием и переранжированием. Модель сама не ищет и не ранжирует документы: выбранный конвейер запускается отдельно по уже подготовленным индексам. Модель основана на Qwen/Qwen3-0.6B-Base, дообученной с LoRA; в описанной архитектуре используются среднее объединение скрытых состояний до вектора размерности 1024 и линейная голова на пять вариантов маршрута. Чекпойнт обучен с λ=0,1, что задаёт компромисс с акцентом на точность при учёте задержки. В README заявлены обучение на 85 103 запросах из 11 бенчмарков и выбор маршрута примерно за 15 мс. Обучающие данные охватывают финансовые, научные и открытые документы на английском языке; другие языки и области не проверялись. Лицензия — MIT.

sentence-transformers/roberta-base-nli-mean-tokens — модель sentence-transformers, обученная командой Sentence Transformers на основе RoBERTa. Она преобразует предложения и абзацы в плотные векторы размерности 768; архитектура содержит около 151,8 млн параметров, а максимальная длина контекста составляет 514 токенов. Модель принимает текст и выдаёт эмбеддинги, которые можно использовать для семантического поиска, сравнения предложений и кластеризации. Репозиторий содержит веса в форматах PyTorch, TensorFlow, ONNX и OpenVINO; лицензия — Apache-2.0. В README модель помечена как устаревшая: качество её эмбеддингов низкое, поэтому для новых проектов рекомендуется выбрать более современную модель для эмбеддингов предложений. Карточка не указывает поддерживаемые естественные языки.