I.1Поиск и навигация по информации

temsa/search-reranker-broad-policy-v9 — выпуск модели для ранжирования результатов поиска по государственным политикам и запросам об обладателях должностей. Разработчик — TEMSA. Это дообученная версия temsa/search-reranker-broad-policy-v8 на базе XLM-RoBERTa с 124,3 млн параметров; доступны веса Safetensors и ONNX-квантованный артефакт q8. README характеризует выпуск как serving-policy: веса и семейство q8 ONNX сохранены относительно v8, а логика gov_broad_v1 улучшена для запросов об истории изменений по годам; маршрут office_holder_v1 сохранён. Модель предназначена для заключительного этапа поиска: она оценивает пары запроса и документа, чтобы переставить найденные материалы о госполитике и сведения об обладателях должностей. README рекомендует ONNX, 10 потоков и максимальную длину 160 токенов для широких запросов по политике и 208 для запросов об обладателях должностей. На указанных тестовых наборах приведены значения MRR@10 от 0,9282 до 1,0000; производительность зависит от маршрута и профиля. Контекст модели — до 514 токенов. Метаданные указывают английский язык карточки и теги английского и ирландского, но целевая оценка в README сосредоточена на поиске по госполитике. Лицензия — Apache-2.0. Это специализированный поисковый ранжировщик, а не универсальная модель для генерации ответов; приведённые метрики относятся к описанным наборам и профилям, поэтому не гарантируют качество на иных коллекциях и запросах.

thomaskim1130/stella_en_1.5B_v5-FinanceRAG — англоязычная Sentence Transformer-модель, дообученная разработчиком thomaskim1130 на базе NovaSearch/stella_en_1.5B_v5 для получения эмбеддингов предложений и абзацев. Она преобразует текст в плотные векторы размерности 1024; сходство между ними оценивается косинусной мерой. Модель основана на архитектуре Qwen2, содержит 1,5 млрд параметров и рассчитана на контекст до 131 072 токенов по метаданным. В описании Sentence Transformers для этой версии указана максимальная длина последовательности 512 токенов. Модель предназначена для семантического поиска, оценки сходства текстов, поиска перефразирований, кластеризации и классификации. Название указывает на применение в Finance RAG, однако README не описывает конкретные финансовые данные или сценарии. Доступна в формате safetensors; для использования подходят библиотека Sentence Transformers и инфраструктура text-embeddings-inference. Результаты приведённой оценки информационного поиска низкие, поэтому качество для целевых данных следует проверять отдельно. Лицензия в предоставленных данных не указана.

Recap-CLIP-ViT-L-16-Txt-Huge-2.56B — контрастивная модель UCSC-VLAA для сопоставления изображений и текстовых описаний и классификации изображений по текстовым меткам без дообучения. Она основана на CLIPA с архитектурой OpenCLIP и обучена на Recap-DataComp-1B; в наборе использованы описания изображений, созданные LLaVA-1.5-LLaMA3-8B. Модель подходит для поиска изображений по тексту и классификации по заданным категориям в режиме zero-shot. Доступна под лицензией CC BY 4.0. Обучение на изображениях из интернета и автоматически созданных подписях может приводить к смещениям и неточностям. Для оценки этих рисков авторы рекомендуют ознакомиться с карточкой датасета.

A3-Qwen3.5-9B — мультимодальная модель на 9 млрд параметров, разработанная Xing Han Lù и Siva Reddy и дообученная методом SFT на базе Qwen/Qwen3.5-9B. Она предназначена для работы веб-агентом: понимает запросы и изображения, помогает выполнять задачи на веб-сайтах и взаимодействовать с веб-интерфейсами. Для обучения использован синтетический набор A3-Synth из 16 тысяч примеров, созданных по траекториям Gemini 3 Pro. В оценке WebArena модель показала 41,5% по протоколу авторов. Модель доступна в формате safetensors и рассчитана на запуск через Transformers или vLLM; README приводит ограничение контекста до 65 536 токенов для примера запуска. Лицензия в предоставленных данных не указана.

amagasaki-qna-embedding-0.6B — японская модель для создания текстовых эмбеддингов, разработанная для семантического поиска по вопросам и ответам муниципалитета Амагасаки. Она основана на Qwen/Qwen3-Embedding-0.6B и последовательно дообучена на японских синтетических парах для поиска, общих муниципальных FAQ и корпусе вопросов и ответов Амагасаки. Архитектура Qwen3 использует pooling последнего токена и L2-нормализацию; в метаданных указано около 507,6 млн параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт эмбеддинги для поиска по близости. Модель подходит для поиска релевантных ответов по запросу в корпусе FAQ Амагасаки и сходных муниципальных коллекциях. На описанном наборе данных значение cosine recall@10 составило 0,7704, однако этап специализированного дообучения и оценка используют один и тот же набор документов, поэтому этот результат не подтверждает перенос на другие муниципалитеты или предметные области. Обучение проводилось с максимальной длиной последовательности 512 токенов, поэтому для очень длинных документов качество может снижаться. Лицензия — Apache License 2.0.

BAM — объединённая языковая модель от автора репозитория shuaitongli, созданная из четырёх экспертных моделей на базе Qwen2.5-7B-Instruct. Эксперты специализируются на WebShop, работе с инструментами, поиске и задачах ALFWorld; при слиянии они применены в порядке WebShop → Tool → Search → ALFWorld. Модель представляет собой плотную архитектуру Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалогового применения; практические сценарии включают агентные задачи, использующие поиск и инструменты, а также взаимодействие со средами WebShop и ALFWorld. Репозиторий содержит веса в формате Safetensors. Карточка не сообщает результатов оценки качества или подробностей о формате диалогового шаблона и интерфейсе вызова инструментов. Условия лицензирования в предоставленных данных не указаны.

potsu-potsu/bge-base-biomedical-modal-no-mrl-e4 — англоязычная модель Sentence Transformers на базе BERT, обученная на 4 012 парах биомедицинских текстов. Она кодирует предложения и абзацы в нормализованные плотные векторы размерности 768 для поиска и сравнения по косинусному сходству; также подходит для поиска перефразирований, кластеризации и классификации текстов с использованием эмбеддингов. Модель содержит 136,7 млн параметров, принимает последовательности до 512 токенов и распространяется по лицензии Apache-2.0. В README приведены оценки на наборе bge-base для поиска информации, однако эти результаты сами по себе не подтверждают клиническую точность или пригодность для принятия медицинских решений. Обучающий набор описан как json; подробной независимой оценки по биомедицинским сценариям не приведено.

Suchae/bge-m3-Korean-Judgment-Transducer-Verifier-v1.0 — модель Sentence Transformers на базе XLM-RoBERTa, предназначенная для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в векторы размерности 1024 и нормализует их; для сравнения используется косинусное сходство. Максимальная длина последовательности составляет 8192 токена, число параметров — около 658,7 млн. Модель можно применять для семантического поиска и оценки сходства текстов, поиска перефразирований, кластеризации и классификации текста. В названии указана специализация на корейских судебных документах, однако README не описывает обучающие данные или результаты в этой области. Карточка не называет автора, а метаданные не содержат сведений о базовой модели в поле base_models, поэтому происхождение модели и её лицензию установить по предоставленным данным нельзя.

Amdestya/ce-cat-minilm-l12 — англоязычный переранжировщик текстовых пар на базе MiniLM-L12, разработанный для воспроизведения конфигурации из статьи Askari et al. «Injecting the BM25 Score as Text Improves BERT-Based Re-rankers» (ECIR 2023). Это cross-encoder на архитектуре BERT с примерно 40 млн параметров, дообученный с бинарной релевантностью и функцией потерь cross-entropy; при обучении применялись Adam и ранняя остановка по validation nDCG@10. Максимальная длина входа — 512 токенов. Модель оценивает релевантность пары «запрос — отрывок»: запрос и текст отрывка подаются раздельно, результатом служит логит, где более высокое значение означает большую релевантность. Она предназначена для переранжирования результатов информационного поиска, в частности как baseline без добавления числового BM25 score во входной текст. Модель создана как исследовательский артефакт для диссертационного исследования по воспроизведению работ в информационном поиске с LLM. Лицензия — Apache-2.0. Модель рассчитана на английский язык; опубликованная карточка описывает экспериментальную исследовательскую конфигурацию, поэтому качество за пределами указанной задачи и схемы входа не подтверждено. Не следует добавлять числовой токен в запрос: модель обучалась без него.

Luyu/co-condenser-marco — модель семейства coCondenser, опубликованная Luyu Gao и соавторами для подготовки к плотному поиску по текстовым коллекциям. Это encoder на архитектуре BERT с примерно 136,7 млн параметров и контекстом до 512 токенов; модель обучена на коллекции MS MARCO. На странице Hugging Face она представлена как masked language model с задачей fill-mask, поэтому её можно использовать для предсказания замаскированных токенов. Для retrieval-сценариев это чекпойнт предварительного обучения, который можно дообучать или использовать как основу для моделей извлечения текстовых представлений. Поддерживаемый язык — английский, что соответствует англоязычной коллекции MS MARCO. Лицензия в предоставленных метаданных и карточке не установлена.

DeBERTa-v3-base-mnli-fever-anli-scifact-citint — модель классификации текстовых пар, разработанная как дообучение MoritzLaurer/DeBERTa-v3-base-mnli-fever-anli на наборах SciFact и Citation-Integrity. Она сопоставляет утверждение с доказательством: порядок входа — сначала доказательство, затем утверждение. Модель подходит для проверки научных утверждений по текстовым свидетельствам и оценки целостности цитирования. Модель основана на архитектуре DeBERTa-v2, содержит 211,6 млн параметров и принимает последовательности длиной до 512 токенов. В README указаны accuracy 0,840 и macro F1 0,839 на тестовой выборке SciFact, а для Citation-Integrity — accuracy 0,619 и macro F1 0,467. Это результаты конкретных тестовых наборов, поэтому качество на других данных может отличаться. Модель распространяется по лицензии MIT.

ai4data/devdata-search-noinstruct-small-cmnrl — компактная двунаправленная модель-энкодер для семантического поиска по структурированным статистическим метаданным из семейства DevData Search. Она создана командой ai4data дообучением avsolatorio/NoInstruct-small-Embedding-v0 на DevDataBench с функцией потерь cmnrl. При обучении использовались полная сериализация схемы, перестановка порядка полей и исключение части полей, чтобы модель связывала смысл с названиями полей, а не с порядком их представления. Модель кодирует текстовые запросы и описания записей в эмбеддинги для последующего поиска и сравнения семантической близости. Она рассчитана на сценарии, где пользователь ищет статистические показатели по естественно-языковому описанию; префиксы для запросов и документов не требуются. Модель содержит около 40 млн параметров, использует архитектуру BERT и принимает последовательности длиной до 512 токенов. Модель предназначена для получения эмбеддингов и не является готовым размещённым поисковым сервисом. Карточка не заявляет поддержку конкретных естественных языков. Распространяется по лицензии Apache-2.0.

Enbeddrus v0.1 D+PC — модель эмбеддингов предложений на основе BERT, опубликованная evilfreelancer. Она кодирует предложения и абзацы на русском и английском языках в плотные векторы размерности 768 для сопоставления семантически близких фраз между языками. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Модель использует архитектуру BERT без учёта регистра, содержит 194,6 млн параметров по метаданным, а её максимальная длина контекста составляет 512 токенов. По README, её дообучали в течение 20 эпох на параллельных англо-русских данных, включая наборы OPUS с PHP-текстами и книгами. Доступны веса в формате Safetensors. Модель может быть полезна для поиска соответствий между русскими и английскими формулировками, однако заявленная оценка основана на небольшом наборе из 100 пар предложений по теме PHP. Поэтому качество на других темах и типах текстов по карточке не установлено. Условия лицензии в предоставленных данных не приведены.

IDEA-CCNL разработала Erlangshen-Roberta-110M-Similarity — модель на базе китайской RoBERTa-wwm-ext-base, дообученную для оценки сходства текстов. Она предназначена для сравнения пар предложений, в том числе поиска перефразировок и семантически близких формулировок. Модель имеет архитектуру BertForSequenceClassification, содержит 129,5 млн параметров и принимает последовательности длиной до 512 токенов. Обучение проводилось на 2 773 880 примерах из 20 китайских наборов данных по перефразированию; в карточке приведены результаты на BQ, BUSTM и AFQMC. Модель подходит для поиска похожих запросов, группировки перефразировок и оценки семантической близости китайских предложений. Доступны веса PyTorch и Safetensors; для загрузки README показывает использование Transformers. Лицензия — Apache 2.0. Модель ориентирована на китайский язык и задачи сходства, поэтому её результаты на других языках и типах текстов не подтверждены приведёнными данными.

NorskHelsenett разработала эту модель на базе Google EmbeddingGemma 300M, дообучив её на наборе норвежских триплетов для поиска по текстам о здоровье и медицинских услугах. Sentence Transformer преобразует предложения и абзацы в плотные векторы размерностью 768; близость текстов оценивается косинусным сходством. Модель принимает последовательности длиной до 2048 токенов и подходит для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. Модель предназначена прежде всего для норвежского языка и может применяться для поиска релевантной информации в медицинских и административных текстах, например в материалах о диагнозах, услугах и возмещении расходов. README приводит результаты оценки на тестах поиска и сходства, но они не гарантируют качество для других наборов данных и языков. Распространяется на условиях Gemma Terms of Use и Gemma Prohibited Use Policy; формат весов — Safetensors.

Это модель SentenceTransformer, дообученная Bofandra на основе Bofandra/fine-tuning-use-cmlm-multilingual-quran-translation. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости; сходство оценивается косинусной мерой. Архитектура основана на BERT с усреднением токенных представлений и нормализацией векторов. В метаданных указан размер 498,1 млн параметров и контекст до 512 токенов; в README для конфигурации Sentence Transformers указан максимум 256 токенов. Модель предназначена для семантического поиска и сравнения текстов, в том числе вариантов переводов аятов Корана. Её также можно применять для поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. README описывает обучение на 609 парах предложений, связанных с переводами Корана; метаданные указывают библиотеку sentence-transformers и формат safetensors. Модель принимает текст и выдаёт векторы признаков, поэтому для поиска по коллекции потребуется индексировать эмбеддинги, а для классификации — использовать отдельный классификатор или процедуру кластеризации. Лицензия в предоставленных данных не указана.

MedEmbed Biomedical MRL — англоязычная модель Sentence Transformer на базе BERT, дообученная для семантического поиска по биомедицинским текстам. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 384; для сравнения используется косинусное сходство. Модель обучена на 4 012 парах запросов и релевантных текстов с функцией потерь MultipleNegativesRankingLoss. Модель подходит для семантического поиска и сопоставления биомедицинских вопросов с текстами, а также для поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Максимальная длина входа — 512 токенов. В README приведены результаты оценки на наборе medembed-small, однако они не гарантируют качество на других данных. Модель распространяется по лицензии Apache-2.0.

MetaCLIP H/14 — модель семейства CLIP, выпущенная командой MetaCLIP и представленная в работе Xu и соавторов «Demystifying CLIP Data». Это крупная версия с разрешением патчей 14, обученная на 2,5 миллиарда примеров CommonCrawl. Модель сопоставляет изображения и текст в общем пространстве эмбеддингов. Она предназначена для классификации изображений по текстовым описаниям без дополнительного обучения, поиска изображений по запросу и поиска текста по изображению. Карточка не приводит сведения о поддерживаемых языках или длине контекста. Доступны веса PyTorch и Safetensors; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Minang Embedder — модель SentenceTransformers, разработанная для представления текстов на минангкабау в виде нормализованных эмбеддингов размерности 768. Она создана дообучением jinaai/jina-embeddings-v5-text-nano-retrieval на примерах, основанных на ресурсах NusaX, и использует трансформер EuroBERT с pooling по последнему токену. Контекст модели — до 8192 токенов. Модель предназначена для семантического поиска, сравнения предложений, поиска параллельных текстов и межъязыкового выравнивания, включая пары минангкабау—английский и минангкабау—индонезийский. Обучающие данные также включают синтетические примеры переключения между минангкабау и индонезийским. Для поиска или оценки сходства тексты преобразуют в эмбеддинги и сравнивают их. В README приведены результаты на локальном бенчмарке MinSTS-Retrieval, однако он построен на метках тональности и выравниваниях NusaX, а не на ручной разметке семантического сходства; показатели поиска поэтому отражают в том числе группировку по тональности. Перед применением в конкретной предметной области качество следует проверить отдельно. Лицензия модели — CC BY-NC-SA 4.0; при использовании данных NusaX необходимо учитывать их атрибуцию и условия CC BY-SA 4.0.

Это англоязычная модель Sentence Transformers для получения эмбеддингов предложений и абзацев, разработанная как дообучение kokojake/modernbert-embed-base-fitness-health-matryoshka-8-epochs-25k. В основе — ModernBERT с 149 млн параметров; модель формирует нормализованные векторы размерностью 768 и использует косинусное сходство. Максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска и сравнения текстов в тематике фитнеса и здоровья, а также для поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Matryoshka-обучение позволяет усекать векторы до меньших размерностей, от 512 до 64, с некоторым снижением качества поиска. В README приведены результаты оценки информационного поиска, но данных для оценки качества на других наборах или задачах нет. Лицензия — Apache-2.0.

NAMAA-retriever-notfs-QUQA-contrastive — модель Sentence Transformers, дообученная автором yoriis на базе yoriis/NAMAA-retriever-contrastive-1. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для вычисления семантической близости по косинусному сходству, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура основана на ModernBERT с усреднением токенных представлений; библиотека — sentence-transformers, веса сохранены в safetensors. В метаданных указано контекстное окно до 8192 токенов, тогда как карточка модели задаёт максимальную длину последовательности 512 токенов. Примеры обучающих данных и текста в карточке указывают на арабский язык и вопросы по исламским текстам. Модель предназначена для получения эмбеддингов и ранжирования текстов по смысловой близости, а не для генерации ответов. Лицензия в предоставленных данных не указана.

PubMedBERT Embeddings — модель NeuML, дообученная с помощью Sentence Transformers на базе PubMedBERT для создания эмбеддингов медицинских текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска, кластеризации и поиска релевантных фрагментов для RAG по медицинской литературе. Обучение использовало пары заголовков и аннотаций PubMed, включая похожие заголовки; README сообщает о сравнительной оценке на наборах PubMed QA, PubMed Subset и PubMed Summary. Модель построена на архитектуре BERT, содержит 136,7 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Основной язык — английский. Для медицинской литературы она формирует более подходящие представления, чем модели общего назначения; дообучение на конкретной медицинской подотрасли может улучшить качество. Распространяется по лицензии Apache-2.0.

PunjabiSBERT-STS — модель эмбеддингов предложений, разработанная L3Cube-Pune в рамках проекта MahaNLP. Это дообученная на наборе STS модель PunjabiSBERT, основанная на l3cube-pune/punjabi-sentence-bert-nli. Она предназначена для оценки семантического сходства между предложениями на панджаби и получения векторных представлений предложений для поиска и сравнения текстов. Модель использует архитектуру BERT и содержит 264,8 млн параметров; максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch, а для получения эмбеддингов README описывает использование Sentence-Transformers либо трансформера Hugging Face с подходящей операцией pooling. Лицензия — CC BY 4.0.

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

cross-encoder/quora-distilroberta-base — англоязычная модель cross-encoder на базе DistilRoBERTa, дообученная с помощью SentenceTransformers на датасете Quora Duplicate Questions. Она принимает пару вопросов и оценивает числом от 0 до 1 вероятность того, что они являются дубликатами. Модель предназначена для поиска повторяющихся вопросов и ранжирования кандидатов по вероятности дублирования; её можно применять, например, при дедупликации пользовательских запросов или вопросов на форумах. Архитектура — RobertaForSequenceClassification, около 95,2 млн параметров; базовая модель — distilbert/distilroberta-base. Нативный контекст составляет 514 токенов. Доступны форматы PyTorch, safetensors, ONNX, OpenVINO и Flax. Лицензия — Apache-2.0. Оценка отражает вероятность дублирования, а не общую семантическую схожесть: вопросы на близкие темы, но с разными намерениями, могут получить низкий балл. Модель рассчитана на английские вопросы; перенос её оценок на другие языки и типы текстов не подтверждён.

yuxuanw8/qwen3b-rlcr-hotpot-racpo-v1-checkpoint-210 — текстовая генеративная модель на базе семейства Qwen с 3,1 млрд параметров, доступная для использования через библиотеку Transformers. По названию репозитория это контрольная точка, связанная с RLCR и RACPO и ориентированная на сценарии HotpotQA или многошаговых ответов на вопросы, однако README не содержит подробностей о разработчике, обучении, оценивании и точной базовой архитектуре. Модель поддерживает контекст до 32 768 токенов и относится к задачам генерации текста.

Это компонент ReLiK Retriever Small, разработанный Sapienza NLP и дообученный на наборе NYT. Он преобразует текстовые запросы в векторные представления для поиска релевантных документов и используется как часть конвейера извлечения информации ReLiK: ретривер находит материалы, а отдельный компонент reader извлекает из них сущности и отношения. Модель основана на BERT, содержит около 40 млн параметров и принимает текст длиной до 512 токенов. Модель предназначена для быстрого поиска контекста в сценариях связывания сущностей и извлечения отношений на данных, подобных NYT. Репозиторий содержит веса ретривера; README описывает библиотеку ReLiK для загрузки конвейера. Указанный формат весов — PyTorch. Лицензия в предоставленных данных не приведена.

Карточка модели allenai/SAGE-MM-Qwen2.5-VL-7B-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.

Карточка модели allenai/SAGE-MM-Qwen3-VL-4B-SFT_RL 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.

Карточка модели allenai/SAGE-MM-Qwen3-VL-8B-SFT_RL 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.