I.1Поиск и навигация по информации

ModernBERT-base-32K — дообученная разработчиками репозитория версия англоязычной encoder-only модели ModernBERT-base с архитектурой ModernBERT для задачи восстановления замаскированных токенов. Она расширяет контекст с 8 192 до 32 768 токенов с помощью масштабирования RoPE YaRN и дообучения на длинных текстах с модифицированной MLM-целью. Модель содержит 149 млн параметров и распространяется в формате Safetensors. Модель предназначена для извлечения признаков и представлений длинных документов, классификации текста и поиска информации в длинных текстах; сама по себе она не является чат-моделью или генеративным решением для ответов на вопросы. По карточке, обучение использовало подвыборку Slimpajama с длинными документами. Лицензия — Apache-2.0. Карточка отмечает снижение качества поиска ключевой фразы с ростом расстояния и ограниченную пользу контекста свыше 16 тысяч токенов. Обработка контекста в 32 тысячи токенов требует значительной видеопамяти; обучение преимущественно на веб-текстах может ограничивать перенос на специализированные области.

OneBrain Rerank v1 — мультиязычная модель переранжирования от OneBrain, созданная на основе BAAI/bge-reranker-v2-m3. Это cross-encoder для второго этапа поиска: модель получает пару «запрос — фрагмент текста» отобранных BM25- или векторным поиском кандидатов и вычисляет показатель релевантности. Она не предназначена для первичного поиска и не создаёт векторные эмбеддинги. Модель представляет собой оптимизированную сборку в формате ONNX с динамической int8-квантизацией, рассчитанную прежде всего на локальный инференс на CPU, включая устройства уровня Raspberry Pi. Размер файла модели составляет около 569 МБ против 2,27 ГБ у fp32-экспорта. На выходе формируется необработанный logit для каждой пары; после применения sigmoid получается оценка релевантности от 0 до 1. Максимальная длина входа — 512 токенов, поэтому более длинные фрагменты обрезаются. Поддержка Thai и English унаследована от базовой модели. Сильные стороны модели — уменьшенный размер, более низкая стоимость CPU-инференса и сохранение порядка ранжирования относительно fp32-версии; на приведённых проверочных парах максимальное изменение sigmoid-оценки составило 0,0046. При этом v1 не дообучалась под конкретный домен, а её оценка проводилась только на внутреннем наборе OneBrain, поэтому публичные показатели MTEB, BEIR или MIRACL отсутствуют. Модель предназначена для переранжирования небольшого числа кандидатов и не является заменой полноценному поисковому или embedding-компоненту. Распространяется по лицензии Apache-2.0.

Многоязычная модель Sentence Transformer, дообученная legalvn на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 для работы с вьетнамскими текстами. Она преобразует предложения и абзацы в плотные векторы размерности 384; сходство векторов можно оценивать косинусной мерой. Архитектура основана на BERT с усреднением токенных представлений. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов, а карточка модели — максимальную длину последовательности 128 токенов. Модель подходит для семантического поиска, сравнения текстов и перефразировок, кластеризации и классификации текстов, в том числе для поиска по вьетнамским правовым материалам. Обучение описано на выборке из 651 725 примеров с запросами, корпусными текстами и оценками сходства. Лицензия в предоставленных сведениях не указана.

OPI-PIB/pl-ModernBERT-base — базовый одноязычный энкодер ModernBERT для польского языка, обученный разработчиками семейства Polish ModernBERT. Модель содержит 148,7 млн параметров, использует 22 слоя с размером скрытого состояния 768 и принимает последовательности длиной до 8 194 токенов. Архитектура включает RoPE, слои GeGLU, предварительную нормализацию и чередование глобального и локального внимания; веса доступны в формате Safetensors. Модель предварительно обучена на польском корпусе примерно из 44,5 млрд токенов с задачей masked language modeling. В исходном виде она подходит для заполнения пропусков в тексте, а после адаптации — для классификации документов и последовательностей, разметки сущностей, оценки сходства, поиска и переранжирования. В оценке на 30 польских NLU-задачах базовые варианты показали конкурентные результаты, включая задачи с длинным контекстом. Модель принимает текст и выдаёт текстовые предсказания токенов; она не является готовым чат-ассистентом и для большинства прикладных задач требует дообучения или дополнительной головы. Лицензия Apache-2.0 допускает широкое использование при соблюдении её условий.

Карточка модели whilework/rubert-tiny2 на Hugging Face совпадает с карточкой cointegrated/rubert-tiny2, поэтому описание составлено по ней. cointegrated/rubert-tiny2 — компактный русскоязычный BERT-энкодер, обновлённая версия ruBERT-tiny. Модель разработана для получения векторных представлений предложений; её также можно дообучать для прикладных задач. Она содержит около 29 млн параметров, использует словарь из 83 828 токенов и поддерживает последовательности длиной до 2048 токенов. Эмбеддинги предложений приближены к представлениям LaBSE; сегментные эмбеддинги настроены на задаче NLI. Векторы можно применять, например, для классификации коротких текстов методом ближайших соседей и оценки сходства предложений. Модель ориентирована на русский язык; карточка распространяет её по лицензии MIT.

Ruri-Reranker-Small — японская модель-переранжировщик на основе Sentence Transformers и архитектуры DistilBERT, разработанная cl-nagoya. Она дообучена на базе cl-nagoya/ruri-pt-small и предназначена для повторного ранжирования результатов поиска: модель оценивает релевантность пары запроса и документа, чтобы поднять наиболее подходящие результаты выше. Размер модели — около 68 млн параметров; максимальная длина последовательности — 512 токенов. Модель рассчитана на японский язык и показывает результаты в бенчмарках JQaRA, JaCWIR и MIRACL. Лицензия Apache 2.0. Модель специализируется на ранжировании японского текста; качество для других языков не подтверждено. В README приведены сравнительные результаты на бенчмарках, но они не гарантируют аналогичную точность на других наборах данных.

SciPhi-Mistral-RAG-Hermes-7B-32k — языковая модель на архитектуре Mistral, созданная как слияние модели SciPhi/SciPhi-Self-RAG-Mistral-7B-32k с помощью LazyMergekit. Она предназначена для генерации текста и сценариев RAG, где модель формирует ответы на основе предоставленного контекста. Модель содержит 6,5 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. README и метаданные не уточняют поддерживаемые естественные языки и условия лицензии, поэтому конкретные языки и лицензионные условия здесь не приводятся.

Карточка модели prodm93/singularity_retriever_v3 на Hugging Face совпадает с карточкой SingularityUS/legal_topic_retriever3, поэтому описание составлено по ней. SingularityUS/legal_topic_retriever3 — модель на базе BERT, разработанная SingularityUS для преобразования предложений и абзацев в плотные векторы размерностью 768. Её можно использовать для семантического поиска и кластеризации текстов, в том числе для подбора документов по сходству смыслов. Модель содержит 136,7 млн параметров, принимает текст и выдаёт эмбеддинги. Максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch; для работы предусмотрено использование Sentence-Transformers либо Transformers с соответствующей операцией pooling. Лицензия в предоставленных данных не указана.

enfuse/smol-tools-4b-32k — языковая модель для агентских сценариев и вызова инструментов, разработанная enfuse на базе Jackrong/Qwen3.5-4B-Claude-4.6-Opus-Reasoning-Distilled. Модель дообучена методом LoRA на 8 059 примерах, включая многошаговые диалоги с использованием инструментов длиной до 32K токенов. Она предназначена для выбора одного или нескольких инструментов, формирования структурированных вызовов функций, работы с результатами инструментов в многоходовых диалогах, анализа длинных документов и выполнения сложных агентских рабочих процессов. Архитектура — Qwen3_5ForCausalLM с 4 млрд параметров, 32 слоями и гибридным вниманием: 24 слоя используют линейное внимание, 8 — полное. Модель текстовая, поддерживает английский язык и контекст до 32 768 токенов. Доступны BF16 safetensors размером 9,7 ГБ, а также варианты GGUF Q8_0 на 4,9 ГБ и Q4_K_M на 2,9 ГБ. Заявлены 100% валидность JSON, 100% корректность аргументов и 100% точность отказа от инструментов, а F1 выбора инструментов составляет 0,940 на отложенной выборке из 200 примеров. Сильные стороны модели — длинный контекст, высокая надежность структурированного вывода, поддержка последовательных и параллельных вызовов инструментов и сохранение точности в многоходовых сценариях. Ограничение — некоторое снижение F1 выбора инструментов по сравнению с 4K-версией: 0,940 против 0,955; в сложных многошаговых рабочих процессах показатель составляет 0,818, а в сценариях с интенсивным рассуждением — 0,914. Модель распространяется по лицензии Apache-2.0.

VeriCite Embedder — дообученная англоязычная модель для получения эмбеддингов предложений, разработанная автором репозитория hishammoizuddin. Она основана на sentence-transformers/all-MiniLM-L6-v2 и использует архитектуру BERT; число параметров — 25,9 млн, максимальная длина контекста — 512 токенов. Модель предназначена для сравнения семантической близости текстов и извлечения признаков, например для поиска похожих предложений и проверки текстовых совпадений. Карточка указывает совместимость с sentence-transformers; веса доступны в формате safetensors. Лицензия — Apache-2.0.

Zhihui_LLM_Embedding — модель эмбеддингов китайского текста, разработанная Lenovo Zhihui для поиска и ранжирования документов. Она основана на 7,1-миллиардной gte-Qwen2-7B-instruct и использует двунаправленное внимание при контрастивном обучении вместо обычного причинного внимания декодерной модели. Вектор строится методом pooling по последнему токену, его размерность — 3584; заявленная длина контекста составляет 131072 токена. Модель рассчитана на извлечение текстовых эмбеддингов для семантического поиска и задач retrieval. В README сообщается о первом месте на C-MTEB с результатом 76,74 по состоянию на 25 июня 2024 года. Для обучения применялись дистилляция данных с помощью GPT-3.5 и GPT-4, подбор сложных негативных примеров и модифицированная функция контрастивных потерь. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Карточка модели avsolatorio/00-400-10-1-0-1-0-0-cls-normed-768-512_GIST_BAAI_bge-base-en-v1.5-20240130210931-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Agents-A1-Flash — сжатый выпуск модели InternScience/Agents-A1, опубликованный SofiTesfay2010. Это разреженная MoE-модель семейства Qwen3.5 с 35 млрд параметров, 256 экспертами и 8 активными экспертами на токен; каталог указывает архитектуру Qwen3_5MoeForConditionalGeneration и возможность диалога. Релиз сочетает разреженное тернарное сжатие STQ1_0 для маршрутизируемых экспертов, FP8 для внимания и общих экспертов и FP16 для нормализаций и векторов. По README, размер весов уменьшен примерно с 70 до 8,19 ГБ; заявлены варианты размещения с кэшированием и полной загрузкой в память видеокарты. Модель предназначена для генерации текста и диалогового использования, унаследовав базу для многошаговых агентных задач, научных рассуждений, поиска и вызова инструментов. Карточка не описывает языки, длину контекста и качество после сжатия. Указана лицензия «other», поэтому конкретные условия использования следует проверять в лицензии репозитория.

Модель IreNkweke/bert-finetuned-ner-ontonotes5 — дообученная автором IreNkweke модель BERT для распознавания и классификации именованных сущностей в английском тексте. Она использует архитектуру BertForTokenClassification, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучена на OntoNotes 5 и различает 37 меток, включая PERSON, ORG, GPE, DATE, MONEY, LAW и EVENT. Модель подходит для извлечения сведений из новостей, публикаций в социальных сетях и юридических документов, а также для обогащения поиска сущностями и подготовки данных к последующей классификации. В README приведены результаты оценки: F1 0,8733, точность 0,8620 и полнота 0,8849. Модель ориентирована на английский язык; качество на других языках и текстах, отличающихся от обучающих данных, не заявлено. Лицензия — MIT.

marquesafonso опубликовал модель для распознавания именованных сущностей в тексте на португальском языке. Это Bertimbau Large на базе BERT с классификацией токенов; в карточке она описана как вариант BERT-CRF для сценария total с 10 классами сущностей: человек, организация, место, время, значение, абстракция, событие, предмет, произведение и прочее. Модель содержит 136,1 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и Safetensors. Модель предназначена для извлечения и разметки сущностей в португальских текстах, например для индексирования документов и структурирования упоминаний людей, организаций и мест. Для загрузки используются AutoTokenizer и AutoModelForTokenClassification из Transformers. Лицензия — MIT. Качество зависит от соответствия текста и домена данным обучения; README не приводит метрик оценки.

swardiantara/bert-tiny-amazon_reviews-k5-adaptive-cosine — компактная модель Sentence Transformers, дообученная автором на базе google/bert_uncased_L-2_H-128_A-2 на парах текстов с оценками сходства. Она преобразует предложения и абзацы в плотные векторы размерности 128 и предназначена для поиска похожих текстов и извлечения признаков. Архитектура включает BERT с двумя слоями, mean pooling и сравнение векторов по косинусному сходству; модель принимает текст, поддерживает последовательности до 128 токенов по README и имеет контекстное окно до 512 токенов по метаданным. В карточке показаны примеры англоязычных отзывов Amazon, поэтому прежде всего модель подходит для поиска и сравнения англоязычных отзывов. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

Berk2003 tarafından BAAI/bge-m3 temelinde ince ayarlanmış SentenceTransformer modelidir. XLM-RoBERTa mimarisini, CLS pooling ve нормализацию выходных векторов kullanarak преобразует тексты в плотные эмбеддинги размерности 1024; сходство оценивается косинусной мерой. Модель предназначена для семантического поиска и сопоставления предложений и абзацев, в частности для поиска по юридическим текстам: примеры обучающих данных относятся к турецкому праву и связывают вопросы с фрагментами ответов. В README указана максимальная длина последовательности 512 токенов. Метаданные указывают 658,7 млн параметров и контекст до 8194 токенов; практическая длина для этой конфигурации ограничена значением из README. Модель принимает текст и выдаёт векторы, а не готовые юридические заключения. Лицензия в предоставленных данных не указана.

Breeze-7B-Instruct-v1_0 — диалоговая языковая модель MediaTek Research для ответов на вопросы, многоходового чата, суммаризации и сценариев RAG. Это дообученная версия Breeze-7B-Base-v1_0, которая, в свою очередь, основана на Mistral-7B; модель использует архитектуру Mistral с плотным декодером и содержит 7,2 млрд параметров. Модель рассчитана прежде всего на традиционный китайский язык, а также поддерживает английский. Словарь расширен с 32 тыс. до 62 тыс. токенов для лучшей поддержки традиционного китайского; в карточке заявлено ускорение инференса на этом языке. Контекст модели — 32 768 токенов по метаданным каталога; README описывает версию с контекстом 8 тыс. токенов. Эти значения различаются между источниками. Модель работает с текстом и предназначена для использования как готовый чат-ассистент. В README отмечено, что для диалогов нет специальной обработки вредоносных запросов. Модель опубликована под лицензией Apache-2.0; её качество и скорость могут зависеть от сценария и условий запуска.

ConvBERT small — компактная предобученная языковая модель на архитектуре ConvBERT, созданная Manuel Romero (@mrm8488) при поддержке Narrativa. Модель обучена на large_spanish_corpus и предназначена для получения контекстных векторных представлений испанского текста. Модель содержит 20,4 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow. В README приведены метрики предобучения, включая точность masked language modeling 0,535 на наборе оценки. Её можно использовать как основу для поиска по смыслу, кластеризации текста и дообучения под задачи классификации или извлечения признаков на испанском языке. Распространяется по лицензии MIT.

megantosh/flair-arabic-multi-ner — модель распознавания именованных сущностей на арабском языке, созданная M. Megahed с использованием Flair. Это последовательный теггер на основе GloVe- и двунаправленных Flair-эмбеддингов, обученный на наборах AQMAR и ANERcorp. Модель размечает упоминания мест, организаций, персон и сущностей категории MISC; в карточке приведены micro F1 0,8666 и macro F1 0,8488. Модель подходит для извлечения сущностей из арабских текстов, например для последующего поиска, анализа документов и построения структурированных данных. Карточка также указывает английский среди языков и Apache-2.0 как лицензию. Результаты зависят от жанра и стиля текста: качество для организаций ниже, чем для мест и персон, а отдельные показатели на новых данных могут отличаться от опубликованных.

GLiClass Base v3.0 — компактная модель классификации последовательностей от Knowledgator. Она предназначена для классификации текста без дополнительного обучения: пользователь задаёт возможные метки, а модель оценивает текст по ним. В README также указаны анализ тональности и повторное ранжирование результатов в RAG-системах как сценарии применения. Модель построена на архитектуре GLiClass и выполняет классификацию за один прямой проход, что, согласно карточке, делает её вычислительно эффективнее cross-encoder-подхода. Версия Base содержит 384M LoRA-параметров; при дообучении на логических задачах использовались LoRA-адаптеры. В опубликованных тестах приведены результаты нулевого обучения на нескольких наборах данных и скорость инференса для других вариантов GLiClass v3.0. Модель принимает текст и выдаёт оценки классов. Карточка не подтверждает конкретные поддерживаемые естественные языки и длину контекста. Лицензия — Apache-2.0. Результаты зависят от формулировки меток и задачи; в README приведены тесты лишь на части наборов данных, поэтому они не гарантируют качество для произвольных предметных областей.

Granite-4.2-30B-Fable-Distill — созданная armand0e дообученная версия IBM Granite-4.2-30B для диалога и использования инструментов. Это плотная авторегрессионная модель на 28,9 млрд параметров с весами safetensors в bf16 и контекстом до 131 072 токенов; сохранены архитектура, токенизатор и шаблон чата базовой модели. Модель обучена на трассах агентного программирования и диалогах, дистиллированных из Claude Fable 5; около 73% размеченных токенов приходятся на вызовы инструментов. Поддерживает английский, испанский, французский, немецкий, португальский, японский и китайский, но около 90% обучающих токенов были на английском. Модель предназначена прежде всего для оркестрации инструментов, извлечения сведений и многоязычного диалога. При использовании в vLLM автор рекомендует включать thinking и настраивать разбор вызовов инструментов согласно формату Granite 4.2. Карточка прямо предупреждает, что модель слаба в написании и редактировании кода, несмотря на агентные трассы в обучении. Лицензия Apache-2.0.

Ivysaur — дообученная Mihaiii модель эмбеддингов на базе TaylorAI/gte-tiny, обученная на наборе Mihaiii/qa-assistant. Она предназначена для семантического автодополнения: модель преобразует текстовые запросы в векторы, которые можно использовать для поиска подходящих продолжений и сравнения текстов по смыслу. Архитектура — компактная BERT-модель с 25,9 млн параметров; доступны форматы Safetensors и ONNX, использовать её можно через Sentence Transformers или Transformers с подходящей операцией pooling. Модель рассчитана исключительно на английский текст. Контекст ограничен 512 токенами, более длинные входы обрезаются. Лицензия — MIT.

hotchpotch/japanese-reranker-tiny-v2 — небольшая японская модель для повторного ранжирования текстов, разработанная hotchpotch. Она оценивает релевантность пар запроса и документа, чтобы упорядочивать результаты поиска или кандидаты, полученные на первом этапе поиска. Модель предназначена для японских сценариев, включая улучшение поиска и RAG-систем, где важны низкая задержка и работа на ограниченных вычислительных ресурсах. Модель дообучена на основе cl-nagoya/ruri-v3-pt-30m и использует плотную архитектуру ModernBERT с 3 слоями и размером скрытого состояния 256; содержит 29,4 млн параметров и принимает последовательности длиной до 8192 токенов. В README приведены оценки на японских наборах JQaRA, JaCWIR, MIRACL и JSQuAD, а также замеры скорости для GPU, Apple Silicon и CPU; производительность зависит от оборудования и конфигурации. Доступны форматы Safetensors и ONNX, для использования описаны Transformers и Sentence Transformers. Лицензия — MIT.

KBevo-Qwen3-1.7B-GRPO — дообученная языковая модель kilian-group на базе Qwen3-1.7B, финальный чекпойнт GRPO-обучения для двухэтапной работы со структурированными знаниями. Модель размером 1,7 млрд параметров использует архитектуру Qwen3 и поддерживает контекст до 40 960 токенов; репозиторий содержит веса Safetensors для Transformers. Модель предназначена для ответов на многошаговые вопросы по набору текстовых фрагментов. Сначала она извлекает из них компактную базу знаний в виде типизированных троек «сущность — отношение — значение», затем отвечает на вопросы с помощью типизированных запросов к этой базе. Этапы построения базы и рассуждения используют общие веса. GRPO-обучение оптимизировало ответы по метрике F1 на HotpotQA; в README также приведены результаты на MuSiQue, 2WikiMultiHopQA и PopQA. Основной сценарий — запуск двухэтапного процесса через эталонную реализацию KBevo для оценки или воспроизведения результатов. README рекомендует этот чекпойнт для инференса и оценки. Указаны английский язык и лицензия Apache-2.0. Приведённые в карточке результаты относятся к указанным бенчмаркам; модель описана как специализированная на многошаговых вопросах через структурированную базу знаний.

sinjy1203/ko-sbert-natenews — модель эмбеддингов предложений на базе BERT, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения текстов и кластеризации. Модель содержит 141,2 млн параметров, принимает текст и поддерживает контекст длиной до 512 токенов. По названию репозитория модель ориентирована на корейские новости. Её можно применять для поиска похожих новостных материалов и группировки статей по смыслу; карточка также описывает обучение с CosineSimilarityLoss. Доступны веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

mMiniLMv2-L6-H384 — повторная публикация Microsoft Multilingual MiniLM v2 пользователем hotchpotch для более удобного использования через библиотеку Transformers. Это плотная модель семейства XLM-RoBERTa с 110,2 млн параметров, предназначенная для извлечения признаков из текста. Максимальная длина контекста составляет 514 токенов. Репозиторий содержит веса в формате safetensors. Модель можно использовать как основу для получения текстовых представлений в мультиязычных сценариях. README указывает на предварительно обученную Multilingual MiniLM v2; языки отдельно не перечислены. Модель распространяется по лицензии MIT. Авторы просят указывать авторство оригинальной модели.

MyAwesomeModel — модель для извлечения признаков из текста, опубликованная в репозитории toolathlon5/MyAwesomeModel-TestRepo. По метаданным она использует архитектурное семейство BERT, работает с библиотекой Transformers и предназначена для получения векторных представлений текста. Модель можно применять как компонент конвейеров машинного обучения для семантического поиска, кластеризации, классификации и других задач, где нужны эмбеддинги или скрытые представления текста. В README также заявлены возможности рассуждения, генерации кода, диалога и работы с функциями, однако эти сведения не подтверждаются основным pipeline-тегом feature-extraction и поэтому не рассматриваются как надёжно подтверждённые характеристики модели. Размер модели, поддерживаемые естественные языки и длина контекста в доступных данных не указаны. Модель распространяется по лицензии MIT.

diwash-barla/my-embeddinggemma-news-vibe — дообученная модель Sentence Transformers на базе google/embeddinggemma-300m, созданная для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в эмбеддинги размерности 768; максимальная длина входа — 2048 токенов, для сравнения используется косинусное сходство. Модель подходит для семантического поиска и сравнения новостных текстов, поиска перефразировок, классификации и кластеризации. В README указано дообучение на наборе из четырёх примеров с меткой MY_FAVORITE_NEWS с использованием MultipleNegativesRankingLoss, поэтому применимость специализации на новостях стоит проверять на целевых данных. Модель использует архитектуру Gemma 3 Text, содержит около 302,8 млн параметров и распространяется в формате safetensors через библиотеку sentence-transformers. Лицензия — OpenRAIL.

Стандартная модель для распознавания именованных сущностей на французском языке, поставляемая в библиотеке Flair. Она использует эмбеддинги Flair и архитектуру LSTM-CRF для разметки последовательностей; модель предсказывает четыре класса сущностей, включая имена людей, географические названия и организации. В README приведены результаты F1 90,61 на WikiNER. Модель подходит для извлечения имен людей, мест и организаций из французских текстов, например для индексирования документов и подготовки данных для поиска. Для работы требуется библиотека Flair. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных материалах отсутствуют.