I.1Поиск и навигация по информации

ClimateBERT — дообученная модель на базе RoBERTa с 95,4 млн параметров и классификационной головой для определения климатической тематики абзацев. Её разработчики дообучили языковую модель climatebert/distilroberta-base-climate-f на наборе данных climatebert/climate_detection. Модель предназначена для классификации текстовых абзацев как связанных или не связанных с климатом. Она принимает текст и выдаёт метку класса. Поддерживает английский язык, контекст — до 514 токенов. Использовать её можно, например, для отбора климатических материалов в корпусах документов и новостных текстах. Модель распространяется по лицензии Apache-2.0. Она обучалась на абзацах, поэтому может хуже работать с отдельными предложениями.

EnvFactory-8B — диалоговая языковая модель семейства Qwen3, разработанная LARK-Lab на основе Qwen/Qwen3-8B. Модель дообучена с помощью SFT и обучения с подкреплением на синтезированных траекториях использования инструментов и предназначена для создания агентов, которые ведут многошаговый диалог, выбирают инструменты и взаимодействуют с ними для выполнения задач. Модель имеет плотную архитектуру Qwen3ForCausalLM с 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В обучении использованы 53,4 тыс. отфильтрованных SFT-траекторий и 3,09 тыс. RL-траекторий, построенных на проверенных исполняемых средах из 85 окружений в семи областях. В опубликованных тестах EnvFactory-8B превосходит базовую Qwen3-8B по нескольким показателям использования инструментов, включая многошаговые сценарии. Модель подходит для англоязычных диалоговых агентов с доступом к инструментам через MCP и для выполнения составных задач, требующих серии вызовов инструментов. Это текстовая модель генерации, а не среда исполнения: подключение MCP-инструментов и настройка агента выполняются отдельно. Распространяется под лицензией Apache-2.0.

Faro-Yi-9B — чат-модель wenbopan, созданная на основе Yi-9B-200K путём масштабного дообучения на инструкциях из набора Fusang-V1. Это плотная причинно-языковая модель семейства Llama с 8,6 млрд параметров; репозиторий содержит веса Safetensors, а для диалога используется шаблон ChatML. Модель предназначена для ответов на инструкции и различных текстовых задач на английском и китайском языках, включая работу с длинными документами и сложными запросами. В README заявлена длина контекста до 200 тысяч токенов. В метаданных Hugging Face указано значение 32 768 токенов; для практического использования длинного контекста README приводит настройки vLLM и отмечает влияние квантизации AWQ на качество. В опубликованных автором тестах Faro-Yi-9B превосходит Yi-9B-200K по большинству приведённых показателей, в том числе по ряду тестов понимания длинного контекста; результаты кодогенерации в LongBench ниже, чем у базовой модели. Лицензия — MIT.

RishuD7/finetune_base_bge_pretrained_v4 — модель на основе архитектуры BERT от пользователя Hugging Face RishuD7. Она предназначена для извлечения признаков из текста, в частности получения контекстных векторных представлений, пригодных для последующей обработки или поиска. В метаданных указаны 136,7 млн параметров, контекст до 512 токенов и формат PyTorch. Карточка Hugging Face не содержит описания обучения, рекомендуемых сценариев, языков или лицензии. Поэтому нельзя подтвердить, на каких данных и для каких языков модель дообучена; название репозитория само по себе не устанавливает базовую модель или лицензионные условия.

gte-micro-v4 — компактная модель эмбеддингов на архитектуре BERT, разработанная как дистилляция gte-tiny. Она предназначена для семантического автодополнения: преобразует английские тексты в векторные представления, которые можно использовать для поиска близких по смыслу вариантов. Модель рассчитана на Sentence-Transformers или Transformers с подходящей операцией pooling; доступны форматы Safetensors и ONNX. В ней 21,2 млн параметров, контекст ограничен 512 токенами. Модель ориентирована исключительно на английский язык; более длинные тексты обрезаются до 512 токенов. Лицензия MIT.

bartowski/LiquidAI_LFM2-1.2B-RAG-GGUF — это набор GGUF-квантизаций модели LiquidAI/LFM2-1.2B-RAG, подготовленный пользователем bartowski с применением llama.cpp и imatrix-калибровки. Модель относится к классу text-generation и предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Базовая модель имеет размер 1,2 млрд параметров и ориентирована на сценарии retrieval-augmented generation (RAG), то есть на генерацию текста с использованием предоставленного контекста или найденных документов. В репозитории доступны варианты от BF16 до 2-битных и 8-битных квантизаций размером примерно от 0,52 до 2,34 ГБ. Более высокие квантизации обычно сохраняют лучшее качество, тогда как низкобитные варианты требуют меньше оперативной памяти, но могут заметно уступать по качеству. Сильная сторона набора — возможность запускать модель локально на устройствах с разным объёмом памяти; варианты Q4_K_M, Q5, Q6 и другие рекомендуются автором как компромисс между размером и качеством. В README не указаны архитектура, поддерживаемые языки, размер контекстного окна, точные мультимодальные возможности, результаты оценки и формат промпта. Лицензия также не указана, поэтому условия использования необходимо проверять на странице исходной модели LiquidAI/LFM2-1.2B-RAG.

Apollo Raines выпустил экспериментальный вариант Llama-3.1-8B-Instruct, изменённый инструментом jBlaze методом representation engineering. Дополнительное обучение не проводилось; модель остаётся каузальной языковой моделью LlamaForCausalLM и распространяется в формате safetensors. В метаданных указан размер 7,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов с опорой на предоставленный контекст: при наличии справочных материалов она стремится следовать им, а не полагаться на знания из параметров. Подходит для ответов на вопросы по переданным документам и задач, где важно удерживать содержание источника. По заявлению автора, выпущенная версия намеренно ослаблена и служит демонстрацией возможностей jBlaze, поэтому её возможности ограничены. Лицензия — Llama 3.1.

Llama-3.2-1B-Instruct-GGUF — квантизированная GGUF-версия 1B-инструкционной модели семейства Llama 3.2, разработанного Meta и опубликованная Unsloth. Это авторегрессионная языковая модель на основе оптимизированной архитектуры Transformer с Grouped-Query Attention (GQA). Модель работает в текстовом формате и предназначена для диалоговых сценариев, включая агентский поиск с извлечением данных и суммаризацию. Доступны варианты с разной точностью квантования: 16, 8, 6, 5, 4, 3 и 2 бита, что позволяет выбирать компромисс между качеством, размером и требованиями к памяти. Официально поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки; модель также обучалась на более широком наборе языков, но качество для них может различаться. Инструкционная версия обучалась с использованием supervised fine-tuning (SFT) и reinforcement learning from human feedback (RLHF) для повышения полезности и безопасности. Ограничения включают меньший размер по сравнению с более крупными моделями семейства, возможное снижение качества при сильном квантовании и отсутствие гарантии высокого качества для языков, не входящих в официальный список. Использование регулируется Llama 3.2 Community License — специальной коммерческой лицензией Meta.

QuantFactory/Llama3-DocChat-1.0-8B-GGUF — квантованная версия Cerebras Llama3-DocChat 1.0 8B, подготовленная QuantFactory с использованием llama.cpp. Исходная модель разработана Cerebras на базе Llama 3 и предназначена для диалоговых вопросов и ответов по документам, включая сценарии retrieval-augmented generation (RAG). Модель должна отвечать на вопросы с учётом переданного контекста и сообщать, если ответ в документе не найден. Модель относится к текстовым генеративным LLM, содержит 8 млрд параметров и поддерживает стандартный шаблон чата Llama 3 Instruct. Для передачи документа используется обёртка <context>...</context>; дополнительно можно задать инструкцию о требуемой полноте или краткости ответа. В карточке указан английский язык. Контекстное окно и конкретный формат квантования для этой GGUF-сборки не указаны. По результатам приведённых тестов модель показывает сильные результаты в задачах документного диалога: средний показатель на ChatRAG Benchmark составляет 55,71, а на EleutherAI Evaluation Harness — 58,07. К ограничениям относятся специализация прежде всего на ответах по предоставленному контексту, возможные потери качества из-за квантования и отсутствие данных о точном варианте квантования, требованиях к ресурсам и поддерживаемом размере контекста. Лицензия указана как other; подробные условия в README не приведены.

Empower Functions v1.1 — плотная причинная языковая модель семейства Llama, разработанная Empower и дообученная на базе Meta Llama 3.1 8B Instruct для использования функций и инструментов в диалоге. Модель содержит около 7,5 млрд параметров, принимает текст, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Модель подходит для автоматического выбора момента вызова инструмента, формирования вызовов функций, параллельных и последовательных вызовов нескольких инструментов, а также обычного общения между вызовами. Предусмотрена потоковая генерация; карточка отмечает применение в длинных разговорах. Модель можно запускать локально или через размещённый API; для версии FP16 разработчик указывает проверку на одном A100 с 40 ГБ памяти, а для GGUF — на MacBook M2 Pro с 32 ГБ ОЗУ. README заявляет высокие результаты на Berkeley Function Calling Leaderboard по оценке от 10 сентября 2024 года, но не приводит численных метрик. Указанные возможности относятся к работе с инструментами через текстовый интерфейс; карточка не подтверждает мультимодальный ввод. Язык модели отдельно не указан в предоставленных метаданных и README.

ModernCE-base-nli — англоязычный cross-encoder на архитектуре ModernBERT-base, обученный автором dleemiller для классификации отношений между парами текстов: противоречие, нейтральность или следование. Модель дообучена на наборе AllNLI из Sentence Transformers и совместима с сопоставимыми cross-encoder-моделями Sentence Transformers. Модель предназначена для NLI, оценки смыслового сходства и проверки того, следует ли гипотеза из текста-посылки. Автор сообщает точность 90,34% на MNLI mismatched и 90,25% на SNLI. В README заявлена обработка последовательностей до 8192 токенов, тогда как метаданные указывают нативный контекст 2048 токенов. Веса содержат около 149 млн параметров и доступны в формате safetensors. Лицензия — MIT. Показатели приведены для указанных тестовых наборов; они не гарантируют качество на других данных. Модель ориентирована на английский язык.

Модель samandar1105/named_entity-recognition — англоязычная модель распознавания именованных сущностей, разработанная Samandar1105 и дообученная на bert-base-cased на наборе CoNLL-2003 с новостными текстами Reuters. Она размечает токены как имена людей, организации, географические объекты и прочие сущности. Модель построена на архитектуре BERT и содержит 135,5 млн параметров. Она принимает текст, поддерживает контекст до 512 токенов и выполняет классификацию токенов. В README указан результат F1 0,9116 на тестовой выборке CoNLL-2003. Лицензия в предоставленных данных не указана.

Стандартная англоязычная модель распознавания именованных сущностей, поставляемая в составе библиотеки Flair. Она использует эмбеддинги Flair и архитектуру LSTM-CRF, обучена на CoNLL-2003 и присваивает токенам метки для имён людей, географических названий, организаций и ещё одной категории сущностей. В карточке указана оценка F1 93,06 на исправленной версии CoNLL-03. Модель предназначена для выделения и классификации сущностей в английском тексте, например при разборе новостей и документов. Для использования требуется библиотека Flair. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

NERmemBERTa-3entities — модель распознавания именованных сущностей, разработанная Centre Aquitain des Technologies de l'Information et Electroniques. Это базовая CamemBERTa v2, дообученная для французского языка на объединённом и очищенном наборе frenchNER_3entities из пяти французских датасетов. Модель размечает сущности трёх типов: географические названия (LOC), имена людей (PER) и организации (ORG). Модель содержит 138,4 млн параметров, использует архитектуру DeBERTa-v2 для классификации токенов и поддерживает контекст до 1024 токенов. Её можно применять для извлечения организаций, персон и мест из французских текстов, например при разборе новостей или подготовке корпуса для поиска. В обучающем наборе было более 420 тысяч примеров, включая отдельные выборки для обучения, валидации и тестирования. Модель выпущена под лицензией MIT. Она предназначена для французского NER с тремя указанными классами; README не приводит численных метрик в доступном тексте, поэтому качество на конкретных данных следует оценивать отдельно.

SAIRA NASEEM разработала модель классификации новостных статей на базе DistilBERT. Она относит текст к одной из четырёх категорий: мировые новости, спорт, бизнес или наука и технологии. Модель предназначена для автоматической разметки новостных материалов и построения тематических лент или архивов. Модель дообучена на наборе AG News и использует архитектуру DistilBertForSequenceClassification. Для входа она принимает текст; максимальная длина контекста — 512 токенов. В README указаны accuracy 91,25%, F1 91,23% и precision 91,44%. Лицензия в предоставленных данных не указана.

jinhybr/OCR-DocVQA-Donut — модель Donut базового размера, дообученная на наборе DocVQA для ответов на вопросы по изображениям документов. Она принимает изображение документа и генерирует текстовый ответ, используя архитектуру vision encoder-decoder: визуальный энкодер Swin Transformer кодирует изображение, а декодер BART авторегрессионно формирует ответ. Модель предназначена для визуального анализа документов и сценариев вопросно-ответного поиска по их содержимому без отдельного этапа OCR. Выпущена под лицензией MIT. Модель специализирована на DocVQA; её точность на других типах документов и задачах не подтверждена в карточке. Указанная конфигурация — базовый размер; число параметров и длина контекста в предоставленных данных не приведены.

QZhou-Embedding-Zh — модель эмбеддингов Kingsoft-LLM для китайского языка, построенная на архитектуре Qwen3-8B. Она предназначена для поиска по смыслу, ранжирования, оценки семантического сходства и других задач понимания китайских текстов. Для получения векторов используется pooling последнего токена; поддерживается MRL с размерностями 128, 256, 512, 768, 1024, 1280, 1536 и 1792, причём размерность по умолчанию — 1792. В обучении применён Token Prepending, а контекст модели составляет до 40960 токенов. Модель показывает улучшения на китайском бенчмарке CMTEB в задачах поиска, семантического сходства, кластеризации, классификации пар и переранжирования. Она распространяется в формате safetensors по лицензии Apache-2.0. README рекомендует запуск через sentence-transformers; результаты и качество на других языках и вне указанных сценариев в карточке не описаны.

SciEmbed-NoDAPT-CTX — англоязычная модель встраиваний научных документов из выпуска SciEmbed, разработанная авторами проекта, сведения о которых в карточке скрыты из-за двойного слепого рецензирования. Это дообученная контрастным обучением 149-миллионная encoder-модель ModernBERT-base; в рецепте обучения пропущен этап доменно-адаптивного MLM, а основным сигналом служили предложения с контекстом цитирования. Модель предназначена для получения векторных представлений научных текстов, в частности для поиска документов и оценки близости предложений. В карточке приведены результаты на SciRepEval: 66,7 ± 0,07 по общей метрике, включая 82,6 для поиска и 80,8 для близости. Контекст составляет до 8192 токенов. Модель распространяется в формате safetensors через Sentence Transformers по лицензии MIT.

mlsa-iai-msu-lab/sci-rus-base4-preview — многоязычная модель-энкодер для построения векторных представлений научных текстов на русском, английском и китайском языках. Она основана на архитектуре ModernBERT, содержит 148,9 млн параметров и принимает последовательности длиной до 8192 токенов. Модель обучена с нуля на корпусах научных статей и данных о цитировании: сначала с помощью masked language modeling, затем совместно с контрастивным обучением и дистилляцией знаний от Qwen/Qwen3-Embedding-8B. Для неё также обучен специализированный токенизатор, ориентированный на научную терминологию. Модель предназначена для получения эмбеддингов научных публикаций и сопоставления текстов по смыслу, в том числе между поддерживаемыми языками. Её можно применять для поиска похожих статей, ранжирования научных документов и построения семантического поиска по исследовательским материалам. Она распространяется в формате safetensors по лицензии MIT. Специализация на научных текстах может ограничивать качество на текстах других типов; описание не приводит результатов независимых оценок качества.

SemCSE_cosine — модель для получения векторных представлений научных аннотаций и предложений, разработанная группой CLAUSE Билефельдского университета. Она основана на DeBERTa v2 и дообучена на KISTI-AI/Scideberta-full; содержит 211,6 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для семантического поиска научных публикаций, кластеризации аннотаций и предложений, а также других задач сравнения и анализа текстовых эмбеддингов. В отличие от основной модели SemCSE, для вычисления сходства в пространстве эмбеддингов эта версия использует косинусное сходство. Разработчики сообщают о высоких результатах на собственном семантическом научном бенчмарке и SciRepEval. Модель рассчитана преимущественно на английский язык и научные тексты. Для работы с ней нужны Transformers и подходящий способ сравнения эмбеддингов; размер входа ограничен контекстом в 512 токенов. Лицензия — MIT.

IsaacRodgz обучил модель представлений предложений на архитектуре BERT. Она преобразует предложения и абзацы в плотные векторы размерностью 384 и предназначена для семантического поиска, сравнения текстов и кластеризации. Модель насчитывает 25,9 млн параметров, принимает текстовые входы с контекстом до 512 токенов; доступны веса PyTorch и ONNX. Название репозитория указывает на настройку для определения позиции в заголовках испанских новостей, однако README описывает прежде всего модель эмбеддингов и не приводит метрик качества или подробностей обучения. Для использования доступны Sentence-Transformers и задачи поиска сходства; лицензия в предоставленных данных не указана.

Venusaur — компактная модель эмбеддингов на основе архитектуры BERT от автора Mihaiii, созданная дистилляцией Mihaiii/Bulbasaur на наборе данных qa-assistant. Она предназначена для семантического автодополнения: преобразует английские тексты в векторы, которые можно использовать для сравнения смысловой близости предложений и поиска релевантных вариантов. Модель содержит 16,4 млн параметров, поддерживает работу через Sentence-Transformers и Transformers; доступны форматы safetensors и ONNX. Модель рассчитана исключительно на английский язык. Контекст ограничен 512 токенами, а более длинные тексты обрезаются. Лицензия — MIT.

dangvantuan/vietnamese-embedding — модель эмбеддингов предложений для вьетнамского языка, разработанная на основе PhoBERT с архитектурой RoBERTa. Она преобразует текст векторы размерности 768 и предназначена для семантического поиска, сравнения сходства предложений и кластеризации текстов. Модель построена на Sentence Transformers: использует среднее объединение токенных представлений и поддерживает последовательности до 512 токенов согласно README; метаданные каталога указывают контекст 258 токенов. Веса содержат 162,4 млн параметров. Обучение включало SimCSE с контрастивным обучением, а также дообучение на наборах XNLI-vn и STSB-vn. В карточке приведены результаты оценки корреляции на наборах семантического сходства для вьетнамского языка. Модель подходит для поиска семантически близких фраз и группировки вьетнамских текстов по смыслу. Она принимает текст и возвращает векторные представления; результаты для других языков карточкой не подтверждены. Распространяется по лицензии Apache-2.0.

VisME — мультимодальная модель эмбеддингов, представленная авторами исследования CVPR 2026 «Illuminating Visual Identity in Universal Multimodal Embeddings». Она дообучена на базе Qwen/Qwen2.5-VL-7B-Instruct и создаёт плотные представления изображений, текста и пар «изображение–текст» для поиска и сопоставления. Веса содержат 3,1 млрд параметров; модель использует архитектуру Qwen2.5-VL и доступна в формате Safetensors. Заявлена длина контекста 128 000 токенов. Модель ориентирована на мультимодальный поиск и задачи, связанные с визуальной идентичностью: распознавание, повторная идентификация объектов и поиск по визуальным признакам. Обучение объединяет MMEB-v1 с общими задачами классификации, визуальных вопросов и ответов, поиска и локализации, а также MVEB с задачами идентификации. README сообщает о конкурентных результатах на этих бенчмарках, но код оценки ещё не опубликован. Лицензия Apache-2.0.

AgentMercury-Qwen3.5-35B-A3B-SAO — это контрольная точка Qwen3.5-35B-A3B, дообученная Minbyul с помощью агентного обучения с подкреплением для работы с инструментами через MCP. Модель использует архитектуру Qwen3.5-MoE; в репозитории представлены веса safetensors для Transformers. По данным метаданных, базовая модель содержит 35 млрд параметров, из которых 3 млрд активны. Модель принимает текстовые запросы и выдаёт текстовые ответы с вызовами инструментов. Она предназначена для автономного выполнения многошаговых задач в синтетических корпоративных средах: искать сведения в почте, чатах, календарях, хранилищах, CRM и других сервисах, а затем создавать, изменять или удалять записи. Обучение основано на одном rollout на запрос и обучаемом критике; автор сообщает об улучшении доли выполненных действий на обучающих средах, но не приводит оценки на отложенном бенчмарке. Модель рассчитана прежде всего на англоязычную работу с инструментами; общие языковые и мультимодальные свойства унаследованы от базовой модели, но этот экспорт обозначен как текстовый. Это промежуточная контрольная точка на шаге 159 из запланированных 200, поэтому обучение не было завершено. Ответы могут быть длинными, а качество вне англоязычных корпоративных сценариев с инструментами зависит от базовой модели. Лицензия — Apache-2.0.

i-dot-ai разработала эту модель на базе all-MiniLM-L6-v2 для поиска по законодательству Великобритании. Это дообученная модель Sentence Transformers с архитектурой BERT и 25,9 млн параметров: она преобразует предложения и абзацы в плотные векторы размерностью 384 для сравнения смысловой близости, семантического поиска и кластеризации. Контекст модели — до 512 токенов. Модель дообучена на 6 тысячах пар «вопрос—ответ» по британским общим публичным законам 2010–2023 годов. Вопросы для обучающего набора сгенерированы GPT-4o, а ответы взяты из разделов законов. По оценке авторов, дообучение улучшило результат на 12% относительно базовой модели; также авторы сообщают о сопоставимом качестве с text-embedding-3-large на своей оценке. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

BGE-M3 Legal Spanish — модель Sentence Transformers, созданная Wilfredo Martel дообучением BAAI/bge-m3 на наборе rtz20250828. Она кодирует испанские запросы и документы, включая юридические тексты, в плотные векторы размерностью 1024 для семантического поиска и сравнения сходства. Архитектура основана на XLM-RoBERTa с пулингом CLS-токена и нормализацией; максимальная длина последовательности — 8192 токена, сходство рассчитывается по косинусной метрике. Модель предназначена для поиска релевантных юридических материалов на испанском языке, ранжирования кандидатов по смысловой близости, поиска перефразировок и кластеризации текстов. В README приведены метрики поиска на тестовом наборе, однако они не гарантируют аналогичного качества на других корпусах. Модель выдаёт векторы, а не готовые ответы или юридические заключения; область применимости и качество следует проверять на целевых данных. Лицензия — Apache-2.0.

CamemBERTa-L6 — облегчённая версия предварительно обученной модели CamemBERTa, созданная удалением верхних слоёв исходного чекпойнта. Она содержит 81,2 млн параметров, построена на архитектуре DeBERTa-v2 и принимает текст с контекстом до 512 токенов. Модель предназначена прежде всего для дообучения под задачи, где решение зависит от предложения целиком: классификации текста, извлечения ответа на вопрос и семантического поиска. Её также можно использовать как основу для извлечения признаков и для masked language modeling; для генерации текста карточка рекомендует авторегрессионные модели. Модель рассчитана на французский язык. Удаление слоёв уменьшает размер модели относительно базовой CamemBERTa, но сама по себе она не является готовым специализированным классификатором или генератором. Распространяется по лицензии MIT.

CamemBERT-L6 — разреженная версия предварительно обученной модели CamemBERT, созданная удалением верхних слоёв исходного чекпойнта. В репозитории указано 81,2 млн параметров; модель использует архитектуру CamemBERT и принимает текст с контекстом до 514 токенов. Доступны веса PyTorch и Safetensors, лицензия — MIT. Модель предназначена прежде всего для дообучения под задачи, где решение зависит от целого предложения или фрагмента текста: классификации, извлечения ответов на вопросы и семантического поиска. Исходную модель также можно применять для masked language modeling и извлечения признаков. Для генерации текста автор рекомендует авторегрессионные модели.

dinghy-law-8b-v1 — мультиязычная модель эмбеддингов Clause Logic Inc., дообученная на базе NVIDIA Nemotron-3-Embed-8B-BF16 для поиска по юридическим текстам. Это плотная модель на 8 млрд параметров с архитектурой Ministral3; она кодирует запросы и документы в нормализованные векторы размерностью 4096, используя роли `query: ` и `passage: `. Карточка описывает поддержку английского, немецкого и китайского языков и контекст до 262 144 токенов для базовой модели; опубликованная конфигурация Sentence Transformers ограничивает вход 8192 токенами. Модель предназначена для первого этапа поиска, семантического поиска и извлечения документов для юридических RAG-систем на собственных корпусах: законы, судебные решения, договоры и юридические вопросы. В тесте MTEB(Law, v1) авторы сообщают средний nDCG@10 72,58 по восьми задачам; это результат их воспроизведения, а не официальное место в таблице MTEB. Модель возвращает эмбеддинги и оценки близости, но не генерирует ответы и не предоставляет юридические консультации. Модельные веса распространяются по лицензии `other`; README указывает на лицензии и атрибуцию обучающих данных, но не уточняет условия лицензии самих весов. Результаты лучше всего подтверждены для английских, немецких и китайских юридических данных; другие языки и юрисдикции могут быть вне обучающего распределения.