I.1Поиск и навигация по информации

lucasresck/bert-base-cased-ag-news — модель BERT, дообученная автором репозитория на наборе данных AG News для классификации новостных текстов. К выходу токена [CLS] добавлен линейный классификационный слой; в README сообщается о точности 0,945 на тестовой выборке. Модель предназначена для отнесения текста к категориям AG News. Она принимает текст и выдаёт метки классификации; архитектура BertForSequenceClassification содержит 135,5 млн параметров и поддерживает контекст до 512 токенов. Карточка указывает английский язык и формат PyTorch. Модель распространяется по лицензии MIT. В README отмечено, что предвзятость модели не оценивалась, а унаследованные от предобученного BERT смещения могут проявляться и после дообучения.

AlexStamp/bert-finetuned-ner — модель BERT, разработанная AlexStamp и дообученная на датасете CoNLL-2003 для распознавания именованных сущностей в английских новостных текстах. Она выполняет токенную классификацию и размечает сущности в формате IOB2, включая людей, организации и географические объекты. Модель основана на google-bert/bert-base-cased, содержит 135,5 млн параметров и принимает текст с контекстным окном до 512 токенов. Регистр букв учитывается, поэтому правильное написание с заглавными буквами помогает распознаванию. Модель можно применять для извлечения сущностей из новостных статей и текстов, близких по стилю к обучающим данным. Модель обучена как портфолио-упражнение на английских новостных текстах Reuters и может хуже работать на других языках и в иных предметных областях; ошибки регистра также могут снижать качество. Распространяется по лицензии Apache-2.0.

Legal BERTimbau — модель эмбеддингов предложений на основе BERTimbau Large, адаптированная авторами stjiris для португалоязычных юридических текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения сходства и кластеризации. Модель обучалась на юридических текстах примерно из 30 тысяч документов с использованием MLM, а затем адаптировалась для задачи семантического сходства на португальских наборах ASSIN, ASSIN2 и STS-B Multi-MT. Архитектура — BERT; число параметров составляет 433,2 млн, максимальный контекст — 512 токенов. Модель ориентирована на португальский язык и юридическую лексику. Она подходит для поиска похожих фрагментов и группировки юридических предложений, но не предназначена для генерации текста или самостоятельного юридического консультирования. В метаданных указаны форматы PyTorch и Safetensors; лицензия в предоставленных сведениях не описана.

Legal BERTimbau — модель Sentence-Transformers, разработанная в рамках Project IRIS для семантического поиска по материалам Верховного суда Бразилии. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерностью 1024; также подходит для поиска семантически близких текстов, оценки сходства и кластеризации. Модель основана на крупной версии BERTimbau с юридической специализацией. Обучение включало TSDAE на корпусе юридических предложений примерно из 30 тысяч документов, затем этапы с данными NLI и дообучение для семантического сходства на ASSIN, ASSIN2 и STS Benchmark Multi-MT. В карточке также указана дистилляция Metadata Knowledge Distillation. Размер модели — 433,2 млн параметров, максимальный контекст — 512 токенов; доступны веса PyTorch и Safetensors. Модель предназначена для семантического поиска, сопоставления и группировки португалоязычных юридических текстов. Лицензия — MIT. Результаты поиска зависят от качества исходных текстов и не заменяют юридическую оценку; карточка не приводит количественных оценок качества.

Legal BERTimbau — модель эмбеддингов предложений на базе BERTimbau large, разработанная в рамках Project IRIS для семантического поиска по решениям Supremo Tribunal de Justiça. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерностью 1024; подходит для поиска по смыслу и кластеризации текстов. Обучение включало TSDAE на юридических текстах примерно из 30 тысяч документов, генерацию псевдометок, данные NLI и дообучение для оценки семантического сходства на наборах ASSIN, ASSIN2, STS-B Multi-MT и IRIS STS. Модель использует архитектуру BERT, содержит 433,2 млн параметров и принимает последовательности длиной до 512 токенов. Репозиторий распространяется в формате PyTorch по лицензии MIT. Основной сценарий — семантический поиск по португальским юридическим документам; эмбеддинги также можно применять для кластеризации и сравнения сходства предложений.

BGE base Financial Matryoshka — англоязычная модель Sentence Transformers, дообученная разработчиком bnkc123 на базе BAAI/bge-base-en-v1.5 на наборе пар запросов и релевантных ответов по финансовым документам. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения текстов и извлечения финансовых сведений в RAG-системах. Архитектура основана на BERT: модель использует CLS-пулинг и нормализацию векторов; заявленная длина последовательности — до 512 токенов. Matryoshka-обучение позволяет усекать векторы до 512, 256, 128 или 64 измерений с сохранением полезности для поиска. В README приведены результаты поиска на нескольких размерностях, включая cosine accuracy@5 0,8686 для 768 измерений и 0,82 для 64. Модель рассчитана на английские тексты и финансовый контекст; качество за пределами этой области отдельно не подтверждено. Лицензия — Apache-2.0.

rongzhen/bge-base-financial-matryoshka — англоязычная модель Sentence Transformer, дообученная на финансовых вопросах и ответах на базе BAAI/bge-base-en-v1.5. Она кодирует предложения и абзацы в плотные векторы для семантического поиска и сравнения текстов; также подходит для поиска перефразировок, кластеризации и классификации текстов. Модель построена на BERT с пуллингом CLS-токена и нормализацией векторов. Она содержит 136,7 млн параметров, принимает до 512 токенов и выдаёт эмбеддинги размерности 768. Matryoshka-обучение позволяет сокращать размерность вектора до 512, 256, 128 или 64 для более компактного поиска; в карточке приведены результаты оценки поиска для этих размерностей. Обучающий набор содержит 6300 пар «вопрос — релевантный ответ», включая примеры по финансовой отчётности и выручке. Модель распространяется по лицензии Apache-2.0. Её языковая специализация — английский; качество на других языках не подтверждено. Представленные результаты относятся к указанному набору оценки, поэтому они не гарантируют аналогичную точность на иных финансовых документах и задачах.

anishareddyalla/bge-base-matryoshka-aws-casestudies — англоязычная модель Sentence Transformer, дообученная на базе BAAI/bge-base-en-v1.5 для работы с кейсами AWS. Она кодирует предложения и абзацы в плотные текстовые эмбеддинги размерностью 768, пригодные для семантического поиска, сравнения текстов и поиска похожих формулировок. В архитектуре используются BERT, пулинг CLS-токена и нормализация; сходство оценивается косинусной мерой. Контекст ограничен 512 токенами. Обучение использовало MatryoshkaLoss и MultipleNegativesRankingLoss на 2 231 примере. Модель поддерживает сокращение эмбеддинга до 512, 256, 128 или 64 измерений, что позволяет выбирать компромисс между размером вектора и качеством поиска. В README приведены результаты оценки информационного поиска на наборах с разными размерностями, но данные не раскрывают полный состав тестов, поэтому метрики не следует считать универсальной оценкой. Модель принимает текст и выдаёт векторы эмбеддингов; классификация и кластеризация могут строиться на этих векторах как последующая задача. Лицензия — Apache-2.0.

Это модель Sentence Transformer, разработанная pablosi и дообученная на базе littlejohn-ai/bge-m3-spa-law-qa на наборе boe_sintetic_question_context. Она преобразует испанские предложения и фрагменты документов в плотные векторы размерностью 1024 для семантического поиска и сравнения юридических вопросов с контекстами. Также её можно применять для поиска перефразировок, кластеризации и классификации текста. Модель построена на XLM-RoBERTa с pooling по токену CLS и нормализацией векторов; максимальная длина последовательности — 8192 токена, сходство рекомендуется вычислять по косинусной мере. Модель рассчитана прежде всего на испанские юридические документы и вопросы по ним. В README приведены результаты оценки поиска на датасете модели, однако они не гарантируют качество на других корпусах. Лицензия — Apache-2.0.

Salesforce/blip2-itm-vit-g — модель семейства BLIP-2 для классификации изображений без предварительного обучения на заданных категориях. Она сопоставляет изображение с текстовыми описаниями или метками и позволяет выбирать наиболее подходящие варианты. Архитектура реализована классом Blip2ForImageTextRetrieval; файлы доступны в форматах PyTorch и safetensors, модель предназначена для использования с библиотекой Transformers. Модель подходит для поиска изображений по тексту и классификации изображений по наборам пользовательских меток. Карточка автоматически сгенерирована и не содержит сведений о разработчике, обучающих данных, языках или результатах оценки. В карточке указано, что выпуск предназначен для исследовательских целей и что перед внедрением следует оценивать точность, безопасность и справедливость модели. Лицензия — MIT. Модель принимает изображение и текстовые варианты для сопоставления и возвращает оценки соответствия; она не предназначена для генерации изображений.

Карточка модели DIYIN/ContextPilot-14B на Hugging Face совпадает с карточкой tencent/ContextPilot-14B, поэтому описание составлено по ней. ContextPilot-14B — дообученная модель Tencent на базе Qwen3-14B, разработанная для исследований проактивного управления контекстом в языковых агентах. Она обучена планировать работу с длительным контекстом, поддерживать структурированную долговременную память, извлекать полезные сведения и освобождать контекст от менее нужной информации, продолжая рассуждать и использовать инструменты. Модель содержит 14 млрд параметров, использует плотную архитектуру Qwen3 и принимает текст; заявленная длина контекста — 40 960 токенов. Модель предназначена для экспериментов с агентами на длинных задачах, включая ответы на вопросы по длинному контексту и глубокий поиск. Для управления памятью и инструментами одного чекпойнта недостаточно: требуются определения инструментов, среда агента и код из репозитория ContextPilot. Карточка указывает лицензию other, без конкретизации её условий.

Карточка модели crisistransformers/CT-M2-Complete на Hugging Face совпадает с карточкой crisistransformers/CT-XLMR-SE, поэтому описание составлено по ней. CT-XLMR-SE — многоязычный энкодер предложений из семейства CrisisTransformers, разработанный авторами этих моделей для текстов кризисных событий в социальных сетях. Он основан на архитектуре XLM-RoBERTa и обучен на корпусе публикаций о более чем 30 кризисах; число параметров — 305,2 млн, контекст — до 514 токенов. Модель создаёт векторные представления предложений и предназначена для семантического поиска, кластеризации и тематического моделирования кризисных сообщений. Энкодер поддерживает более 50 языков, включая русский и английский, и может применяться без дополнительного дообучения для задач векторизации и сравнения сходства предложений. В метаданных указана лицензия Apache-2.0.

johnnySoftData дообучила Sentence Transformer на базе sentence-transformers/all-distilroberta-v1 на наборе bio-embedding-finetuning. Модель принимает текст и преобразует предложения и абзацы в плотные эмбеддинги размерностью 768; архитектура включает RobertaModel, усредняющий pooling и нормализацию. Для сравнения эмбеддингов используется косинусное сходство. Максимальная длина последовательности составляет 512 токенов по README и 514 токенов по метаданным. Модель предназначена для семантического поиска и извлечения биомедицинских текстов по запросам, а также для сравнения релевантности запросов и абстрактов. В README приведена оценка cosine_accuracy 1.0 на указанных в карточке выборках, однако размер и состав этих оценочных наборов ограничивают обобщение результатов. Лицензия в предоставленных данных не указана.

industry-bert-asset-management-v0.1 — модель llmware для построения семантических эмбеддингов текстов об управлении активами. Это дообученная на публичных документах отрасли модель Sentence Transformer на архитектуре BERT с 136,7 млн параметров и контекстом до 512 токенов. Модель предназначена для использования как замена эмбеддингов в сценариях, связанных с управлением активами; README указывает английский язык. Эмбеддинги можно применять для семантического поиска и сопоставления текстов в документах о бизнесе, финансовых показателях и компаниях отрасли. Модель представлена в формате PyTorch и распространяется по лицензии Apache 2.0. Качество может снижаться за пределами предметной области; авторы также отмечают возможные аномалии в пространстве эмбеддингов и отсутствие специальных мер для снижения смещений в данных.

LeBSE-v2 — модель векторных представлений юридических текстов, созданная автором репозитория ahbond на основе дообучения многоязычной LaBSE. Это модель семейства BERT для sentence-transformers: она кодирует текст в эмбеддинги размерности 768 и сохраняет токенизатор и многоязычную основу LaBSE. Контекст модели — до 512 токенов, при обучении использовалась длина последовательности 128 токенов. Модель обучена контрастивным методом на 100 344 парах текстов судебных решений США, связанных цитированием. Она предназначена для поиска похожих судебных мнений и абзацев, рекомендации цитат, кластеризации юридических текстов и извлечения признаков. На тесте поиска по цитированию автор сообщает заметный прирост относительно базовой LaBSE; перенос на независимую связь между решениями был небольшим. Модель не использует исходы дел как обучающий сигнал. LeBSE специализируется на федеральном праве США и связи текстов по цитированию; она не предназначена для анализа полного текста судебного мнения за один проход. Это инструмент поиска и анализа текстов, а не источник юридических консультаций или решений по исходам дел. Лицензия — Apache-2.0.

Merlyn-education-corpus-qa — языковая модель Merlyn Mind для образовательной сферы, построенная на архитектуре GPT-NeoX и дообученная на базе Pythia-12B. Карточка README указывает размер 12 млрд параметров, а метаданные Hugging Face — 15,4 млрд; поэтому точный размер по доступным сведениям расходится. Модель принимает текст и генерирует ответы, опираясь на предоставленные фрагменты информации; её предполагаемый сценарий — вопросно-ответный диалог по корпусу документов в составе системы с поиском и извлечением контекста. Контекст модели составляет 2048 токенов. Модель предназначена для образовательных сценариев в классе и вне его, например для ответов на вопросы по учебным материалам. README сообщает, что запуск в полной точности требует более 48 ГБ видеопамяти; в качестве примера указана одна A100 с 80 ГБ, а для меньших ресурсов предлагается снижать точность или использовать несколько GPU. Лицензия — Apache-2.0.

Mini-Swarm-Browser — компактная модель на базе Canopy-R3, представленная как планировщик для совместной работы нескольких агентов при навигации в браузере. Она принимает текстовую цель пользователя и представление элементов страницы в виде дерева доступности (AXTree) с метками Set-of-Marks, например @e1 и @e2, а затем генерирует текстовые действия для браузера. В README описаны сценарии поиска по странице и заполнения форм, а также запуск контроллера для живого браузера. В README заявлены около 258,5 млн параметров и примерно 112 млн активных параметров на токен; метаданные каталога указывают 136,8 млн параметров и архитектуру CanopyForCausalLM. Репозиторий содержит веса Safetensors и использует Transformers. README заявляет малый размер и быстрое выполнение на потребительском оборудовании, однако сопоставимые результаты оценки качества и сведения о поддерживаемых языках не приведены. Лицензия — Apache 2.0.

Mizan — арабоязычная модель классификации новостных текстов, разработанная Khaled Tarabay для выявления дезинформации. Она дообучена на aubmindlab/bert-base-arabertv2 и относит текст к одному из двух классов: «Fake» или «Credible». Модель построена на архитектуре BERT, содержит 162,4 млн параметров и рассчитана на контекст до 512 токенов; при обучении использовалась максимальная длина последовательности 128 токенов. Поддерживается арабский язык. Модель обучена на наборе AFND примерно из 50 000 сбалансированных новостных статей. В README указана взвешенная F1-мера 89,3% на отложенной сбалансированной тестовой выборке из 5 000 примеров. Она предназначена для предварительной проверки новостных текстов и выдачи сигнала для последующей оценки человеком. Лицензия — MIT. Результаты могут ухудшаться для текстов, отличающихся от новостного распределения AFND, и для арабских диалектов, недостаточно представленных в данных. Метки AFND могут содержать шум; оценка модели не заменяет проверку фактов человеком.

vllm-sr/mmbert32k-factcheck-classifier-merged — объединённая версия классификатора проверки фактов от vllm-sr на базе mmBERT-32k. Модель предназначена для бинарной классификации текста в сценариях фактчекинга и готова к инференсу без отдельного подключения PEFT-адаптера. Модель использует плотную архитектуру ModernBERT с масштабированием RoPE методом YaRN, содержит около 306,9 млн параметров и принимает последовательности длиной до 32 768 токенов. Указана поддержка нескольких языков; лицензия — Apache-2.0. Модель можно загружать через Transformers как классификатор последовательностей.

Mursit-Embed-Qwen3-4B-TR — модель эмбеддингов NewMind AI для семантического поиска и извлечения информации на турецком языке, включая юридические документы. Она создана на основе дообученной модели Mecellem-Qwen3-4B-TR с преобразованием декодера Qwen3 в двунаправленный энкодер: удалена языковая голова, применяются двунаправленное внимание и mean pooling. Размер модели — 3,7 млрд параметров, размерность эмбеддинга — 2560; в README максимальная длина последовательности указана как 1024 токена, тогда как метаданные указывают контекст 40960 токенов. Доступны веса Safetensors и формат ONNX; лицензия Apache-2.0. Модель предназначена для получения векторных представлений текстов, семантического поиска, сопоставления текстов и извлечения релевантных фрагментов из турецких документов. В README приведены результаты турецкого бенчмарка MTEB и юридического поиска: качество заметно различается между поиском по договорам, нормативным актам и судебным решениям. Это специализированная модель для турецкого языка; метаданные также отмечают английский. Показатели бенчмарка не гарантируют аналогичного качества на других языках, наборах данных или задачах.

ClimateBERT Net Zero Reduction — дообученная модель на базе climatebert/distilroberta-base-climate-f с классификационной головой. Она определяет, относится ли предложение к целям достижения нулевых выбросов или сокращения выбросов. Модель предназначена для классификации климатических текстов, например при анализе документов и отборе релевантных предложений. Модель построена на архитектуре RoBERTa и содержит 95,4 млн параметров. Она принимает текст, работает с контекстом до 514 токенов и выдаёт метку классификации. Для обучения использован размеченный людьми набор climatebert/netzero_reduction_data. Модель распространяется по лицензии Apache-2.0.

kietnt0603/nrk-legal-base — модель эмбеддингов на базе XLM-RoBERTa, дообученная разработчиком для поиска по вьетнамским юридическим документам и запросам. Она предназначена для семантического поиска и извлечения релевантных документов в RAG-системах. Модель преобразует текст в плотные векторы размерностью 768; благодаря MatryoshkaLoss векторы можно сокращать до меньших размерностей, например 512, 256, 128 или 64, с небольшим снижением качества. Максимальная длина последовательности — 512 токенов. Модель обучена на примерно 52 тысячах пар «запрос — документ — негативный пример» из соревнования Zalo AI Legal. В README приведена оценка на наборе VMTEB-Zalo-legal-retrieval; результаты показывают пригодность для ранжирования юридических документов по запросу. Она рассчитана прежде всего на вьетнамский язык и юридический корпус. Лицензия — Apache-2.0. Это модель представления текста: она выдаёт эмбеддинги, а не готовые ответы пользователю; качество зависит от соответствия поискового корпуса и запросов данным обучения.

PhysBERT — специализированная модель текстовых эмбеддингов для физической литературы, разработанная Thorsten Hellert, João Montenegro и Andrea Pollastro при финансировании Министерства энергетики США и Lawrence Berkeley National Laboratory. Это модель на архитектуре BERT, дообученная методом SimCSE на корпусе из 1,2 млн публикаций arXiv по физике. Модель предназначена для поиска научных публикаций, классификации цитирований, кластеризации и категоризации физической литературы. Она рассчитана на английский язык и поддерживает обработку последовательностей длиной до 512 токенов. По данным авторов, PhysBERT превосходит универсальные модели в задачах NLP, связанных с физикой. Модель распространяется в формате safetensors и доступна через Transformers. Условия лицензии в предоставленных данных не описаны.

Qwen3-8B TMax AENV v39b, итерация 79 — чекпойнт языковой модели, опубликованный willamazon1. Это продолжение обучения с подкреплением модели willamazon1/qwen3-8b-tmax-sft-v3-iter353, изначально дообученной на основе Qwen/Qwen3-8B. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит 7,6 млрд параметров; контекст — до 40 960 токенов. Для работы доступны веса в формате safetensors с точностью bfloat16. Чекпойнт получен с помощью group-relative policy optimization на асинхронных многошаговых взаимодействиях с агентными средами. Он предназначен для диалоговой генерации текста и сценариев использования инструментов; метаданные также отмечают интерфейс tool calling. Итерация 79 — одна из опубликованных точек обучения, позволяющих сравнивать динамику обучения с подкреплением. Лицензия — Apache-2.0. Карточка не приводит результаты оценивания качества, поэтому пригодность для конкретной среды и устойчивость поведения с инструментами следует проверять отдельно.

SeongryongJung/Qwen3-8B-ToolUse-SRPO-TR — дообученная версия Qwen3-8B для использования инструментов, обученная методом SRPO-TR с размером батча 32. В репозитории размещён лучший и одновременно финальный чекпойнт global_step_100, выбранный по валидационному показателю mean@16; для набора Tool use указано значение 66,45%. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 7,6 млрд параметров. Она принимает текст и генерирует текст; контекстное окно составляет 40 960 токенов. Карточка демонстрирует загрузку через Transformers. Базовая Qwen3-8B описана как многоязычная модель, но конкретные языки этой настройки отдельно не перечислены. Модель предназначена для сценариев, где языковая модель должна выбирать и вызывать инструменты. Результат в таблице относится к указанному набору и метрике, поэтому сам по себе не гарантирует аналогичного качества на других наборах задач. Лицензия — Apache-2.0.

Dzeniks/roberta-fact-check — модель классификации текста на архитектуре RoBERTa, предназначенная для проверки утверждений по предоставленным свидетельствам. Она принимает утверждение вместе с текстом доказательства и относит пару к одному из двух классов: свидетельство подтверждает утверждение или опровергает его. Модель обучали на наборах FEVER и HoVer, а также на небольшом объёме вручную подготовленных данных. Модель содержит 151,8 млн параметров и рассчитана на контекст до 514 токенов. Она подходит для автоматической предварительной проверки фактов и выявления потенциальной дезинформации, когда для утверждений уже подобраны свидетельства. В README не указаны поддерживаемые естественные языки. Модель распространяется по лицензии MIT. Её предсказания могут быть ошибочными, поэтому результат проверки требует оценки человеком.

SentSecBert10kAllDataSplit — модель QCRI на базе BERT, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения сходства и кластеризации текстов. Модель использована в работе «Semantic Ranking for Automated Adversarial Technique Annotation in Security Text» и предназначена, в частности, для ранжирования и аннотирования текстов о кибербезопасности и техниках противника. Число параметров — 96,6 млн, максимальный контекст — 514 токенов. В карточке не указаны условия лицензии; качество и ограничения применения отдельно не описаны.

Veritone/siglip2-base-patch32-256-text — текстовая башня модели SigLIP 2 Base, основанной на архитектуре SigLIP и разработанной Google. Это сокращённая копия google/siglip2-base-patch32-256, содержащая только текстовый энкодер: она преобразует текстовые запросы в общее пространство эмбеддингов и предназначена для отдельной загрузки на этапе поиска. Парная зрительная башня находится в Veritone/siglip2-base-patch32-256-vision. Модель используют для сопоставления текстовых запросов с изображениями, поиска по изображениям и как текстовый энкодер в мультимодальных системах. В составе полной модели SigLIP 2 поддерживает классификацию изображений без примеров по заданным текстовым меткам. Указанная длина контекста — 64 токена; модель доступна в формате safetensors и предназначена для библиотеки Transformers. Лицензия — Apache-2.0. Этот репозиторий содержит только текстовую башню, поэтому сам по себе не кодирует изображения и не выполняет классификацию изображений без парной зрительной башни. README не приводит сведений о поддерживаемых естественных языках.

SigLIP base patch16 384 — мультимодальная модель Google для сопоставления изображений и текста, предварительно обученная на англоязычных парах WebLI. Она использует архитектуру SigLIP и sigmoid loss для обучения на парах изображение–текст; входные изображения обрабатываются с разрешением 384×384, а текст токенизируется с ограничением в 64 токена. Модель подходит для классификации изображений по текстовым меткам без дополнительного обучения и для поиска изображений по текстовому запросу или текста по изображению. Модель принимает изображения и текст, а для задач поиска формирует совместимые представления изображения и текста. Обучение проводилось на 16 TPU-v4 в течение трёх дней. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель обучалась на англоязычных данных, поэтому её текстовые возможности в первую очередь рассчитаны на английский. Результаты зависят от формулировок текстовых меток и запроса; карточка рекомендует применять её для задач классификации и поиска по парам изображение–текст.

SigLIP SoViT-400m — мультимодальная модель сопоставления изображений и текста, разработанная Google и представленная в статье о функции потерь Sigmoid Loss for Language Image Pre-Training. Модель предварительно обучена на наборе WebLI; это shape-optimized вариант архитектуры SoViT-400m. Она принимает изображения с разрешением 384×384 и текстовые описания длиной до 64 токенов и предназначена для классификации изображений по текстовым меткам без дообучения и поиска соответствий между изображениями и текстом. SigLIP использует сигмоидную функцию потерь для пар изображение–текст, которая не требует нормализации по глобальной матрице попарного сходства. Это поддерживает масштабирование размера обучающей выборки и, согласно карточке, может улучшать результаты при меньших размерах батча. Доступные веса сохранены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Модель рассчитана на задачи сопоставления визуального содержимого с текстом; карточка не указывает конкретные поддерживаемые языки. Её можно применять для поиска изображений по описаниям и классификации по заранее заданным текстовым категориям, но результаты зависят от формулировок этих категорий и данных предварительного обучения.