I.1Поиск и навигация по информации

ReasonEmbed — текстовая модель эмбеддингов, разработанная авторами проекта ReasonEmbed и дообученная на базе Qwen/Qwen3-8B с функцией потерь RI-InfoNCE на синтетических данных. Она предназначена для извлечения документов по запросам, требующим многошагового рассуждения, и для семантического поиска; особенно ориентирована на сценарии retrieval в RAG-системах. На бенчмарке BRIGHT модель показала nDCG@10 38,1 для исходных запросов. Модель имеет плотную архитектуру Qwen3, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. Она принимает текст и формирует векторные представления для поиска и сравнения сходства. Доступны веса в формате safetensors; лицензия — Apache-2.0. Основание README указывает Qwen/Qwen3-8B, а метаданные связывают модель с hanhainebula/qwen3-8b-ft-msmarco как с базовой дообученной моделью.

RepLLaMA-7B-Passage-MRL — модель семейства LLaMA, разработанная Xueguang Ma, Liang Wang, Nan Yang, Furu Wei и Jimmy Lin для многоэтапного текстового поиска. Это дообученная с помощью LoRA модель на базе LLaMA-2-7B, обученная один проход на обучающей части набора MS MARCO Passage Ranking. Модель кодирует запросы и текстовые фрагменты в эмбеддинги для вычисления сходства и ранжирования документов. Благодаря Matryoshka Representation Learning размерность эмбеддингов можно выбирать гибко вплоть до 4096. Число параметров — 6,6 млрд, контекст — до 4096 токенов; вход и результат представлены текстом и векторами соответственно. Репозиторий содержит веса в формате safetensors. Лицензия указана как Llama 2 Community License. Модель подходит для поиска по текстовым коллекциям и многоэтапного извлечения релевантных фрагментов; обучение на MS MARCO Passage Ranking специализирует её на поиске пассажей, поэтому качество на других языках и доменах отдельно не подтверждено.

vincolle/reranker-bert-italian-uncased-mmarco-mnrl — италоязычный reranker от разработчика vincolle, созданный дообучением ModernBERT как cross-encoder для поиска информации. Модель оценивает релевантность пары «запрос — фрагмент текста» и переупорядочивает найденные документы; её предполагаемый сценарий — второй этап конвейера retrieve-then-rerank после первичного поиска биэнкодером. Архитектура — ModernBertForSequenceClassification, около 134,9 млн параметров; нативный контекст — 8192 токена. Модель обучалась на смеси mMARCO-it и итальянского набора GooAQ, включая 75 тысяч обучающих троек с hard negatives. В README приведены результаты на отложенной выборке из того же распределения: NDCG@10 0,9235, MRR@10 0,9102 и MAP 0,9105; эти оценки не гарантируют аналогичного качества на других данных. Модель ориентирована на итальянский язык и работает с текстом на входе и оценками релевантности на выходе. Распространяется по лицензии Apache-2.0.

Модель tomaarsen/reranker-ModernBERT-large-gooaq-bce разработана на базе answerdotai/ModernBERT-large и дообучена автором tomaarsen как Cross Encoder с библиотекой Sentence Transformers. Она оценивает пары текстов одним числовым баллом релевантности и предназначена для переранжирования результатов поиска и семантического поиска, например, для выбора наиболее подходящих ответов на вопрос. Модель содержит 394,7 млн параметров, принимает последовательности длиной до 8192 токенов и обучена для английского языка на 578 402 примерах с вопросами, ответами и бинарными метками. В README приведены результаты оценки на GooAQ и наборах NanoBEIR; качество зависит от данных и сценария применения. Лицензия — Apache-2.0.

Модель hasankursun/reranker-Multilingual-MiniLM-L12-H384-msmarco-mse — кросс-энкодер, дообученный на MS MARCO на базе microsoft/Multilingual-MiniLM-L12-H384 с помощью библиотеки Sentence Transformers. Она оценивает релевантность пары «запрос — текст» одним числовым баллом и предназначена для переранжирования результатов поиска и семантического поиска, в том числе как второй этап после более быстрого первичного поиска. Модель содержит 124,3 млн параметров, принимает текстовые пары и имеет максимальную длину последовательности 512 токенов. В README приведены результаты оценки на наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR; заявленный язык модели — английский. Выходной балл подходит для сортировки кандидатов по релевантности. Лицензия в предоставленных данных не указана.

Arpit16112 выпустил дообученную модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2 для кодирования предложений и абзацев в плотные векторы размерностью 768. Архитектура включает MPNet, усредняющий pooling и нормализацию; для сравнения текстов используется косинусное сходство. Модель предназначена для семантического поиска, извлечения релевантных текстов и оценки сходства предложений. Модель принимает текст и рассчитана на последовательности длиной до 384 токенов согласно README; метаданные указывают нативный контекст до 514 токенов. В карточке приведена оценка Spearman 0,7633 на ats-val, а обучение проводилось на 350 примерах. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

jegormeister/robbert-v2-dutch-base-mqa-finetuned — модель эмбеддингов предложений на базе RobBERT v2, дообученная для нидерландского языка на 1 000 000 парах вопросов и ответов из датасета clips/mqa. Она преобразует предложения и абзацы в плотные векторы размерности 768; архитектура — RoBERTa с 144 млн параметров, максимальная длина контекста — 514 токенов. Модель предназначена для семантического поиска, сравнения сходства и кластеризации текстов, особенно в сценариях поиска по FAQ. Для получения векторов можно использовать Sentence-Transformers либо Transformers с подходящей операцией pooling. Модель принимает текст и выдаёт векторы, а не готовые ответы на вопросы. Лицензия в предоставленных данных не указана.

MMLW-retrieval-roberta-large-v2 — польский текстовый энкодер семейства RoBERTa, предназначенный прежде всего для информационного поиска. Модель разработана для преобразования запросов и фрагментов текста в векторы размерностью 1024; также поддерживает семантическое сходство текстов. В README описано двухэтапное обучение: дистилляция знаний от stella_en_1.5B_v5 на польско-английских парах и последующая настройка с контрастивной функцией потерь на запросах с подобранными позитивными и негативными фрагментами. Модель содержит 533,7 млн параметров, использует архитектуру RoBERTa и имеет контекст длиной 514 токенов. Для поиска запросы следует помечать префиксом «[query]: », а для симметричного сравнения текстов — «[sts]: ». В README указан результат NDCG@10 60,71 на польском бенчмарке PIRB. Метаданные указывают лицензию Gemma; перед использованием следует проверить применимые условия этой лицензии.

Карточка модели iliakabanov/russian-dense-retriever на Hugging Face совпадает с карточкой ai-forever/ru-en-RoSBERTa, поэтому описание составлено по ней. ru-en-RoSBERTa — модель для построения текстовых эмбеддингов, разработанная ai-forever на основе ruRoberta-large. Она дообучена на примерно 4 млн пар данных на русском и английском языках, включая синтетические, размеченные и неразмеченные примеры. Архитектура — RoBERTa с 503,5 млн параметров; модель принимает текст и выдаёт векторные представления. Для получения эмбеддингов рекомендуется CLS pooling, а выбор префикса и pooling зависит от задачи. Модель предназначена для поиска по смыслу, сравнения предложений и других задач, где нужно оценивать близость текстов. Заявлена поддержка русского и английского, однако качество на английском языке неизвестно. Максимальная длина входного текста — 512 токенов. Модель распространяется по лицензии MIT.

SauerkrautLM-ColQwen3-1.7b-Turbo-v0.1 — мультиязычная модель визуального поиска по документам от VAGOsolutions, основанная на Qwen3-VL-2B. Это ColQwen3 с многовекторным представлением и поздним взаимодействием: модель кодирует изображения страниц и текстовые запросы, чтобы находить релевантные документы с учётом макета, таблиц, форм и диаграмм без отдельного OCR-конвейера. Модель уменьшена структурным прореживанием и восстановлена обучением на mMARCO, а затем настроена для поиска по документам. В ней около 1,7 млрд параметров и размерность эмбеддингов 128; автор сообщает о снижении объёма параметров на 23% относительно версии на 2,2 млрд. В README приведены результаты ViDoRe v1: NDCG@5 88,89; также указаны результаты MTEB и ViDoRe v3. Метаданные указывают поддержку английского, немецкого, французского, испанского, итальянского и португальского языков. Модель принимает изображения и текстовые запросы, а выдаёт многовекторные представления для ранжирования документов. Лицензия — Apache-2.0. Подходит для визуального поиска по PDF и сканированным документам, включая поиск по содержимому, где важны структура страницы и визуальный контекст. Заявленные результаты основаны на бенчмарках; качество может различаться на других наборах документов и запросов. Для работы требуется совместимая реализация ColPali/ColQwen3 или Sentence Transformers с поддержкой многовекторного поиска.

SauerkrautLM-ColQwen3-2b-v0.1 — мультимодальная модель VAGOsolutions для визуального поиска по документам. Она дообучена на базе Qwen/Qwen3-VL-2B и использует архитектуру ColQwen3 с многовекторными представлениями и поздним взаимодействием в стиле ColBERT. Модель принимает изображения страниц документов и текстовые запросы, а выдаёт векторы для поиска по содержимому страниц. Модель предназначена для извлечения релевантных страниц без отдельного OCR-конвейера: она учитывает расположение элементов, таблицы, формы и диаграммы. В README указаны 2,2 млрд параметров, размерность представлений 128 и потребление около 4,4 ГБ видеопамяти. Для оценки заявлены результаты ViDoRe v1, MTEB v1+v2 и ViDoRe v3; это показатели бенчмарков, а не гарантия качества на пользовательских данных. Заявлена поддержка английского, немецкого, французского, испанского, итальянского и португальского языков. Модель распространяется по лицензии Apache-2.0.

SauerkrautLM-ColQwen3-8b-v0.1 — мультимодальная модель VAGOsolutions для поиска по визуальным документам. Она дообучена на базе Qwen/Qwen3-VL-8B и формирует многовекторные представления размерностью 128 для позднего взаимодействия в стиле ColBERT. Модель принимает изображения документов и текстовые запросы, учитывает их визуальную структуру, включая таблицы, формы и диаграммы, и предназначена для извлечения релевантных страниц без отдельного этапа OCR. Модель содержит 8 млрд параметров, поддерживает до 1540 визуальных токенов на изображение и обучалась для работы на английском, немецком, французском, испанском, итальянском и португальском языках. В README указаны результаты на наборах ViDoRe и MTEB; лицензия — Apache-2.0. Заявленные показатели относятся к оценкам автора и могут отличаться на других данных и в иных условиях.

Semantic Highlight Bilingual — модель Zilliz для семантического выделения релевантных предложений в тексте по запросу. Она дообучена на базе BAAI/bge-reranker-v2-m3 и использует архитектуру OpenProvence с весами в формате safetensors. Модель принимает запрос и текстовый контекст, оценивает релевантность токенов, агрегирует оценки по предложениям и возвращает релевантные предложения и показатели сжатия текста. Предназначена для подсветки результатов поиска и сокращения контекста в системах RAG. Модель поддерживает китайский и английский языки. В README указаны размер около 0,6 млрд параметров и вывод за миллисекунды; порог релевантности можно настраивать. Лицензия — MIT. Размер и скорость приведены в карточке модели; фактическая производительность зависит от оборудования и параметров инференса.

Это модель Sentence Transformer, разработанная Dhruv Sangani и дообученная на базе sentence-transformers/all-MiniLM-L6-v2. Она кодирует предложения и абзацы в нормализованные плотные векторы размерностью 384 и предназначена для семантического поиска и сравнения текстов по косинусному сходству. Модель построена на архитектуре BERT с усреднением токенных представлений; число параметров — 25,9 млн, максимальная длина последовательности в README — 256 токенов, а в метаданных указано контекстное окно 512 токенов. Модель подходит для поиска релевантных фрагментов и ответов в коллекциях документов, оценки сходства предложений, поиска перефразирований и кластеризации текстов. В README приведены англоязычные примеры корпоративных вопросов и ответов, поэтому основное назначение модели — работа с английским текстом. Она создаёт векторы, а не готовые ответы; качество зависит от предметной области и данных. Лицензия в предоставленных сведениях не указана.

SimLM-MSMARCO-Reranker — поисковая модель семейства SimLM, опубликованная intfloat для ранжирования пар «запрос — отрывок». Она использует архитектуру ELECTRA и обучена на задаче MS MARCO Passage Ranking; число параметров составляет 136,7 млн, а максимальная длина входа — 512 токенов. Модель оценивает релевантность отрывка запросу: более высокий балл означает более подходящий отрывок. Её можно использовать для повторного ранжирования результатов поиска, например, после первичного этапа dense retrieval. Обучение с listwise loss означает, что оценки не ограничены фиксированным диапазоном и предназначены для сравнения кандидатов. В карточке приведены результаты на MS MARCO и наборах TREC Deep Learning. Модель рассчитана на английский язык. Распространяется по лицензии MIT.

Sonar Reasoning Pro — модель рассуждений Perplexity, работающая на базе DeepSeek R1 и использующая цепочку рассуждений. Она предназначена для ответов на сложные запросы с опорой на поиск Perplexity; стоимость Sonar Pro включает стоимость поиска Perplexity. Доступный фрагмент карточки обрывается до подробностей о возможностях и ограничениях модели.

Sophea-Nemo-Embedding — плотная модель эмбеддингов для семантического поиска на греческом и английском языках, разработанная Kiefer SA на основе NVIDIA Nemotron-3-Embed-1B-BF16. Модель дообучена для извлечения релевантных документов и служит первым этапом двухэтапной RAG-системы, где за поиском кандидатов может следовать Sophea-Nemo-Reranker. Модель использует архитектуру Ministral-3 с двунаправленным кодированием, mean pooling и L2-нормализацией; размерность эмбеддинга — 2048, контекст — до 262144 токенов. Для запросов и документов нужны префиксы «query: » и «passage: » соответственно; сходство можно оценивать по косинусной близости или скалярному произведению. В указанной авторами оценке на пяти тематических областях дообученная модель показала более высокие результаты поиска, чем базовая модель и сравнивавшиеся готовые эмбеддеры. Подходит для семантического поиска и получения кандидатов для RAG на греческом и английском языках. Модель создана полным дообучением Nemotron-3-Embed-1B с контекстом обучения до 4096 токенов. Греческий язык находился вне языков обучения базовой модели, поэтому заявленные авторами улучшения относятся к их тестовой оценке и не гарантируют такой же результат на других корпусах. Лицензия указана как other; конкретные условия следует проверить в карточке репозитория.

Это англоязычный разреженный поисковый энкодер SPLADE, разработанный tomaarsen и дообученный на наборах вопрос–пассаж MIRIAD 4.4M от базовой модели Luyu/co-condenser-marco с использованием sentence-transformers. Модель на основе BERT преобразует предложения и абзацы в разреженные векторы размерностью 30 522; для сопоставления используется скалярное произведение. Модель предназначена для семантического поиска и разреженного извлечения документов, в том числе поиска пассажей по запросам. Максимальная длина входной последовательности — 512 токенов. Распространяется по лицензии Apache-2.0.

Это англоязычный разреженный поисковый энкодер SPLADE от tomaarsen, дообученный на базе Luyu/co-condenser-marco с использованием Sentence Transformers. Модель преобразует предложения и абзацы в разреженные векторы размерности 30 522; релевантность документов оценивается скалярным произведением векторов. Архитектура включает BERT с masked language modeling и max-pooling SPLADE. Модель предназначена для семантического поиска и разреженного извлечения документов, в том числе по запросам на естественном языке. Максимальная длина входа — 512 токенов. В README приведены оценки на небольших наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR. Лицензия Apache-2.0 допускает использование и распространение на её условиях.

capemox/splade-ettin-encoder-17m-gooaq — разреженный текстовый энкодер SPLADE, созданный capemox дообучением jhu-clsp/ettin-encoder-17m на 99 000 примерах датасета GooAQ с помощью библиотеки Sentence Transformers. Модель кодирует предложения и абзацы в разреженные векторы размерности 50 368; сходство между ними оценивается скалярным произведением. В архитектуре ModernBERT для masked language modeling используется пулинг SPLADE с ReLU и стратегией max. Модель предназначена для семантического поиска и разреженного извлечения документов, в том числе поиска ответов на вопросы и ранжирования текстов по релевантности. Она принимает текст на английском языке; максимальная длина последовательности в README — 256 токенов, а в метаданных указана длина контекста 7 999 токенов. Лицензия — MIT. В README приведены оценки на наборах NanoMSMARCO, NanoBEIR и других тестах извлечения информации.

Это разреженный энкодер семейства ModernBERT, опубликованный организацией SparseEncoder и обученный с помощью Sentence Transformers на английском наборе Natural Questions. Он преобразует текстовые запросы и документы в разреженные векторы размерности 50 368 для семантического поиска и разреженного извлечения информации. Модель содержит 149 млн параметров; метаданные указывают контекст до 8192 токенов, а карточка модели заявляет максимальную длину последовательности 512 токенов. Модель предназначена для поиска релевантных документов и ответов по запросу. В README приведены результаты оценки на наборах NanoBEIR и отдельных наборах поиска, включая Natural Questions, MS MARCO, HotpotQA и Quora Retrieval. Она выдаёт векторные представления, а не готовые текстовые ответы. Лицензия в предоставленных данных не указана.

cnmoro/static-nomic-384-pten — статическая модель текстовых эмбеддингов, созданная cnmoro с помощью Tokenlearn на базе nomic-ai/nomic-embed-text-v2-moe. Она преобразует текст в векторы размерностью 384 и подходит для семантического поиска, извлечения документов и сравнения сходства предложений. Модель использует подход Model2Vec; в обучении применялись инкрементальный PCA до 384 измерений и ограничение словаря до 32 тысяч эффективных токенов. Модель дообучена на данных, связанных с AllTripletsMsMarco-PTBR, и поддерживает английский и португальский языки. Для работы автор рекомендует библиотеку model2vec; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Карточка сообщает, что оценка проводилась именно на этой дистиллированной модели и что она меньше и, по утверждению автора, лучше cnmoro/nomic-embed-text-v2-moe-distilled-high-quality. Подробностей о сравнительной методике или известных ограничениях качества карточка не приводит.

cnmoro/static-nomic-384-pten-v2-st — совместимая с Sentence Transformers версия статической модели текстовых эмбеддингов, созданная cnmoro с помощью Tokenlearn на базе nomic-embed-text-v2-moe. Модель выдаёт векторы размерности 384 для текстов на английском и португальском языках и предназначена для семантического поиска, сравнения предложений и извлечения документов. Это дообученная Model2Vec-модель в формате safetensors. Её веса численно совпадают с cnmoro/static-nomic-384-pten-v2; отличие состоит в хранении: матрица эмбеддингов развёрнута по одному ряду на токен, чтобы её мог загружать StaticEmbedding из Sentence Transformers. Исходная упаковка Model2Vec занимает меньше места — 52 МБ против 424 МБ у этой версии. Модель подходит для построения поиска и ранжирования по близости текстовых векторов. Она создаёт эмбеддинги, а не готовые ответы на вопросы. Лицензия — Apache-2.0.

amgix/static-retrieval-multilingual-69m-v1 — многоязычная модель статических текстовых эмбеддингов от Amgix, полученная дистилляцией ibm-granite/granite-embedding-97m-multilingual-r2 и настроенная для поиска. Она создаёт векторы для документов и запросов, чтобы находить семантически близкие тексты; статические эмбеддинги позволяют вычислять их значительно быстрее на CPU и GPU, чем у исходной модели, что подходит для систем с ограниченными ресурсами и сценариев реального времени. В карточке приведены результаты сравнительных тестов по многоязычному поиску, включая NanoBEIR и RTEB, а также тест скорости на CPU. В испытаниях модель показывает разные результаты в зависимости от языка и набора данных; например, в английском поиске кода она уступила одному из сравниваемых вариантов. Модель доступна в формате safetensors и может загружаться через Model2Vec или Sentence Transformers. Лицензия — Apache-2.0.

delwinn/stella_en_1.5B_v5 — англоязычная модель эмбеддингов, разработанная на основе Alibaba-NLP/gte-large-en-v1.5 и Alibaba-NLP/gte-Qwen2-1.5B-instruct. Она предназначена для поиска релевантных текстов по запросу и оценки семантического сходства. Модель построена на архитектуре Qwen2, содержит 1,5 млрд параметров и выдаёт текстовые векторы; поддерживает представления размером 512, 768, 1024, 2048, 4096, 6144 и 8192 измерения. Для большинства задач предусмотрены варианты промптов s2p и s2s; обычно автор рекомендует размерность 1024. Модель обучена с использованием MRL и доступна в формате PyTorch/SafeTensors. Хотя нативный контекст составляет 131072 токена, автор рекомендует ограничивать последовательности 512 токенами: модель обучалась на такой длине и, по описанию, хуже справляется с поиском по специализированным длинным текстам. Детали обучения и использованные наборы данных в README не раскрыты. Лицензия — MIT.

bijaygurung/stella_en_400M_v5 — англоязычная модель эмбеддингов на основе Alibaba-NLP/gte-large-en-v1.5 и Alibaba-NLP/gte-Qwen2-1.5B-instruct. Она предназначена для поиска релевантных фрагментов по запросу, сравнения семантической близости предложений и извлечения векторных представлений текста; для задач поиска используются инструкции формата s2p, для сравнения предложений — s2s. Модель содержит 433,9 млн параметров, поддерживает контекст до 8192 токенов и выдаёт эмбеддинги размерностью 512, 768, 1024, 2048, 4096, 6144 или 8192. Разработчик рекомендует ограничивать входную последовательность 512 токенами: на специализированном поиске по длинным текстам качество может снижаться. Модель распространяется под лицензией MIT; сведения о тренировочных данных и методике обучения в карточке обещано опубликовать позднее.

Stella-PL-retrieval-mini-8k — модель эмбеддингов, созданная авторами карточки на основе stella_en_400M_v5 и дообученная для поиска по текстам на польском языке. Она преобразует тексты в векторы размерности 1024 и поддерживает контекст до 8192 токенов. Обучение включало адаптацию к польскому языку методом дистилляции знаний на польско-английских парах и последующее контрастивное дообучение на запросах и релевантных либо нерелевантных фрагментах. Модель предназначена для семантического поиска и извлечения релевантных документов по запросу. В README приведён результат NDCG@10 61,29 на польском бенчмарке PIRB. Веса опубликованы в формате safetensors; лицензия — Gemma. README указывает, что используются те же промпты, что и у исходной stella_en_400M_v5.

Карточка модели BlueAvenir/sti_modern_workplace_V_0_1 на Hugging Face совпадает с карточкой BlueAvenir/sti_cyber_security_model_updated, поэтому описание составлено по ней. BlueAvenir/sti_cyber_security_model_updated — модель на базе XLM-RoBERTa, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для сравнения семантической близости, семантического поиска и кластеризации текстов. Модель содержит 305,2 млн параметров и рассчитана на контекст до 514 токенов. Модель можно применять для поиска похожих текстов, группировки документов по смыслу и построения векторного представления текстовых данных. В README указано обучение с CosineSimilarityLoss. Репозиторий содержит веса PyTorch; лицензия и специализация на кибербезопасности в предоставленных данных не подтверждены.

NullCoreDeveloper/stylometric-rubert-v4 — текстовая модель Sentence Transformer на архитектуре BERT, обученная для представления предложений и абзацев в виде плотных эмбеддингов. Она подходит для поиска и сопоставления текстов по семантическому сходству, включая retrieval-сценарии. В README указаны mean pooling, векторы размерности 768 и косинусная мера сходства; метаданные указывают 205,1 млн параметров и лимит контекста 512 токенов. Модель принимает текст и возвращает векторные представления. Пример обучающих данных содержит русскоязычные фрагменты, однако сведения о поддерживаемых языках в карточке и метаданных не позволяют уверенно определить полный языковой охват. Лицензия в предоставленных источниках не указана.

Susu Sentence Encoder v1 — модель Sentence Transformers от 2ADT-Consulting, дообученная на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она кодирует предложения и абзацы на естественном языке в плотные векторы размерностью 384 и предназначена для поиска подходящих документов и сравнения смыслового сходства с помощью косинусной близости. Архитектура состоит из BERT-энкодера и слоя усредняющего пулинга; модель принимает только текст. В README указана максимальная длина последовательности 128 токенов, тогда как метаданные каталога указывают контекст 512 токенов. Модель подходит для семантического поиска, извлечения документов по запросу и построения представлений текста для сравнения или кластеризации. Обучение проводилось на 225 516 парах anchor-positive с функцией MultipleNegativesRankingLoss. Базовая модель многоязычная; примеры обучающих пар показывают английский, французский и язык сусу, но полный перечень поддерживаемых языков в источниках не приведён. Лицензия — CC BY-NC 4.0, поэтому использование ограничено её условиями, включая запрет на коммерческое применение.