I.1Поиск и навигация по информации

EmbeddingGemma-300m Haystack Contrastive Better Thin — дообученная на контрастивной задаче модель Sentence Transformers на базе google/embeddinggemma-300m. Она преобразует предложения и абзацы на английском языке в плотные эмбеддинги размерности 768 для сравнения по косинусному сходству. Модель подходит для семантического поиска, оценки сходства и перефразирования, кластеризации и классификации текста. Модель содержит 302,8 млн параметров, принимает текст длиной до 2048 токенов и распространяется в формате safetensors. В README описано обучение на 1200 парах текстов с метками и приведён результат cosine F1 0,961 на оценке бинарной классификации. Лицензия — Apache-2.0.

EmbeddingGemma — открытая модель для получения векторных представлений текста, разработанная Google DeepMind на основе Gemma 3 с инициализацией T5Gemma и использованием технологий, применявшихся при создании Gemini. Версия onnx-community/embeddinggemma-300m-ONNX предназначена для запуска через Transformers.js и ONNX Runtime. Модель подходит для семантического поиска и извлечения информации, ранжирования результатов, классификации, кластеризации и оценки семантического сходства текстов. Она принимает текстовые строки: вопросы, запросы или документы, и поддерживает контекст до 2048 токенов. Модель обучалась на данных более чем для 100 разговорных языков, однако конкретный список языков в карточке не указан. Модель содержит около 300 млн параметров и ориентирована на локальное и периферийное использование, включая мобильные устройства, ноутбуки и настольные компьютеры. Она возвращает эмбеддинги размерностью 768, а благодаря Matryoshka Representation Learning их можно обрезать до 512, 256 или 128 измерений с последующей нормализацией. Для активаций не поддерживаются fp16 и производные форматы; рекомендуется использовать fp32, q8 или q4. Ограничение модели — назначение исключительно для создания текстовых эмбеддингов, без генерации текста; сведения о детальных бенчмарках и фактической производительности отсутствуют. Лицензия — Gemma, условия использования опубликованы Google.

Это англоязычная модель Sentence Transformers, дообученная Sandeep Aggarwal на базе BAAI/bge-large-en-v1.5. Она кодирует предложения и абзацы в плотные векторы размерностью 1024, пригодные для сравнения по косинусному сходству. Архитектура включает BERT, пулинг по CLS-токену и нормализацию векторов; максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска, оценки сходства текстов, поиска перефразировок, кластеризации и классификации текста. Обучение с TripletLoss на примерах anchor, positive и negative адаптирует эмбеддинги для сопоставления текстов. Поддерживается английский язык. Лицензия Apache-2.0.

NorskHelsenett/eti-embeddinggemma-v3 — модель Sentence Transformer, дообученная Norsk Helsenett на базе google/embeddinggemma-300m для представления предложений и абзацев в виде плотных эмбеддингов размерности 768. Модель содержит 302,8 млн параметров, принимает текст длиной до 2048 токенов и предназначена для вычисления косинусного сходства. Её можно применять для семантического поиска, сравнения текстов, поиска перефразировок, классификации и кластеризации. Обучение проводилось на 543 922 примерах с anchor, positive и negative; в README приведены результаты оценки для задач сравнения и информационного поиска. Метаданные указывают базовую модель, библиотеку Sentence Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

tasksource/ettin-17m-embed — компактная модель Sentence Transformer, дообученная Tasksource на базе jhu-clsp/ettin-encoder-17m. Она преобразует текстовые фрагменты в векторы размерностью 256 для поиска семантически близких предложений и текстов; для сравнения векторов используется косинусное сходство. Модель построена на архитектуре ModernBERT, содержит 16,8 млн параметров и поддерживает последовательности до 1024 токенов по README; метаданные указывают контекст до 7999 токенов. Модель рассчитана на английский язык. При обучении использовались наборы данных для семантического сходства, поиска, сопоставления вопросов и ответов, определения дубликатов и других задач понимания текста. Её можно применять для семантического поиска, поиска похожих предложений и построения эмбеддингов для ранжирования или группировки текстов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

ettin-reranker-400m-v1 — это англоязычный cross-encoder, разработанный авторами семейства Ettin и дообученный на базе jhu-clsp/ettin-encoder-400m с использованием Sentence Transformers. Модель получает пару текстов и вычисляет для неё оценку релевантности; такие оценки подходят для повторного ранжирования результатов поиска и семантического поиска. Модель основана на архитектуре ModernBERT, содержит 394,7 млн параметров и поддерживает последовательности длиной до 7 999 токенов. Она принимает и обрабатывает текст на английском языке. В репозитории доступны форматы safetensors, ONNX и OpenVINO. Лицензия — Apache-2.0. Модель предназначена для этапа reranking в поисковых системах и конвейерах ответов на вопросы: сначала система извлекает кандидатов, затем cross-encoder оценивает пары «запрос — документ» и помогает упорядочить результаты. Оценки в README показывают улучшение ранжирования на большинстве перечисленных наборов данных, хотя на одном тесте результат снизился; качество следует проверять на данных целевого применения.

EuroBERT-2.1B — мультиязычная плотная модель-энкодер семейства EuroBERT, разработанная командой EuroBERT. Модель содержит 2,1 млрд параметров и обрабатывает последовательности длиной до 8192 токенов. Это masked language model для заполнения пропусков; её также можно дообучать или использовать с соответствующими головами для классификации текста и токенов, ответов на вопросы, поиска и регрессии. Модель рассчитана на английский, французский, немецкий, испанский, китайский, итальянский, русский, польский, португальский, японский, вьетнамский, нидерландский, арабский, турецкий и хинди. Карточка также указывает поддержку кода и математики. Для работы подходит библиотека Transformers версии 4.48.0 и выше; веса доступны в форматах PyTorch и Safetensors. EuroBERT-2.1B показала сильные результаты в оценках мультиязычного поиска, классификации, регрессии, качества переводов, кода и математических задач; авторы сообщают, что она превзошла сравниваемые системы в проведённых оценках. Как энкодер, она не предназначена для свободной генерации длинных ответов. Лицензия — Apache-2.0.

EuroBERT-610m — многоязычная плотная encoder-модель семейства EuroBERT от разработчиков, представивших это семейство. Веса содержат около 607,8 млн параметров; модель предназначена для языковых задач, включая поиск и ранжирование текстов, классификацию и регрессию. В Hugging Face она опубликована как masked language model для заполнения пропусков в тексте. Модель поддерживает 15 языков, а также математические задачи и код. Контекст — до 8 192 токенов. По данным карточки, EuroBERT-610m сопоставима с XLM-RoBERTa-XL на большинстве оценённых многоязычных задач и превосходит её в задачах с кодом и математикой; качество зависит от задачи и прикладной настройки. Доступна для Transformers в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

F2LLM-4B — текстовая модель эмбеддингов из семейства F2LLM, разработанного CodeFuse AI и описанного в техническом отчёте F2LLM. Модель основана на Qwen/Qwen3-4B и дообучена на 6 млн пар «запрос—документ» из открытых наборов данных; обучение проходило в один этап с однородными макропакетами и без синтетических данных. В репозитории используются архитектура Qwen3, библиотека Sentence Transformers и формат safetensors; модель содержит около 3,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для преобразования текста в векторы и задач поиска и сопоставления: семантического поиска, оценки сходства предложений, классификации и кластеризации. Обучение охватывает разнообразные задачи извлечения информации, классификации и кластеризации; карточка указывает английский язык. Лицензия — Apache-2.0. Карточка не приводит конкретных результатов оценки, поэтому качество на отдельных наборах данных по ней определить нельзя.

qinxianliu/FAB-Ramy-v1 — модель Sentence Transformers на архитектуре MPNet, предназначенная для преобразования предложений и абзацев в плотные векторы размерностью 768. Векторное представление получается усреднением токенов с последующей нормализацией; для сравнения используется косинусное сходство. Модель содержит 136,7 млн параметров, работает с последовательностями до 514 токенов по метаданным Hugging Face; в карточке README указан предел 384 токена. Модель подходит для семантического поиска, оценки сходства текстов, поиска перефразировок, кластеризации и классификации текстов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Это модель Sentence Transformer на базе Snowflake/snowflake-arctic-embed-l, дообученная для преобразования предложений и абзацев в плотные текстовые эмбеддинги. Архитектура включает BERT, pooling по CLS-токену и нормализацию; размерность выходного вектора — 1024, максимальная длина входа — 512 токенов. Для сравнения векторов используется косинусное сходство. Модель предназначена для семантического поиска и сопоставления текстов. Её также можно применять для поиска перефразирований, кластеризации и классификации текстов на основе эмбеддингов. В README приведены результаты оценки информационного поиска, а обучение описано как дообучение на 194 примерах с MatryoshkaLoss и MultipleNegativesRankingLoss. Модель разработана на основе Snowflake/snowflake-arctic-embed-l. Лицензия в предоставленных данных не указана.

apostolosfilippas/finetuned-bge-base-en — англоязычная модель Sentence Transformers, дообученная автором на базе BAAI/bge-base-en. Она кодирует предложения и абзацы в плотные текстовые эмбеддинги размерности 768 и предназначена для сравнения смысловой близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает BERT-трансформер, объединение представлений токенов по CLS и нормализацию векторов; сходство можно оценивать косинусной мерой. Модель содержит 136,7 млн параметров, использует библиотеку sentence-transformers и принимает последовательности длиной до 512 токенов. В README приведены результаты TripletEvaluator: точность по косинусному сходству 0,8173 на обучающем и 0,9394 на оценочном наборе bge-base-en; также описан небольшой набор для дообучения из 208 примеров. Лицензия в предоставленных данных не указана.

Это англоязычная модель Sentence Transformer, разработанная дообучением BAAI/bge-base-en-v1.5. Она преобразует предложения и абзацы в плотные текстовые эмбеддинги размерности 768 и нормализует их; сходство можно оценивать косинусной близостью. Архитектура основана на BERT с длиной последовательности до 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. Её можно применять для получения кандидатов по смысловому сходству в поиске и для сопоставления запросов с документами в RAG-системах. В README приведены результаты оценки информационного поиска, однако они не описывают качество на всех наборах данных и сценариях. В метаданных указаны 136,7 млн параметров, библиотека Sentence Transformers и формат safetensors. Модель ориентирована на английский язык; качество для других языков не подтверждено. Лицензия в предоставленных данных не указана.

lochhonest/finetuned_mbert — модель Sentence Transformer, дообученная на базе nomic-ai/modernbert-embed-base. Она преобразует предложения и абзацы в плотные векторы размерности 768; сходство векторов можно оценивать косинусной мерой. Модель построена на ModernBERT с усреднением токеновых представлений и нормализацией, поддерживает последовательности длиной до 8192 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска парафраз, а также классификации и кластеризации на основе эмбеддингов. В README описан обучающий набор из 3625 пар «запрос — релевантный текст», в том числе примеры вопросов и длинных фрагментов документов, что может быть полезно для поиска по документам. Репозиторий использует библиотеку Sentence Transformers и формат safetensors. Условия лицензирования в предоставленных данных не указаны.

hermoine1234/fine_tuned_model_v3 — модель Sentence Transformers на базе архитектуры XLM-RoBERTa, обученная сопоставлять предложения и абзацы в плотном векторном пространстве. Она содержит 305,2 млн параметров и строит эмбеддинги размерности 768; для оценки сходства используется косинусная близость. Модель подходит для семантического поиска, поиска похожих предложений, выявления перефразирований, кластеризации и классификации текста. Карточка описывает обучение на 1 784 парах текстов с CosineSimilarityLoss; примеры датасета представлены на нескольких языках. README указывает максимальную длину последовательности 128 токенов, тогда как метаданные каталога указывают нативный контекст 514 токенов. Модель принимает текст и выдаёт векторы эмбеддингов; файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Это англоязычная модель Sentence Transformer, созданная автором kimquynh путём дообучения BAAI/bge-base-en-v1.5. Модель на базе BERT преобразует текст в плотные векторы размерности 768 и нормализует их; сходство векторов можно оценивать косинусной мерой. Репозиторий использует библиотеку sentence-transformers и формат safetensors. Модель предназначена для получения эмбеддингов предложений и абзацев, семантического поиска, извлечения релевантных текстов и сравнения сходства предложений. Контекст ограничен 512 токенами. В README приведены оценки на задачах сходства и бинарной классификации, однако качество зависит от данных и порога сравнения. Лицензия в предоставленных данных не указана. Модель ориентирована на английский текст; README не заявляет поддержку других языков.

FingUEm_V3 — модель Sentence Transformer, дообученная FINGU-AI на базе Alibaba-NLP/gte-Qwen2-1.5B-instruct. Она кодирует предложения и абзацы в плотные векторы размерностью 1536 для сравнения текстов по косинусному сходству. Архитектура использует Qwen2, pooling по последнему токену и нормализацию; размер модели — 1,5 млрд параметров. Метаданные указывают контекст до 131 072 токенов, тогда как карточка описывает максимальную длину последовательности 8192 токена. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. Её можно применять для построения векторного поиска и группировки текстовых коллекций. В карточке не указаны языки обучения или специализированные предметные области. Лицензия в предоставленных данных не приведена.

Fingu-instruct-2 — дообученная FINGU-AI модель Sentence Transformer на базе dunzhang/stella_en_1.5B_v5, построенная на архитектуре Qwen2 и содержащая 1,5 млрд параметров. Она кодирует предложения и абзацы в плотные векторы размерности 1024; сходство между ними оценивается косинусной мерой. В README указана максимальная длина последовательности 8096 токенов, а метаданные указывают нативный контекст 131072 токена. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. Её можно использовать для поиска похожих фрагментов в коллекциях документов и группировки текстов по смыслу. Для работы опубликованы веса в формате safetensors и поддерживается библиотека Sentence Transformers; также указана совместимость с text-embeddings-inference. Сведений о лицензии в предоставленных данных нет.

FlowVec-v1 — мультиязычная модель текстовых эмбеддингов от LingoIITGN, дообученная на базе Qwen/Qwen3-Embedding-8B с помощью трёхэтапного рецепта LoRA и дистилляции относительно замороженной базовой модели. Она предназначена для семантического поиска, ранжирования, кластеризации и сопоставления текстов на индийских языках. Модель использует архитектуру Qwen3 с 7,6 млрд параметров, извлекает векторы размерности 4096 посредством пулинга последнего токена и L2-нормализации. В README указана максимальная длина последовательности 512 токенов; метаданные базовой модели указывают контекст 40960 токенов. Обучение охватывает retrieval, bitext, классификацию, NLI и кластеризацию; модель оценивалась на MTEB(Indic, v1). В README приведены сильные результаты для поиска и ранжирования, но оценки следует трактовать с учётом пересечения обучающих данных с двумя задачами и подбора инструкций на самом бенчмарке. Для подходящих задач важно передавать prompt_name; при поиске и ранжировании запросы кодируются с инструкцией, а документы — без неё. Модель принимает текст и выдаёт эмбеддинги. Лицензия — Apache 2.0.

gemasphi/f-real-setfit-ss-paraphrase-multilingual-mpnet-base-v2 — модель Sentence-Transformers на архитектуре XLM-RoBERTa, обученная сопоставлять предложения и абзацы в плотном векторном пространстве размерности 768. Её можно применять для поиска семантически близких текстов, кластеризации и вычисления сходства предложений; в каталоге также указана поддержка извлечения признаков. Модель содержит 305,2 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Многоязычное назначение следует из названия модели; README не перечисляет конкретные поддерживаемые языки. Для работы можно использовать библиотеку Sentence-Transformers либо Transformers с подходящей операцией pooling. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

futuredatascience/from-classifier-v0 — модель Sentence Transformers на архитектуре MPNet, разработанная Futuredatascience. Она преобразует предложения и абзацы в плотные векторы размерностью 768, предназначенные для вычисления семантического сходства, кластеризации и семантического поиска. Модель содержит 136,7 млн параметров, принимает текст и возвращает векторные представления; максимальная длина контекста — 514 токенов. Для обучения использовалась функция потерь CosineSimilarityLoss. Модель опубликована в формате PyTorch; метаданные не содержат сведений о лицензии или языковой специализации.

Карточка модели futuredatascience/from-classifier-v2 на Hugging Face совпадает с карточкой futuredatascience/to-classifier-v2, поэтому описание составлено по ней. futuredatascience/to-classifier-v2 — модель на архитектуре MPNet, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно применять для поиска семантически близких текстов, кластеризации и вычисления сходства между предложениями. Модель относится к семейству Sentence Transformers и распространяется в формате PyTorch. Обучение использовало CosineSimilarityLoss. Контекст модели составляет 514 токенов. Лицензия в предоставленных данных не указана.

DragosGorduza/FRPile_GPL_test_pipeline_DragosGorduza-FRPile_MLM_Basel_Roberta-MISTRAL-notrescaled_28000 — модель Sentence-Transformers на основе RoBERTa, разработанная DragosGorduza. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Модель содержит 151,8 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Модель подходит для построения поиска по смыслу и группировки текстов по семантической близости. В README указано обучение с MarginDistillationLoss. Доступны веса в формате safetensors; для использования README рекомендует Sentence-Transformers либо Transformers с соответствующим pooling. Лицензия в предоставленных данных не указана.

dguzh/geo-all-MiniLM-L6-v2 — модель Sentence Transformers для преобразования предложений и абзацев в плотные векторы размерностью 384. Она предназначена для семантического поиска, кластеризации и сравнения текстов по смыслу. Архитектура — BERT; модель содержит 25,9 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Обучалась с ContrastiveLoss на основе косинусного расстояния. Модель можно применять для поиска похожих фрагментов, группировки текстов и ранжирования кандидатов по семантическому сходству. В карточке не описаны языки и предметная область, поэтому предполагается общее назначение без выделения конкретного языка. Доступна в форматах PyTorch и Safetensors; лицензия в предоставленных данных не указана.

Giga Embeddings 0826 3B GGUF — модель для получения текстовых эмбеддингов, основанная на ai-sage/Giga-Embeddings-instruct-3B-0826. GGUF-версии независимо конвертированы и квантованы командой ai-babai; это не официальный релиз ai-sage. Модель ориентирована прежде всего на русский и английский языки и предназначена для локального запуска через llama.cpp и Ollama. Модель подходит для семантического поиска, RAG, оценки сходства текстов, кластеризации, классификации и retrieval-сценариев. Она использует двунаправленную архитектуру, возвращает нормализованные эмбеддинги размерностью 2048 и применяет mean pooling, заданный в метаданных GGUF. Для поиска рекомендуется добавлять инструкцию к запросам, а документы кодировать как обычный текст; для симметричных задач следует использовать одинаковую инструкцию для обеих сторон или не использовать инструкции. Доступны варианты BF16, Q8_0, Q6_K и Q4_K_M. Q8_0 указан как рекомендуемый баланс качества и размера, BF16 является эталонной высокоточной версией, а Q4_K_M — экспериментальным облегчённым вариантом. Модель предназначена только для эмбеддингов и не генерирует текст. Приведённые авторами показатели MTEB относятся к исходной BF16-модели, тогда как полный независимый прогон MTEB для GGUF-версий не выполнялся. Модель распространяется по лицензии MIT.

Giga-Embeddings-instruct-480M-0826 — двуязычная модель текстовых эмбеддингов серии Giga-Embeddings, представленная под именем GigaChat. Она основана на предобученной модели с архитектурой Qwen3, адаптированной для двунаправленного encoder-style внимания, и обучена контрастивной функцией InfoNCE. Модель содержит около 483,7 млн параметров, формирует векторы размерности 1024 и поддерживает контекст до 8192 токенов. Модель предназначена для семантического поиска, сравнения предложений и абзацев, классификации и кластеризации текстов на русском и английском языках. Для асимметричного поиска к запросу следует добавлять краткую инструкцию задачи, а документы кодировать без неё; для симметричного сравнения инструкция необязательна. Используются mean pooling по непустым токенам и L2-нормализация; при прямом использовании через Transformers их нужно реализовать самостоятельно. По заявленным результатам модель сильна на русскоязычном MTEB, а на английском и коде уступает некоторым моделям из сравнения. Модель распространяется в формате safetensors, библиотека карточки — sentence-transformers. Лицензия MIT. Небольшие различия версий Transformers и PyTorch могут приводить к отличиям результатов воспроизведения.

GIST-Embedding-v0 — текстовая модель эмбеддингов, разработанная avsolatorio и дообученная на основе BAAI/bge-base-en-v1.5. Она кодирует предложения и тексты в плотные векторы для поиска, сравнения смысловой близости и других задач сопоставления текста. Для получения эмбеддингов инструкции в запросе не требуются, поэтому модель подходит для прямого кодирования поисковых запросов и документов. Модель основана на архитектуре BERT, содержит 136,7 млн параметров, работает с контекстом до 512 токенов и распространяется в форматах PyTorch и safetensors. Обучение проведено на данных MEDI и размеченных триплетах, полученных из обучающей части MTEB Classification; оценка выполнялась набором MTEB. Дообучение заметно изменило профиль качества: на некоторых задачах результаты улучшились, на других ухудшились, в частности отмечено снижение качества поиска для TRECCOVID. Лицензия модели — MIT; сторонние наборы данных могут иметь дополнительные условия использования.

Модель Sentence Transformer, созданная дообучением многоязычной BERT-модели google-bert/bert-base-multilingual-uncased на наборах пар предложений с оценками сходства. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для сравнения текстов по косинусному сходству, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает BERT и mean pooling; максимальная длина последовательности — 512 токенов. Базовая модель поддерживает 102 языка, однако отдельные языки обучения этой версии в карточке не уточнены. Модель выпущена в формате safetensors и использует библиотеку Sentence Transformers. Лицензия в предоставленных данных не указана.

Это sentence-transformers-модель на базе google-bert/bert-base-multilingual-uncased, дообученная Стефаном Шварцем на наборе пар текстов с положительными и отрицательными примерами. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости по косинусному сходству, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает BERT и усредняющий пулинг токенов; максимальная длина входа — 512 токенов. Базовая модель поддерживает 102 языка, однако языки обучающих примеров в карточке явно не указаны. Модель опубликована в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

sembeddings/gptops_finetuned_mpnet_gpu_v1 — модель Sentence Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Обучение с MultipleNegativesRankingLoss и косинусным сходством ориентировано на получение эмбеддингов, близких по смыслу для релевантных текстов. Модель принимает текст и выдаёт векторы; максимальная длина контекста — 514 токенов. Доступны веса PyTorch, использовать модель можно через библиотеку Sentence Transformers. В карточке не названы целевые языки и лицензия, поэтому определить языковую специализацию и условия распространения по имеющимся данным нельзя.