I.2Синтез, понимание и проверка знаний

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.

Карточка модели TornikeO/sanitas-insurance-bot-embed-v1 на Hugging Face совпадает с карточкой XHY-DY/all-mpnet-base, поэтому описание составлено по ней. XHY-DY/all-mpnet-base — модель Sentence Transformers для кодирования предложений и коротких абзацев в плотные векторы размерности 768. Она основана на MPNet и дообучена методом контрастивного обучения на наборе более чем из миллиарда пар предложений; исходная модель — microsoft/mpnet-base. В карточке указано применение для семантического поиска, измерения сходства предложений и кластеризации. По умолчанию текст длиннее 384 частей словаря обрезается. Модель принимает текст и возвращает векторное представление, пригодное для поиска и сравнения по смыслу. Она ориентирована на английский язык; заявленная библиотека — Sentence Transformers. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Thabet/sb_sentence_transformer — модель на базе XLM-RoBERTa, опубликованная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска семантически близких текстов, кластеризации и сравнения сходства. Модель содержит 305,2 млн параметров и принимает текст с контекстом до 514 токенов. При обучении использовалась функция MultipleNegativesRankingLoss с косинусным сходством. Модель подходит для построения семантического поиска и группировки текстов; в Transformers для получения векторов требуется применить корректную операцию pooling к контекстным представлениям токенов. Лицензия и поддерживаемые языки в предоставленных данных не указаны.

Модель hunkim/sentence-transformers-klue-bert-base на базе BERT предназначена для преобразования предложений и абзацев в плотные векторы размерности 768. Она разработана для Sentence-Transformers и подходит для семантического поиска, сравнения текстов и кластеризации. Модель содержит 137,8 млн параметров и поддерживает контекст длиной до 512 токенов. Модель можно использовать через библиотеку Sentence-Transformers или через Transformers с подходящей операцией pooling для получения векторов из контекстных представлений токенов. Веса доступны в формате PyTorch. Карточка описывает обучение с CosineSimilarityLoss. Лицензия в предоставленных данных не указана.

Карточка модели rsilveira79/setfit-minilm-distilled на Hugging Face совпадает с карточкой chiragme/setfit-minilm-distilled-ledgar, поэтому описание составлено по ней. chiragme/setfit-minilm-distilled-ledgar — модель семейства BERT на базе Sentence-Transformers, преобразующая предложения и абзацы в плотные векторы размерности 384. Её можно применять для семантического поиска, кластеризации и сравнения текстов по смыслу. В метаданных указаны 18,8 млн параметров, контекст до 512 токенов и формат PyTorch; README описывает обучение с CosineSimilarityLoss. Название репозитория указывает на связь с SetFit, MiniLM и Ledgar, однако README и метаданные не уточняют базовую модель, набор данных или специализацию обучения, поэтому эти детали нельзя подтвердить. Модель принимает текст и выдаёт векторы; лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

new5558 выпустил модель эмбеддингов предложений на базе WangchanBERTa, представленной архитектурой CamemBERT. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для сравнения смысловой близости, семантического поиска и кластеризации текстов. Модель обучена с функцией MultipleNegativesRankingLoss и косинусным сходством; размер составляет 132,5 млн параметров, максимальная длина контекста — 512 токенов. Модель можно использовать с библиотекой Sentence-Transformers или через Transformers с подходящей операцией pooling. Репозиторий содержит веса PyTorch. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

SLX-v0.1 — модель BRAHMAI Research для преобразования предложений и коротких абзацев в плотные векторы размерностью 384, отражающие их смысл. Она построена на архитектуре BERT и использует библиотеку Sentence-Transformers; число параметров — 25,9 млн, максимальный контекст по метаданным — 512 токенов. В README указано, что вход длиннее 256 word pieces по умолчанию обрезается. Модель предназначена для семантического поиска, извлечения информации, кластеризации и сравнения сходства предложений. Она дообучена контрастивным методом на основе nreimers/MiniLM-L6-H384-uncased, а затем адаптирована для англоязычных задач с использованием dunzhang/stella_en_400M_v5 и внутреннего набора данных. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

princeton-nlp/sup-simcse-bert-base-uncased — модель Princeton NLP для получения эмбеддингов предложений методом SimCSE. Это BERT-base, дообученный с учителем на парах из наборов данных для вывода на естественном языке: пары следствий используются как положительные примеры, а противоречия — как сложные отрицательные. Модель содержит 136,7 млн параметров, принимает текстовые токены и поддерживает контекст до 512 токенов. Модель предназначена для сравнения смысловой близости предложений, поиска семантически похожих текстов и извлечения признаков текста. Разработчики приводят средний результат 81,57 на задачах семантического сходства предложений (STS). Суффикс uncased указывает на регистр-независимую обработку английского текста. Это текстовый энкодер, а не генеративная модель; сведений о лицензии в предоставленных метаданных и использованных источниках нет.

princeton-nlp/sup-simcse-roberta-large — модель извлечения признаков, разработанная Princeton NLP на основе RoBERTa-large с методом supervised SimCSE. Она преобразует текст в векторные представления предложений для сравнения их семантической близости и использования в задачах поиска и последующей обработки текста. Обучение проводилось на 314 тысячах примеров из MNLI и SNLI; оценивание включало задачи семантического сходства предложений и переноса на другие задачи. Модель содержит 454,1 млн параметров и рассчитана на контекст до 514 токенов. В репозитории доступны веса PyTorch и Flax. Карточка не сообщает лицензию, поэтому условия использования следует проверить отдельно. Среди ограничений — возможные стереотипные и вредоносные смещения; модель не следует использовать для создания враждебной или отчуждающей среды.

Swift-Qwen3.8-27B-Uncensored-FP8 — модель от d0xin, представляющая собой независимую производную UkisAI Swift-Qwen3.8-27B. Она создана с применением rank-1 directional residual-stream ablation для удаления поведения отказа, после чего выполнено квантование в compressed-tensors FP8. Базовая модель — d0xin/Swift-Qwen3.8-27B-Uncensored-BF16. Модель предназначена для задач рассуждения, программирования, агентных сценариев, вызова инструментов и обработки изображений. Сохраняются мультимодальная архитектура Qwen с vision tower, поддержка tool calling и длинного контекста. Заявленный размер чекпойнта составляет около 29 ГБ, настроенный максимальный контекст — 262 144 токена; извлечение информации проверялось на запросах длиной до 235 032 токенов. Поддерживаются режимы reasoning_effort low, medium и xhigh; режим high в протестированном стеке отклоняется. К сильным сторонам относятся FP8-квантование, поддержка мультимодальных и агентных нагрузок, вызова инструментов и длинного контекста, а также отсутствие отказов в зафиксированном тесте из 100 запросов: 89 прямых ответов, 10 ответов с предупреждениями и 1 другая ошибка. При этом заявленный результат отражает только конкретный набор запросов и конфигурацию инференса и не гарантирует отсутствие отказов во всех условиях. На ограниченной валидации из 298 примеров FP8 показала 37,92% против 39,93% у модифицированной BF16-версии, поэтому статистическая эквивалентность не установлена. Языки модели в README не указаны. Лицензия — swift-open-license-1.0.

Loquats/test1 — модель на основе BERT для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно применять для семантического поиска и кластеризации текстов, а также для оценки сходства предложений. Модель доступна в формате PyTorch и рассчитана на контекст до 512 токенов. Для использования подходят библиотека Sentence-Transformers или Hugging Face Transformers с соответствующей операцией pooling поверх контекстных представлений токенов. В метаданных указано 136,7 млн параметров. Сведения о лицензии и конкретных поддерживаемых языках в доступных материалах отсутствуют.

Hoax0930/tf_paraphrase-multilingual-mpnet-base-v2 — модель Sentence-Transformers на архитектуре XLM-RoBERTa, создающая плотные векторы размерностью 768 для предложений и абзацев. В репозитории указано 305,2 млн параметров и контекст до 514 токенов. Модель предназначена для построения эмбеддингов, семантического поиска и кластеризации текстов. Её можно применять для поиска похожих фрагментов и сравнения семантической близости предложений; README описывает обучение с CosineSimilarityLoss. Метаданные указывают формат PyTorch и возможность извлечения эмбеддингов. Карточка не сообщает конкретный перечень поддерживаемых языков, поэтому многоязычность из названия модели не подтверждена. Лицензия в предоставленных данных отсутствует. Результаты зависят от языка и предметной области; для сравнения векторов и поиска требуется подходящая метрика или индекс.

ThinkingCap-Qwen3.6-27B-int4-AutoRound-v1 — это общественная INT4-квантизация модели ThinkingCap-Qwen3.6-27B, исходно выпущенной BottleCap AI. Квантизацию выполнил Josef Prusa с использованием Intel AutoRound 0.14.0. Модель предназначена для локального инференса и агентных сценариев с длинным контекстом, включая работу с инструментами, вызов функций, оркестрацию задач и обслуживание через vLLM. Модель основана на архитектуре Qwen3.6 с 27 млрд параметров и использует текстовую генерацию. Применена весовая схема W4A16 с 4-битными весами, group size 128 и симметричной квантизацией; размер файлов составляет около 20 ГБ. Тензоры Multi-Token Prediction сохранены в BF16 для поддержки speculative decoding. В рекомендуемой конфигурации vLLM заявлен максимальный контекст до 262 144 токенов, а KV-кэш может дополнительно квантизироваться в 4-битный формат. Поддерживаются режимы рассуждений, tool calling и соответствующие парсеры Qwen3. Сильные стороны модели — уменьшенное потребление памяти, высокая скорость локального инференса, возможность размещения на видеокарте класса RTX 5090 с 32 ГБ памяти и сохранение поведения исходной ThinkingCap в задачах рассуждений и работы с инструментами. По локальным предварительным тестам модель показала результаты 81 в Hermes Agent, 90 в наборе tool-call-style, 89 в instructfollow-15, 73 в bugfind-15 и 65 в cli-40. Эти показатели получены на локальных тестах и не являются полной независимой оценкой качества. Ограничения связаны с потерями качества, возможными для 4-битной квантизации, а также с тем, что приведённые оценки и показатели производительности являются предварительными измерениями на одной конфигурации. Параметр group size 128 выбран в пользу скорости, меньшего потребления VRAM и запаса для длинного KV-кэша; меньшие группы могут повысить качество, но требуют больше памяти. Лицензия в представленном README не указана.

TimeR4-SentenceBERT-MultiTQ — модель эмбеддингов на базе MPNet, опубликованная пользователем 902chris. Она преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для семантического поиска, сравнения сходства и кластеризации. Модель содержит 139,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате safetensors; для работы предусмотрена библиотека Sentence Transformers. В README указано обучение с ContrastiveTensionLoss и внутрипакетными негативными примерами. Модель подходит для построения текстового поиска и группировки семантически близких фрагментов. Лицензия в предоставленных данных не указана.

Это модель Sentence Transformers на базе архитектуры BERT, созданная для преобразования предложений и абзацев в плотные векторы размерности 384. Её можно применять для семантического поиска и кластеризации текстов, сравнивая полученные представления по близости. Модель обучалась с Triplet Loss и евклидовой метрикой расстояния. Она содержит 124,3 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате safetensors. Для использования подходят библиотека sentence-transformers или Transformers с соответствующей операцией pooling. Языки и лицензия в предоставленных сведениях не определены.

kmariunas/uncased-bert-triplet-40 — модель Sentence-Transformers на базе BERT, представленная автором kmariunas. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, сравнения текстов и кластеризации. Обучение с BatchHardTripletLoss указывает на настройку пространства эмбеддингов для оценки сходства предложений. Модель имеет около 136,7 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для построения семантического поиска, группировки похожих текстов и сравнения предложений по близости эмбеддингов. README не сообщает, на каких языках обучалась модель, поэтому конкретный язык или языковую поддержку установить нельзя. Лицензия в предоставленных данных не указана.

xiaobu-embedding — текстовая модель эмбеддингов, разработанная на основе GTE и дообученная для нескольких задач сопоставления запросов и документов. Она предназначена для получения векторных представлений текстов и вычисления их смыслового сходства; автор приводит примеры разговорных пар «запрос — запрос» и пар «запрос — документ» из области знаний, а также данные BGE для пар «запрос — документ». Для обучения использовались очищенные положительные примеры и отрицательные примеры средней сложности; общий объём данных составил около 6 млн примеров. Модель построена на архитектуре BERT, содержит 424,3 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Для использования автор рекомендует Sentence-Transformers; оценивание описано со ссылкой на китайский бенчмарк CMTEB. Лицензия в предоставленных данных не указана.

Карточка модели avsolatorio/30-100-11-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240208000313-best на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

Карточка модели avsolatorio/30-100-31-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240206161831-latest на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

Модель flax-sentence-embeddings/all_datasets_v3_roberta-large разработана участниками Community Week Hugging Face в рамках проекта по обучению моделей эмбеддингов предложений на больших наборах данных. Это дообученная с контрастивной целью версия roberta-large с архитектурой RoBERTa и 454,1 млн параметров. Она кодирует входное предложение в вектор, отражающий его семантическое содержание, и рассчитана на извлечение признаков и сравнение предложений. В README описано обучение на более чем миллиарде пар предложений из объединённых датасетов; указаны длина последовательности обучения 128 токенов и использование SentenceTransformers. Метаданные указывают родной контекст в 514 токенов. Модель подходит для семантического поиска, группировки текстов и оценки сходства предложений. В карточке указана поддержка английского языка. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

all_datasets_v4_mpnet-base — англоязычная модель эмбеддингов предложений, разработанная командой проекта Hugging Face Community Week. Это дообученная на базе mpnet-base модель MPNet с 136,7 млн параметров, обученная контрастивным методом на более чем миллиарде пар предложений из нескольких датасетов. Репозиторий содержит веса PyTorch; в карточке также описано обучение с использованием JAX и Flax. Модель кодирует текстовое предложение в вектор, отражающий его семантику. Полученные эмбеддинги подходят для поиска информации, кластеризации и сравнения сходства предложений; контекст модели составляет до 514 токенов. Карточка приводит английский как язык модели. Модель предназначена для создания эмбеддингов, а не для генерации ответов. Качество зависит от соответствия входных текстов обучающим данным и от длины последовательности: при обучении её ограничивали 128 токенами. Лицензия в предоставленных данных не указана.

Модель разработана CatkinChen и представляет собой дообученную версию BAAI/bge-base-en-v1.5 для работы с текстовыми предложениями и абзацами. Это Sentence Transformer на архитектуре BERT с 136,7 млн параметров, который преобразует текст в нормализованные плотные векторы размерностью 768 и сравнивает их по косинусному сходству. Модель предназначена для семантического поиска, оценки сходства предложений и извлечения релевантных текстов. В README также перечислены кластеризация, поиск перефразирований и классификация текста. Максимальная длина последовательности — 512 токенов; модель рассчитана на английский язык и может использоваться в системах поиска и RAG. В карточке приведены результаты оценки на InformationRetrievalEvaluator и сведения о дообучении на наборе из 309 примеров с TripletLoss. Эти данные не устанавливают качество на других наборах и сценариях. Модель распространяется с лицензией базовой модели, однако лицензия в доступных сведениях не указана.

hlyu/basemodel_8MSE_2dotxuan — модель на базе BERT, подготовленная в формате Sentence Transformers для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в эмбеддинги размерностью 768 и подходит для семантического поиска и кластеризации. Модель содержит 61,2 млн параметров, имеет контекстное окно до 512 токенов и распространяется в формате PyTorch. Модель можно использовать в конвейерах поиска и сравнения текстов, а также для группировки семантически близких фрагментов. README указывает на обучение с функцией потерь MSELoss. Языки обучения и применения и лицензия в предоставленных данных не указаны.

REDSOULTM/baxy-router-encoder-ft — дообученная модель Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она использует архитектуру BERT и преобразует предложения и абзацы в плотные векторы размерности 384; сходство между текстами оценивается косинусной метрикой. Модель обучена на 11 808 парах текстов с помощью MultipleNegativesRankingLoss. README указывает максимальную длину последовательности 128 токенов, а метаданные — контекст 512 токенов. Модель предназначена для семантического поиска, сравнения сходства и перефразирований, кластеризации и классификации текста. Примеры обучающих пар охватывают команды для управления настольным компьютером на нескольких языках, в том числе сопоставление короткой команды с более развёрнутым описанием действия. Веса доступны в форматах Safetensors и ONNX; для применения подходят Sentence Transformers и Text Embeddings Inference. Лицензия в предоставленных данных не указана.

Модель tomaarsen/bert-base-uncased-gooaq-og — англоязычная модель Sentence Transformers, созданная дообучением google-bert/bert-base-uncased на наборе вопросов и ответов sentence-transformers/gooaq. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их косинусным сходством; максимальная длина входа — 512 токенов. Архитектура состоит из BERT и среднего пулинга токенов. Модель предназначена для семантического поиска и сравнения текстов, включая поиск ответов по вопросам, выявление перефразировок, кластеризацию и классификацию текста с последующим обучением классификатора. В README приведены результаты оценки поиска на gooaq-dev. Модель принимает текст и возвращает векторы; сама по себе она не генерирует ответы. Лицензия — Apache-2.0.

sobamchan/bert-base-uncased-mean-50 — англоязычная модель Sentence Transformers, дообученная разработчиком на базе google-bert/bert-base-uncased на датасете all-nli. Архитектура использует BERT, mean pooling и нормализацию; модель преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для сравнения по косинусному сходству. В метаданных указан размер 136,7 млн параметров и контекст до 512 токенов; карточка модели задаёт максимальную длину последовательности 256 токенов. Модель предназначена для семантического сходства текстов, семантического поиска, поиска перефразировок, кластеризации и извлечения признаков для классификации текста. Она поддерживает английский язык и принимает текст, выдавая векторные представления. Ограничения: модель обучалась на all-nli и ориентирована на английские тексты; качество на других языках и специализированных данных не подтверждено. Лицензия в предоставленных данных не указана.

Это англоязычная модель Sentence Transformer на базе BERT-base-uncased, разработанная tomaarsen и дообученная на наборах all-nli и sts. Она кодирует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости по косинусному сходству, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Модель использует архитектуру BERT с усреднением токенных представлений; максимальная длина входа — 512 токенов. Она подходит для построения эмбеддингов и поиска похожих текстов на английском языке. Это не генеративная модель: она возвращает векторные представления, а качество зависит от предметной области и последующей системы поиска или классификации. Лицензия в предоставленных данных не указана.

NaqibL дообучил модель BGE на базе BAAI/bge-base-en-v1.5 для получения эмбеддингов предложений и абзацев. Это текстовая Sentence Transformer модель с архитектурой BERT, которая преобразует вход в нормализованный плотный вектор размерности 768; сходство векторов можно оценивать косинусной мерой. Модель рассчитана на поиск и сопоставление текстов, включая семантический retrieval. Максимальная длина входа — 512 токенов, а обучение проводилось на наборе из 26 953 примеров. В README приведён результат cosine accuracy 0,8534 на оценке TripletEvaluator. Модель унаследовала англоязычную основу BGE; отдельные поддерживаемые языки и лицензия в предоставленных данных не описаны. Для неё нужны совместимые средства Sentence Transformers или text-embeddings-inference.

bge-micro — компактная модель эмбеддингов предложений на базе архитектуры BERT, опубликованная TaylorAI. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, сравнения сходства и кластеризации. Модель содержит 18,8 млн параметров, использует контекст длиной до 512 токенов и доступна в форматах PyTorch, safetensors и ONNX. Модель дистиллирована из TaylorAI/bge-small-en-v1.5 и предназначена для сценариев, где важны небольшие вычислительные затраты при сохранении качества эмбеддингов, близкого к all-MiniLM-L6-v2. Она ориентирована на английский язык. Лицензия в предоставленных данных не указана.

SMARTICT/bge-small-en-v1.5-tr-rag-v1 — англоязычная модель Sentence Transformers от SMARTICT, дообученная на базе BAAI/bge-small-en-v1.5 для семантического поиска и сравнения текстов. Она кодирует предложения и абзацы в плотные эмбеддинги размерности 384; архитектура включает BERT, пулинг по CLS-токену и нормализацию. Максимальная длина входа — 512 токенов, для сравнения используется косинусное сходство. Обучение проводилось на 8 970 парах anchor-positive с MultipleNegativesRankingLoss. Модель подходит для поиска фрагментов по запросу, оценки семантической близости, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. В README приведены результаты оценки поиска на наборе dim_384, включая cosine_accuracy@1 0,6088 и @5 0,7172. Модель распространяется по лицензии Apache-2.0. Она рассчитана на английский язык; качество на других языках не подтверждено, а входы длиннее 512 токенов ограничены максимальной длиной последовательности.