I.2Синтез, понимание и проверка знаний

Карточка модели Avshalom/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.

Карточка модели Bjornrun/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.

Карточка модели lewtun/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.

ciCic/snowflake-arctic-embed-l-sts-2d-mrl — текстовая модель эмбеддингов на базе Snowflake Arctic Embed Large, дообученная с использованием Matryoshka Representation Learning и функции потерь CoSENT. Она преобразует предложения и абзацы в плотные векторы размерностью 1024, 768, 512, 256, 128 или 64, что позволяет выбирать компромисс между размером вектора и качеством поиска. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Её можно использовать для поиска документов по запросам и группировки похожих предложений. Архитектура основана на BERT; модель содержит 433,9 млн параметров и принимает текст длиной до 512 токенов. Лицензия в доступных данных не указана.

Карточка модели Hanan-Alnakhal/solar-rag-embedding-model на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

r2d2 разработала модель эмбеддингов предложений на архитектуре RoBERTa. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 162,4 млн параметров, обучалась с функцией CosineSimilarityLoss и поддерживает контекст длиной до 130 токенов. Для работы доступны PyTorch и библиотека Sentence-Transformers. Модель подходит для построения семантического поиска и группировки текстов, когда важна близость значений, а не совпадение слов. Данных о лицензии и целевых языках в предоставленных источниках нет; применимость к конкретному языку следует проверить на своих данных.

NullCoreDeveloper/stylometric-rubert-v5 — дообученная разработчиком NullCoreDeveloper модель Sentence Transformer на базе NullCoreDeveloper/stylometric-rubert-v4. Она преобразует текстовые предложения и абзацы в плотные векторы размерности 768 для поиска и сравнения по смыслу; архитектура состоит из BERT и среднего пулинга, сходство оценивается косинусной мерой. Модель обучалась на триплетах и подходит для извлечения эмбеддингов, retrieval и семантического поиска по текстовым коллекциям. Модель принимает текст, поддерживает последовательности длиной до 256 токенов по README; метаданные каталога указывают контекст до 512 токенов. В примерах обучающих данных использован русский текст, поэтому прежде всего модель ориентирована на русский язык. В README приведена точность cosine_accuracy 0,8155 на hard-triplets-val; эта оценка относится к указанному тесту и не гарантирует качество на других данных. Репозиторий содержит веса safetensors, библиотека — sentence-transformers. Лицензия в предоставленных данных не указана.

Карточка модели futuredatascience/to-classifier-v1 на Hugging Face совпадает с карточкой futuredatascience/from-classifier-v0, поэтому описание составлено по ней. 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.

swardiantara/two-stage-cdk10-MiniLM-L12-v2 — модель на базе Sentence Transformers, разработанная пользователем swardiantara. Она преобразует предложения и абзацы в плотные векторы размерности 384 для поиска по смыслу, вычисления сходства и кластеризации. Модель обучалась с Contrastive Loss и косинусной метрикой; архитектура относится к семейству BERT, размер составляет около 40 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст и возвращает векторные представления, пригодные для семантического поиска и группировки текстов. README не сообщает, на каких языках она обучена или оценивалась, поэтому поддержку конкретных языков нельзя подтвердить. Лицензия в предоставленных данных не указана.

Карточка модели roskosmos19/Whale-4B-Thinking на Hugging Face совпадает с карточкой roskosmos19/Orca-4B-Thinking, поэтому описание составлено по ней. Orca-4B-Thinking — языковая модель для диалогов и задач, требующих многошаговых рассуждений. Согласно README, модель разработана на основе Qwen3-4B и дообучена в стиле DeepSeek-R1 на наборах OpenThoughts-114k и Mixture-of-Thoughts; метаданные связывают её с Qwen/Qwen3.5-4B. Карточка описывает причинную плотную архитектуру Qwen3, а метаданные указывают 3,7 млрд параметров и контекст до 262 144 токенов. Модель предназначена для генерации развёрнутых рассуждений и ответов в математике, программировании, естественных науках и головоломках, а также для следования инструкциям и работы с инструментами. README сообщает о режиме Thinking и приводит оценочные результаты бенчмарков, поэтому заявленные улучшения производительности не следует считать независимой проверкой. Поддерживаются английский, немецкий, испанский, французский и китайский языки по тегам метаданных. Лицензия — Apache-2.0.

Карточка модели roskosmos19/Whale-4B-Thinking-2507 на Hugging Face совпадает с карточкой roskosmos19/Orca-4B-Thinking, поэтому описание составлено по ней. Orca-4B-Thinking — языковая модель для диалогов и задач, требующих многошаговых рассуждений. Согласно README, модель разработана на основе Qwen3-4B и дообучена в стиле DeepSeek-R1 на наборах OpenThoughts-114k и Mixture-of-Thoughts; метаданные связывают её с Qwen/Qwen3.5-4B. Карточка описывает причинную плотную архитектуру Qwen3, а метаданные указывают 3,7 млрд параметров и контекст до 262 144 токенов. Модель предназначена для генерации развёрнутых рассуждений и ответов в математике, программировании, естественных науках и головоломках, а также для следования инструкциям и работы с инструментами. README сообщает о режиме Thinking и приводит оценочные результаты бенчмарков, поэтому заявленные улучшения производительности не следует считать независимой проверкой. Поддерживаются английский, немецкий, испанский, французский и китайский языки по тегам метаданных. Лицензия — Apache-2.0.

Карточка модели avsolatorio/30-100-11-1-2-2-0-0-mean-normed-384-512_GIST_st_all-MiniLM-L6-v2-20240201131522-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.

RonanMcGovern разместил sentence-transformers/all-MiniLM-L12-v2-ft — дообученную модель Sentence Transformers на базе sentence-transformers/all-MiniLM-L12-v2. Это компактный BERT-энкодер примерно на 40 млн параметров: он преобразует предложения и абзацы в плотные эмбеддинги размерности 384, нормализует векторы и сравнивает их с помощью косинусного сходства. В README указана максимальная длина последовательности 128 токенов; метаданные указывают контекст до 512 токенов. Модель предназначена для семантического поиска и оценки сходства текстов, а также может применяться для поиска перефразирований, кластеризации и классификации текста. Карточка описывает дообучение с TripletLoss, но не уточняет датасет и специализацию, поэтому качество для конкретных доменов и языков из этих данных установить нельзя. Базовая модель англоязычная, и основной сценарий использования — англоязычные тексты. Для применения указана библиотека Sentence Transformers; веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели eadx/all-MiniLM-L6-v2 на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

Карточка модели Renegad/all-MiniLM-L6-v2 на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

Карточка модели YINzhiping/all-MiniLM-L6-v2 на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

qquarkq/all-MiniLM-L6-v2-ru-domain_adapt — дообученная модель Sentence Transformers на основе sentence-transformers/all-MiniLM-L6-v2, предназначенная для создания векторных представлений русских предложений и абзацев. Это плотный энкодер архитектуры BERT с 25,9 млн параметров: он преобразует текст в нормализованные векторы размерности 384 и сравнивает их с помощью косинусного сходства. Модель рассчитана на поиск и сопоставление текстов; в README приведены русскоязычные примеры обучающих данных из 20 000 триплетов. Модель принимает текст, поддерживает последовательности длиной до 512 токенов по метаданным; в README также указано ограничение 256 токенов. Её можно применять для семантического поиска, извлечения релевантных текстов и сравнения предложений. Лицензия в предоставленных данных не указана.

KhaledReda/all-MiniLM-L6-v59-pair_score — англоязычная модель Sentence Transformer, дообученная на парах текстов с оценками сходства. Она кодирует предложения и абзацы в плотные векторы размерности 384; косинусное сходство между векторами можно использовать для оценки семантической близости. Архитектура основана на BERT: all-MiniLM-L6-v2 с mean pooling и нормализацией. В метаданных указано ограничение контекста 512 токенов, а в README — максимальная длина последовательности 256 токенов. Модель предназначена для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. Обучение проводилось с CoSENTLoss на датасете pairs_with_scores_v47. Она принимает текст и выдаёт векторы, которые можно сравнивать; это не генеративная модель. Лицензия — Apache-2.0. По карточке модель рассчитана на английский язык; качество на других языках не подтверждено.

KhaledReda разработал all-MiniLM-L6-v67-pair_score — модель Sentence Transformers, дообученную на парах текстов с оценками сходства. Она кодирует предложения и абзацы в плотные векторы размерности 384; сходство между ними оценивается косинусной близостью. Архитектура включает BERT-трансформер, усреднение токенных представлений и нормализацию. Модель рассчитана на английский язык; в README указана максимальная длина последовательности 256 токенов, а метаданные Hugging Face указывают контекст 512 токенов. Модель подходит для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Она содержит 25,9 млн параметров и распространяется в формате safetensors. Лицензия — Apache-2.0. Качество для языков помимо английского и применимость к длинным текстам свыше указанного предела последовательности не подтверждены.

KhaledReda/all-MiniLM-L6-v79-pair_score — англоязычная модель Sentence Transformers, дообученная KhaledReda на парах текстов с оценками сходства. Она основана на sentence-transformers/all-MiniLM-L6-v2, использует энкодер BERT и преобразует предложения и абзацы в плотные векторы размерности 384; для оценки близости подходит косинусное сходство. В README указана максимальная длина последовательности 256 токенов, а метаданные указывают контекст до 512 токенов. Модель предназначена для семантического сравнения текстов и получения эмбеддингов для поиска, выявления перефразировок, кластеризации и классификации текстов. Она обучалась с CoSENTLoss на датасете pairs_with_scores_v64. Лицензия — Apache-2.0. Модель ориентирована на английский язык. Векторы могут терять точность на текстах длиннее рабочего ограничения последовательности, а результаты для других языков в карточке не подтверждены.

ronanki/all_mpnet_128_10_MNR_PT — модель Sentence-Transformers на базе MPNet, разработанная автором репозитория ronanki. Она кодирует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. Обучение с MultipleNegativesRankingLoss использовало косинусное сходство; модель содержит 136,7 млн параметров и принимает последовательности длиной до 514 токенов. Модель подходит для построения эмбеддингов текстов и сравнения их семантической близости. Для работы README рекомендует библиотеку sentence-transformers. Языки и специализированные предметные области в доступных данных не обозначены; качество на конкретных наборах данных следует проверять отдельно. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели MossaicMan/anurag-ai на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

Maaz2002/ats-finetuned-model — текстовая модель Sentence Transformers, дообученная на базе sentence-transformers/all-mpnet-base-v2. MPNet-кодировщик с усредняющим pooling и нормализацией преобразует предложения и абзацы в плотные векторы размерности 768; для сравнения используется косинусное сходство. Модель рассчитана на семантический поиск и оценку сходства текстов, а также может применяться для извлечения признаков и retrieval-сценариев. Модель принимает только текст. README указывает максимальную длину последовательности 384 токена, а метаданные каталога — контекст до 514 токенов. На наборе ats-val указаны Pearson 0,8525 и Spearman 0,7721 для косинусного сходства; эти результаты относятся к конкретной оценке и не гарантируют качество на других данных. В метаданных указаны 136,7 млн параметров и формат safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

Cohere Labs Aya Vision 32B — мультимодальная модель с открытыми весами на 32 млрд параметров для работы с изображениями и текстом. Она принимает изображения и текст, а в ответ генерирует текст. Модель предназначена для распознавания текста на изображениях, создания подписей, визуальных рассуждений, суммаризации и ответов на вопросы по изображениям; также поддерживает сценарии с текстовым вводом и генерацией кода. Архитектура сочетает языковую модель Aya Expanse 32B с визуальным энкодером SigLIP2-patch14-384 через мультимодальный адаптер. Контекст составляет 16K токенов. Для обработки изображения используется до 12 фрагментов и миниатюра; разрешение фрагмента — 364×364 пикселя. Модель обучена работать с 23 языками, включая русский, английский, китайский, японский, арабский и хинди. Модель разработана Cohere Labs и опубликована как исследовательский релиз с открытыми весами. Для её запуска используется библиотека Transformers. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование; также требуется соблюдать Acceptable Use Policy Cohere Labs.

BERT-G1 — модель на архитектуре BERT, опубликованная пользователем reasonwang. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения сходства и кластеризации текстов. Модель обучена с использованием MultipleNegativesRankingLoss и косинусного сходства; размер составляет 136,7 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для получения эмбеддингов текста и задач поиска или группировки текстов по смыслу. Для работы доступны Sentence-Transformers и Transformers; при использовании Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов. В репозитории указаны веса safetensors. Языки обучения и лицензия в предоставленных данных не указаны.

himanshu23099/bge_embedding_finetune_v2 — текстовая Sentence Transformer-модель, дообученная автором на базе BAAI/bge-small-en-v1.5. Она использует архитектуру BERT с CLS-пулингом и нормализацией и преобразует предложения и абзацы в плотные векторы размерностью 384. Модель рассчитана на семантическое сходство и поиск; близость векторов можно оценивать косинусным сходством. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Максимальная длина входа — 512 токенов. Базовая модель англоязычная, а приведённые примеры и обучающие данные также на английском; подтверждений поддержки других языков в карточке нет. В README приведены метрики cosine_accuracy@1 = 0,358, @5 = 0,7092 и @10 = 0,7993 на наборе для поиска. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

peter2000/bmz_topics — модель эмбеддингов предложений на архитектуре XLM-RoBERTa, опубликованная автором peter2000. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. В репозитории указаны PyTorch и использование через Sentence-Transformers либо Transformers с подходящей операцией pooling; объём модели — около 305,2 млн параметров, контекст — 514 токенов. Модель обучалась с BatchHardTripletLoss. Карточка не уточняет целевые языки, обучающие данные и лицензию, поэтому пригодность для конкретного языка или домена следует проверять на собственных данных.

aisquared/bolt-embedding-small — компактная модель эмбеддингов Sentence Transformer от AI Squared, дообученная на базе IBM Granite для корпоративного поиска и RAG. Она кодирует запросы, предложения и документы в плотные векторы размерностью 384, используя архитектуру ModernBERT с CLS pooling; близость векторов предназначена для оценки косинусным сходством. Для обработки длинных текстов заявлена длина последовательности до 4096 токенов. Модель подходит для семантического поиска по корпоративным документам и базам знаний, извлечения релевантных фрагментов для RAG, сопоставления запросов с документами, поиска дубликатов и оценки сходства. Её дообучали контрастивным обучением на 500 000 примерах RAG-подобных данных, включая пары запрос–документ и примеры семантического сходства. Доступна библиотекой Sentence Transformers; лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой модели.

OpenMOSS-Team/claif-scaled-bert-base — англоязычная модель эмбеддингов на архитектуре BERT, опубликованная командой OpenMOSS. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска по смыслу, сравнения текстов и кластеризации. Модель обучена с использованием CosineSimilarityLoss и доступна в формате PyTorch; её можно применять через Sentence-Transformers или Transformers с подходящим pooling. Модель подходит для англоязычных систем семантического поиска и группировки текстов. Контекст ограничен 512 токенами. Лицензия Apache-2.0 разрешает использование на её условиях.

OpenMOSS-Team/claif-scaled-roberta-base — модель эмбеддингов предложений и абзацев на архитектуре RoBERTa, опубликованная OpenMOSS-Team. Она преобразует текст в плотные векторы размерности 768 и предназначена для сравнения смысловой близости, семантического поиска и кластеризации. Модель можно использовать через Sentence-Transformers или Transformers с подходящей операцией pooling. Модель содержит 151,8 млн параметров, принимает последовательности длиной до 514 токенов и работает с английским языком. Обучение с CosineSimilarityLoss ориентировано на получение векторов, пригодных для оценки сходства текстов. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.