I.2Синтез, понимание и проверка знаний

Omerhan выпустил Sentence Transformers-модель для получения плотных текстовых эмбеддингов; она дообучена на базе intfloat/multilingual-e5-large-instruct. Модель использует XLM-RoBERTa с усреднением токенных представлений и нормализацией векторов, выдаёт эмбеддинги размерности 1024 и сравнивает их по косинусному сходству. Максимальная длина входа — 512 токенов; обучение проводилось на наборе json с парами и тройками текстов. Модель предназначена для семантического поиска, сравнения сходства предложений и абзацев, поиска перефразировок, кластеризации и подготовки признаков для классификации текста. В карточке указан турецкий язык. Лицензия — Apache-2.0.

DeepSeek-R1-Distill-Qwen-7B — языковая модель на 7,1 млрд параметров, разработанная DeepSeek и дообученная на Qwen2.5-Math-7B с использованием примеров рассуждений, созданных DeepSeek-R1. Она предназначена для генерации текста и диалогов с акцентом на решение математических задач, программирование и другие задачи, требующие многошагового рассуждения. Модель использует плотную архитектуру Qwen2 и принимает текст, выдавая текст. Контекстное окно составляет 131 072 токена. В README указана максимальная длина генерации 32 768 токенов для описанных оценок. Модель поддерживает чат; метаданные также отмечают интерфейс вызова инструментов, но README не описывает его применение. Модель компактнее исходного DeepSeek-R1 и показывает сильные результаты в приведённых бенчмарках для дистиллированных моделей. Это не универсальная гарантия качества: ответы могут содержать ошибки, а рекомендации по настройке следует сверять с полной карточкой модели. Лицензия — MIT.

Kenneth Enevoldsen разработал dfm-sentence-encoder-medium — модель на базе XLM-RoBERTa, которая преобразует предложения и абзацы в плотные векторы размерностью 768. Модель содержит 151,7 млн параметров и рассчитана на контекст длиной до 514 токенов. Векторы подходят для поиска семантически близких текстов и кластеризации. Модель обучалась с MultipleNegativesRankingLoss и косинусным сходством; для работы доступны Sentence-Transformers и Hugging Face Transformers с необходимой операцией pooling. Лицензия — MIT. Модель создаёт текстовые эмбеддинги, а не готовые ответы. README не уточняет, на каких языках она обучалась, поэтому языковую поддержку нельзя определить по имеющимся данным.

DREX-062225-exp — экспериментальная модель для анализа документов, разработанная prithivMLmods путём дообучения docscopeOCR-7B-050425-exp. Она построена на архитектуре Qwen2.5-VL и содержит 7,1 млрд параметров; модель принимает изображения документов и текстовые запросы, а в ответ формирует текст. Заявленная длина контекста — 128 000 токенов. Модель предназначена для поиска сведений в документах, извлечения структурированных данных из таблиц и форм, распознавания текста и анализа структуры и связей между частями документа. Среди целевых сценариев — обработка деловых и исследовательских материалов, договоров и документов для регуляторной отчётности. Карточка также заявляет распознавание математических выражений с форматированием LaTeX и поддержку нескольких языков, но метаданные указывают английский как язык карточки и не перечисляют другие языки. Точность может снижаться на типах документов, отличающихся от обучающих данных, и на узкоспециализированных форматах. Обработка длинных документов требует достаточного объёма памяти, а качество зависит от настройки визуальных токенов и предварительной обработки изображений. Модель распространяется по лицензии Apache-2.0.

Echo-DSRN-v0.1.3-Embed-Intent — многоязычная модель эмбеддингов предложений от Ethicalabs на архитектуре Echo-DSRN, гибридной рекуррентной нейросети с 8 DSRN-блоками. Модель дообучена от ethicalabs/Echo-DSRN-v0.1.3-Embed-Exp на Amazon MASSIVE: около миллиона высказываний на 51 языке. В метаданных указаны 49,9 млн параметров и контекст 2048 токенов; README приводит оценку около 98 млн параметров. Модель предназначена для представления высказываний в виде векторов, чтобы сравнивать их смысл и распознавать намерения и сценарии. На замороженных эмбеддингах в протоколе MTEB для MASSIVE указаны средняя точность 72,42% по 60 намерениям и 79,00% по 17 сценариям. Лицензия — Apache-2.0. Результаты измерялись с левым дополнением последовательностей; карточка предупреждает, что состав батча может влиять на эмбеддинги при таком соглашении о дополнении. В README используется trust_remote_code=True для загрузки модели через Sentence Transformers.

Parallia/Fairly-Multilingual-ModernBERT-Embed-BE-EN — англоязычная версия модели эмбеддингов предложений семейства Fairly Multilingual ModernBERT Embedding Model, созданной Parallia. Модель основана на ModernBERT и представлена как Sentence Transformer с mean pooling; она преобразует английские предложения и абзацы в плотные векторы размерности 768 для семантического сравнения и поиска. Контекст составляет до 8192 токенов. Модель обучена на параллельных парах английского с французским, нидерландским и немецким языками. README указывает, что эта версия использует веса исходной многоязычной модели с английским токенизатором и таблицей эмбеддингов, оптимизированными для английского; сама версия рассчитана на английские входные тексты. Подходящие сценарии — поиск семантически близких документов, оценка сходства предложений, поиск перефразирований, кластеризация и классификация текста на основе эмбеддингов. Модель использует архитектуру ModernBERT и распространяется в формате safetensors под лицензией Apache-2.0. Её эмбеддинги предназначены прежде всего для текстового сопоставления; несмотря на обучение на переводных парах, эта конкретная версия описана как англоязычная, поэтому её не следует считать универсальной мультиязычной моделью. Практическое качество зависит от предметной области и данных поиска.

kimquynh/finetuned_sbert_4 — дообученная модель Sentence Transformers на базе intfloat/e5-base-v2, созданная автором репозитория kimquynh. Она кодирует предложения и абзацы на английском языке в плотные векторы размерностью 768 для семантического поиска, извлечения документов и сравнения сходства. Архитектура состоит из BERT, усредняющего pooling и нормализации; используется косинусная мера сходства. Модель содержит 136,7 млн параметров, поддерживает контекст до 512 токенов и принимает текст. В README приведены результаты оценки на данных о соответствии резюме и вакансий: корреляция Спирмена для косинусного сходства 0,5381 и F1 бинарной классификации 0,7932. Эти показатели относятся к указанным наборам данных и не гарантируют аналогичное качество на других задачах. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

MarcoAland/Indonesian-bge-m3 — Sentence Transformer на базе BAAI/bge-m3, дообученный автором репозитория для работы с индонезийскими текстами. Модель использует архитектуру XLM-RoBERTa с плотным представлением: преобразует предложения и абзацы в нормализованные векторы размерности 1024, а сходство между ними оценивается косинусной мерой. Заявленная максимальная длина последовательности — 8192 токена; число параметров — 658,7 млн. Модель подходит для семантического поиска, сравнения предложений, поиска перефразировок, кластеризации и классификации текста. Обучение проводилось на 45 000 примерах с парами положительных и отрицательных соответствий и функцией потерь MultipleNegativesRankingLoss. Примеры в карточке — на индонезийском языке; метаданные также указывают на многоязычную базовую модель, но для этой версии основной целевой язык — индонезийский. Модель выдаёт текстовые эмбеддинги, а не готовые ответы или метки; для поиска и классификации потребуется подходящий downstream-процесс. В карточке приведены результаты оценки, но они не позволяют судить о качестве на всех прикладных наборах данных. Условия лицензирования в предоставленных данных не указаны.

Jade-Software разработала Jade-ModernBert-FT — англоязычную модель Sentence Transformers, дообученную на наборе jade_embeddings_train_25.04.04 от базовой модели nomic-ai/modernbert-embed-base. Архитектура ModernBERT преобразует предложения и абзацы в плотные эмбеддинги размерности 768, нормализованные для сравнения по косинусному сходству; максимальная длина последовательности — 8192 токена. Модель предназначена для семантического поиска по текстам, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текста. Обучающие примеры связывают короткие вопросы с более длинными релевантными фрагментами, что подходит для поиска ответов и документов по запросу. Лицензия — Apache-2.0. Модель обучена на английском языке; данных о поддержке других языков нет. Она возвращает векторы, а не готовые ответы, поэтому для поиска, классификации или кластеризации нужны соответствующие downstream-компоненты. Качество за пределами английского языка и предметной области обучающих данных не подтверждено.

Aashraf995/KaLM-embedding-multilingual-mini-instruct-v2.5-Q8_0-GGUF — это версия мультиязычной instruct-модели для создания эмбеддингов, преобразованная из KaLM-Embedding/KaLM-embedding-multilingual-mini-instruct-v2.5 в формат GGUF. Конвертацию выполнил автор репозитория с использованием llama.cpp и сервиса GGUF-my-repo от ggml.ai. Модель предназначена для задач извлечения признаков, семантического поиска и retrieval, оценки семантического сходства текстов (STS), классификации, кластеризации и reranking. В README указана поддержка английского и китайского языков, а также интеграция с библиотекой Sentence Transformers, llama.cpp и vLLM. Точный размер модели, архитектура исходной модели, размерность эмбеддингов и максимальная длина контекста в карточке не приведены; параметр контекста 2048 указан только в примере запуска llama.cpp. Квантование Q8_0 в формате GGUF ориентировано на локальный запуск и совместимость с экосистемой llama.cpp, однако README не содержит результатов бенчмарков или подробных сведений о преимуществах и ограничениях качества. Модель распространяется по лицензии Apache-2.0. Для использования доступны llama.cpp CLI и серверный режим; также приведены ссылки на инструкции исходной модели и llama.cpp.

ParkMyungkyu/KLUE-STS-roberta-base — модель эмбеддингов предложений на архитектуре RoBERTa, представленная автором ParkMyungkyu. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически похожих текстов, кластеризации и сравнения предложений. Модель содержит 137,8 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Для использования доступны Sentence-Transformers и Transformers; при работе через Transformers требуется применить pooling к контекстным представлениям токенов. Модель обучалась с CosineSimilarityLoss и ориентирована на семантическое сходство в корейском бенчмарке KLUE-STS. Лицензия в предоставленных данных не указана.

MyAwesomeModel — модель на базе архитектуры BERT, доступная через библиотеку Transformers и PyTorch. Согласно метаданным Hugging Face, она предназначена прежде всего для извлечения признаков из текста, то есть преобразования входных последовательностей в векторные представления для последующей обработки.

MyAwesomeModel — модель из репозитория safaf45252/MyAwesomeModel-TestRepo, опубликованная для работы с библиотекой Transformers. В метаданных Hugging Face она классифицирована как feature-extraction и помечена тегами BERT, PyTorch и Transformers, поэтому её основное назначение — преобразование текста в информативные векторные представления для последующего анализа и машинного обучения. Такие представления можно использовать для семантического поиска, сравнения текстов, классификации, кластеризации и построения систем, работающих с текстовыми признаками. README также заявляет улучшения в рассуждениях, программировании, математике, диалогах и других генеративных сценариях, однако эти характеристики не согласуются с указанным pipeline_tag и не подтверждают совместимость модели с задачей text-generation. Модель распространяется по лицензии MIT. Размер, длина контекста, поддерживаемые естественные языки и точная архитектура в доступных данных не определены; тег BERT указывает на семейство или совместимость, но не позволяет установить конкретную конфигурацию.

Карточка модели joteqwork/new_gsev0 на Hugging Face совпадает с карточкой avsolatorio/GIST-small-Embedding-v0, поэтому описание составлено по ней. GIST-small-Embedding-v0 — англоязычная модель текстовых эмбеддингов, разработанная avsolatorio на основе BAAI/bge-small-en-v1.5 и дообученная методом GISTEmbed. Она кодирует текст в векторы для поиска и сравнения предложений; для получения эмбеддингов инструкционные подсказки не нужны, поэтому запросы можно кодировать напрямую. Модель основана на архитектуре BERT, содержит 40 млн параметров и рассчитана на контекст до 512 токенов. Для дообучения использовались набор MEDI и триплеты, полученные из обучающей части MTEB Classification; качество оценивали на MTEB. В README отмечено, что дообучение улучшило результаты на некоторых задачах, но ухудшило на других, включая поиск по TRECCOVID. Доступны форматы PyTorch, Safetensors и ONNX. Лицензия модели — MIT; лицензии сторонних обучающих данных могут иметь дополнительные условия.

r0b0tlab выпустила Nex-N2-mini NVFP4 — квантованную версию языковой модели Nex-N2-mini, основанной на Qwen3.5-MoE. Модель содержит 35 млрд параметров, из которых активны 3 млрд; используется архитектура MoE с 256 экспертами и маршрутизацией top-8. Весовые матрицы экспертов квантованы в NVFP4 с помощью NVIDIA ModelOpt, а веса внимания, визуального энкодера и выходного слоя сохранены в BF16. Контрольные тесты возможностей прошли без потери качества, по данным авторов. Модель предназначена для генерации текста и диалогового использования через vLLM. Вариант NVFP4 рассчитан на обслуживание на видеокартах NVIDIA Blackwell с поддержкой SM 12.1; README приводит результаты запуска на GB10. В базовой модели заявлены возможности программирования, вызова инструментов и выполнения продолжительных задач с обратной связью от среды. Языки карточки — английский и китайский; в чекпойнте также сохранён визуальный энкодер, но README не описывает конкретные сценарии обработки изображений. Репозиторий распространяется по лицензии Apache-2.0. Практические ограничения — требование GPU Blackwell для NVFP4-ядер, минимальное значение max_num_batched_tokens 2096 и несколько минут профилирования визуального энкодера при первом запуске. NVFP4-кэш KV недоступен; для него в описанной конфигурации применяется FP8.

Parm-2-CoT-14B-16k-o1-QwQ — языковая модель Pinkstack, дообученная на базе Microsoft Phi-4 для рассуждений и генерации текста. Она ориентирована на диалоги, решение математических задач, ответы на вопросы, требующие многошагового анализа, и программирование. В карточке указано, что модель обучалась на датасете amphora/QwQ-LongCoT-130K; архитектура репозитория обозначена как LlamaForCausalLM, веса доступны в формате safetensors. Размер модели — 14,1 млрд параметров, контекст — 16 384 токена. Модель поддерживает текстовый ввод и выдаёт текст. Автор отмечает высокие результаты на отдельных тестах рассуждений, математики и знаний, но приводит низкий результат IFEval и связывает его с постоянным пошаговым рассуждением. Для устойчивых результатов рекомендуется низкая температура; иногда модель может завершить рассуждение без итогового ответа. Лицензия — MIT.

Qwen2.5-14B-Instruct-Abliterated — производная версия Qwen/Qwen2.5-14B-Instruct от sci4ai, созданная удалением поведения отказа с помощью изменения весов на основе активаций. Это плотная авторегрессионная модель семейства Qwen2 для генерации текста и диалогов; размер — 14 млрд параметров, контекст — до 32 768 токенов. README рекомендует её для агентных сценариев и вызова инструментов, отмечая следование форматам вызовов инструментов и многошаговые рассуждения. При обработке модели удаляли направления отказа в выходных проекциях attention и MLP в 47 из 48 слоёв. Поэтому модель может отвечать на запросы, которые базовая модель отклонила бы; качество и безопасность ответов не гарантированы. Модель распространяется по лицензии Apache-2.0. README приводит исследовательскую оговорку и возлагает ответственность за использование на пользователя.

Qwen3 Embedding 0.6B LRAT Full-v1 to Broad Extrapolation a1.25 — экспериментальный текстовый энкодер для получения признаковых представлений и семантического поиска. Это дообученная модель семейства Qwen3 с плотной архитектурой Qwen3Model и примерно 507,6 млн параметров; она основана на Qwen/Qwen3-Embedding-0.6B. Модель принимает текст и выдаёт эмбеддинги. Максимальная длина контекста — 32 768 токенов. Чекпойнт получен экстраполяцией направления между двумя версиями ретривера команды: full-v1 и broad-g16-v2. Обе версии обучались на предоставленных организаторами траекториях LRAT и корпусе. Выбор чекпойнта опирался на локальную оценку с фиксированными seed в процессе BrowseComp-Plus Agent и Judge; авторы не заявляют эти оценки как официальные результаты. Лицензия — Apache-2.0.

Qwen3-Embedding-4B-i1-GGUF — квантованная версия модели Qwen3-Embedding-4B, разработанной командой Qwen и подготовленной в формате GGUF пользователем mradermacher. Это модель для создания текстовых эмбеддингов и извлечения признаков, предназначенная для семантического сравнения текстов, поиска, классификации и других задач, где требуется представление текста в виде векторов. В метаданных указана поддержка английского языка. Модель основана на архитектуре Qwen3 и имеет размер около 4 млрд параметров. Репозиторий содержит варианты квантизации i1 с разными типами и размерами файлов — примерно от 1,2 до 3,4 ГБ, а также файл imatrix для самостоятельного создания квантов. Варианты различаются компромиссом между размером, скоростью и качеством: например, Q4_K_M обозначен как быстрый и рекомендуемый, а Q5_K и Q6_K должны обеспечивать более высокое качество при большем размере. Точная длина контекста, размер выходного вектора, поддерживаемые дополнительные языки и результаты тестирования в README не указаны. Главное преимущество модели — возможность локального запуска в компактном формате GGUF и выбор подходящего уровня квантизации под доступные ресурсы. Ограничения связаны с потерями качества при низкобитной квантизации; сам README предупреждает о низком качестве некоторых вариантов. Модель распространяется по лицензии Apache-2.0.

Qwen3-Embedding-8B-i1-GGUF — квантизированная GGUF-версия модели Qwen3-Embedding-8B, разработанной командой Qwen и подготовленной пользователем mradermacher. Модель предназначена для создания текстовых эмбеддингов и задач извлечения признаков, семантического сравнения предложений, поиска и построения систем на основе близости текстов. В метаданных указана поддержка английского языка. Модель основана на архитектуре Qwen3-Embedding-8B с заявленным размером 8 млрд параметров, однако подробности об архитектуре, максимальной длине контекста и поддерживаемых модальностях в README не приведены. Репозиторий содержит imatrix-файл и множество вариантов квантизации от i1-IQ1_S до i1-Q6_K размером примерно от 2,0 до 6,3 ГБ. Вариант i1-Q4_K_M отмечен как быстрый и рекомендуемый, а i1-Q4_K_S — как компромисс между размером, скоростью и качеством. Основное преимущество модели — возможность запускать эмбеддинги в формате GGUF с различными требованиями к памяти и производительности. Ограничения связаны с потерями качества у низкобитных вариантов квантизации; README отдельно отмечает низкое качество некоторых конфигураций. Лицензия модели — Apache-2.0.

DoanKhoi/sbert-phobert-base — модель Sentence Transformers на архитектуре RoBERTa, обученная для получения векторных представлений предложений и абзацев. Она преобразует текст во векторы размерности 768, подходящие для сравнения семантической близости, кластеризации и семантического поиска. Модель содержит 162,4 млн параметров и принимает последовательности длиной до 258 токенов. В README указано обучение с CosineSimilarityLoss; в метаданных перечислены Sentence Similarity и Feature Extraction. По названию PhoBERT и карточке модель предназначена для вьетнамского языка. Доступна в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

SmolLM3-3B German Embeddings — экспериментальная модель текстовых эмбеддингов от Mayflower GmbH на основе SmolLM3-3B. Авторы преобразовали decoder-only Llama-модель в текстовый энкодер с двунаправленным вниманием и дообучили её методом LLM2Vec: сначала на задаче предсказания маскированных токенов, затем контрастивным обучением на парах немецких текстов. Модель содержит 3,1 млрд параметров и формирует векторы размерности 2048. Модель предназначена прежде всего для немецкоязычного семантического поиска и сопоставления текстов; эмбеддинги также можно использовать для кластеризации, классификации и выявления дубликатов. Она принимает текст и выдаёт плотные векторы. В README указана максимальная длина последовательности 512 токенов; контекст архитектуры в метаданных составляет 65 536 токенов, но практический лимит модели для эмбеддингов указан как 512. Поддержка других языков возможна, однако не оценивалась. Модель выпущена под лицензией Apache-2.0.

sdadas/st-polish-paraphrase-from-distilroberta — модель на базе Sentence-Transformers, опубликованная пользователем sdadas. Она преобразует предложения и абзацы на польском языке в плотные векторы размерности 768 для поиска семантически близких текстов. Модель основана на архитектуре RoBERTa и содержит около 151,6 млн параметров; максимальная длина контекста — 514 токенов. Модель подходит для семантического поиска, сравнения предложений и абзацев, кластеризации текстов и построения векторного поиска. Для использования через Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов; Sentence-Transformers упрощает этот процесс. Веса доступны в форматах PyTorch, Safetensors и TensorFlow. Лицензия — LGPL. Карточка указывает назначение для парафразов, однако не приводит конкретных результатов оценки, поэтому качество на конкретных данных следует проверять отдельно. Модель предназначена для польского языка; перенос на другие языки не подтверждён.

Cloyne/sup-SimCSE-VietNamese-phobert-base — модель Sentence Transformers, дообученная на базе VoVanPhuc/sup-SimCSE-VietNamese-phobert-base. Она использует архитектуру RoBERTa и преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантического сходства по косинусной близости. Модель рассчитана прежде всего на вьетнамский язык; длина контекста составляет до 258 токенов по метаданным. Её можно применять для семантического поиска, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. В README указано обучение на 120 210 парах «запрос — позитивный пример» из CSV-датасета. Модель принимает текст и выдаёт векторы; сама по себе она не генерирует ответы. Лицензия в предоставленных данных не указана.

Agents-A1-4B-heretic — производная версия агентной модели InternScience/Agents-A1-4B, подготовленная Richard Young и DeepNeuro с помощью Heretic v2.0.0.dev0. Это плотная модель на 4 млрд параметров семейства Qwen3.5 в формате Safetensors; она принимает текст и изображения, ведёт диалог и поддерживает вызов инструментов. Модель предназначена для разбиения сложных задач на шаги, планирования, работы с внешними инструментами, научных рассуждений и ответов на профессиональные вопросы. Вариант heretic получен методом abliteration: модификацией направления отказа без переобучения. В карточке указано снижение отказов с 99 из 100 у исходной модели до 11 из 100, при KL-дивергенции 0,0598. Это не отдельная гарантия точности или сохранения всех возможностей. Модель рассчитана на локальный инференс, исследовательские, образовательные и творческие сценарии. Лицензия — Apache-2.0.

Assistify Recommendation Model — модель Sentence Transformers, дообученная на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 для поиска и сопоставления текстов. Она использует архитектуру BERT с усредняющим pooling и преобразует предложения и абзацы в плотные векторы размерности 384; сходство оценивается косинусной мерой. Модель принимает текст. В README указана максимальная длина последовательности 128 токенов, а метаданные каталога указывают контекстное окно 512 токенов. Модель предназначена для семантического поиска, извлечения подходящих документов и рекомендаций по текстовому запросу. Обучение проводилось на 35 910 парах предложений с MultipleNegativesRankingLoss; примеры включают запросы о медицинских товарах на арабском и английском языках. Лицензия в предоставленных данных не указана.

Это компактная модель Sentence Transformers, созданная дообучением англоязычной BERT-модели google/bert_uncased_L-2_H-128_A-2. Она преобразует предложения и абзацы в плотные текстовые эмбеддинги размерности 128, которые можно сравнивать по косинусному сходству и применять для поиска и оценки сходства предложений. Архитектура состоит из BertModel с усредняющим pooling; число параметров — 4,4 млн. Метаданные указывают контекст до 512 токенов, а карточка модели — максимальную длину последовательности 128 токенов. Модель рассчитана на текстовые задачи: извлечение эмбеддингов, семантический поиск и сравнение предложений. Обучение описано на 549 502 парах текстов с OrdinalProxyContrastiveLoss. Базовая модель англоязычная, поэтому применение к другим языкам не подтверждено. Условия лицензии в предоставленных данных не приведены.

Карточка модели hopeawei/bge-large-zh-v1.5 на Hugging Face совпадает с карточкой BAAI/bge-large-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-large-zh-v1.5 — модель эмбеддингов семейства BGE, разработанная Beijing Academy of Artificial Intelligence (BAAI). Она преобразует китайский текст в плотные векторные представления для поиска и сравнения текстов; версия v1.5 улучшает распределение оценок сходства и позволяет выполнять поиск без инструкции к запросу. Модель построена на архитектуре BERT, содержит 424,3 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для семантического поиска по документам, поиска ответов для RAG-систем и сопоставления запросов с текстами. Эмбеддинги можно использовать для получения первичного списка кандидатов, а затем уточнять ранжирование отдельной моделью BGE Reranker. В README семейство BGE описано для китайского и английского языков, однако эта конкретная модель рассчитана прежде всего на китайский. Сходство между эмбеддингами не следует трактовать как универсальную вероятность: в README отмечено, что оценки несхожих предложений могут быть выше 0,5. Репозиторий использует формат PyTorch и лицензию MIT.

Dolphin3.0-Qwen2.5-1.5B-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Dolphin3.0-Qwen2.5-1.5B, опубликованная и квантизированная bartowski на основе модели cognitivecomputations. Модель основана на Qwen2.5-1.5B и предназначена для локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель ориентирована на генерацию текста, выполнение инструкций, программирование, математические задачи, работу с function calling и агентскими сценариями. В README указаны английский язык и размер базовой модели 1,5 млрд параметров; сведения о длине контекста, точной архитектуре и других модальностях не приведены. Доступны варианты от F32 и F16 до квантизаций Q8, Q6, Q5, Q4 и Q3 с размерами примерно от 0,78 до 6,18 ГБ. Для большинства сценариев рекомендуются варианты Q4–Q6, обеспечивающие баланс качества и требований к памяти. Сильными сторонами являются компактный размер, возможность автономного запуска на локальном оборудовании и широкий выбор уровней квантизации. Более низкие варианты экономят память, но снижают качество; некоторые форматы являются устаревшими. Для корректного взаимодействия следует использовать шаблон prompt в формате ChatML, указанный в README. Модель распространяется по лицензии Apache-2.0.

en_core_web_sm — англоязычная модель обработки естественного языка, разработанная компанией Explosion для фреймворка spaCy. Она предназначена для CPU-сценариев и выполняет токенизацию, морфологическую разметку, синтаксический анализ зависимостей, определение границ предложений, лемматизацию и распознавание именованных сущностей. Модель построена как конвейер компонентов tok2vec, tagger, parser, senter, attribute_ruler, lemmatizer и ner. Она поддерживает только английский язык, не содержит предобученных векторных представлений слов и имеет 0 векторов размерности 0. Версия модели — 3.7.1; требуется spaCy версии от 3.7.2 до версии ниже 3.8.0. Распознавание сущностей охватывает, в частности, персон, организации, географические объекты, даты, деньги, проценты, события и произведения искусства. Сильные стороны модели — компактный CPU-ориентированный конвейер с широким набором базовых NLP-функций и хорошими показателями на указанных тестах: точность тегирования 97,25%, F1 синтаксического анализа зависимостей LAS 89,87% и F1 распознавания сущностей 84,56%. Ограничения — работа только с английским языком, отсутствие векторных представлений и более ограниченная точность по сравнению с крупными специализированными моделями, особенно для задач NER. Модель распространяется по лицензии MIT; автор — Explosion.