I.2Синтез, понимание и проверка знаний

shangrilar/klue-roberta-base-klue-sts — модель на базе RoBERTa, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для сравнения семантической близости. Модель подходит для семантического поиска, кластеризации и других задач, где нужно находить похожие тексты или группировать их по смыслу. Для использования доступны Sentence-Transformers и Transformers с последующим pooling контекстных представлений. Обучение проводилось с CosineSimilarityLoss. Веса представлены в формате safetensors; модель содержит 137,8 млн параметров и поддерживает контекст до 514 токенов. Карточка не сообщает лицензию или конкретный набор языков, поэтому они не указаны.

LFM2-8B-A1B — гибридная языковая модель Liquid AI для локального запуска на телефонах, планшетах и ноутбуках. Это MoE-модель с 8,3 млрд параметров, из которых при генерации активны около 1,5 млрд. Архитектура сочетает 18 блоков коротких свёрток с двойными gates и 6 блоков grouped-query attention. Контекст — до 128 000 токенов. Модель предназначена для диалогов, следования инструкциям, извлечения данных, RAG, творческого письма и агентных сценариев с вызовом инструментов. Разработчик отмечает улучшения в знаниях и программировании по сравнению с LFM2-2.6B, однако не рекомендует её для задач с высокими требованиями к знаниям или навыкам программирования; для узких сценариев советует дополнительное дообучение. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Доступна в формате safetensors и запускается через Transformers; карточка также описывает запуск через vLLM и llama.cpp. Лицензия обозначена как other, поэтому условия использования следует сверять с лицензией в репозитории.

gemasphi/mcontriever — модель на основе архитектуры BERT, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Общее число параметров — 205,1 млн, максимальная длина контекста — 512 токенов; репозиторий содержит веса PyTorch. Модель подходит для построения векторного поиска по текстовым коллекциям, группировки похожих фрагментов и оценки семантической близости. В README описано обучение с CosineSimilarityLoss. Язык обучения или перечень поддерживаемых языков в предоставленных данных не подтверждены. Лицензия в доступных сведениях не указана.

soof выпустил дообученную на 41 454 примерах модель Sentence Transformers для сопоставления категорий по смыслу. Она основана на sentence-transformers/paraphrase-multilingual-mpnet-base-v2 и использует архитектуру XLM-RoBERTa с mean pooling. Модель преобразует предложения и абзацы в плотные векторы размерностью 768; близость текстов можно оценивать косинусным сходством. Максимальная длина входной последовательности в README — 128 токенов, а метаданные указывают контекстное окно 514 токенов. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Базовая модель многоязычная, поэтому область применения не ограничена одним языком. Для использования нужны Sentence Transformers или совместимый движок эмбеддингов. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

avsolatorio/MixEmbedFinetune-base-20240122220725-best — модель текстовых эмбеддингов на базе BERT, представленная в карточке как gte-small. Семейство GTE разработано Alibaba DAMO Academy и обучалось на большом наборе пар текстов с оценками релевантности; конкретный репозиторий содержит дообученную модель размером около 40 млн параметров. Модель предназначена для получения векторных представлений английских текстов и их сравнения по смыслу. Её можно применять для семантического поиска, оценки сходства предложений, поиска релевантных документов и ранжирования текстов. Максимальная длина последовательности — 512 токенов; более длинный ввод обрезается. Лицензия — MIT.

ronanki выпустил модель sentence-transformers на основе XLM-RoBERTa, которая преобразует предложения и абзацы в плотные векторы размерности 768. Модель предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений; её обучали с MultipleNegativesRankingLoss и косинусным сходством. Репозиторий содержит веса PyTorch, а контекст модели составляет 514 токенов. Модель принимает текст и выдаёт векторные представления, которые можно использовать для семантического поиска и группировки текстов. В метаданных нет сведений о лицензии или языковой специализации, поэтому они не указаны.

hlyu/mpnet_14710 — модель на основе MPNet, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель содержит 61,2 млн параметров и рассчитана на входные последовательности длиной до 514 токенов. Векторы можно использовать для поиска похожих текстов и группировки семантически близких предложений. Для работы предусмотрены Sentence-Transformers и Hugging Face Transformers; при использовании Transformers нужно применить подходящую операцию pooling к контекстным представлениям токенов. Модель опубликована под идентификатором hlyu/mpnet_14710; сведения о лицензии в доступных данных отсутствуют.

harcor/mpnet-base-all-nli-triplet — текстовая модель Sentence Transformers, дообученная разработчиком репозитория на базе microsoft/mpnet-base на триплетах набора AllNLI. Она преобразует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать по косинусной мере. Модель рассчитана прежде всего на англоязычный текст, максимальная длина последовательности — 512 токенов. Её применяют для семантического поиска, оценки смыслового сходства, поиска перефразировок, кластеризации и получения признаков для классификации текста. В README приведена точность cosine_accuracy 0,9116 на all-nli-dev и 0,9248 на all-nli-test при оценке TripletEvaluator. Модель принимает текст и выдаёт векторы, а не готовые текстовые ответы. Модель содержит 136,7 млн параметров, использует архитектуру MPNet с усреднением токеновых представлений и опубликована в формате safetensors. Лицензия — Apache-2.0.

korruz/mpnet-base-all-nli-triplet — англоязычная модель Sentence Transformers, дообученная на наборе sentence-transformers/all-nli из microsoft/mpnet-base. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура состоит из MPNetModel и слоя среднего объединения токенных представлений; сходство обычно оценивается косинусной мерой. Максимальная длина последовательности — 512 токенов. Модель подходит для извлечения эмбеддингов английского текста и построения систем поиска или группировки по смыслу. В README приведены результаты TripletEvaluator на AllNLI: точность по cosine составила 0,906 на dev и 0,9186 на test. Лицензия — Apache-2.0. Она предназначена для английского языка; качество на других языках не подтверждено, а входы длиннее лимита последовательности потребуют усечения или разбиения.

Это дообученная Turbo-AI модель Sentence Transformer для получения плотных векторных представлений предложений и абзацев. Она основана на XLM-RoBERTa, содержит 125,9 млн параметров и формирует эмбеддинги размерности 768; сходство между ними можно оценивать косинусной мерой. Максимальная длина последовательности в README составляет 1022 токена, а метаданные указывают нативный контекст в 1024 токена. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. README описывает обучение на примерах anchor, positive и negative с CachedMultipleNegativesRankingLoss. Семейство E5 мультиязычное, однако конкретные поддерживаемые языки в предоставленных данных не перечислены. Модель выдаёт векторы, а не готовые ответы на естественном языке. Лицензия в предоставленных данных не указана.

akdeniz27/multilingual-e5-large-rag-instruct-turkish — модель Sentence Transformers, дообученная автором на наборе akdeniz27/rag_instruct_turkish от intfloat/multilingual-e5-large. Она кодирует предложения и абзацы в плотные текстовые эмбеддинги размерностью 1024; архитектура включает XLM-RoBERTa, усреднение токенов и нормализацию. Модель предназначена для семантического поиска, сравнения текстов и извлечения релевантных фрагментов в системах RAG, особенно для запросов и документов на турецком языке. Эмбеддинги можно применять для поиска похожих текстов, поиска перефразирований, кластеризации и классификации текста. Для оценки поиска в карточке приведены метрики cosine_accuracy@k на сокращённых вариантах эмбеддингов. Модель принимает текст и выдаёт векторы; максимальная длина последовательности — 514 токенов по метаданным. Лицензия — Apache-2.0.

megabytes/Nanbeige4.1-3B-heretic — англо-китайская диалоговая языковая модель на базе Nanbeige/Nanbeige4.1-3B. Разработчик описывает исходную модель как компактную модель для рассуждений, программирования и агентных задач; эта версия создана с помощью Heretic v1.2.0 и abliteration для снижения частоты отказов. Она содержит 3,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 262 144 токенов. Модель предназначена для генерации диалоговых ответов, решения многошаговых задач, написания кода и сценариев с поиском и вызовом инструментов. README приводит для этой версии частоту отказов 8 из 100 и KL-дивергенцию 0,0003 относительно исходной модели; в карточке также отмечено, что существует улучшенная версия от Heretic Organization. Модель может выдавать предвзятый или иной нежелательный контент. Лицензия — Apache-2.0.

NV-Embed-v2 — модель эмбеддингов общего назначения, разработанная NVIDIA на основе Mistral-7B-v0.1. Она преобразует текстовые запросы и документы в векторы размерностью 4096 для поиска, сравнения смысловой близости и других задач работы с текстовыми представлениями. Модель использует decoder-only архитектуру и pooling на основе latent attention. По данным авторов, она заняла первое место в MTEB на момент публикации карточки, включая подкатегорию поиска; разработчики также описывают двухэтапную настройку по инструкциям и подбор сложных негативных примеров. Для бенчмарков и сходных задач важно применять рекомендованные авторами инструкции-префиксы. NV-Embed-v2 предназначена для текстовых сценариев, включая семантический поиск и подбор контекста для RAG. Карточка указывает лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование без отдельного разрешения.

CaoHaiNam/obito-v1 — модель эмбеддингов предложений на базе RoBERTa, опубликованная пользователем CaoHaiNam. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, кластеризации и сравнения текстов. Модель обучалась с MultipleNegativesRankingLoss и косинусной функцией сходства; доступна в формате safetensors и рассчитана на контекст до 258 токенов. Модель подходит для поиска похожих фрагментов и группировки текстов по смыслу. README не сообщает поддерживаемые естественные языки, поэтому языковую специализацию определить нельзя. Указана библиотека sentence-transformers. Лицензия в предоставленных данных не указана.

orenpereg/paraphrase-mpnet-base-v2_sst2_4samps — модель Sentence-Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости, семантического поиска и кластеризации. Контекст модели составляет 514 токенов; для работы доступны веса PyTorch и библиотека Sentence-Transformers. Модель обучалась с функцией потерь CosineSimilarityLoss. Её можно применять для поиска похожих высказываний и группировки текстов по смыслу. Языки обучения и лицензия в предоставленных данных не указаны.

hroth01/psais-LaBSE-5shot — модель на основе BERT из библиотеки Sentence-Transformers, которая преобразует предложения и абзацы в плотные векторы размерностью 768. Её можно применять для поиска семантически похожих текстов, кластеризации и сравнения предложений. Модель обучалась с функцией потерь CosineSimilarityLoss. Она принимает текст и выдаёт эмбеддинги; максимальная длина контекста — 512 токенов. В метаданных указан размер 498,1 млн параметров и формат PyTorch. Сведения о языках обучения и лицензии в предоставленных данных отсутствуют.

Qwen2.5-VL-7B-Instruct-AWQ — мультимодальная instruction-tuned модель семейства Qwen, разработанная командой Qwen. Это AWQ-квантованная версия модели Qwen2.5-VL-7B-Instruct с 7 миллиардами параметров, предназначенная для задач vision-language. Модель принимает текст, изображения и видео и может распознавать объекты, анализировать текст, графики, таблицы, иконки и макеты, извлекать структурированные данные из счетов и форм, локализовать объекты с помощью bounding boxes или точек, а также поддерживать сценарии визуального агента, включая взаимодействие с компьютером и телефоном. Она способна анализировать видео длительностью более часа и находить релевантные временные фрагменты. В архитектуре заявлены динамическое разрешение и частота кадров для видео, временная версия mRoPE и оптимизированный vision encoder на базе ViT с window attention, SwiGLU и RMSNorm. К сильным сторонам относятся широкий набор мультимодальных возможностей, обработка документов и структурированный вывод, визуальная локализация и понимание длительных видео. Модель позиционируется как более эффективная за счет AWQ-квантования, а использование flash attention 2 может снизить потребление памяти и ускорить инференс. README не содержит результатов оценки, точного размера контекстного окна и подробного перечня поддерживаемых языков; в метаданных указан английский язык. Для работы рекомендуется актуальная версия Transformers и соответствующие инструменты обработки изображений и видео. Модель распространяется по лицензии Apache-2.0.

Это квантованная до INT8 и преобразованная в ONNX версия Qwen3-Embedding-0.6B, подготовленная janni-t для запуска через Text Embeddings Inference (TEI) с ускорением на CPU. Модель имеет около 507,6 млн параметров, использует архитектуру Qwen3 и контекст до 32 768 токенов; README указывает на mean pooling для получения текстовых эмбеддингов. Модель предназначена для построения эмбеддингов и оценки сходства текстов в многоязычных приложениях, включая поиск, семантическое сопоставление и сценарии с высокой нагрузкой на CPU или периферийных устройствах. В README заявлены размер около 0,56 ГБ и ускорение CPU-инференса в 2–4 раза относительно float32 при потере точности 1–3%; это оценочные характеристики автора карточки. Поддерживаются языки, перечисленные в метаданных, включая русский, английский и китайский. Лицензия — Apache-2.0. Для работы требуется совместимый runtime ONNX и TEI; квантование может немного снизить точность относительно исходной модели.

Это текстовая модель Sentence Transformer от givenpenguin, дообученная на Qwen/Qwen3-Embedding-0.6B. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для поиска и сравнения текстов. Архитектура включает Qwen3Model, пулинг по последнему токену и нормализацию; сходство можно оценивать косинусной мерой. Модель принимает только текст и поддерживает последовательности до 32 768 токенов. В обучающем наборе было 9 900 примеров с парами и тройками текстов; метаданные указывают на многоязычную базовую модель, но конкретные языки карточкой этой версии не перечислены. Лицензия в предоставленных данных не указана.

ExceedZhang/Qwen3-Embedding-4B-0815-merged — дообученная модель Sentence Transformers, созданная на базе unsloth/Qwen3-Embedding-4B. Она преобразует предложения и абзацы в плотные текстовые векторы размерности 2560, нормализованные для сравнения косинусного сходства. Модель предназначена для семантического поиска, оценки сходства, поиска перефразировок, кластеризации и классификации текста. Модель использует архитектуру Qwen3ForCausalLM с извлечением признаков, пулингом последнего токена и нормализацией. README указывает максимальную длину последовательности 512 токенов; метаданные сообщают о нативном контексте базовой модели до 40960 токенов, однако режим Sentence Transformers описан с ограничением 512 токенов. Обучение проводилось на 73 671 паре anchor-positive из набора данных json с MultipleNegativesRankingLoss. Примеры данных содержат китайский и английский текст, но конкретный перечень поддерживаемых языков не заявлен. Модель выдаёт эмбеддинги, а не готовые текстовые ответы; каталог также отмечает поддержку генерации текста и сходства предложений. Для использования нужны библиотека Sentence Transformers или совместимая система извлечения эмбеддингов. Лицензия в предоставленных данных не указана.

zecafonso/Qwen3-Embedding-4B-384 — текстовая модель Sentence Transformer, дообученная на базе Qwen/Qwen3-Embedding-4B. Она преобразует предложения и абзацы в плотные векторы размерностью 2560 для семантического поиска, извлечения релевантных документов и сравнения текстов. В архитектуре Qwen3 используются извлечение скрытых состояний, pooling по последнему токену и нормализация; сходство можно оценивать косинусной мерой. Модель принимает текст, максимальная длина последовательности в README указана как 384 токена, тогда как метаданные указывают базовый контекст 40960 токенов; для этой дообученной версии следует ориентироваться на ограничение README. Языковая поддержка явно не перечислена, но базовая модель описана в каталоге как мультиязычная. README приводит результаты оценки на двух наборах для информационного поиска, однако это ограниченные выборки и они не гарантируют качество на других данных. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

unsloth/Qwen3-VL-32B-Instruct — репозиторий весов мультимодальной модели Qwen3-VL, опубликованный Unsloth на основе Qwen/Qwen3-VL-32B-Instruct. Это плотная модель на 32 млрд параметров для диалога по тексту и изображениям; поддерживает визуальное понимание, OCR, рассуждения о пространстве и видео, а также интерфейс взаимодействия с инструментами. Модель рассчитана на анализ документов и сцен, распознавание элементов графического интерфейса, ответы на вопросы по визуальным материалам и генерацию кода или разметки по изображениям и видео. README указывает контекст 256 тысяч токенов с возможностью расширения до 1 млн и OCR на 32 языках. Репозиторий содержит веса safetensors и исправления шаблона чата Unsloth. Лицензия — Apache-2.0. README не приводит отдельные результаты тестирования этой конкретной сборки, поэтому заявления о превосходстве квантованных вариантов не подтверждают качество данного репозитория. Для запуска с llama.cpp README рекомендует параметр --jinja.

Ring-lite — лёгкая открытая языковая модель с архитектурой Mixture of Experts (MoE), разработанная командой inclusionAI на основе inclusionAI/Ling-lite-base-1.5. Модель предназначена для сложных задач рассуждения и генерирует текст в формате чата. В метаданных указаны 794,8 млн параметров, библиотека Transformers и контекст 32 768 токенов; README описывает вариант Ring-lite с 16,8 млрд общих и 2,75 млрд активных параметров и контекстом 128 тыс. токенов, поэтому эти характеристики могут относиться к разным версиям или представлениям модели. Модель обучалась с использованием дистилляции знаний и обучения с подкреплением. Она предлагает режимы с выводом рассуждений и без него; в README приведены результаты оценок по математике и программированию, включая AIME и LiveCodeBench. Указанные языки — китайский и английский. Модель распространяется по лицензии MIT.

ceggian/sbert_standard_reddit_softmax — модель Sentence Transformers на базе архитектуры BERT, разработанная автором репозитория ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу и кластеризации. Обучение использовало SoftmaxLoss; модель также можно применять через библиотеку sentence-transformers или Transformers с соответствующей операцией pooling. Модель принимает текст и возвращает векторные представления. Контекст ограничен 512 токенами. Карточка не приводит сведения о языковой специализации или лицензии, поэтому нельзя установить целевой язык и условия использования.

bachngo/sentence_hsu — модель sentence-transformers на архитектуре XLM-RoBERTa с 305,2 млн параметров. Она кодирует предложения и абзацы в плотные векторы размерности 768 для сравнения смысловой близости, семантического поиска и кластеризации. В метаданных указано окно контекста 514 токенов; модель принимает текст и выдаёт эмбеддинги. Обучение проводилось с BatchAllTripletLoss. Модель подходит для поиска похожих текстов и группировки предложений или документов по смыслу. Карточка не сообщает, на каких языках обучалась модель, поэтому нельзя определить её языковой охват. Лицензия в предоставленных данных не указана.

Pradipta11/setfit-model — модель Sentence Transformers на базе MPNet, разработанная пользователем Pradipta11. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, сравнения сходства и кластеризации. Модель содержит 136,7 млн параметров и рассчитана на контекст до 514 токенов; для обучения использовалась CosineSimilarityLoss. Модель принимает текст и выдаёт векторные представления, которые можно применять для семантического поиска и группировки похожих текстов. Для использования подходят Sentence Transformers или Transformers с подходящей операцией pooling. В репозитории указаны веса PyTorch. Лицензия в предоставленных данных не указана.

Silas Embedding 0.6B — многоязычная модель для получения плотных текстовых эмбеддингов, разработанная Alfo Tech Industries на базе Qwen3-Embedding-0.6B. Она преобразует текст в векторы для семантического поиска, сравнения сходства, извлечения документов и подготовки контекста для систем RAG. Модель относится к семейству Qwen3, содержит 507,6 млн параметров и поддерживает контекст до 32 768 токенов. В репозитории используются веса Safetensors; модель рассчитана на работу через библиотеку Sentence Transformers. Модель предназначена для поиска по смыслу в базах знаний и документации, подбора похожих текстов и извлечения релевантных фрагментов для последующей обработки другой моделью. README приводит высокие результаты на собственных простом и сложном тестах семантического сопоставления, однако независимой оценки на внешних лидербордах нет. Качество на длинном контексте и для конкретных языков и предметных областей следует проверять отдельно; заявленная многоязычность унаследована от базовой модели. Векторное сходство не подтверждает фактическую точность найденного текста. Лицензия — Apache-2.0.

FremyCompany/stsb_ossts_roberta-large-nl-oscar23 — модель Sentence Transformers на базе RoBERTa, разработанная FremyCompany. Она преобразует предложения и абзацы в плотные векторы размерности 256 для семантического поиска, кластеризации и сравнения текстов. Модель обучалась с CosineSimilarityLoss; размер составляет 453,9 млн параметров, а максимальный контекст — 514 токенов. Доступны веса PyTorch и возможность использовать модель через Sentence Transformers. Подходит для построения эмбеддингов и поиска текстов по смыслу. Язык, на котором модель обучалась или для которого она предназначена, в предоставленных данных не установлен. Лицензия в предоставленных данных не указана.

Supertron-embedding-300M — компактная модель эмбеддингов на базе Sentence Transformers, разработанная Surpem и дообученная на основе google/embeddinggemma-300m. Она преобразует текст в векторные представления для семантического поиска, сравнения предложений и кластеризации документов, в том числе в системах RAG. Модель построена на плотном трансформере семейства Gemma 3 Text, содержит 302,8 млн параметров и рассчитана на контекст до 2048 токенов. В README указана максимальная длина последовательности 256 токенов для описанной процедуры обучения. Модель ориентирована на английский язык и демонстрирует результаты на задачах семантического сходства из бенчмарка MTEB. Компактный размер делает её подходящей для прикладных систем с ограниченными вычислительными ресурсами. Модель распространяется в формате Safetensors по лицензии Apache 2.0.

magnolia-psychometrics/surveybot3000 — модель Sentence-Transformers, разработчик — magnolia-psychometrics. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и обучена с помощью CosineSimilarityLoss. Модель подходит для поиска семантически близких текстов и кластеризации; метаданные также указывают на поддержку извлечения признаков и сходства предложений. Для работы используется библиотека Sentence-Transformers.