I.3Извлечение и структурирование данных

SA-Retrieval-Embeddings-0.2B — модель эмбеддингов на базе SentenceTransformer, разработанная Omartificial-Intelligence-Space для семантического поиска и ранжирования фрагментов документов на саудовском арабском. Это дообученная версия SA-STS-Embeddings-0.2B с архитектурой BERT; она формирует плотные векторы размерности 768 и принимает текстовые последовательности длиной до 512 токенов. Модель обучалась на примерах поиска соответствующего фрагмента по краткому описанию, с трудными отрицательными примерами и функциями потерь MultipleNegativesRankingLoss и TripletLoss. Модель предназначена для поиска по базе знаний, извлечения семантических фрагментов и использования в RAG-системах, включая тексты на саудовском диалекте и современном стандартном арабском. В README заявлены около 88% точности Top-1 и Recall@5 99,2% на тестовом наборе из 1 515 примеров; эти показатели относятся к описанному авторами бенчмарку. Лицензия — Apache-2.0.

Torekhan/sentence_similarity_model — модель Sentence Transformers, дообученная автором Torekhan на Snowflake/snowflake-arctic-embed-m для работы с казахскими текстами. Она преобразует предложения и абзацы в плотные эмбеддинги размерностью 768 и подходит для сравнения смысловой близости, семантического поиска, поиска перефразирований, кластеризации и классификации текстов. Архитектура включает BERT-трансформер, pooling по CLS-токену и нормализацию векторов; сходство оценивается косинусной мерой. Максимальная длина последовательности — 512 токенов. Обучение проводилось на датасете KazakhTextDuplicates из 25 922 примеров с MultipleNegativesRankingLoss. Лицензия в предоставленных данных не указана.

pyannote/speaker-diarization-3.1 — открытый аудиопайплайн, разработанный командой pyannote. Он предназначен для автоматической диаризации речи: определения участков речи и их принадлежности разным говорящим в аудиозаписях. Пайплайн также поддерживает обнаружение активности речи, смены говорящих и перекрывающейся речи, поэтому подходит для анализа совещаний, интервью, подкастов, телефонных разговоров и подготовки данных для автоматического распознавания речи. Модель принимает монофонический звук с частотой 16 кГц и возвращает результат диаризации в формате Annotation. Стерео- и многоканальные записи автоматически сводятся к моно, а записи с другой частотой дискретизации — преобразуются к 16 кГц. По сравнению с версией 3.0 в версии 3.1 устранено использование onnxruntime: сегментация говорящих и построение speaker embeddings выполняются в чистом PyTorch, что упрощает развертывание и потенциально ускоряет инференс. Пайплайн работает на CPU или GPU и позволяет задать точное, минимальное или максимальное число говорящих. К ограничениям относятся отсутствие указанных сведений о размере модели, поддерживаемых языках и максимальной длине контекста, а также зависимость от pyannote.audio версии 3.1 или выше. Для использования требуется принять условия доступа к связанным моделям pyannote/segmentation-3.0 и pyannote/speaker-diarization-3.1 и создать токен Hugging Face. Пайплайн распространяется по лицензии MIT.

S-PubMedBert-MS-MARCO-SCIFACT — модель Sentence-Transformers на архитектуре BERT, содержащая 136,7 млн параметров и преобразующая предложения и абзацы в плотные векторы размерности 768. Она предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Модель обучалась с функцией MultipleNegativesRankingLoss на основе косинусного сходства; максимальная длина контекста составляет 512 токенов. Модель можно использовать в конвейерах поиска по смыслу и группировки текстов. В названии указаны PubMedBERT, MS MARCO и SCIFACT, однако карточка не описывает подробнее состав обучающих данных, целевые языки или специализацию по предметным областям. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели ITESM/st_demo_2 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 ITESM/st_demo_5 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 Etelis/TSE_fewshot на Hugging Face совпадает с карточкой Etelis/Sentiment140_fewshot, поэтому описание составлено по ней. Etelis/Sentiment140_fewshot — модель на базе MPNet в формате PyTorch, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. В карточке указано обучение с CosineSimilarityLoss; модель предназначена для сравнения смысловой близости текстов, семантического поиска и кластеризации. Она содержит 136,7 млн параметров и принимает последовательности длиной до 514 токенов. Модель можно использовать с библиотекой Sentence-Transformers или через Transformers с подходящей операцией pooling. Она выдаёт текстовые эмбеддинги, которые подходят для поиска похожих предложений и группировки текстов по смыслу. Название указывает на Sentiment140 и few-shot, однако README не уточняет языки, конкретную схему обучения или результаты оценки. Лицензия в предоставленных данных не указана.

uzbek-e5-small — компактная модель для создания текстовых эмбеддингов, разработанная Sukhrob Nurali на основе intfloat/multilingual-e5-small и дообученная для семантического поиска и извлечения текстов на узбекском языке. Архитектура — BERT, около 124,3 млн параметров; модель создаёт 384-мерные нормализованные векторы и поддерживает контекст до 512 токенов. Для поиска рекомендуется добавлять к запросам префикс «query: », а к документам — «passage: »; для сравнения предложений использовать «query: » с обеих сторон. Модель предназначена для поиска по узбекским документам, в том числе для RAG, сравнения предложений, кластеризации и межъязыкового поиска между узбекским и английским. На тесте Wiki Retrieval Eval показаны Recall@1 0,9914 и Recall@10 0,9972; на FLORES+ devtest средняя точность сопоставления параллельных узбекско-английских предложений составила 0,9876. Нормализованные векторы можно сравнивать по косинусной близости или скалярному произведению. Модель распространяется по лицензии MIT. Редкие тематики и диалекты представлены слабее; часть параллельных данных может содержать шум машинного перевода. Качество для узбекской кириллицы проверено менее тщательно, а монолингвальная оценка основана на подборе заголовка к абзацу, а не на специально составленных пользовательских запросах.

YAR.INK v5_Embedding — текстовая модель эмбеддингов от YARlabs для семантического поиска, кластеризации и выявления иерархических связей в больших наборах данных. Модель содержит 507,6 млн параметров, принимает текст и возвращает векторы признаков; архитектура YarEmbeddingModel использует гиперболическое пространство Лоренца и Matryoshka Representation Learning. Заявленное авторами окно контекста — 512 токенов, токенизатор основан на Qwen2Tokenizer. Модель предназначена для поиска по документам и базам знаний, построения иерархий и компактных векторных индексов, в том числе для систем RAG и устройств с ограниченными ресурсами. Размерность эмбеддингов можно уменьшать, выбирая конфигурации Matryoshka; для сравнения векторов README предписывает использовать расстояние Лоренца, а не косинусную или евклидову метрику. Приведённые в README результаты сравнения являются заявлениями авторов. В репозитории указаны форматы safetensors и ONNX. Для загрузки требуется trust_remote_code=True, поскольку используются пользовательские классы архитектуры. Метаданные и README не сообщают лицензию, поэтому условия использования определить нельзя.

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.

Devengoyal/accesshire-mpnet-final — текстовая модель Sentence Transformer на основе MPNet, дообученная для сопоставления предложений и коротких описаний навыков. Она преобразует текст в нормализованные плотные векторы размерностью 768 и использует косинусное сходство для оценки семантической близости. Модель рассчитана на семантический поиск, сравнение текстов, поиск перефразирований, кластеризацию и классификацию; обучающий набор содержит 1 842 пары текстов с оценками сходства. Размер модели — 136,7 млн параметров. Максимальная длина последовательности в README указана как 384 токена, а метаданные каталога указывают контекст 514 токенов. Модель принимает текст и выдаёт векторы, пригодные для поиска и анализа сходства. Примеры обучающих данных связаны с описаниями действий и профессиональными навыками, поэтому модель может применяться для сопоставления формулировок опыта с названиями навыков. В README не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

BlackSheep-Llama3.2-3B-Context_Obedient — языковая модель TroyDoesAI на архитектуре Llama, дообученная от TroyDoesAI/BlackSheep-Llama3.2-3B. Она предназначена для ответов на вопросы по заданному контексту, например в RAG-сценариях, и обучалась лучше следовать предоставленным источникам, чтобы снижать вероятность галлюцинаций. Модель принимает текст и генерирует текст; для контекстных запросов рекомендуется использовать формат с разделителями BEGININPUT, BEGINCONTEXT, ENDCONTEXT, ENDINPUT и BEGININSTRUCTION, ENDINSTRUCTION. Модель содержит 3,2 млрд параметров, рассчитана на контекст до 131 072 токенов и ориентирована на английский язык. Для обучения использовались Unsloth и библиотека TRL. Модель распространяется по лицензии Apache-2.0. Следование контексту — целевое свойство модели, а не гарантия точности: ответы могут содержать ошибки или неподтверждённые сведения. Для лучших результатов нужно передавать контекст в описанном формате и проверять важные ответы.

Brazley Nemotron 3.5 Lightning Omni — неофициальная мультимодальная модель, созданная Ником Брэзли путём слияния компонентов двух опубликованных чекпойнтов NVIDIA. Текстовая часть основана на Nemotron 3.5 Lightning, а аудио- и визуальные энкодеры и проекторы взяты из Nemotron 3 Nano Omni V2. Обучение не проводилось; веса объединены на уровне модулей и представлены в формате safetensors с ModelOpt-квантизацией. NVIDIA не выпускала эту мультимодальную версию и не проверяла её. Модель принимает текст, изображения, аудио и видео, а отвечает текстом. Она предназначена для понимания документов и изображений, распознавания речи, ответов на вопросы по аудио и видео, включая описание событий во времени. Поддерживает английский язык и контекст до 262 144 токенов; общий размер составляет около 34 млрд параметров, примерно 3 млрд активны на токен. Для запуска автор указывает DGX Spark как минимальную GPU-платформу. Модель доступна для коммерческого использования на условиях лицензий исходных моделей; применяются обе лицензии, а лицензия репозитория обозначена как other.

CommonLingua — компактная модель PleIAs для определения языка текста, созданная в рамках инициативы GSMA «AI Language Models in Africa, by Africa, for Africa». Она содержит 2,35 млн параметров и использует оригинальную байтовую гибридную архитектуру: хешированные встраивания триграмм, три слоя Conv1D и двунаправленный attention. Токенизатор не требуется: модель обрабатывает сырые байты UTF-8, что позволяет ей работать с разными письменностями. Вход дополняется до 512 байт. Модель предназначена для классификации абзацев по языку, в том числе при курировании корпусов предобучения и обработке документов с ошибками OCR. Особое внимание уделено языкам Африки и языкам с малым объёмом доступных данных; поддерживается 61 африканский язык. В README заявлено, что на бенчмарке CommonLID модель превосходит предыдущие базовые решения по macro F1. Репозиторий распространяется по лицензии Apache-2.0.

Coral-Router, также называемая Coral-MNLI в карточке, — модель классификации последовательностей на базе BART-large, дообученная на MultiNLI. Она принимает текст и список меток-кандидатов, оценивает, насколько каждая метка подходит, и подходит для классификации без обучения на конкретных классах, в том числе в режиме нескольких меток. Модель применяет подход естественного логического вывода: исходный текст рассматривается как предпосылка, а каждая метка превращается в гипотезу; оценка соответствия основана на вероятности entailment. Это позволяет использовать её для определения тематики, тональности, намерения и модерации содержимого. Размер модели — 252,8 млн параметров, контекст — до 1024 токенов. Лицензия — Apache-2.0. Для длинных текстов возможна обрезка: сохраняется начало текста, поэтому важную информацию рекомендуется размещать ближе к началу. Качество также зависит от ясности и конкретности предложенных меток.

Это порт модели Facebook DPR question encoder в формат Sentence-Transformers. Модель на архитектуре BERT с 136,7 млн параметров преобразует предложения и абзацы в плотные векторы размерности 768; максимальная длина контекста — 512 токенов. Модель предназначена для получения эмбеддингов текста, которые можно использовать для семантического поиска и кластеризации. Она принимает текст и выдаёт векторное представление; для корректной работы через Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов. Лицензия — Apache-2.0.

FRPile_GPL_test_pipeline_DragosGorduza-FRPile_MLM_Basel_Roberta-notfalcon-notrescaled_90000 — модель на базе RoBERTa, разработанная DragosGorduza. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска по смыслу, кластеризации и сравнения семантической близости. Обучение использовало MarginDistillationLoss из gpl.toolkit; модель распространяется в формате safetensors и рассчитана на работу с библиотекой Sentence-Transformers или Transformers с подходящей операцией pooling. Модель содержит 151,8 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Карточка не сообщает конкретные поддерживаемые языки, поэтому языковую специализацию определить нельзя. Лицензия в предоставленных данных не указана.

Gemma 4 E4B-it-text-only — текстовая версия модели Gemma 4, опубликованная principled-intelligence. Из контрольной точки удалены веса визуального и аудиоэнкодеров, а языковая модель сохранена. Это плотная архитектура Gemma4TextModel примерно на 4,7 млрд параметров, предназначенная для извлечения признаков из текста; поддерживается контекст до 131 072 токенов. Репозиторий содержит веса Safetensors и рассчитан на работу через Hugging Face Transformers. Модель подходит для создания текстовых представлений и других сценариев извлечения признаков. По заявлению автора, языковая часть и шаблон чата совпадают с исходной Gemma 4 E4B-it, а удаление мультимодальных энкодеров уменьшает размер файлов и расход видеопамяти. Веса проверялись только с Transformers; поддержка vLLM, SGLang, llama.cpp, Ollama и других движков не заявлена. Модель распространяется по лицензии Apache 2.0.

Hermes-2-Pro-Llama-3-13B — плотная авторегрессионная языковая модель семейства Llama, созданная объединением предварительно обученных моделей с помощью mergekit. В README указана базовая модель NousResearch/Hermes-2-Pro-Llama-3-8B; метаданные описывают модель как дообученную производную этой модели. Репозиторий содержит веса Safetensors, всего 11,4 млрд параметров, с контекстом 8192 токена. Модель предназначена для диалоговой генерации текста и ответов на инструкции. Метаданные каталога также указывают на возможности чата; описание базовой модели связывает семейство Hermes-2-Pro с вызовом функций и генерацией структурированных данных в JSON. Основной язык и отдельные профильные области применения в карточке не обозначены. Лицензия в предоставленных данных не указана. README называет метод слияния passthrough, но перечень объединённых моделей и детали конфигурации опущены, поэтому состав слияния нельзя установить полностью.

Hermes-3-Llama-3.1-405B-GGUF — это квантизированная версия текстовой генеративной модели Hermes-3-Llama-3.1-405B, разработанной NousResearch и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для диалогов, генерации текста, ролевых сценариев, следования инструкциям, работы с ChatML, function calling и вывода в формате JSON. Указана поддержка английского языка и текстовая модальность. Модель основана на архитектуре Llama 3.1 и содержит 405 миллиардов параметров. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q4_K_L, Q4_K_M, Q4_K_S, IQ4_XS и другие, размером примерно от 93,5 до 431,24 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее качество, но требуют значительно больше оперативной или видеопамяти; низкие уровни позволяют экономить ресурсы ценой снижения качества. Квантизации созданы с использованием llama.cpp и imatrix, запуск рекомендуется через LM Studio. Сильными сторонами являются большой размер модели, поддержка инструкций, диалогового формата, function calling и JSON mode, а также широкий выбор вариантов квантизации. Ограничениями выступают исключительно текстовая специализация, заявленная языковая поддержка английского языка и очень высокие требования к памяти даже у компактных вариантов. Контекстное окно в представленном README не указано. Модель распространяется по лицензии llama3.

Hermes-3-Llama-3.1-8B-GGUF — это квантизированная GGUF-версия языковой модели Hermes-3-Llama-3.1-8B от NousResearch, подготовленная пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая чат, ролевое взаимодействие, следование инструкциям, function calling и работу с JSON. Указан язык модели — английский; формат промптов основан на ChatML. Архитектура и исходный размер соответствуют Llama 3.1 с 8 млрд параметров, однако размер контекста в README не указан. Доступно множество вариантов квантизации от f32 до Q2_K и IQ2_M, что позволяет выбирать между качеством ответов, требованиями к памяти и размером файла. В качестве рекомендуемых отмечены варианты Q4_K_M, Q5 и Q6; более компактные варианты подходят для систем с ограниченным объёмом RAM, но могут заметно уступать по качеству. Модель рассчитана на локальный запуск, в частности через llama.cpp и LM Studio. Лицензия указана как llama3; дополнительные ограничения и условия распространения в README не описаны.

Это мультимодальная диалоговая модель семейства Qwen3.8 на 27 млрд параметров, представленная в формате GGUF. Репозиторий подготовлен renketong: веса NVFP4 перенесены из safetensors в GGUF без повторной квантизации; в комплект входят MTP-голова для спекулятивного декодирования и отдельный проектор для обработки изображений. В README указана архитектура qwen35 с 64 слоями и одним MTP-слоем, а также нативный контекст 262 тыс. токенов. Модель предназначена для генерации текста и диалогов, включая работу с кодом и JSON, а также анализа изображений при загрузке проектора mmproj. Abliteration уменьшает число отказов, а MTP может ускорять генерацию в совместимом ПО, например llama.cpp и LM Studio. Это производная модель в цепочке от Qwen/Qwen3.8-27B через Huihui-Qwen3.8-27B-abliterated и NVFP4-квантизацию. Лицензия репозитория — Apache-2.0. Модель ориентирована на локальный запуск и требует совместимой инфраструктуры; заявленная поддержка NVFP4 связана с ускорителями NVIDIA Blackwell. Снижение отказов означает, что модель может отвечать на запросы, от которых обычно отказывается система с защитными настройками. Измерения скорости в README сделаны на RTX 5090 и зависят от типа текста и параметров MTP.

K2-Horizon-MoVA-36B-A4B-GGUF — набор GGUF-квантизаций модели K2-Horizon-MoVA-36B-A4B, разработанной Institute of Foundation Models (IFM) при MBZUAI и выпущенной 3 сентября 2026 года. Модель предназначена для генерации текста, рассуждений и работы с длинным контекстом; заявлена поддержка английского языка. Формат GGUF ориентирован на запуск через llama.cpp и совместимые инструменты. Модель использует архитектуру k2_horizon и сочетает разреженную Mixture-of-Experts (MoE) с механизмом Mixture-of-Values (MoVA), применяющим разреженную маршрутизацию внутри attention. Всего предусмотрено около 36 млрд параметров, из которых примерно 4 млрд активируются для каждого токена. Архитектура включает 48 слоёв, 100 маршрутизируемых экспертов с 8 активными и одним общим экспертом на MoE-слой, а также 64 value-эксперта с 4 активными на attention-слой. Нативное контекстное окно составляет до 524 288 токенов. Доступны варианты от BF16 до низкобитных Q2 и IQ-квантизаций, что позволяет выбирать между качеством, размером файлов и требованиями к памяти. При этом активация только 4 млрд параметров на токен не означает, что модель требует память уровня 4 млрд параметров: все веса объёмом около 10–70 ГиБ должны находиться в RAM или VRAM, а память под KV-кэш и служебные расходы учитывается отдельно. Для загрузки GGUF необходима ветка model/K2Horizon форка llama.cpp от MBZUAI-IFM либо версия upstream после добавления поддержки архитектуры k2_horizon. Лицензия модели — Apache 2.0.

CYFRAGOVPL/Llama-PLLuM-70B-instruct-2512 — польскоязычная большая языковая модель семейства PLLuM, разработка которой с 2025 года ведётся альянсом HIVE AI. Это плотная авторегрессионная модель на архитектуре Llama с 69,5 млрд параметров и контекстом до 131 072 токенов; репозиторий содержит веса safetensors. Модель дообучена для следования инструкциям и диалога на польских и английских данных. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и извлечения сведений, а также для создания специализированных помощников. В README отдельно отмечены сценарии польской государственной администрации и юридико-бюрократических тем, в том числе с поиском документов через RAG. Для RAG требуется внешняя система поиска и хранилище документов. Для обучения использовались вручную подготовленные польские инструкции и предпочтения, а также синтетические и контекстные данные. Указанная в метаданных лицензия — Llama 3.1; перед использованием следует учитывать её условия. README описывает семейство PLLuM и не раскрывает отдельные подробности обучения именно версии 70B instruct-2512.

LLaVA-OneVision-1.5-4B-Instruct — мультимодальная модель Glint Lab из семейства LLaVA-OneVision-1.5. Она объединяет визуальный энкодер с языковой моделью Qwen3-4B-Instruct-2507 и предназначена для диалогов и выполнения инструкций по изображениям. Модель принимает изображения в исходном разрешении и текстовые запросы, а в ответ генерирует текст. Модель подходит для описания изображений, визуальных вопросов и ответов, анализа диаграмм и документов, а также решения задач по визуальному содержимому. В README заявлены высокие результаты на ряде мультимодальных бенчмарков и преимущества обучения на изображениях исходного разрешения. Репозиторий содержит веса safetensors и рассчитан на использование с Transformers; видеоввод в дорожной карте указан как будущая возможность, поэтому здесь он не заявлен как поддерживаемый. Модель распространяется по лицензии Apache-2.0. Доступные сведения не задают размер контекста именно мультимодальной модели, поэтому контекст Qwen3 из описания базовой модели не следует считать подтверждённым контекстом этой модели.

Карточка модели shtilev/medical_embedded_v4 на Hugging Face совпадает с карточкой onelevelstudio/MPNET-0.3B, поэтому описание составлено по ней. onelevelstudio/MPNET-0.3B — многоязычная модель эмбеддингов предложений, основанная на архитектуре XLM-RoBERTa и библиотеке Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, сравнения текстов и кластеризации. В README указана модель sentence-transformers/paraphrase-multilingual-mpnet-base-v2 как описание и источник сведений о назначении; разработчиком базовой модели названа команда Sentence-Transformers. Модель содержит 305,2 млн параметров и принимает текстовые фрагменты с контекстом до 514 токенов. Доступны веса и реализации в форматах PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Поддерживаются многие языки, в том числе русский и английский. Лицензия — Apache-2.0. Подходит для семантического поиска, оценки сходства текстов и кластеризации предложений и абзацев. Как и другие модели эмбеддингов, она выдаёт векторы, а не готовые ответы или разметку; качество зависит от языка и предметной области, а предел контекста ограничивает длину обрабатываемого фрагмента.

hiieu дообучил Meta-Llama-3-8B-Instruct для вызова функций и генерации ответов в формате JSON. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров; она принимает текст и генерирует текст. Контекст — до 8192 токенов. Карточка демонстрирует двухэтапный сценарий вызова функций, где модель сначала формирует вызов, а затем обрабатывает результат.

MiniCPM-o 4.5 — мультимодальная модель команды OpenBMB для понимания изображений, речи и видео, а также голосового и текстового диалога в реальном времени. Это сквозная плотная архитектура на основе SigLIP2, Whisper-medium, CosyVoice2 и Qwen3-8B; в метаданных репозитория указаны 7,6 млрд параметров и контекст 40 960 токенов. Модель принимает изображения, аудио и непрерывные аудио-видеопотоки, а также формирует текстовые и речевые ответы; поддерживает полно-дуплексное взаимодействие, распознавание речи, анализ говорящего, описание аудио, OCR и разбор документов. Для изображений заявлена обработка разрешением до 1,8 млн пикселей, для видео — частота до 10 кадров в секунду; README указывает мультиязычные возможности более чем на 30 языках и двуязычный голосовой диалог на английском и китайском. Модель рассчитана на визуальные вопросы и ответы, работу с документами и сценами, транскрибацию и анализ аудио, а также потоковые голосовые и мультимодальные приложения, включая локальный запуск. Метаданные указывают библиотеку Transformers и форматы ONNX и safetensors; README также описывает варианты запуска и квантованные сборки через сторонние инструменты. Заявленные показатели качества приведены авторами README и не являются независимой гарантией. Лицензия репозитория — Apache-2.0.

mMiniLMv2-L6-H384 — повторная публикация Microsoft Multilingual MiniLM v2 пользователем hotchpotch для более удобного использования через библиотеку Transformers. Это плотная модель семейства XLM-RoBERTa с 110,2 млн параметров, предназначенная для извлечения признаков из текста. Максимальная длина контекста составляет 514 токенов. Репозиторий содержит веса в формате safetensors. Модель можно использовать как основу для получения текстовых представлений в мультиязычных сценариях. README указывает на предварительно обученную Multilingual MiniLM v2; языки отдельно не перечислены. Модель распространяется по лицензии MIT. Авторы просят указывать авторство оригинальной модели.

kwondw/mpnet-base-all-nli-triplet — текстовая Sentence Transformer модель, дообученная на базе microsoft/mpnet-base на наборе all-nli. Она преобразует предложения и абзацы в плотные векторы размерностью 768, которые можно сравнивать по косинусному сходству для поиска семантически близких текстов и извлечения релевантных документов. Архитектура включает MPNetModel и усредняющий pooling; модель рассчитана на английский язык и принимает последовательности длиной до 512 токенов. Модель подходит для семантического поиска, сопоставления предложений и построения текстового retrieval. В README указана точность cosine_accuracy 0,9154 на all-nli-dev при оценке TripletEvaluator. Лицензия — Apache-2.0. Оценка приведена для указанного набора данных и сама по себе не гарантирует аналогичного качества на других доменах или языках.