I.3Извлечение и структурирование данных

Это модель Sentence Transformers на архитектуре MPNet, дообученная mertcobanov на наборе AllNLI Turkish triplets на базе microsoft/mpnet-base. Она преобразует предложения и абзацы в плотные векторы размерности 768, предназначенные для сравнения текстов по косинусному сходству; длина входа — до 512 токенов. Модель подходит для поиска семантически близких фраз и документов, оценки сходства предложений, поиска перефразировок, кластеризации и подготовки признаков для классификации текста. Обучающие примеры содержали турецкие предложения, однако в README поле языка указано как en, а метаданные карточки также содержат тег en; поэтому поддержка турецкого подтверждается обучающим набором, но заявленный основной язык неоднозначен. Модель содержит 136,7 млн параметров, использует MPNet с усреднением токенных представлений и опубликована в формате safetensors. Лицензия — Apache-2.0. Оценка на турецких AllNLI dev/test по cosine accuracy составила 0,7423 и 0,7503 соответственно; эти результаты относятся к указанным наборам и не гарантируют качество на других данных.

MyAwesomeModel — модель из репозитория asfafaaf3434/MyAwesomeModel-TestRepo, опубликованная для использования с библиотекой Transformers и PyTorch. В метаданных она классифицирована для задачи feature-extraction и помечена тегами BERT, Transformers и PyTorch, поэтому её можно применять для получения векторных представлений входного текста и последующих задач анализа данных.

MyAwesomeModel — модель на базе BERT для извлечения признаков из текста, доступная через библиотеку Transformers и реализованная с использованием PyTorch. В метаданных Hugging Face она классифицирована для задачи feature-extraction; автор или организация-разработчик не указаны. Модель предназначена для получения векторных представлений текстов, которые можно использовать в последующей классификации, кластеризации, поиске похожих документов и других задачах анализа текста. README также заявляет о возможностях рассуждения, генерации кода, ответов на вопросы и диалогов, однако эти сведения не согласуются с указанным pipeline-тегом и не подтверждают архитектуру генеративной модели. Модель распространяется по лицензии MIT. В доступных данных не указаны размер модели, поддерживаемые естественные языки и длина контекста.

Neutrino-8B — диалоговая языковая модель на 8,19 млрд параметров, разработанная FermionResearch на основе Qwen/Qwen3-8B. Она предназначена для общения с пользователем, генерации текста, следования инструкциям, создания структурированного JSON и вызова инструментов; режим рассуждений отключён. Модель использует плотную архитектуру TrtcV4ForCausalLM с 36 слоями и шириной скрытого представления 4096. Линейные слои упакованы в пятизначное представление с разрядностью менее двух бит на вес, а таблицы эмбеддингов хранятся в int8. Репозиторий содержит GGUF-сборку; модель также запускается через Transformers, CPU, MLX и llama.cpp на поддерживаемых платформах. Модель унаследовала многоязычную токенизацию Qwen3-8B, но в карточке не перечислены конкретные поддерживаемые естественные языки. Контекстное окно в предоставленной информации не описано. Разработчик приводит результаты MMLU-Redux и IFEval и рекомендует параметры генерации отдельно для диалога, структурированного вывода и длинных текстов. Для корректной остановки нативного C-бинарника требуется задать EOS-токен; при генерации JSON рекомендуется отключать штраф за повторения. Лицензия — Apache-2.0.

NLLB-LLM2Vec — мультиязычная модель для получения векторных представлений текста, разработанная как расширение LLM2Vec с помощью самосупервизируемой дистилляции. Она использует энкодер NLLB-600M и основана на LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcse; при обучении подгонялись проекция и LoRA-адаптеры, а целевые представления получали из исходной LLM2Vec. Репозиторий распространяет вариант, который ещё не дообучали на прикладных задачах. Модель предназначена для мультиязычных задач понимания естественного языка, включая поиск по смыслу и извлечение информации; её можно дообучать для классификации последовательностей и токенов. Для неруководимого поиска авторы допускают применение без дообучения, а для других задач рекомендуют обучение на размеченных данных. При работе необходимо передавать правильный код языка NLLB в параметре src_lang. Поддерживается более 200 языков. Модель доступна под лицензией MIT.

Ornith-1.5-35B-A3B-NInfer — квантованный артефакт модели Ornith-1.5-35B-A3B, разработанной shisa-ai на базе архитектуры Ornith и с компонентами, связанными с Qwen3.6-35B-A3B. Модель упакована в единый файл формата NInfer и предназначена для локального сервинга через NInfer, включая совместимый с OpenAI API интерфейс. Она ориентирована на текстовые и визуально-текстовые сценарии, а также на ускоренную генерацию с использованием speculative decoding. Модель построена по архитектуре Mixture-of-Experts размером 35B параметров: используется 256 экспертов, из которых 8 активируются для каждого токена. Архитектура включает 40 гибридных слоёв с линейным и полным вниманием, vision tower, однос слой MTP и контекст длиной до 262144 токенов. В артефакт встроены квантованные groupwise-int веса, MTP-голова, DFlash draft-модель, vision tower, токенизатор и официальный frontend Qwen. Размер файла составляет около 21,22 GiB; заявлена работа на одной видеокарте RTX 5090 с 32 ГБ памяти, при этом NInfer ориентирован на sm_120a. Сильными сторонами являются большое контекстное окно, поддержка изображений, единый переносимый артефакт и ускорение генерации за счёт MTP и DFlash. В README указано ожидаемое принятие спекулятивных токенов около 80% и примерно 3,4 токена за раунд для окна из 3 токенов, однако на дообученных сценариях скорость может снижаться, поэтому производительность следует измерять на собственных данных. Артефакт распространяется по лицензии Apache-2.0; он не является официальным релизом Qwen, shisa-ai, ornith-ai или NInfer.

radlab/polish-bi-encoder-mean — модель Sentence-Transformers для кодирования польских предложений и абзацев в плотные векторы размерностью 1024. Она основана на sdadas/polish-roberta-large-v2 и дообучена на датасете radlab/polish-sts-dataset с функцией потерь CosineSimilarityLoss. Модель предназначена для оценки семантического сходства, семантического поиска и кластеризации текстов; её можно применять в системах поиска и группировки польских документов. Архитектура — RoBERTa, размер составляет 533,7 млн параметров, контекст — до 514 токенов. Используйте библиотеку sentence-transformers либо трансформерную модель с подходящей операцией pooling. Лицензия — CC BY-SA 4.0.

PP-LCNet_x1_0_doc_ori — модель PaddlePaddle для определения ориентации изображений документов. Она классифицирует документ или удостоверение личности по четырём положениям: 0°, 90°, 180° и 270°. Результат можно использовать для поворота изображения перед запуском OCR, чтобы повысить точность распознавания текста. Модель предназначена для предварительной обработки сканов и фотографий документов, в том числе снимков, сделанных под разными углами поворота. Она входит в экосистему PaddleOCR и может применяться как отдельный модуль или в составе конвейера предварительной обработки документов. Для работы с моделью используется PaddleOCR; карточка указывает поддержку английского и китайского языков. Репозиторий распространяется по лицензии Apache-2.0. В предоставленных материалах не приведены точность, размер модели и ограничения её работы; классификация ориентации сама по себе не исправляет геометрические искажения изображения.

Perplexity AI разработала pplx-pii-masking для обнаружения и маскирования персональных и других чувствительных данных в разговорных текстах. Модель использует примерно 600-миллионную двунаправленную архитектуру Qwen3 на основе perplexity-ai/pplx-embed-v1-0.6b и содержит две выходные головы: токенную классификацию с BIOES-разметкой девяти категорий чувствительных данных и классификатор чувствительности беседы. Для последовательностей применяется ограниченный декодер Витерби; максимальная длина входа — 4096 токенов. Модель подходит для поиска имён, номеров счетов, URL, дат, адресов, адресов электронной почты, телефонов, прочих персональных данных и секретов в разговорных данных, а также для оценки чувствительности беседы целиком. Метаданные указывают английский и многоязычный охват. Веса доступны в формате safetensors; лицензия — MIT. Для запуска README описывает использование PyTorch и Transformers с trust_remote_code.

Карточка модели ArchiveStudio/Qwen2.5-0.5B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-0.5B-Instruct, поэтому описание составлено по ней. Qwen/Qwen2.5-0.5B-Instruct — компактная инструктивно настроенная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов, выполнения инструкций и генерации текста, включая длинные ответы, структурированные данные и JSON; также может применяться для простых задач по коду и математике. Модель построена на архитектуре Qwen2 с причинным языковым моделированием и содержит 494 млн параметров. В карточке указаны 24 слоя, RoPE, SwiGLU, RMSNorm и группированное внимание; контекст — 32 768 токенов, генерация — до 8 192 токенов. Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов. Семейство Qwen2.5 заявляет поддержку более 29 языков, включая русский и английский. Небольшой размер упрощает запуск по сравнению с крупными языковыми моделями, но ограничивает сложность задач, которые она может надёжно решать. Модель распространяется по лицензии Apache-2.0; для загрузки через Transformers рекомендуется актуальная версия библиотеки.

Qwen2.5-7B-Instruct-1M-GGUF — GGUF-квантизированная версия инструкционной языковой модели Qwen2.5-7B-Instruct-1M, разработанной командой Qwen. Квантизацию выполнил bartowski на базе llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая работу с инструкциями, а также для задач, требующих обработки очень больших текстовых контекстов. Модель имеет около 7 миллиардов параметров и поддерживает контекст длиной до 1 миллиона токенов. Она сохраняет возможности работы с короткими запросами и оптимизирована для задач с длинным контекстом. В README указан английский язык; сведения о других языках и дополнительных модальностях отсутствуют. Для последовательностей длиннее 262 144 токенов возможно снижение точности до появления улучшенной поддержки. Модель распространяется по лицензии Apache-2.0. Формат GGUF и совместимость с llama.cpp ориентированы на локальный запуск в инструментах, поддерживающих этот формат, включая LM Studio. README не содержит подробностей о конкретных вариантах квантования, требованиях к аппаратным ресурсам и результатах бенчмарков.

unsloth/Qwen2-VL-2B-Instruct-bnb-4bit — мультимодальная instruction-tuned модель, основанная на Qwen/Qwen2-VL-2B-Instruct и опубликованная Unsloth. Она предназначена для обработки изображений, видео и текста, визуального вопросно-ответного взаимодействия, анализа документов и сцен, а также сценариев, где требуется принимать решения на основе визуальной информации и текстовых инструкций. Модель содержит 2 миллиарда параметров и распространяется в 4-битном формате bnb. Она поддерживает динамическое разрешение изображений, преобразуя изображения в переменное число визуальных токенов, и использует Multimodal Rotary Position Embedding (M-ROPE) для обработки текстовых, двумерных визуальных и трёхмерных видеопозиционных данных. Заявлена поддержка понимания видео длительностью более 20 минут и распознавания текста на английском, китайском, большинстве европейских языков, японском, корейском, арабском и вьетнамском языках. Сильные стороны модели — сочетание компактного размера, 4-битного квантования и мультимодальных возможностей, включая анализ изображений высокого разнообразия разрешений и пропорций, документов и видео. Ограничения, включая возможные потери качества из-за квантования и отсутствие в карточке подробных характеристик контекстного окна, производительности и требований к оборудованию, следует учитывать при выборе модели. Модель распространяется по лицензии Apache-2.0.

AetherKelly00/Qwen3.8-Flash-Next-GGUF — GGUF-версия экспериментальной мультимодальной модели Qwen3.8-Flash-Next, разработанной командой Qwen; репозиторий также содержит материалы Unsloth для запуска и квантизации. Это причинная языковая модель с визуальным энкодером, предназначенная для обработки текста и изображений, диалоговых сценариев, анализа документов и агентских задач с длинным контекстом. Для запуска рекомендуются llama.cpp или Unsloth Desktop. Модель использует архитектуру с гибридным вниманием: Gated DeltaNet сочетается с Qwen Sparse Attention, работающим на уровне микроблоков. Также применяются Gated Residual, n-gram embedding и Mixture of Experts. Заявлено 125 млрд параметров, из которых активируется около 6 млрд, дополнительно 51 млрд параметров приходится на n-gram embedding и 4 млрд — на MTP. Архитектура включает 48 слоёв, 512 экспертов с 10 маршрутизируемыми и одним общим активным экспертом. Нативная длина контекста составляет 262 144 токена и может расширяться до 1 000 000 токенов. Поддерживаемые языки в README не указаны. К сильным сторонам относятся высокая вычислительная эффективность за счёт разреженной активации экспертов, оптимизации длинного контекста и возможность локального запуска в формате GGUF. Ограничения включают экспериментальный статус архитектуры, необходимость совместимого программного обеспечения и отсутствие в представленном README подробных результатов тестирования, конкретных требований к памяти и информации о поддерживаемых вариантах квантизации. Модель распространяется по лицензии qwen-community-1.0; указанный тип лицензии — other.

devan-carlin/Qwen3.8-Flash-Next-W4A16 — сообщественная W4A16-квантизированная версия Qwen3.8-Flash-Next, базовую модель и лицензию которой разработала команда Qwen. Репозиторий предоставляет квантизацию и рецепт запуска на Intel XPU с использованием patched vLLM. Модель предназначена для генерации текста, рассуждений, вызова инструментов и мультимодальных сценариев с обработкой изображений; доступны текстовые и графические входы через процессор Qwen3-VL. Модель использует MoE-архитектуру с 125B параметров и примерно 6B активных параметров. Экспертные веса квантизированы в int4 по схеме group-128 с активациями A16, а отдельные компоненты, включая визуальный модуль, эмбеддинги и ряд служебных слоёв, сохранены в BF16. Поддерживается контекст до 256K токенов и FP8 KV-кэш. В составе присутствует 27-блочный vision tower, совместимый с Qwen3-VL. Для корректной работы требуется PLE n-gram table объёмом около 96 ГБ в оперативной памяти. К сильным сторонам относятся большой контекст, MoE-эффективность, поддержка изображений и возможность производительного запуска на Intel Arc Pro B70: заявлено около 53,4 токена в секунду на конфигурации из четырёх ускорителей. Ограничения существенны: необходимы четыре Intel Arc Pro B70 с суммарно 128 ГБ VRAM, не менее 128 ГБ оперативной памяти, специальная версия vLLM и закреплённые версии XPU-зависимостей. Для этого чекпойнта рекомендуется температура не выше примерно 0,7, поскольку при более высоких значениях наблюдаются повторения и деградация вывода. Модель распространяется по Qwen Community License 1.0; лицензия указана как other.

sergeyzh/rubert-tiny-topic — компактная BERT-модель Сергея Жукова для получения эмбеддингов и тематической классификации и кластеризации текстов. Она создана дистилляцией эмбеддингов русских и английских текстов BERTA в rubert-tiny-lite и предназначена для использования с библиотекой Sentence Transformers. Модель содержит 23,1 млн параметров, имеет 3 слоя, размер эмбеддинга 256 и контекст до 512 токенов. В README приведены оценки на наборах MTEB для классификации заголовков, выявления неприемлемого содержания и классификации научных текстов по рубрикатору GRNTI. Качество на английских текстах автор не проверял, поэтому результаты для английского языка не подтверждены. Модель распространяется по лицензии MIT.

SciBERT-Neuro-Contrastive — модель на архитектуре BERT, опубликованная Biodatlab как sentence-transformers-модель для получения плотных векторных представлений предложений и абзацев размерностью 768. Её можно использовать для семантического поиска и кластеризации текстов, а также для оценки сходства между предложениями. Модель обучена с Triplet Loss и евклидовой метрикой расстояния. Она содержит 137,1 млн параметров, принимает текстовые входы и формирует эмбеддинги; максимальная длина контекста — 512 токенов. Карточка не перечисляет поддерживаемые естественные языки или конкретные нейронаучные наборы данных, поэтому специализированную языковую поддержку подтвердить нельзя. Для использования предусмотрены Sentence-Transformers и Transformers с подходящим pooling слоем. Модель опубликована в формате PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

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.

Gflorent/setfit_emotion — модель представлений предложений на базе MPNet, опубликованная автором florentgbelidji. Она преобразует предложения и абзацы в плотные векторы размерности 768; в README указано обучение с BatchHardTripletLoss. Модель предназначена для поиска семантически близких текстов и кластеризации, а также может использоваться как основа для сравнения предложений. Модель содержит 136,7 млн параметров, работает с текстом и имеет контекстное окно 514 токенов. Для применения README рекомендует библиотеку Sentence-Transformers. В метаданных указаны форматы PyTorch и задачи sentence-similarity и feature-extraction. Лицензия не указана в предоставленных данных.

Jiunsong/SuperDeepseek-V4-Flash-abliterated-MQ-2xDGX — производная от DeepSeek-V4-Flash-0731 модель для генерации текста, рассуждений, программирования, работы с длинным контекстом и вызова инструментов. Она создана на базе официального чекпойнта DeepSeek и распространяется как самостоятельно загружаемый дообученный чекпойнт без LoRA-адаптера или адаптера времени выполнения. Заявленная архитектура — MoE класса 304B: 43 основных слоя и 3 MTP-слоя, 256 маршрутизируемых экспертов с выбором top-6. Поддерживаются английский и корейский языки, а заявленный контекст составляет 1 048 576 токенов; README сообщает об успешном извлечении данных из запроса длиной 1 028 621 токенов. Модель использует смешанную точность: FP4 для весов экспертов, FP8 E4M3 для блочно-квантизированных путей и отдельных обновлений, BF16 для чувствительных к качеству компонентов, а также NVFP4 для KV-кэша при измерениях. Ключевые преимущества — значительно меньше отказов в тестовом режиме, сохранённые показатели вызова инструментов, проверенная работа с контекстом около миллиона токенов и высокая совокупная скорость декодирования на двух узлах DGX Spark. Ограничения — модель ориентирована на специализированную конфигурацию ускорителей, имеет крупный размер около 169,5 ГБ, использует квантизацию и не предназначена для оценки как полноразмерный BF16-чекпойнт; приведённые показатели производительности относятся к конкурентной генерации, а не к одному потоку. Лицензия — MIT.

triBne-e5-large — модель векторных представлений предложений, разработанная Istiaq Fuad и дообученная на базе intfloat/multilingual-e5-large. Она предназначена для семантического поиска, извлечения и сравнения текстов на бенгальском, английском и банглиш — бенгальском, записанном латиницей, в том числе при вариантах написания вроде «bhalobashi» и «valobashi». Модель использует архитектуру XLM-RoBERTa-large, содержит около 658,7 млн параметров и выдаёт эмбеддинги размерности 1024; сходство оценивается косинусной мерой. Для кодирования достаточно передавать обычный текст без префиксов query или passage. Модель подходит для поиска соответствий между разными вариантами написания банглиш, текстом на бенгальском письме и переводами на английский, а также для кластеризации и поиска в смешанных бенгальско-английских коллекциях. Дообучение выполнено контрастивным методом с LoRA-адаптером, слитым с базовой моделью. README сообщает о тестировании на трёх задачах поиска и приводит метрики на отложенных наборах данных. Максимальная длина последовательности в метаданных — 514 токенов; README указывает, что модель обучалась с ограничением 128 токенов и более длинный текст усекается. Часть примеров банглиш создана языковой моделью и может отражать её смещения; модель не предназначена для классификации или генерации. Лицензия — MIT.

triBne-e5-small — модель текстовых эмбеддингов, созданная дообучением intfloat/multilingual-e5-small автором istiaqfuad. Она предназначена для семантического поиска, извлечения близких текстов, кластеризации и сравнения предложений на бенгальском языке, английском и бенгальском, записанном латиницей (Banglish), в том числе при вариативном написании слов. Модель основана на архитектуре BERT, содержит 124,3 млн параметров и создаёт нормализованные эмбеддинги размерности 384; для сравнения используется косинусное сходство. Метаданные указывают контекст до 512 токенов, а README — максимальную длину последовательности 128 токенов. Модель дообучена контрастивным методом с LoRA-адаптером, объединённым с базовой моделью. По описанной оценке она особенно хорошо справляется с поиском вариантов написания Banglish и сопоставлением бенгальского текста с Banglish; для поиска между английским и бенгальским показала конкурентные результаты. Лицензия — MIT, библиотека — sentence-transformers. Модель рассчитана на короткие тексты: более длинные последовательности усекаются. Часть обучающих пар Banglish создана с помощью LLM и может наследовать их смещения. Модель не предназначена для генерации текста или классификации.

Vela Omni Mini — мультимодальная модель эмбеддингов от разработчиков Vela. Она преобразует текст, изображения, речь и окружающие звуки в нормализованные векторы размерностью 768, которые можно непосредственно сравнивать между собой. Модель содержит около 1,36 млрд параметров и предназначена для поиска по нескольким модальностям, маршрутизации запросов и кластеризации. В карточке приведены результаты оценок на задачах извлечения и классификации, включая MTEB English v2 и аудиобенчмарк MAEB. Эти результаты описывают конкретные тестовые протоколы и не гарантируют аналогичного качества на других данных. Для загрузки и работы README рекомендует PyTorch с совместимой версией torchaudio, Transformers 4.57.6, Hugging Face Hub, safetensors, NumPy и Pillow. Модель распространяется по лицензии Apache-2.0.

phatvucoder/vietnamese-bi-encoder — модель SentenceTransformer, дообученная на базе bkai-foundation-models/vietnamese-bi-encoder. Архитектура основана на RoBERTa с усреднением токеновых представлений; модель кодирует предложения и абзацы в плотные векторы размерности 768 и сравнивает их по косинусному сходству. Число параметров — 162,4 млн, максимальная длина последовательности — 258 токенов по метаданным. Модель предназначена для семантического поиска и извлечения релевантных фрагментов: например, сопоставления запроса с подходящими абзацами. Карточка указывает 120 204 обучающих примера формата «запрос — релевантный текст» и функцию потерь MultipleNegativesRankingLoss. Вход и выход — текст и его векторное представление; основная языковая область — вьетнамский. Лицензия в предоставленных данных не указана.

Yi-34B — большая языковая модель, разработанная 01.AI и обученная с нуля на многоязычном корпусе объёмом 3 трлн токенов. Это базовая, не чатовая версия модели: она предназначена для генерации текста и может использоваться как основа для последующего дообучения и прикладных систем. Модель имеет плотную архитектуру Transformer, совместимую по структуре с Llama, но, согласно карточке, не использует веса Llama и не является её производной. Размер — 33,9 млрд параметров, родная длина контекста — 4096 токенов. Основные языки — китайский и английский; карточка описывает способности к пониманию языка, рассуждениям здравого смысла и чтению с пониманием. Для запуска доступны веса PyTorch и Safetensors. Модель требует значительных вычислительных ресурсов; в README для локального запуска Yi-34B-Chat приводится пример с ускорителем A800 на 80 ГБ. Лицензия — Apache 2.0.

AgenticCoder‑4B — компактная языковая модель, созданная yasserrmd слиянием Menlo/Jan-nano и ertghiu256/qwen3-4b-code-reasoning методом SLERP. Это плотная Qwen3-архитектура для генерации текста и диалоговых сценариев; размер — 3,7 млрд параметров, контекст — до 40 960 токенов. Репозиторий использует Transformers и формат safetensors. Модель предназначена для агентных сценариев, рассуждений о коде и помощи в разработке: она может генерировать и объяснять Python-код, помогать декомпозировать задачи и вести многошаговый диалог. В примерах также показаны сценарии анализа CSV, извлечения текста из изображений и разбора файлов через код и имитацию взаимодействия с инструментами. Карточка заявляет ориентацию на MCP, однако это не подтверждает наличие встроенного интерфейса вызова инструментов. Модель поддерживает текстовый ввод и выдаёт текст; сведения о конкретных естественных языках не приведены. Карточка характеризует её как компактную для экономичного развёртывания и интеграции в устройства с ограниченными ресурсами, но фактические показатели качества и скорости не указаны. Лицензия в предоставленных данных не приведена.

b1ade-embed — модель текстовых эмбеддингов, разработанная авторами коллекции небольших моделей для RAG. Она предназначена для семантического поиска, сопоставления текстов и других задач, где требуется представлять текст в виде векторов. Модель создана слиянием bert-large-uncased, UAE-Large-V1, BAAI/bge-large-en-v1.5, mxbai-embed-large-v1 и GIST-large-Embedding-v0, а также дистилляцией знаний более крупных моделей; в README указан размер 335 млн параметров, метаданные указывают 433,9 млн. Архитектура — плотная BERT-модель, контекст — до 512 токенов. В README сообщается о сильных результатах на бенчмарке MTEB, особенно в семантическом сходстве текстов, а также о применении в поиске и исследованиях клинических и трудовых данных. Модель ориентирована на английский язык. Она выдаёт эмбеддинги для последующего поиска, ранжирования или классификации; качество следует проверять на целевом наборе данных и задаче. Лицензия в предоставленных сведениях не указана.

Recognai/bert-base-spanish-wwm-cased-xnli — испаноязычная модель BERT, дообученная командой Recognai на испанской части набора XNLI для классификации с нулевым примером. Она оценивает, насколько текст соответствует предложенным пользователем меткам, и подходит для тематической разметки текстов без отдельного обучения на каждой категории. Модель содержит 137,1 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Для тестовой части XNLI на испанском языке указана точность 79,9%. Доступны веса в форматах PyTorch, Flax и safetensors. README рекомендует использовать её через pipeline zero-shot-classification библиотеки Transformers и отмечает, что более новые варианты SELECTRA легче и показывают лучшие результаты. Модель выпущена по лицензии MIT.

swardiantara дообучил компактную модель Sentence Transformers на базе google/bert_uncased_L-2_H-128_A-2 для сопоставления предложений и поиска по тексту. Модель кодирует предложения и абзацы в плотные векторы размерности 128; сходство между ними оценивается косинусной метрикой. Архитектура включает BERT с усреднением токенных представлений, а библиотека реализации — sentence-transformers. Модель обучена на наборе из 351 754 пар текстов с метками сходства. Она подходит для семантического поиска и извлечения релевантных текстов, в том числе при ограниченных вычислительных ресурсах благодаря компактному размеру в 4,4 млн параметров. Контекст ограничен 512 токенами по метаданным; в README указана максимальная длина последовательности 128 токенов. Модель принимает и обрабатывает текст на английском языке. Лицензия в предоставленных данных не указана. Компактный размер может ограничивать качество и охват по сравнению с более крупными моделями; поддержка языков, отличных от английского, не заявлена.

seongil-dn создал Sentence Transformer на архитектуре XLM-RoBERTa для получения плотных векторных представлений предложений и абзацев. Модель формирует эмбеддинги размерностью 1024 и рассчитана на последовательности длиной до 8192 токенов; векторный выход нормализуется, а для сравнения рекомендуется косинусное сходство. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. Название репозитория указывает на настройку для финансовых, книжных и научных текстов, однако карточка не раскрывает подробности обучающих данных и оценки качества. В метаданных указана лицензия; конкретные условия следует сверить с лицензией репозитория.

CamemBERTa-L10 — урезанная версия предварительно обученной модели CamemBERTa, полученная удалением верхних слоёв исходного чекпойнта. Модель разработана авторами CamemBERTa; в карточке указано, что вариант L10 содержит на 14% меньше параметров, чем базовая версия. Метаданные описывают её как плотную архитектуру DeBERTa-v2 примерно на 119 млн параметров, доступную в формате safetensors. Модель принимает французский текст и выдаёт контекстные векторные представления. Её можно использовать для извлечения признаков и дообучать для задач, учитывающих всё предложение, например классификации текста, извлечения ответов на вопросы и семантического поиска. Контекст составляет до 512 токенов. Для генерации текста авторы рекомендуют авторегрессионные модели. Лицензия — MIT.