I.3Извлечение и структурирование данных

sigridjineth/stella_en_1.5B_v5_sigrid — англоязычная модель эмбеддингов на базе Qwen2 с 1,5 млрд параметров, созданная автором Stella на основе Alibaba-NLP/gte-large-en-v1.5 и Alibaba-NLP/gte-Qwen2-1.5B-instruct. Она предназначена для поиска релевантных фрагментов по запросу и оценки семантического сходства текстов; поддерживает также извлечение признаков и текстовую классификацию. Модель обучена с использованием Matryoshka Representation Learning и позволяет получать векторы размерностью 512, 768, 1024, 2048, 4096, 6144 или 8192. В README рекомендуются промпты для поиска passage по запросу и сравнения текстов; обычно достаточно размерности 1024. Хотя метаданные указывают контекст до 131072 токенов, автор рекомендует длину последовательности 512 токенов и отмечает слабые результаты на специализированных задачах поиска по длинным текстам. Модель опубликована под лицензией MIT.

Карточка модели Auparima/thaifood-embed на Hugging Face совпадает с карточкой intfloat/multilingual-e5-base, поэтому описание составлено по ней. Multilingual-E5-base — многоязычная модель для получения эмбеддингов текста, разработанная авторами технического отчёта Multilingual E5. Она основана на XLM-RoBERTa-base и продолжительно обучена на смеси многоязычных наборов данных. Модель имеет 12 слоёв, размер эмбеддинга 768 и около 305,2 млн параметров; поддерживает до 512 токенов текста и доступна в форматах PyTorch, Safetensors, ONNX и OpenVINO. Модель предназначена для поиска по смыслу, сопоставления предложений и текстов, семантической близости, поиска парафразов и межъязыкового поиска. Для асимметричного поиска используйте префиксы «query: » и «passage: », а для симметричных задач и извлечения признаков — «query: »; без префиксов качество может снизиться. Поддерживается около 100 языков, включая русский, хотя для языков с малым объёмом данных качество может быть ниже. Лицензия — MIT.

TimeR4-SentenceBERT-MultiTQ — модель эмбеддингов на базе MPNet, опубликованная пользователем 902chris. Она преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для семантического поиска, сравнения сходства и кластеризации. Модель содержит 139,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате safetensors; для работы предусмотрена библиотека Sentence Transformers. В README указано обучение с ContrastiveTensionLoss и внутрипакетными негативными примерами. Модель подходит для построения текстового поиска и группировки семантически близких фрагментов. Лицензия в предоставленных данных не указана.

ToolBench/ToolBench_IR_bert_based_uncased — модель на базе BERT, распространяемая в формате PyTorch и представленная как sentence-transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска, сравнения сходства текстов и кластеризации. При обучении использовалась функция MultipleNegativesRankingLoss с косинусным сходством; модель подходит для поиска релевантных текстов по смыслу и группировки похожих фрагментов. Максимальная длина контекста — 512 токенов. README не указывает разработчика, поддерживаемые естественные языки или лицензию; оценки бенчмарка и подробности архитектуры обучения в карточке не приведены.

am-azadi/UAE-Large-V1_Fine_Tuned — дообученная модель Sentence Transformers на базе WhereIsAI/UAE-Large-V1, разработанная автором репозитория am-azadi. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения текстов, поиска перефразирований, классификации и кластеризации. Архитектура состоит из BERT-трансформера с объединением представлений CLS-токена; максимальная длина входа — 512 токенов, сходство оценивается косинусной мерой. Модель обучалась на 25 743 парах текстов с MultipleNegativesRankingLoss. Примеры обучающих данных многоязычны, но основное назначение и язык базовой модели — английский. Для применения нужны тексты; результатом служат векторы, пригодные для ранжирования или дальнейшей обработки. Лицензия в предоставленных данных не указана.

Qwen3.6-35B-A3B-Claude-4.6-Opus-Reasoning-Distilled-UD-2.0-GGUF — квантизированная GGUF-версия модели, опубликованная mfielding92 на основе дообученной модели hesamation Qwen3.6-35B-A3B-Claude-4.6-Opus-Reasoning-Distilled. Квантизация выполнена с использованием рецептов Unsloth Dynamic 2.0, imatrix и переопределений типов тензоров в llama.cpp. Базовая модель основана на архитектуре Qwen3.6 с разреженной Mixture-of-Experts: 35 млрд параметров всего, около 3 млрд активируются при обработке каждого токена, 256 экспертов и 8 маршрутизируемых плюс 1 общий активный эксперт. Модель предназначена для генерации текста, диалогов, рассуждений, агентного программирования и решения сложных задач в длинном контексте. Дообучение проводилось на текстовых данных с дистилляцией цепочек рассуждений, преимущественно связанных с Claude Opus 4.6, поэтому модель ориентирована на более структурированные рассуждения и стабильную работу с многошаговыми задачами. Указан английский язык. Хотя базовая архитектура включает vision encoder, это дообучение не использовало изображения или видео, поэтому мультимодальные возможности данной версии не подтверждены. Нативная длина контекста составляет 262 144 токена и может расширяться до 1 010 000 токенов согласно описанию базовой модели. Для большинства пользователей рекомендован вариант UD-Q4_K_XL как баланс качества и размера; также доступны варианты UD-Q5_K_M, UD-Q3_K_XL и UD-Q2_K_XL с разным уровнем сжатия. В ограниченной проверке MMLU-Pro модель получила 75,71% exact match на 70 вопросах, однако этот результат заявлен как сравнительный smoke-тест, а не полноценная оценка. Модель распространяется по лицензии Apache-2.0.

LamaDiab/V7MiniLM-Synonyms-SemanticEngine — модель Sentence Transformer на архитектуре BERT, обученная сопоставлять предложения и абзацы в общем векторном пространстве размерности 384. Она подходит для поиска семантически близких формулировок, оценки сходства текстов, поиска перефразировок, кластеризации и подготовки признаков для классификации. В README указано обучение на 683 парах коротких текстов, включая синонимичные выражения; для сравнения используется косинусное сходство. Веса доступны в формате safetensors; модель содержит 25,9 млн параметров. Максимальная длина последовательности в описании архитектуры README — 256 токенов, а метаданные указывают нативный контекст 512 токенов. README не сообщает поддерживаемые естественные языки, поэтому языковую специализацию определить нельзя. Лицензия в предоставленных данных не указана.

Arnaudmkonan/adn-setfit-model — модель предложений на базе MPNet, созданная с использованием Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch. В карточке указано обучение с CosineSimilarityLoss, что подходит для получения векторов, сохраняющих сходство между текстами. Модель можно применять для семантического поиска, группировки текстов и ранжирования по смысловой близости. Язык данных обучения в доступных сведениях не указан. Условия лицензии в предоставленных данных не приведены.

all_datasets_v3_MiniLM-L12 — модель для получения векторных представлений предложений, разработанная в рамках Community Week Hugging Face участниками проекта по обучению эмбеддингов на миллиарде пар. Это дообученная версия MiniLM-L12: её обучали контрастивной функцией потерь на более чем миллиарде пар предложений, собранных из нескольких наборов данных. Модель основана на архитектуре BERT, содержит около 40 млн параметров и принимает текст с контекстом до 512 токенов. Модель кодирует предложение в вектор, отражающий его семантику. Такие векторы подходят для поиска информации, кластеризации текстов и оценки сходства предложений. В метаданных указана поддержка английского языка; модель работает с текстом и возвращает векторные представления. README описывает обучение с ограничением длины последовательности в 128 токенов, поэтому длинные тексты могут требовать разбиения на фрагменты. Формат репозитория — PyTorch; лицензия в предоставленных данных не указана.

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

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

RedHatAI/all-MiniLM-L6-v2 — модель Sentence Transformers для преобразования предложений и коротких абзацев в плотные семантические векторы размерностью 384. Она основана на архитектуре BERT MiniLM-L6-H384 и дообучена с контрастивной целью на наборе более чем из миллиарда пар предложений. Модель предназначена для семантического поиска, вычисления сходства между предложениями, кластеризации и информационного поиска. Входной текст преобразуется в эмбеддинг; по умолчанию последовательности длиннее 256 WordPiece токенов обрезаются. Модель имеет 25,9 млн параметров и контекстное окно 512 токенов по метаданным; README также сообщает об ограничении входа в 256 WordPiece токенов. В карточке указан английский язык. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Модель выдаёт векторные представления, поэтому для получения сходства или ранжирования их обычно нужно сопоставлять отдельной операцией; качество для языков, кроме английского, не подтверждено карточкой.

all-MiniLM-L6-v2 — модель Sentence Transformers для кодирования предложений и коротких абзацев в плотные векторы размерностью 384. Она основана на MiniLM-L6-H384-uncased и дообучена командой проекта Hugging Face Community Week с помощью контрастивного обучения на более чем миллиарде пар предложений. В метаданных указаны архитектура BERT, 25,9 млн параметров и библиотека sentence-transformers. Модель предназначена для семантического поиска, сравнения смысловой близости текстов и кластеризации. Она принимает текст и выдаёт эмбеддинги; заявленная длина контекста — 512 токенов, при этом README предупреждает, что входы длиннее 256 word pieces обрезаются. Поддерживается английский язык. Лицензия — Apache-2.0; доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO.

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

KhaledReda разработал all-MiniLM-L6-v75-pair_score — дообученную модель Sentence Transformers на базе KhaledReda/all-MiniLM-L6-v73-pair_score. Она кодирует предложения и абзацы на английском языке в плотные векторы размерностью 384 для сравнения семантического сходства с помощью косинусной близости. Архитектура включает BERT-трансформер, усредняющий пулинг токенов и нормализацию; в модели 25,9 млн параметров. Метаданные указывают контекст до 512 токенов, а карточка модели — максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска, поиска перефразировок, кластеризации, классификации текста и оценки сходства между парами предложений. Лицензия Apache-2.0 разрешает использование на её условиях. Модель ориентирована на английский язык; качество за пределами описанных задач и языка в карточке не подтверждено.

Англоязычный Sentence Transformer, дообученный Khaled Reda на наборе пар предложений pairs_with_scores_v63 для оценки семантической близости текстов. Модель основана на sentence-transformers/all-MiniLM-L6-v2 и использует архитектуру BERT с усреднением токенных представлений и нормализацией. Она преобразует предложения и абзацы в плотные векторы размерности 384; сходство между векторами можно оценивать косинусной мерой. Модель подходит для семантического поиска, сравнения предложений, поиска перефразировок, кластеризации и классификации текста. В README указана максимальная длина последовательности 256 токенов, тогда как метаданные задают нативный контекст в 512 токенов. Распространяется по лицензии Apache-2.0. Карточка описывает обучение на парах с оценками сходства, но не приводит результаты сравнительных тестов; качество на других доменах и языках отдельно не подтверждено.

Карточка модели praneethsahini/all-mpnet-base-v2 на Hugging Face совпадает с карточкой XHY-DY/all-mpnet-base, поэтому описание составлено по ней. XHY-DY/all-mpnet-base — модель Sentence Transformers для кодирования предложений и коротких абзацев в плотные векторы размерности 768. Она основана на MPNet и дообучена методом контрастивного обучения на наборе более чем из миллиарда пар предложений; исходная модель — microsoft/mpnet-base. В карточке указано применение для семантического поиска, измерения сходства предложений и кластеризации. По умолчанию текст длиннее 384 частей словаря обрезается. Модель принимает текст и возвращает векторное представление, пригодное для поиска и сравнения по смыслу. Она ориентирована на английский язык; заявленная библиотека — Sentence Transformers. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Это модель на базе MPNet, опубликованная авторами luiz-and-robert-thesis и предназначенная для преобразования предложений и абзацев в плотные векторы размерности 768. Такие эмбеддинги подходят для семантического поиска, сравнения сходства текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 514 токенов и распространяется в формате safetensors; для работы с ней предусмотрена библиотека Sentence Transformers. Модель обучали с TripletLoss, используя косинусную метрику и margin 1. README не сообщает языки обучения, результаты оценки или лицензию, поэтому качество для конкретных языков и условия использования по этим источникам определить нельзя.

toobi/anime — модель Sentence Transformers на архитектуре MPNet с 136,7 млн параметров, преобразующая предложения и абзацы в плотные векторы размерности 768. Она предназначена для поиска семантически похожих текстов и подходит для семантического поиска и кластеризации. Модель можно использовать через Sentence-Transformers или Transformers с подходящей операцией pooling; заявленная длина контекста — 514 токенов. Карточка указывает обучение с CosineSimilarityLoss. Данных о лицензии и поддерживаемых естественных языках в предоставленных источниках нет.

Apertus-v1.5-70B-FP8 — квантованный чекпойнт мультимодальной модели Apertus 1.5 70B, разработанной Swiss AI и опубликованной onprem-ai. Модель предназначена для генерации и обработки текста, а также работы с изображениями и аудио; поддержка мультимодальных возможностей исходной модели сохранена. В README языки и точное устройство базовой архитектуры не указаны. Веса сжаты методом FP8_DYNAMIC для линейных проекций, тогда как lm_head, эмбеддинги, vision tokenizer и audio tokenizer остаются в BF16. Размер чекпойнта составляет около 71 GiB против 135 GiB у исходной BF16-версии, при этом на тесте MMLU заявлена отсутствие измеримой потери качества. На видеокарте с 96 GiB памяти после загрузки весов остаётся примерно 14 GiB под KV-кэш, что позволяет получить около 60 тысяч токенов контекста при использовании FP8 KV-кэша; это оценка для конкретного сценария развертывания, а не явно указанное максимальное окно контекста. Модель подходит для локального и серверного инференса, включая мультимодальные приложения, вызов инструментов и задачи рассуждения при наличии соответствующей поддержки. Основные преимущества — высокое сохранение качества исходной модели, почти двукратное сокращение занимаемой памяти и сохранённые возможности работы с изображениями и аудио. Ограничения включают требование vLLM с поддержкой архитектуры Apertus 1.5, несовместимость с SGLang для compressed-tensors, а также необходимость примерно 96 GiB GPU-памяти для полноценного мультимодального запуска; для текстового инференса с коротким контекстом может подойти карта на 80 GiB. Модель распространяется по лицензии Apache 2.0.

Карточка модели culudamar/baseline-test-model на Hugging Face совпадает с карточкой sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, поэтому описание составлено по ней. paraphrase-multilingual-MiniLM-L12-v2 — модель Sentence-Transformers, обученная командой sentence-transformers. Она преобразует предложения и абзацы в плотные векторы размерности 384, предназначенные для сравнения смысловой близости. Модель построена на архитектуре BERT с 12 слоями MiniLM; объём составляет 124,3 млн параметров, а максимальная длина контекста — 512 токенов. Модель подходит для семантического поиска, поиска похожих формулировок и кластеризации текстов. Она поддерживает много языков, включая русский, и может сопоставлять предложения на разных языках. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Модель распространяется по лицензии Apache-2.0. Векторы фиксированной размерности и лимит в 512 токенов ограничивают представление длинных документов; для абзацев и документов обычно требуется разбиение на фрагменты.

Карточка модели jiaqi-22/bge-m3 на Hugging Face совпадает с карточкой BAAI/bge-m3, поэтому описание составлено по ней. BGE-M3 — многоязычная модель эмбеддингов для поиска, разработанная BAAI и основанная на архитектуре XLM-RoBERTa. Она создаёт плотные эмбеддинги, разреженные лексические представления и многовекторные представления текста для задач извлечения и сопоставления.

Карточка модели Watson112/bge-m3 на Hugging Face совпадает с карточкой BAAI/bge-m3, поэтому описание составлено по ней. BGE-M3 — многоязычная модель эмбеддингов для поиска, разработанная BAAI и основанная на архитектуре XLM-RoBERTa. Она создаёт плотные эмбеддинги, разреженные лексические представления и многовекторные представления текста для задач извлечения и сопоставления.

Карточка модели aajonaa/bge-small-en-v1.5 на Hugging Face совпадает с карточкой BAAI/bge-small-en-v1.5, поэтому описание составлено по ней. BAAI/bge-small-en-v1.5 — компактная модель эмбеддингов семейства BGE (BAAI General Embedding), разработанная BAAI. Она построена на архитектуре BERT и предназначена для преобразования английского текста в векторы, которые можно использовать для поиска и сравнения смысловой близости. Размер модели — около 40 млн параметров, максимальная длина входа — 512 токенов. Модель подходит для семантического поиска, извлечения релевантных документов и вычисления сходства предложений, в том числе как компонент RAG-систем. Версия v1.5 улучшает поиск без инструкций и смягчает проблему распределения оценок сходства. Доступны форматы PyTorch, Safetensors и ONNX. Лицензия — MIT. Модель рассчитана на английский язык; контексты длиннее 512 токенов не поддерживаются. Оценки сходства не следует трактовать как вероятности или применять фиксированный порог без калибровки.

Карточка модели Long0409/bge-small-en-v1.5 на Hugging Face совпадает с карточкой BAAI/bge-small-en-v1.5, поэтому описание составлено по ней. BAAI/bge-small-en-v1.5 — компактная модель эмбеддингов семейства BGE (BAAI General Embedding), разработанная BAAI. Она построена на архитектуре BERT и предназначена для преобразования английского текста в векторы, которые можно использовать для поиска и сравнения смысловой близости. Размер модели — около 40 млн параметров, максимальная длина входа — 512 токенов. Модель подходит для семантического поиска, извлечения релевантных документов и вычисления сходства предложений, в том числе как компонент RAG-систем. Версия v1.5 улучшает поиск без инструкций и смягчает проблему распределения оценок сходства. Доступны форматы PyTorch, Safetensors и ONNX. Лицензия — MIT. Модель рассчитана на английский язык; контексты длиннее 512 токенов не поддерживаются. Оценки сходства не следует трактовать как вероятности или применять фиксированный порог без калибровки.

SMARTICT/bge-small-en-v1.5-tr-rag-v1 — англоязычная модель Sentence Transformers от SMARTICT, дообученная на базе BAAI/bge-small-en-v1.5 для семантического поиска и сравнения текстов. Она кодирует предложения и абзацы в плотные эмбеддинги размерности 384; архитектура включает BERT, пулинг по CLS-токену и нормализацию. Максимальная длина входа — 512 токенов, для сравнения используется косинусное сходство. Обучение проводилось на 8 970 парах anchor-positive с MultipleNegativesRankingLoss. Модель подходит для поиска фрагментов по запросу, оценки семантической близости, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. В README приведены результаты оценки поиска на наборе dim_384, включая cosine_accuracy@1 0,6088 и @5 0,7172. Модель распространяется по лицензии Apache-2.0. Она рассчитана на английский язык; качество на других языках не подтверждено, а входы длиннее 512 токенов ограничены максимальной длиной последовательности.

BiCA-Base — модель Sentence Transformer, разработанная Bisect Group и дообученная на базе thenlper/gte-base для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в эмбеддинги размерности 768 и предназначена для семантического сходства, поиска и других задач сравнения текстов. Модель основана на архитектуре BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Для сравнения векторов используется косинусное сходство; среди подходящих сценариев — поиск парафраз, кластеризация и классификация текстов. Указана лицензия MIT.

Luong23/bmg-m3-finetune-embedding — дообученная модель Sentence Transformer на базе BAAI/bge-m3, предназначенная для получения плотных текстовых эмбеддингов. Она преобразует предложения и абзацы в векторы размерности 1024; архитектура включает XLM-RoBERTa, CLS-пулинг и нормализацию, а сходство оценивается косинусной мерой. В метаданных указана длина контекста 8194 токена, однако карточка модели задаёт максимальную длину последовательности 256 токенов. Модель подходит для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации. В примерах обучающих данных есть короткие запросы и подробные описания товаров на вьетнамском языке, но это не подтверждает, что модель рассчитана только на него. Модель принимает текст и выдаёт векторы; опубликована в формате safetensors. Условия лицензии в предоставленных данных не указаны.

BOOM_4B_v1 — модель текстовых эмбеддингов, разработанная командой ICT-TIME-and-Querit на основе Qwen3-4B. Она предназначена для получения векторных представлений текста в задачах поиска, сравнения смысловой близости, классификации, кластеризации и ранжирования. Модель объединяет несколько эмбеддинг-моделей, обученных на выборках данных разного состава, методом Multi-SLERP; для представления используется последний токен. В репозитории указаны 3,7 млрд параметров, контекст до 40 960 токенов и формат safetensors. Модель обучена на общих текстовых данных: в карточке перечислены наборы для поиска информации, ранжирования, классификации, кластеризации и семантического сходства. Среди практических сценариев — семантический поиск по документам, поиск ответов на вопросы и оценка близости текстов. README сообщает об обучении на английских и общих данных, но не подтверждает отдельную языковую специализацию. Карточка указывает лицензию Apache-2.0, допускающую использование и распространение при соблюдении её условий.

consciousAI/cai-stellaris-text-embeddings — модель эмбеддингов на базе MPNet, представленная в формате PyTorch и совместимая с Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель содержит 136,7 млн параметров, а её контекст ограничен 514 токенами. Обучение использовало MultipleNegativesRankingLoss с косинусным сходством. Это подходит для получения векторов, пригодных для семантического поиска и группировки текстов; в README приведена ссылка на оценку в Sentence Embeddings Benchmark, но конкретные результаты не указаны. Лицензия в предоставленных данных не указана.