II.10Разработка и эксплуатация AI/ML-систем

Это оптимизированная и квантованная версия DistilBERT для классификации текста, подготовленная philschmid с использованием Optimum и ONNX Runtime. Репозиторий также содержит шаблон обработчика для запуска классификатора через универсальный API инференса Hugging Face. Модель предназначена для присвоения тексту меток классификации. Карточка упоминает набор Banking77, что указывает на сценарии классификации банковских обращений, однако подробности о метках и результатах обучения не приведены. Для инференса используются ONNX и Optimum; заявленная длина контекста — 512 токенов. Это производная модель DistilBERT, а не новая архитектура. В карточке не приведены идентификатор исходного чекпойнта, точная схема квантования, показатели качества и лицензия, поэтому эти характеристики нельзя уточнить.

e2etext-T1edu1-T1 — дообученная авторами репозитория модель jerryyan на базе Qwen/Qwen3-0.6B для очистки веб-страниц и подготовки текста для предобучения. Она принимает не исходный HTML, а текст страницы, преобразованный заданным рендерером в канонический формат с нумерацией строк, и генерирует решения keep, edit, delete или rewrite с соответствующим содержимым. Детерминированный исполнитель применяет эти решения, формируя очищенный текст; модель использовалась в конвейере создания корпуса объёмом около 7,44 млрд токенов. Это плотная авторегрессионная модель семейства Qwen3 с примерно 508 млн параметров, контекстом до 40 960 токенов и форматом весов safetensors. Для воспроизводимого результата важны тот же рендерер и системный промпт, с которыми модель обучалась и запускалась: произвольный текст и другой способ рендеринга могут отличаться от обучающих данных. Веса, код и документация доступны по лицензии Apache-2.0; базовая модель также распространяется по этой лицензии.

ECA-ResNet-D pruned — сверточная модель классификации изображений из библиотеки timm, оснащённая механизмом Efficient Channel Attention. Модель содержит 19,9 млн параметров и требует около 2,5 GMACs; в карточке указаны размеры изображений 224×224 для обучения и 288×288 для проверки. Она также может служить основой для извлечения карт признаков и эмбеддингов изображений. Модель предназначена для присвоения изображениям меток классов и получения визуальных признаков в прикладных системах компьютерного зрения. Карточка связывает её с работами по остаточным сетям, эффективному канальному вниманию и практическим приёмам обучения классификаторов. Распространяется по лицензии Apache-2.0.

ERNIE-4.5-21B-A3B-Base-Paddle — базовая текстовая языковая модель компании Baidu на архитектуре MoE, опубликованная в формате весов PaddlePaddle. Модель предварительно обучена и предназначена для продолжения текста; карточка рекомендует использовать API completion, а не chat_completion. Вариант содержит 21 млрд параметров всего и около 3 млрд активируемых параметров на токен; в метаданных каталога указан размер 3,3 млрд параметров. Контекст — до 131 072 токенов. Модель подходит как основа для дообучения и языковой генерации. Для ERNIEKit описаны сценарии SFT, LoRA и DPO. Несмотря на мультимодальное предварительное обучение семейства ERNIE 4.5, этот Base-чекпойнт извлечён из текстовых параметров и принимает текст. Поддерживаемые языки по метаданным — английский и китайский. Лицензия — Apache-2.0.

EVA02 Base Patch14 224 MIM IN22K — модель извлечения визуальных признаков из изображений, опубликованная авторами статьи и доступная в библиотеке timm. Она предварительно обучена на ImageNet-22k методом masked image modeling с EVA-CLIP в роли учителя и может использоваться как визуальный backbone для классификации и получения эмбеддингов изображений. Модель построена на Vision Transformer с патчами 14×14, средним pooling, SwiGLU, Rotary Position Embeddings и дополнительным LayerNorm в MLP. Она содержит около 85,8 млн параметров и рассчитана на изображения размером 224×224. Чекпойнт timm сохранён в формате float32; доступны веса PyTorch и SafeTensors. Модель подходит для извлечения признаков и эмбеддингов, а также для построения систем классификации изображений. Карточка не описывает поддержку текстового ввода или генерацию изображений. Лицензия — MIT.

EvoQuality — модель оценки качества изображений без эталонного изображения, разработанная ByteDance. Она поддерживает оценку отдельного изображения по шкале от 1 до 5 и попарное сравнение изображений, позволяя ранжировать их по воспринимаемому качеству. Модель основана на плотной мультимодальной архитектуре Qwen2.5-VL-7B с 7,1 млрд параметров и контекстом до 128 000 токенов; принимает изображения и текстовые инструкции, выдаёт текстовые оценки или выбор лучшего изображения. Веса получены полным дообучением Qwen2.5-VL-7B методом GRPO с псевдометками предпочтений, сформированными голосованием самой модели. В описанных zero-shot испытаниях EvoQuality улучшила корреляцию с человеческими оценками относительно базовой модели на нескольких наборах данных и показала перенос на разные искажения и AI-сгенерированные изображения. Модель подходит для исследовательской оценки, ранжирования и фильтрации изображений, а также как вспомогательный сигнал при очистке данных. Оценки отражают субъективное восприятие качества и могут зависеть от домена, формулировки запроса и способа генерации ответа. Самостоятельные псевдометки могут наследовать предпочтения и слепые зоны базовой модели; для медицинских, спутниковых и промышленных изображений возможен сдвиг домена. Не следует использовать результат как единственное основание для решений с высокими последствиями. Лицензия — Apache-2.0.

FactCG-DeBERTa-v3-Large — англоязычная модель классификации текста, разработанная авторами работы FactCG: Enhancing Fact Checkers with Graph-Based Multi-Hop Data. Она предназначена для проверки фактической обоснованности утверждений, сгенерированных большими языковыми моделями, и выявления галлюцинаций без опоры на факты. Модель дообучена для классификации последовательностей на базе microsoft/deberta-v3-large и содержит 533,8 млн параметров; веса опубликованы в формате safetensors. Максимальная длина контекста — 512 токенов. Модель рассчитана на английский текст и сценарии автоматической проверки фактов в ответах LLM. Лицензия MIT разрешает использование на её условиях. Карточка не описывает метрики качества, схему классов или ограничения на типы утверждений, поэтому пригодность для конкретного домена следует оценивать отдельно.

Это модель FasterNet-T1 для классификации изображений и извлечения визуальных признаков, опубликованная авторами статьи «Run, Don't Walk: Chasing Higher FLOPS for Faster Neural Networks» и доступная в библиотеке timm. Она обучена на ImageNet-1k и рассчитана на изображения размером 224 × 224 пикселя. Модель содержит 7,6 млн параметров и требует около 0,9 GMAC на один проход. Её можно использовать для отнесения изображения к классу ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. FasterNet разработана с упором на высокую скорость вычислений. Модель распространяется под лицензией Apache-2.0; веса доступны в форматах PyTorch и safetensors.

FocalNet Large FL4 — модель для классификации изображений и извлечения визуальных признаков из семейства FocalNet, представленная авторами статьи. Она предварительно обучена на ImageNet-22k и содержит около 239,3 млн параметров. Модель рассчитана на изображения размером 384 × 384 пикселя; её можно использовать как классификатор, визуальный backbone, для извлечения карт признаков и эмбеддингов изображений. Модель подходит для распознавания объектов и категорий на изображениях, а также как компонент компьютерного зрения в более сложных системах. Репозиторий предоставляет веса в форматах PyTorch и Safetensors, а библиотека для работы с моделью — timm. Лицензия MIT разрешает коммерческое и иное использование при соблюдении её условий.

FogGen — компактная языковая модель-разветвитель, разработанная ISSAI на базе Qwen3-0.6B. Дообученная методом LoRA SFT, она генерирует оценку уверенности и ответ, чтобы определять, можно ли ответить локально или запрос следует передать более мощной облачной модели. Такой сценарий помогает сократить облачные вычисления при сохранении качества системы. Модель содержит около 508 млн параметров, использует архитектуру Qwen3ForCausalLM, работает с текстом и поддерживает контекст до 40 960 токенов. В README описаны результаты на тестах с выбором ответа в семи областях, включая финансы, науку, программирование, право, математику, казахскую культуру и медицину. Английский указан среди языков карточки; README также сообщает об обучении на данных по казахской культуре. Лицензия — Apache-2.0. В опубликованной оценке при пороге уверенности 0,5 FogGen направляла в облако около 22% запросов и достигла средней точности системы 67,8%; результаты относятся к указанным тестовым наборам и конфигурации сравнения. На открытых задачах без дополнительного обучения выигрыш маршрутизации был неоднородным: для TruthfulQA отмечена анти-калибровка. Поэтому пригодность оценок уверенности следует проверять на целевых данных; модель не заменяет более крупную облачную модель для запросов, которым она сама назначает низкую уверенность.

GhostNetV2 1.0 — сверточная модель классификации изображений и извлечения признаков из семейства GhostNetV2, созданная авторами исследования и обученная на ImageNet-1k. Она подходит для распознавания объектов на изображениях, получения карт признаков и визуальных эмбеддингов; модель рассчитана на входной размер 224 × 224 пикселя. Модель содержит 6,2 млн параметров и требует около 0,2 GMAC на изображение, что делает её компактной основой для компьютерного зрения и развёртывания с ограниченными вычислительными ресурсами. Репозиторий предоставляет веса PyTorch и safetensors, а работа с моделью ориентирована на библиотеку timm. Лицензия — Apache-2.0.

GhostNetV2 1.3 — модель классификации изображений и визуальный backbone из семейства GhostNetV2, обученная авторами статьи на ImageNet-1k. Она предназначена для присвоения изображению метки из набора классов ImageNet, а также может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. Модель содержит около 9 млн параметров, обрабатывает изображения размером 224 × 224 и имеет вычислительную сложность около 0,3 GMAC. Архитектура GhostNetV2 дополняет эффективные операции GhostNet механизмом внимания для учета дальних зависимостей. Доступны веса PyTorch и Safetensors; библиотека модели — timm. Модель ориентирована на классификацию изображений общего назначения по классам ImageNet-1k и извлечение визуальных признаков. Лицензия Apache-2.0 допускает использование на её условиях.

GLM-5.3-DFlash2 — черновая модель DFlash 2 для ускорения генерации текста базовой моделью zai-org/GLM-5.3. Это не самостоятельная языковая модель: она работает внутри сервера спекулятивного декодирования, например SGLang, и предлагает токены, которые затем проверяет целевая модель. Модель на архитектуре Qwen3 с классом DFlash2DraftModel содержит 2,8 млрд параметров и рассчитана на контекст до 1 048 576 токенов. DFlash 2 использует блочную диффузию: за один проход предсказывает блок токенов и сохраняет несколько кандидатов для каждой позиции, после чего селектор выбирает согласованный путь. По README, декодирование сохраняет результат целевой модели: при жадной генерации вывод совпадает с ней, а при выборке сохраняется её распределение. В описанных тестах на задачах GSM8K, MATH-500 и HumanEval модель показала более высокую пропускную способность, чем autoregressive decoding и встроенный MTP базовой модели; результаты измерялись на четырёх NVIDIA GB300 с SGLang и не гарантируют такую же скорость на другой конфигурации. Для использования требуются целевая модель GLM-5.3, совместимый сервер спекулятивного декодирования и соответствующее оборудование. Репозиторий распространяется по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных материалов.

devpramod-intel/granite-4.1-3b-quantized.w8a8 — квантованный вариант языковой модели ibm-granite/granite-4.1-3b, опубликованный пользователем devpramod-intel. Модель предназначена для генерации текста и бенчмаркинга производительности инференса, в частности для оценки INT8/AMX на процессорах Xeon и INT8-ядер на GPU. Заявленный язык — английский. Это плотная модель класса GraniteForCausalLM примерно на 3 млрд параметров с Llama-подобными блоками, q/k/v-проекциями, gate/up/down-проекциями и RMSNorm. Используется посттренировочная квантование W8A8: веса INT8, симметричные и по-канальные, активации INT8, симметричные и динамические на уровне токенов. Квантованы линейные слои трансформерных блоков, тогда как lm_head, связанная с ним матрица эмбеддингов и нормы сохранены в BF16. Размер контрольной точки на диске — около 3,89 GiB. Для запуска предусмотрена интеграция с Transformers и vLLM; в примерах используется максимальная длина контекста до 32768 токенов. Главное преимущество модели — уменьшенный размер и потенциально более высокая эффективность INT8-инференса при сохранении большей части исходной точности. Однако для этой контрольной точки оценка качества не проводилась, поэтому приведённые в README показатели являются оценками по другим моделям и не подтверждают характеристики данного варианта. Перед использованием в задачах, чувствительных к качеству, следует самостоятельно сравнить его с базовой BF16-моделью. Модель распространяется по лицензии Apache-2.0.

GRPO-Think-1.5B-16k — компактная языковая модель семейства Qwen2, разработанная командой Aletheia-Bench для проверки и ранжирования решений задач по программированию. Она дообучена методом GRPO на наборе Aletheia-Train и использует промежуточные рассуждения; суффикс 16k обозначает бюджет рассуждений при обучении. Модель содержит 1,5 млрд параметров и имеет контекстное окно до 131 072 токенов. На вход подают условие задачи по программированию и несколько вариантов решения, после чего модель оценивает их и выбирает или ранжирует кандидатов. Её можно применять как оценщик вознаграждения в конвейерах оптимизации генерации кода и как автоматического судью при сравнении программных решений. Обучающие примеры охватывают код на Python, C++ и Java; метаданные не подтверждают поддержку этих языков как языков общения. Это специализированная модель-верификатор, а не универсальный генератор кода: качество зависит от формата запроса и кандидатов, указанного в проекте. Лицензия CC BY-NC-SA 4.0 требует соблюдения условий атрибуции, распространения на тех же условиях и ограничивает коммерческое использование.

HGNet-V2 B4 — модель классификации изображений и извлечения признаков, опубликованная авторами семейства HGNet-V2 и доступная через библиотеку timm. Модель обучена на mined ImageNet-22k и ImageNet-1k с применением дистилляции SSLD. В ней около 19,8 млн параметров; для обучения использовались изображения размером 224 × 224, для тестирования — 288 × 288. Репозиторий содержит веса PyTorch и SafeTensors, лицензия — Apache-2.0. Модель подходит для классификации изображений по категориям ImageNet, извлечения карт признаков и получения эмбеддингов изображений. Её можно использовать как визуальный backbone в прикладных системах компьютерного зрения. В карточке для этой конкретной версии не приведены показатели качества, а результаты в таблице относятся к вариантам B6, поэтому их нельзя переносить на B4.

ImageShield-MMCF-2B-GGUF — мультимодальная модель для классификации изображений и модерации контента, разработанная prithivMLmods и опубликованная в формате GGUF пользователем mradermacher. Базовая модель — prithivMLmods/ImageShield-MMCF-2B, обученная с использованием набора данных ImageShield-Guardrail-Multimodal-20K. Модель предназначена для задач визуальной безопасности, обнаружения потенциально нежелательного контента и работы в качестве мультимодального guardrail-компонента. В метаданных также указаны поддержка генерации JSON, интеграция с Transformers и тег qwen3.5. Размер модели составляет около 2 млрд параметров. Она поддерживает обработку изображений совместно с текстом, а заявленный язык — английский. Контекстное окно, точный набор категорий безопасности, архитектурные детали и результаты оценки качества в README не указаны. Доступны варианты квантования GGUF от Q2_K до Q8_0, а также F16; Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q8_0 — как вариант с лучшим качеством. Конкретное влияние квантования на точность зависит от выбранного варианта, поэтому модель следует проверять на собственных сценариях модерации. Лицензия — Apache-2.0.

Это модель классификации изображений Inception-v3, обученная с учётом состязательных примеров на ImageNet-1k авторами соответствующей научной работы и перенесённая из TensorFlow в timm Россом Уайтманом. Модель содержит около 23,8 млн параметров и рассчитана на изображения размером 299 × 299 пикселей. Модель определяет классы объектов на изображениях и может использоваться как основа для извлечения признаковых карт и визуальных эмбеддингов. Состязательное обучение предназначено для повышения устойчивости к некоторым состязательным воздействиям, однако карточка не приводит оценок точности или гарантий устойчивости. Репозиторий предоставляет веса PyTorch и safetensors; лицензия — Apache-2.0.

InstructScore (SEScore3) — модель и инструмент оценки генерации текста, описанный авторами как метрика с пояснительным диагностическим отчётом. Она сравнивает эталонный текст с результатом генерации и возвращает оценки вместе с пояснениями; пример в карточке показывает проверку перефразирования предложения. В метаданных указаны архитектура LLaMA с плотной causal language model, 6,6 млрд параметров и контекст 2048 токенов. Репозиторий содержит веса PyTorch и заявляет лицензию CC.

KoBERT — предварительно обученная языковая модель на архитектуре BERT, разработанная SK Telecom и предназначенная для работы с корейским языком. Репозиторий содержит модель примерно с 119,4 млн параметров и контекстом до 512 токенов; в метаданных указаны реализации PyTorch, Safetensors и ONNX. Модель формирует контекстные векторные представления текста и может служить основой для прикладных задач NLP, например классификации или анализа тональности после соответствующей настройки. Она принимает текст и сама по себе не является генеративной чат-моделью. Лицензия в доступных сведениях не установлена.

Laya-Multilingual-MXFP4 — квантованный мультиязычный энкодер ModernBERT/mmBERT от автора репозитория, основанный на convaiinnovations/laya. Он предназначен для извлечения признаков из текста и создания пользовательских MLX-голов на Apple Silicon; это только энкодер, без отдельной обученной головы принятия решений и без генерации текста. Репозиторий содержит около 306,9 млн параметров по метаданным, использует формат safetensors и библиотеку MLX. Контекст — до 8192 токенов по метаданным; README описывает исходную архитектуру mmBERT-base как модель для более чем 100 языков. MXFP4-квантизация уменьшает размер модели на диске примерно до 163 МБ. README сообщает о проверке совпадения результатов портированного энкодера с исходной реализацией, но также отмечает заметное отклонение скрытых состояний после квантизации и возможные изменения ранжирования близких вариантов ответа. Для точных оценок и чувствительных к разрешению ничьих решений рекомендуется исходный bf16/fp32 энкодер. Лицензия в предоставленных данных не указана.

LCNet 0.75 RA2 in1k — сверточная модель классификации изображений из семейства PP-LCNet, опубликованная в экосистеме timm. Она обучена на ImageNet-1k с рецептом RandAugment RA2, оптимизатором RMSProp с усреднением весов EMA и ступенчатым экспоненциальным расписанием скорости обучения. Модель предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Она рассчитана на вход размером 224 × 224 пикселя, содержит около 2,4 млн параметров и требует примерно 0,1 GMAC на проход. Лицензия — Apache-2.0.

LMCocktail-10.7B-v1-function-calling — слитая модель на архитектуре Llama, опубликованная автором Yhyu13. Она предназначена для диалоговой генерации текста с вызовом функций: модель оформляет имя функции и аргументы в XML-подобном формате, чтобы приложение могло извлечь вызов, выполнить его и передать результат обратно в диалог. Автор сообщает о результате 9 из 10 успешных запусков на примерах из OpenAI Function Calling Cookbook, но не приводит методику оценки. Модель содержит 10,6 млрд параметров, использует формат safetensors и имеет контекст 4096 токенов. Карточка описывает её как слияние модели и LoRA для function calling; базовые модели в доступных данных не названы. В README указана лицензия Apache-2.0, тогда как метаданные Hugging Face указывают Llama 2; перед использованием следует проверить лицензионные условия исходных компонентов. Для работы с вызовами функций нужны совместимый формат промпта и обработчик, который извлекает вызов и передаёт модели результат выполнения.

Kirosama/medical-guardrail-mmbert-V4 — мультиметочная модель классификации текста для маршрутизации медицинских запросов и проверки защитных правил. По README, она создана на основе jhu-clsp/mmBERT-base и дообучена для быстрого инференса. Архитектура — ModernBERT для классификации последовательностей; размер составляет 306,9 млн параметров, контекст — до 8192 токенов. Модель оценивает шесть классов: попытки prompt injection, экстренные медицинские ситуации, оскорбительное или вредоносное содержание, логически некорректные и корректные медицинские запросы, а также обычный диалог. Результаты представлены логитами; для получения вероятностей README рекомендует применять sigmoid, а не softmax. Доступны веса Safetensors и варианты ONNX в FP32 и INT8; INT8 предназначен для быстрого CPU-инференса. Модель подходит для маршрутизации медицинских обращений, эскалации экстренных случаев и фильтрации небезопасных запросов. Она классифицирует содержание, а не ставит диагнозы и не заменяет медицинского специалиста. README и метаданные не сообщают лицензию или поддерживаемые языки, поэтому эти характеристики не приводятся.

Med-KEBERT — англоязычная биомедицинская модель семейства BERT, опубликованная пользователем xmcmic на Hugging Face. Она предназначена для извлечения признаков из медицинских текстов и может использоваться как текстовый энкодер в последующих моделях машинного обучения. Модель имеет архитектуру BertModel, содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. В карточке указаны английский язык, библиотека Transformers и задача feature-extraction; модель также применялась как knowledge encoder при обучении систем для анализа рентгенологических изображений грудной клетки. Сильной стороной является специализация на биомедицинской лексике и пригодность для построения эмбеддингов, классификаторов и мультимодальных медицинских систем. Модель не является генеративной и не предназначена для самостоятельной постановки диагнозов или выдачи клинических рекомендаций. Распространяется по лицензии OpenRAIL.

MobileViT-v2 — модель классификации изображений и извлечения визуальных признаков, обученная авторами статьи на ImageNet-1k и опубликованная в библиотеке timm. Она предназначена для присвоения изображениям классов, извлечения карт признаков и получения векторных представлений изображений. Модель содержит около 7,5 млн параметров, требует изображения размером 256 × 256 пикселей и имеет вычислительную сложность 2,9 GMAC. Архитектура сочетает мобильные сверточные компоненты с механизмом separable self-attention для мобильного компьютерного зрения. Репозиторий содержит веса PyTorch и SafeTensors; лицензия указана как other, поэтому перед использованием следует проверить её условия в источнике.

MobileViT-v2 200 — модель классификации изображений и извлечения визуальных признаков из семейства MobileViT-v2. Её разработали авторы статьи «Separable Self-attention for Mobile Vision Transformers»; модель предоставлена библиотекой timm. Она предварительно обучена на ImageNet-22k и дообучена на ImageNet-1k. Модель содержит 18,4 млн параметров, выполняет 7,2 GMACs и рассчитана на изображения размером 256 × 256 пикселей. Её можно применять для классификации изображений, извлечения карт признаков и получения визуальных эмбеддингов. Репозиторий содержит веса PyTorch и Safetensors. Лицензия обозначена как other; подробности условий использования следует сверить с лицензией проекта.

Muse-Glimmer-30B-DFlash2 — дообученная модель-черновик DFlash 2 для ускорения генерации моделью meta-models/Muse-Glimmer-30B. Это не самостоятельная языковая модель: она работает в сервере спекулятивного декодирования, например SGLang, предлагает блоки токенов, а целевая модель проверяет их. Модель использует блочную диффузию: за один проход предсказывает блок токенов, сохраняет несколько кандидатов на каждой позиции и выбирает согласованный путь. По README, декодирование сохраняет результат целевой модели: при жадном поиске вывод совпадает с её выводом, а при сэмплировании сохраняется её распределение. В метаданных указаны архитектура Qwen3, 3,9 млрд параметров, контекст 131 072 токена и формат Safetensors. README приводит результаты ускорения на GSM8K, MATH-500 и HumanEval, измеренные на NVIDIA H200 с SGLang. Модель предназначена для ускорения вывода целевой Muse-Glimmer-30B в совместимой серверной конфигурации, а не для непосредственного ответа на запросы. Для работы требуется целевая модель и поддерживающий DFlash 2 сервер; заявленные показатели производительности привязаны к указанному оборудованию и настройкам оценки. Лицензия — Apache-2.0.

leomaurodesenv/nli-MiniLM2-L6-H768-answerable-or-not-augmented — англоязычная модель классификации последовательностей на базе cross-encoder/nli-MiniLM2-L6-H768, дообученная для определения, является ли вопрос отвечаемым. Она подходит для предварительной фильтрации вопросов и отбора тех, на которые система может подготовить ответ. Модель построена на архитектуре RoBERTa и содержит 95,2 млн параметров; максимальный контекст — 514 токенов. В README указаны accuracy 0,8943 и loss 0,2847 на оценочной выборке, однако состав датасета и подробности оценки не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Это конвертация модели nomic-ai/nomic-embed-vision-v1.5 в формат GGUF для CrispEmbed. Модель преобразует изображения в 768-мерные L2-нормализованные эмбеддинги, совместимые с пространством эмбеддингов nomic-embed-text-v1.5, что позволяет искать изображения по текстовым запросам. Репозиторий содержит варианты GGUF в точности F16 и F32. Для сопоставления с текстовыми эмбеддингами README описывает дополнительную нормализацию LayerNorm без обучаемых параметров перед L2-нормализацией. По карточке заявлено совпадение результатов с Transformers на проверочных изображениях. Модель распространяется по лицензии Apache-2.0 с атрибуцией Nomic AI.