II.1Анализ требований и архитектура ПО

AhmetAytar разработал модель на базе sentence-transformers и архитектуры MPNet для преобразования предложений и абзацев в плотные векторы размерности 768. Модель насчитывает 136,7 млн параметров, принимает текст и формирует эмбеддинги; длина контекста составляет 514 токенов. Модель предназначена для семантического поиска и кластеризации текстов. Она обучалась с помощью MultipleNegativesRankingLoss с косинусной мерой сходства, что ориентирует эмбеддинги на сопоставление семантически близких текстов. Лицензия в предоставленных данных не указана.

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.

Pratima29/autotrain24 — дообученный с помощью AutoTrain энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2. Модель предназначена для преобразования текста в семантические векторы и вычисления сходства между предложениями; её можно применять для семантического поиска, сравнения и группировки текстов. Использует архитектуру BERT и библиотеку Sentence Transformers, содержит 25,9 млн параметров и принимает контекст до 512 токенов. README сообщает значение loss на валидации 0,2786. Модель принимает текст и выдаёт векторы, пригодные для задач сходства предложений. Базовая модель описана каталогом как англоязычный энкодер; данных о дополнительной языковой специализации этой версии нет. Лицензия в предоставленных данных не указана.

booster-team/autotrain-l21an-6mkt7 — это дообученный с помощью AutoTrain энкодер предложений на архитектуре BERT, основанный на sentence-transformers/all-MiniLM-L6-v2. Модель содержит 25,9 млн параметров, принимает текст и формирует плотные векторные представления предложений для оценки семантического сходства. Контекст ограничен 512 токенами. Модель предназначена для сравнения смысловой близости текстов и извлечения эмбеддингов, которые можно использовать в поиске, группировке и других задачах работы с предложениями. В карточке приведена метрика loss 0,676 на валидации, но нет описания набора данных или протокола оценки, поэтому по ней нельзя судить о качестве в конкретном сценарии. Использование предполагает библиотеку Sentence Transformers; лицензия в предоставленных данных не указана.

SrinivasanHF/autotrain-medq — дообученная модель Sentence Transformers на основе sentence-transformers/all-MiniLM-L6-v2. Это плотный BERT-энкодер на 25,9 млн параметров, предназначенный для преобразования предложений в векторы и вычисления семантического сходства. Модель подходит для поиска похожих текстов, сопоставления запросов с документами и кластеризации предложений. Контекст ограничен 512 токенами; используется формат safetensors. Карточка указывает тип задачи Sentence Transformers и приводит значение loss 0,299 на валидации, но не описывает набор данных или методику оценки. Базовая модель ориентирована на английский язык, поэтому применимость к другим языкам не подтверждена. Лицензия в предоставленных данных не указана.

Bellatrix-1.5B-xElite — компактная авторегрессионная языковая модель с архитектурой Qwen2, разработанная на базе Qwen/Qwen2.5-1.5B-Instruct. Модель содержит 1,5 млрд параметров, работает с текстом и использует формат Transformers; заявленная длина контекста составляет 131 072 токена. По карточке, обучение включало дообучение на синтетических примерах QWQ, SFT и RLHF. Модель предназначена для диалогов, следования инструкциям, генерации и суммаризации текста, логических рассуждений и сценариев RAG, включая агентный поиск и синтез найденной информации. Карточка заявляет многоязычное применение, однако в метаданных указан английский язык. У модели также заявлен интерфейс для вызова инструментов. Возможные ограничения — склонность к фактическим ошибкам, зависимость качества от языка и обучающих данных, а также более слабая работа на специализированных и внераспределённых задачах. В таблице оценки приведены низкие результаты на IFEval (19,64%) и BBH (9,49%), поэтому качество рассуждений и следования инструкциям стоит проверять на целевых задачах. Лицензия — Apache-2.0.

Модель shreyansh26/bert-base-1024-biencoder-64M-pairs — двубашенный энкодер предложений на архитектуре BERT, основанный на предварительно обученной MosaicML BERT. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска и кластеризации. В README указана обработка последовательностей длиной до 1024 токенов; метаданные модели указывают 136,7 млн параметров и контекст 512 токенов. Модель предназначена для поиска семантически близких текстов, извлечения документов и пассажей, а также сравнения и группировки предложений. В метаданных отмечен английский язык, а среди датасетов для обучения и оценки перечислены MS MARCO, SNLI, MultiNLI и другие наборы для поиска и текстового сходства. Репозиторий содержит веса PyTorch; для использования предлагаются Transformers и специализированная реализация Mosaic BERT. Лицензия в предоставленных данных не указана. Между README и метаданными есть расхождение по длине контекста: README сообщает 1024 токена, метаданные — 512; фактический рабочий предел следует проверять по конфигурации и токенизатору модели.

Charul1223/bert-base-cased-on-sts — модель на базе BERT, опубликованная пользователем Charul1223. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости, кластеризации и семантического поиска. Модель обучалась с функцией потерь CosineSimilarityLoss и рассчитана на использование с библиотекой Sentence-Transformers или через Transformers с соответствующей операцией pooling. Модель содержит 135,5 млн параметров, принимает текст и формирует векторные представления; максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch. Язык и лицензия в предоставленных данных не указаны.

abhijitt/bert_st_qa_multi-qa-mpnet-base-dot-v1-epochs-1 — модель Sentence-Transformers на архитектуре MPNet, обученная разработчиком abhijitt для представления предложений и абзацев в виде плотных векторов размерности 768. В метаданных указано 136,7 млн параметров и контекст до 514 токенов; модель опубликована в формате PyTorch. Векторы можно применять для семантического поиска, сравнения смысловой близости текстов и кластеризации. В README указано обучение с MultipleNegativesRankingLoss и косинусной функцией сходства. Модель принимает текст и выдаёт эмбеддинги; данные не устанавливают конкретные поддерживаемые языки, поэтому языковую специализацию определить нельзя. Для работы доступны Sentence-Transformers и Hugging Face Transformers; при использовании Transformers требуется подходящая операция pooling поверх контекстных представлений токенов. Сведения о лицензии в предоставленных данных отсутствуют.

Nhat1904/best-32-shot-model — модель Sentence Transformers на архитектуре MPNet, обученная для получения плотных 768-мерных векторов предложений и абзацев. В карточке указано обучение с CosineSimilarityLoss; размер модели — 136,7 млн параметров, максимальная длина контекста — 514 токенов. Модель подходит для семантического поиска, сравнения сходства текстов и кластеризации. Её можно использовать через библиотеку Sentence-Transformers или Transformers с соответствующей операцией pooling. В репозитории указаны веса PyTorch. В карточке не названы языки обучения и лицензия, поэтому их условия и языковую специализацию по имеющимся данным определить нельзя.

Карточка модели pashaa/bge-base-en-v1.5 на Hugging Face совпадает с карточкой BAAI/bge-base-en-v1.5, поэтому описание составлено по ней. BAAI/bge-base-en-v1.5 — англоязычная плотная модель эмбеддингов семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует текст в векторы для поиска по смыслу и сравнения сходства предложений, в том числе в системах retrieval-augmented generation (RAG). Модель относится к архитектуре BERT и содержит 136,7 млн параметров; максимальный контекст — 512 токенов. Версия v1.5 улучшает поиск без инструкций и смягчает проблему распределения оценок сходства. Оценки сходства не следует интерпретировать по универсальному порогу: из-за способа обучения даже несходные предложения могут получать значения выше 0,5. Модель поддерживает английский язык; доступны веса PyTorch и Safetensors, а также формат ONNX. Лицензия — MIT.

Карточка модели jpbalarini/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 shen919/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 daitavan/bge-m3-finetune 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.

JINSUP/bge-m3-ko-axriv-agent-part-2025 — модель Sentence Transformer, дообученная разработчиком JINSUP на базе BAAI/bge-m3. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для сравнения семантической близости, семантического поиска, поиска перефразировок, классификации текста и кластеризации. В README указаны архитектура XLM-RoBERTa с пулингом CLS-токена и нормализацией векторов, косинусная функция сходства и максимальная длина последовательности 8192 токена. Обучение проводилось на 2162 парах предложений с функцией потерь MultipleNegativesRankingLoss. Примеры данных включают корейские и английские тексты, в том числе вопросы и ответы о научных темах и лекарствах, но модель описана как дообученная на базе многоязычной BGE-M3, поэтому применима к многоязычному поиску и сопоставлению текстов. Модель принимает текст и выдаёт векторы, пригодные для семантического поиска и оценки сходства. Лицензия в предоставленных данных не указана.

Это дообученная модель Sentence Transformers на базе BAAI/bge-m3, разработанная автором репозитория seongil-dn. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения сходства текстов, поиска перефразировок, кластеризации и классификации. Архитектура основана на XLM-RoBERTa с пулингом CLS-токена и нормализацией векторов; модель использует косинусное сходство. В README указан предел последовательности 1024 токена, а метаданные каталога указывают контекст до 8194 токенов. Модель подходит для построения текстового поиска и группировки похожих фрагментов. Базовая BGE-M3 ориентирована на многоязычный семантический, лексический и гибридный поиск; отдельная языковая специализация этой версии не подтверждена. Размер модели — 658,7 млн параметров. В метаданных указана лицензия? Информация о лицензии в предоставленных данных отсутствует, поэтому условия использования установить нельзя.

vectoriseai/bge-small-en-v1.5 — англоязычная модель эмбеддингов семейства BGE, опубликованная под именем vectoriseai; карточка описывает её через материалы проекта FlagEmbedding. Модель преобразует текст в плотные векторы для поиска, сравнения предложений, классификации и кластеризации, а также для поиска контекста в векторных базах данных и системах RAG. Модель основана на архитектуре BERT, содержит около 40 млн параметров и поддерживает контекст до 512 токенов. Для поиска по длинным документам README рекомендует при необходимости добавлять поисковую инструкцию к короткому запросу, но не к документам. Доступны веса PyTorch и ONNX; лицензия — MIT. Версия BGE v1.5 улучшает распределение оценок сходства и поиск без инструкции. Оценки сходства следует интерпретировать относительно: порог для отбора похожих текстов нужно подбирать на своих данных. Модель ориентирована на английский язык; качество для других языков не заявлено.

Rajatrc1705 дообучил англоязычную модель эмбеддингов BAAI/bge-small-en на датасете sentence-transformers/hotpotqa. Это Sentence Transformer на архитектуре BERT с 40 млн параметров, который преобразует предложения и абзацы в плотные векторы размерностью 384; для сравнения текстов используется косинусное сходство. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и оценки сходства текстов, а также может использоваться для поиска перефразировок, кластеризации и классификации текстов. Обучение на HotpotQA ориентирует её на сопоставление вопросов с релевантными фрагментами текста. Доступны варианты представления размерностью 256, 128 и 64 с близкими результатами в приведённых в карточке тестах TripletEvaluator. Модель принимает текст и выдаёт векторы признаков. Она рассчитана на английский язык и не заявлена как мультиязычная. Распространяется по лицензии Apache-2.0.

Blitzar-Coder-4B-F.1 — языковая модель для программирования, разработанная prithivMLmods на основе дообучения Qwen3-4B-ft-bf16. Это плотная авторегрессионная архитектура Qwen3 с 3,7 млрд параметров, рассчитанная на контекст до 40 960 токенов и работу через библиотеку Transformers. Модель обучалась на трассах решения задач по программированию и ориентирована на более чем десять языков программирования, включая Python, Java, C#, C++, Go, JavaScript, TypeScript и Rust; основной естественный язык карточки — английский. Модель предназначена для генерации и объяснения кода, отладки, анализа и рефакторинга, оптимизации алгоритмов, перевода кода между языками, а также подготовки документации, спецификаций API и конфигурационных файлов. Её размер рассчитан на использование в инструментах разработчика, IDE и CI/CD-сценариях с ограниченными вычислительными ресурсами. Поддерживается диалоговый интерфейс; метаданные также отмечают интерфейс вызова инструментов. Карточка предупреждает, что модель может уступать в обычном разговоре, а большой кодовый контекст может быть сложен для анализа; творческие и общие задачи не являются её сильной стороной. Модель распространяется по лицензии Apache-2.0.

peter2000/bmz_topics10 — модель Sentence-Transformers на базе XLM-RoBERTa, разработчик которой не уточнён в карточке. Она преобразует предложения и абзацы в плотные векторы размерности 768 для кластеризации и семантического поиска. Модель также подходит для сравнения смысловой близости текстов и получения эмбеддингов; в метаданных указаны 305,2 млн параметров и контекст длиной 514 токенов. Модель обучалась с BatchHardTripletLoss. Она доступна в формате PyTorch и рассчитана на текстовый ввод с векторным выходом. Карточка не уточняет языки, на которых качество проверялось. Условия лицензии в предоставленных данных не указаны.

claif-roberta-base — модель OpenMOSS-Team для построения эмбеддингов предложений и абзацев. Она основана на RoBERTa и выдаёт плотные векторы размерности 768; модель обучали с функцией потерь CosineSimilarityLoss и распространяют в формате PyTorch. Модель подходит для семантического поиска, сравнения текстов и кластеризации. Векторные представления можно использовать для поиска похожих фрагментов в коллекции документов или группировки текстов по смыслу. Доступна лицензия Apache-2.0. Контекст модели составляет 514 токенов. Карточка указывает английский язык; качество на других языках не подтверждено. Для использования через Transformers требуется применить корректную операцию pooling к контекстным представлениям токенов.

OpenMOSS-Team/claif-scaled-bert-base — англоязычная модель эмбеддингов на архитектуре BERT, опубликованная командой OpenMOSS. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска по смыслу, сравнения текстов и кластеризации. Модель обучена с использованием CosineSimilarityLoss и доступна в формате PyTorch; её можно применять через Sentence-Transformers или Transformers с подходящим pooling. Модель подходит для англоязычных систем семантического поиска и группировки текстов. Контекст ограничен 512 токенами. Лицензия Apache-2.0 разрешает использование на её условиях.

QuantFactory/Codestral-22B-v0.1-GGUF — квантизированная версия Codestral-22B-v0.1, разработанной Mistral AI и преобразованной с использованием llama.cpp. Модель предназначена для генерации и анализа программного кода, включая ответы на вопросы по фрагментам кода, написание документации, объяснение, рефакторинг и создание кода по заданным требованиям. Также она поддерживает режим Fill-in-the-Middle (FIM), предсказывающий пропущенные токены между префиксом и суффиксом, что подходит для интеграции в редакторы кода и инструменты разработки. Модель обучена на данных, охватывающих более 80 языков программирования, включая Python, Java, C, C++, JavaScript и Bash. Она относится к классу text-generation, имеет размер 22B параметров и распространяется в формате GGUF; конкретные варианты квантования и размер контекста в README не указаны. Модель ориентирована на текстовые задачи программирования и не описана как мультимодальная. Ключевые преимущества — широкий охват языков программирования, поддержка как инструктивного режима, так и FIM, а также пригодность для локального использования через совместимый стек llama.cpp. Ограничение заключается в отсутствии встроенных механизмов модерации, поэтому при применении в продуктивных или публичных системах необходимы собственные меры контроля вывода. Указана лицензия MNPL-0.1; условия следует уточнять в тексте лицензии Mistral AI.

perceptiveshawty/compositional-bert-large-uncased — англоязычная модель на архитектуре BERT Large без учёта регистра, разработанная пользователем или организацией perceptiveshawty для оценки семантического сходства предложений. Модель предназначена для сравнения текстов, поиска похожих предложений и построения систем семантического сопоставления. Модель содержит около 433,9 млн параметров, работает через библиотеку Transformers и поддерживает контекст до 512 токенов. В качестве источников обучения указаны datasets-for-compcse и datasets-for-simcse. Модель ориентирована на английский язык и распространяется по лицензии Apache-2.0.

Contrastive-Embedding-v2 — модель эмбеддингов предложений на базе архитектуры BERT, опубликованная пользователем cheongmyeong17. Она преобразует предложения и абзацы в плотные векторы размерностью 768, предназначенные для сравнения семантической близости, кластеризации и семантического поиска. Модель обучалась с ContrastiveLoss и косинусной метрикой расстояния; для работы можно использовать Sentence-Transformers или Transformers с соответствующей операцией pooling. Модель содержит 144 млн параметров, принимает текстовые входы, а её контекст ограничен 512 токенами. В карточке не указаны конкретные языки, область специализации или лицензия, поэтому эти характеристики нельзя уточнить. Эмбеддинги подходят для построения поиска и группировки текстов, но качество на конкретном языке и предметной области следует проверять отдельно.

Tool-COLT/contriever-base-msmarco-v1-ToolLens — модель Sentence-Transformers на основе BERT, преобразующая предложения и абзацы в плотные векторы размерности 768. Она предназначена для семантического поиска, сравнения текстов и кластеризации; обучение с MultipleNegativesRankingLoss использовало косинусное сходство. Модель содержит 136,7 млн параметров, принимает текст и формирует эмбеддинги; максимальная длина контекста — 512 токенов. Модель подходит для построения поиска по смыслу и группировки похожих текстов. В метаданных указаны формат safetensors и библиотека Transformers; README описывает использование через Sentence-Transformers или Transformers с подходящим pooling. Язык и лицензия в предоставленных данных не установлены.

tubyneto/crowdedflowertunedbert — модель Sentence-Transformers на архитектуре MPNet, обученная преобразовывать предложения и абзацы в плотные векторы размерности 768. Её можно использовать для семантического поиска, сравнения сходства текстов и кластеризации. Обучение проводилось с ContrastiveLoss на основе косинусного расстояния. Модель содержит 136,7 млн параметров, принимает текст и выдаёт эмбеддинги; максимальная длина контекста составляет 514 токенов. Доступна в формате PyTorch. README не указывает языки обучающих данных или лицензию, поэтому область языкового применения и условия использования по имеющимся сведениям определить нельзя.

Cymist2-v0.1-SFT — языковая модель команды Cypien AI для генерации текста и диалоговых сценариев на турецком и английском языках. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная на базе mistralai/Mistral-7B-v0.1 и доступная в формате safetensors для библиотеки Transformers. Контекст модели составляет 32 768 токенов. Модель предназначена для чат-ботов, виртуальных помощников и приложений общего назначения, включая сценарии поиска с дополненной генерацией (RAG). Она поддерживает турецкий и английский языки; в README указано обучение на разнообразных источниках на этих языках. Распространяется по лицензии Apache-2.0. Модель может унаследовать смещения из обучающих данных. Разработчик не рекомендует применять её в критически важных системах или там, где требуются специализированные знания за пределами общей генерации текста; точность ответов не гарантируется.

deberta-sentence-transformer — модель семейства DeBERTa-v2 от embedding-data, преобразующая предложения и абзацы в плотные векторы размерностью 768. Модель содержит около 155 млн параметров, принимает текстовые последовательности длиной до 512 токенов и предназначена для получения эмбеддингов предложений. Её можно применять для семантического поиска, сравнения сходства текстов и кластеризации. Модель обучалась с функцией MultipleNegativesRankingLoss на датасете embedding-data/QQP_triplets. Для использования доступны Sentence-Transformers и Transformers с подходящей операцией pooling. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.