II.6Документация и сопровождение разработки

SimCSE-Dist-MPNet-CzEng — компактная модель семантических эмбеддингов, разработанная Seznam.cz и дообученная с целевой функцией SimCSE. Она предназначена для оценки смыслового сходства предложений и может применяться для семантического поиска, извлечения релевантных текстов, кластеризации и классификации. Модель основана на архитектуре BERT, содержит 27,2 млн параметров и принимает текстовые входные данные, формируя векторные представления предложений. Контекст ограничен 512 токенами. В карточке заявлена поддержка чешского и английского языков. Модель опубликована в формате PyTorch под лицензией CC-BY-NC-SA-4.0, которая ограничивает коммерческое использование и требует соблюдения условий распространения.

nthakur/contriever-base-msmarco — порт модели Contriever MSMARCO в формат Sentence-Transformers. Модель на архитектуре BERT содержит 136,7 млн параметров и преобразует предложения и абзацы в плотные векторы размерности 768; для корректного получения векторов в Transformers требуется подходящая операция pooling над контекстными представлениями токенов. Модель предназначена для семантического поиска и кластеризации текстов, а также для сравнения смысловой близости предложений. Принимает текст и выдаёт эмбеддинги; максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch. README ссылается на исходную модель Contriever, однако сведения о лицензии и поддерживаемых языках в предоставленных данных отсутствуют.

upskyy/e5-base-korean — многоязычная модель Sentence Transformer, разработанная upskyy на основе intfloat/multilingual-e5-base и дообученная на korsts и kornli. Она кодирует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости, поиска и других задач, где требуется сопоставлять смысл текстов. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений; для сходства используется косинусная мера. Модель содержит 305,2 млн параметров, максимальная длина последовательности — 514 токенов по метаданным. Поддерживает корейский и другие языки, перечисленные в метаданных. Лицензия — MIT.

e5-sk-large — модель текстовых эмбеддингов для словацкого языка, выпущенная в рамках проекта SkMTEB. Она создана на основе intfloat/multilingual-e5-large: словарь сокращён с 250 тысяч до 60 тысяч токенов, после чего модель дообучена на словацких данных. В метаданных указаны архитектура XLM-RoBERTa, 464,1 млн параметров и контекст до 514 токенов; README сообщает о 365 млн параметров и 1024-мерных эмбеддингах, поэтому размеры расходятся между источниками. Модель предназначена для семантического поиска и извлечения документов, сравнения смысла текстов, кластеризации и классификации по эмбеддингам, а также поиска между словацким, английским и чешским языками. Для запросов поиска рекомендуется добавлять префикс «query: », а для индексируемых документов — «passage: »; для симметричных задач префикс не нужен. Модель показывает сопоставимые с multilingual-e5-large результаты на словацком бенчмарке SkMTEB и подходит для локального развёртывания. Модель оптимизирована для словацкого языка; перенос на другие языки, кроме указанных межъязыковых сценариев, не оценён. Сокращение словаря может ухудшить работу с текстом, смешивающим языки, а обучающие данные преимущественно охватывают новости, парламентские материалы и энциклопедии. При дообучении использовалась длина последовательности 256 токенов, хотя архитектура поддерживает контекст до 512. Лицензия — MIT.

codersan/FaLaBSE_Mizan3 — дообученная на парах предложений модель Sentence Transformers на базе codersan/FaLabse. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними оценивается косинусной близостью. Обучение проведено на 1 021 596 парах anchor-positive с помощью MultipleNegativesRankingLoss. Модель предназначена для семантического сравнения текстов, поиска по смыслу, выявления перефразировок, кластеризации и извлечения признаков для классификации. В обучающих примерах есть персидские предложения и соответствующие английские переводы, поэтому модель подходит для поиска семантических соответствий между такими текстами. Архитектура — BERT; метаданные указывают размер 498,1 млн параметров и контекст до 512 токенов, а карточка модели задаёт максимальную длину входа 256 токенов. Для работы требуется текстовый ввод; результатом служат векторы, пригодные для сравнения и поиска. В карточке не указана лицензия, поэтому условия использования следует проверить в репозитории модели. Качество для иных языков и доменов не подтверждено приведёнными примерами; длина входа ограничена настройками модели.

Это порт модели эмбеддингов Jina AI v5 Text Small Clustering для Apple Silicon. Модель построена на архитектуре Qwen3-0.6B и использует предварительно объединённые адаптеры LoRA для задач кластеризации. Версия MLX предназначена для запуска на устройствах Apple Silicon с ускорением Metal. Модель кодирует поисковые запросы и документы или фрагменты текста в векторы размерностью до 1024. Поддерживается усечение эмбеддингов по схеме Matryoshka до 32, 64, 128, 256, 512, 768 или 1024 измерений. Максимальная длина последовательности — 32 768 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

moco-sentencebertV2.0 — двуязычная модель эмбеддингов предложений от bongsoo. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Архитектура основана на BERT; размер модели — 230,4 млн параметров, контекст — до 512 токенов. Для получения эмбеддинга используется mean pooling над контекстными векторами токенов. Модель обучена на базе bongsoo/mbertV2.0: после обучения Sentence-BERT её дополнительно дистиллировали с учителем paraphrase-multilingual-mpnet-base-v2 и дообучили на задачах семантического сходства. В README приведены корейские и английские оценочные наборы и результаты сравнения, однако полная строка результатов этой модели в карточке отсутствует. Поддерживаются корейский и английский языки; словарь содержит 152 537 токенов. Лицензия в предоставленных данных не указана.

RepresentLM-v1 — модель эмбеддингов предложений и абзацев, разработанная на базе StoriesLM-v1-1963. Она преобразует текст в плотные векторы размерностью 768 и предназначена для поиска семантически похожих текстов, кластеризации и семантического поиска. Модель основана на архитектуре BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель дообучена на наборе HEADLINES для семантического сходства; в метаданных также указан датасет AmericanStories. Подходит для поиска по смыслу и группировки текстов на английском языке. Распространяется по лицензии MIT.

Многоязычная модель Symanto на архитектуре XLM-RoBERTa-base, обученная в виде сиамской сети на наборах SNLI, MNLI, ANLI и XNLI. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для классификации текста без примеров и с небольшим числом примеров, а также для сравнения семантической близости предложений. Модель содержит 305,2 млн параметров и принимает текст с контекстом до 514 токенов. В метаданных указана поддержка арабского, болгарского, немецкого, греческого, английского, испанского, французского, русского, тайского, турецкого, урду, вьетнамского и китайского языков. Векторы можно использовать для поиска похожих предложений и классификации по смыслу. README описывает запуск через Sentence-Transformers или Transformers с подходящим pooling. Модель распространяется в форматах PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

Карточка модели ITESM/st_demo_5 на Hugging Face совпадает с карточкой valurank/MiniLM-L6-Keyword-Extraction, поэтому описание составлено по ней. valurank/MiniLM-L6-Keyword-Extraction — англоязычная модель для получения векторных представлений предложений и коротких абзацев. Это Sentence-Transformers-модель на архитектуре BERT с 25,9 млн параметров, создающая плотные эмбеддинги размерности 384. В README описано дообучение контрастивным методом на более чем миллиарде пар предложений на основе nreimers/MiniLM-L6-H384-uncased; метаданные указывают формат PyTorch и контекст до 512 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Эмбеддинги можно использовать для ранжирования кандидатов по близости векторных представлений, в том числе при извлечении ключевых слов из текста. По умолчанию тексты длиннее 256 WordPiece-токенов обрезаются. README не приводит отдельную лицензию, а метаданные обозначают её как other, поэтому условия использования следует сверить с карточкой репозитория. Модель обучалась преимущественно на англоязычных данных; качество для других языков не подтверждено.

textgain/tags-allnli-GroNLP-bert-base-dutch-cased — модель Sentence-Transformers на базе BERT, разработанная Textgain. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель обучена с функцией MultipleNegativesRankingLoss и косинусным сходством; архитектура содержит около 136,3 млн параметров, а максимальный контекст составляет 512 токенов. Карточка и метаданные указывают на поддержку нидерландского языка. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Whisper Large v3 FP16 OpenVINO — это модель автоматического распознавания речи, разработанная OpenAI и преобразованная в формат OpenVINO IR с весами в формате FP16. Модель предназначена для преобразования аудиозаписей в текст и совместима с библиотеками OpenVINO и Optimum Intel. Модель содержит около 905,2 млн параметров и поддерживает распознавание речи на широком наборе языков, включая русский, английский, китайский, немецкий, испанский, французский, японский и многие другие. Она рассчитана на запуск через OpenVINO 2025.2.0 или новее и Optimum Intel 1.23.0 или новее, включая выполнение на CPU через OpenVINO GenAI. Модель подходит для транскрибации аудиозаписей, голосовых сообщений, звонков и другого речевого контента. FP16-представление и формат OpenVINO IR ориентированы на эффективное выполнение на поддерживаемом оборудовании, однако ограничения исходной модели Whisper Large v3 распространяются и на эту конвертированную версию. Модель распространяется по лицензии Apache-2.0.

LazarusNLP/all-nusabert-large-v4 — модель эмбеддингов предложений на базе архитектуры BERT, выпущенная LazarusNLP и реализованная на Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для сравнения смысловой близости, семантического поиска и кластеризации. Модель обучалась с функцией CachedMultipleNegativesRankingLoss и косинусным сходством; поддерживает контекст до 512 токенов и содержит 435,5 млн параметров. Модель подходит для построения поиска по смыслу и сопоставления индонезийских текстов, включая поиск документов, кластеризацию и задачи сходства предложений. В карточке указаны обучающие наборы данных для индонезийских задач и многоязычного NLI, но полный перечень поддерживаемых языков не приведён. Лицензия в предоставленных данных не указана.

Это Sentence Transformer на базе BERT, разработанный tintnguyen и дообученный на модели tintnguyen/bert-base-vi-uncased-st. Он преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и сравнения их сходства. Модель использует BERT с усреднением токенных представлений; сходство векторов обычно оценивают косинусной мерой. Максимальная длина входа — 512 токенов. Обучение на парах anchor-positive с MultipleNegativesRankingLoss ориентирует её на семантический поиск, поиск перефразирований, кластеризацию и классификацию текстов. Модель рассчитана прежде всего на вьетнамский язык; в примерах данных встречаются также тексты на других языках. Для практического применения модель формирует текстовые эмбеддинги, а не готовые ответы или метки. В метаданных указана лицензия Apache-2.0.

mlx-community/embeddinggemma-300m-bf16 — текстовая модель эмбеддингов семейства EmbeddingGemma, разработанная сообществом mlx-community на основе google/embeddinggemma-300m и конвертированная в формат MLX с использованием mlx-lm. Модель основана на текстовой архитектуре Gemma 3, содержит около 302,8 млн параметров и предназначена для работы через библиотеку sentence-transformers и инструменты MLX. Модель преобразует предложения и документы в нормализованные векторные представления, пригодные для вычисления семантического сходства, поиска, кластеризации, классификации, извлечения информации и переранжирования результатов. README содержит специализированные префиксы заданий для sentence similarity, retrieval, clustering, classification, reranking, summarization и других сценариев. Максимальная длина контекста составляет 2048 токенов. К сильным сторонам относятся компактный размер, нормализованные эмбеддинги и адаптация к различным задачам с помощью task-specific prefixes, а также оптимизация для экосистемы MLX. Ограничения включают контекст в 2048 токенов и зависимость от MLX-инструментов для описанного способа запуска; поддерживаемые естественные языки в предоставленных данных не определены. Для использования требуется принять лицензию Google Gemma; лицензия модели — gemma.

Gevva e2b Multimodal — мультимодальная модель-классификатор, созданная Дэйвом Бёрхансом и дообученная на основе google/gemma-4-E2B-it. Она предназначена для быстрых решений по тексту и изображениям: проверки утверждений по источникам, выявления галлюцинаций, маршрутизации запросов к инструментам и проверки того, подтверждают ли диаграммы, таблицы или документы заданное утверждение. В README заявлена обработка контекста до 128 000 токенов, задержка около 15 мс на GPU и около 147 мс на обычном CPU; модель распространяется в формате safetensors и рассчитана на использование через Transformers. Модель поддерживает английский, французский, испанский, немецкий, китайский, арабский, хинди, русский, суахили и вьетнамский языки. README также описывает применение для проверки ответов учащихся по эталону. Заявления о лидерстве на JevBench, скорости и точности приведены авторами модели и зависят от условий измерений. Лицензия — Apache 2.0.

InternVL3-78B-GGUF — мультимодальная большая языковая модель семейства InternVL3, подготовленная Unsloth на основе OpenGVLab/InternVL3-78B. Модель предназначена для обработки текста и изображений, мультимодального восприятия и рассуждений, а также для сценариев с использованием инструментов, GUI-агентами, промышленным анализом изображений и восприятием 3D-сцен. Указанный вариант распространяется в формате GGUF. Архитектура модели следует схеме ViT-MLP-LLM: визуальная часть использует InternViT-6B-448px-V2_5, языковая — Qwen2.5-72B, объединённые через MLP-проектор. Размер модели — 78B параметров. Модель поддерживает мультимодальные входы и заявлена как многоязычная, однако точный перечень языков и размер контекстного окна в README не указаны. Обучение связано с набором данных OpenGVLab/MMPR-v1.2. К сильным сторонам относятся сочетание крупной языковой и визуальной подсистем, развитые возможности мультимодального анализа и рассуждений, а также поддержка специализированных агентных и визуальных задач. Ограничения включают высокие требования к вычислительным ресурсам, характерные для модели такого размера, и отсутствие в README подробных данных о производительности, контекстном окне и языковом покрытии. Лицензия указана как other с названием qwen; приведена ссылка на лицензию Qwen2.5-72B-Instruct.

Cohee/jina-embeddings-v2-base-en — это модель для получения векторных представлений текста (эмбеддингов), основанная на jinaai/jina-embeddings-v2-base-en. В карточке указано, что модель подготовлена в формате ONNX для совместимости с библиотекой Transformers.js и предназначена для использования в задачах извлечения признаков (feature extraction), включая последующий семантический поиск и сравнение текстов. Модель ориентирована на англоязычные тексты, что следует из её идентификатора base-en. Сведения о точной архитектуре, размере, длине контекста, поддерживаемых модальностях и числовых характеристиках эмбеддингов в карточке не приведены. Также не указаны результаты тестирования, ограничения качества и лицензия.

LaBSE — перенос многоязычной модели LaBSE в PyTorch, опубликованный командой sentence-transformers. Модель на архитектуре BERT содержит 498,1 млн параметров и отображает предложения на общем векторном пространстве, чтобы сопоставлять их смысл на разных языках. Поддерживает 109 языков; максимальная длина контекста — 512 токенов. Модель подходит для поиска семантически близких предложений, сопоставления текстов на разных языках и построения многоязычных эмбеддингов для семантического поиска и кластеризации. Доступна через библиотеку sentence-transformers и в форматах PyTorch, TensorFlow, Flax и ONNX. Лицензия — Apache-2.0. README указывает на публикацию LaBSE, но не приводит подробностей обучения или сравнительных результатов.

mal-sh/mith-embed-v2-train — модель Sentence Transformers на базе арабоязычной aubmindlab/bert-base-arabertv2, дообученная для получения плотных векторных представлений предложений и абзацев. Она предназначена для поиска семантически близких текстов, оценки сходства, поиска перефразировок, кластеризации и классификации текстов; особенно полезна для задач с арабскими вопросами и ответами. Модель выдаёт векторы размерности 768, для сравнения текстов использует косинусное сходство и принимает последовательности длиной до 512 токенов. В README перечислены арабский, китайский, немецкий, английский, французский, итальянский, польский, русский, испанский и турецкий языки; обучающие данные включают наборы арабских QA, NLI и межъязыкового сходства предложений. Архитектура состоит из BERT-трансформера и mean pooling. Репозиторий содержит веса в формате safetensors, размер модели — 162,4 млн параметров. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

hatemestinbejaia/mmarco-Arabic-AraDPR-bi-encoder-KD-v1 — дообученная модель Sentence Transformers на базе abdoelsayed/AraDPR, разработанная для получения векторных представлений арабских предложений и абзацев. Она построена на BERT с усреднением токенных представлений и создаёт плотные векторы размерностью 768; максимальная длина входа — 512 токенов. Векторы можно сравнивать косинусной близостью. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. В README приведена оценка reranking: MAP 0,547, MRR@10 0,5489 и nDCG@10 0,6231. Репозиторий распространяет веса в формате safetensors и использует библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

Orukeet — модель распознавания речи от Oruk AI, созданная на основе NVIDIA Parakeet TDT 0.6B v3. Это мультиязычная модель на 25 языков для транскрибирования аудиозаписей, медиаматериалов и потоков пакетной обработки, а также для серверных и интерактивных приложений. Модель сохраняет 627 млн параметров, 24-слойный энкодер FastConformer и transducer-архитектуру Parakeet. В половине временных depthwise-фильтров энкодера используются 12 288 обученных и зафиксированных Gabor-ядер. В описанных тестах Orukeet показала меньший WER, чем исходная Parakeet, на 61 из 74 тестовых срезов; например, объединённый WER по 25 языкам FLEURS составил 9,85% против 11,01%. Доступны варианты для NeMo, ONNX INT8, GGUF Q8 и F16, а также экспорт Transformers. Карточка описывает обучение и выбор контрольной точки на записях LibriSpeech test-other, поэтому результаты оценки следует учитывать с этой оговоркой. Модель распространяется по лицензии CC-BY-SA-4.0.

SAGA-embed_v1 — модель эмбеддингов предложений для скандинавских языков, построенная на архитектуре ModernBERT. Она создана на базе AI-Sweden-Models/ModernBERT-base, обучена примерно на 250 миллионах семантически связанных пар и затем дообучена. Репозиторий использует библиотеку sentence-transformers и содержит веса в формате safetensors; размер модели — 394,7 млн параметров, контекст — до 8192 токенов. Модель предназначена для получения векторных представлений текстов и задач семантического сходства. Её можно применять без промптов, однако для оптимальной производительности автор рекомендует использовать обученные пользовательские промпты для разных задач. По README, на момент публикации она занимала 9-е место в MTEB по скандинавским задачам и была самой высокоранжированной моделью до 1,5 млрд параметров. В метаданных указаны шведский, норвежский и датский языки; README описывает модель как предназначенную для скандинавских языков, но не приводит полную языковую спецификацию. Лицензия в предоставленных данных не указана.

akhooli/sbert_ar_nli_500k_norm — модель Sentence Transformers на основе BERT, дообученная на 500 тысячах арабских NLI-триплетов. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их с помощью косинусного сходства; максимальная длина последовательности — 512 токенов. Модель рассчитана на арабский язык и построена на aubmindlab/bert-base-arabertv02. Её можно применять для семантического поиска, оценки сходства текстов, поиска перефразировок, кластеризации и классификации текста. Данные обучения нормализовали, поэтому в README рекомендуется нормализовать запросы и документы перед кодированием. Модель распространяется по лицензии Apache-2.0.

SR²AM-v1.0-30B — агентная языковая модель, разработанная командой sailing-lab на базе Qwen3-30B-A3B-Thinking-2507. Она разделяет рассуждение на реактивное выполнение действий, симулятивное планирование последствий и конфигуратор, который выбирает, когда и насколько глубоко планировать. Модель дообучена методом SFT с последующим обучением с подкреплением GRPO; архитектура — Qwen3 MoE, формат весов — Safetensors, библиотека — Transformers. Заявленная длина контекста — 262 144 токена. Модель предназначена для агентных задач с использованием инструментов: веб-поиска и просмотра страниц, выполнения Python-кода в изолированной среде, а также решения задач по математике, естественным наукам и табличным данным. В README сообщается Pass@1 71,3 на 11 бенчмарках и сокращение числа токенов рассуждения на 25–95% относительно сопоставимых агентных моделей; это результаты авторской оценки. Метаданные указывают 2,6 млрд параметров. Модель распространяется по лицензии Apache-2.0.

Nhat1904/32-shot-twitter — модель эмбеддингов предложений на базе MPNet, опубликованная пользователем Nhat1904. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска семантически близких текстов, кластеризации и оценки сходства предложений. Модель имеет 136,7 млн параметров и принимает последовательности длиной до 514 токенов. Модель можно использовать через Sentence-Transformers или Transformers с подходящей операцией pooling. Она подходит для построения семантического поиска и группировки текстов; в карточке также описано обучение с CosineSimilarityLoss. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

aneforge/all-MiniLM-L6-v2 — копия англоязычной модели all-MiniLM-L6-v2 от Sentence Transformers, подготовленная для запуска через ANEForge на Apple Neural Engine. Согласно карточке, веса побайтно совпадают с исходной моделью; репозиторий маркирован как дообучение базовой модели sentence-transformers/all-MiniLM-L6-v2. Это плотный BERT-энкодер с 25,9 млн параметров и контекстом до 512 токенов, предназначенный для вычисления семантических векторов предложений и сравнения их сходства. Модель подходит для семантического поиска, ранжирования похожих предложений и кластеризации текстов. Метаданные указывают задачу sentence-similarity, формат весов safetensors и библиотеку ANEForge. Для использования указан пакет ANEForge с поддержкой моделей; условия лицензии — Apache-2.0. Модель ориентирована на английский язык, а карточка не заявляет поддержку других языков.

danfeg/AraBERT_Finetuned-COMB-6000 — модель эмбеддингов предложений на архитектуре BERT, разработанная danfeg и дообученная с помощью Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения сходства и кластеризации. Модель принимает текст и выдаёт векторные представления; максимальная длина контекста — 512 токенов. В метаданных указано 468,2 млн параметров и формат Safetensors. Модель подходит для поиска похожих фрагментов и группировки текстов по смыслу. Обучение с CosineSimilarityLoss ориентировано на задачу сходства предложений. Идентификатор и семейство указывают на AraBERT и арабский язык. Условия лицензирования в доступных данных не приведены.

Arabic-base-all-nli-stsb-quora — модель Sentence Transformer от Omartificial-Intelligence-Space, дообученная на базе google-bert/bert-base-multilingual-cased. Она кодирует предложения и абзацы на арабском языке в плотные векторы размерности 768; сходство векторов можно оценивать косинусной мерой. Максимальная длина входа — 512 токенов. Модель предназначена для поиска семантически близких текстов и решения задач сравнения предложений. Её можно применять для семантического поиска, поиска перефразировок и дубликатов, кластеризации и классификации текста. В карточке указаны данные Arabic-stsb и Arabic-Quora-Duplicates, а README также перечисляет наборы all-nli и stsb. Это текстовый энкодер на архитектуре BERT с усреднением токенных представлений. Она выдаёт эмбеддинги, а не готовые ответы на вопросы или сгенерированный текст. Лицензия в предоставленных данных не указана.

AraGemma-Embedding-300m — модель эмбеддингов, созданная Omartificial-Intelligence-Space на основе EmbeddingGemma-300M от Google DeepMind. Её дообучили на 1 млн арабских триплетов с использованием Matryoshka Representation Learning для улучшения понимания смысла арабских текстов. Модель принимает текст на арабском и других языках и возвращает плотный вектор размерности 768. Она поддерживает усечение векторов до 512, 256 или 128 измерений с повторной нормализацией и контекст до 2048 токенов. Подходит для семантического поиска и извлечения данных, сравнения предложений, кластеризации, классификации документов и подготовки фрагментов для RAG; также поддерживает межъязыковой поиск. Совместима с Sentence Transformers и Transformers. Модель компактна относительно крупных языковых моделей и рассчитана на эффективное развёртывание, включая локальные устройства. В README приведены результаты сравнения с арабскими моделями эмбеддингов на STS17 и STS22-v2. По карточке, активации эмбеддингов не поддерживают float16: используйте float32 или bfloat16. Лицензия — Apache-2.0.