II.6Документация и сопровождение разработки

Модель sentence-transformers-testing/stsb-bert-tiny-openvino-quantized-only предназначена для преобразования предложений и абзацев в плотные векторные представления размерностью 128. Она разработана для использования с библиотекой Sentence Transformers и подходит для семантического поиска, кластеризации и оценки семантического сходства текстов. Конкретный разработчик в представленных данных не указан. В основе модели лежит BERT с максимальной длиной последовательности 512 токенов и без приведения текста к нижнему регистру. Архитектура включает Transformer и mean pooling по токенам с учётом attention mask; используются только средние значения токенов, без CLS-, max- и других вариантов pooling. Языки, точный размер BERT и характеристики OpenVINO-квантизации в README не указаны. Модель удобна для получения компактных эмбеддингов и интеграции в стандартный конвейер Sentence Transformers. Ограничения — отсутствие опубликованных результатов оценки, сведений о языковой специализации, точных параметрах квантизации и гарантий качества для конкретных прикладных сценариев. В README также отсутствует информация о лицензии, поэтому условия распространения и коммерческого использования следует уточнить отдельно.

NVIDIA Conformer-Transducer X-Large — англоязычная модель автоматического распознавания речи из семейства Conformer, разработанная NVIDIA и доступная через инструментарий NeMo. Она преобразует монофоническую аудиозапись WAV с частотой 16 кГц в текстовую строку; результат записывается строчными буквами английского алфавита с пробелами и апострофами. Модель использует архитектуру Conformer-Transducer с авторегрессионным декодированием и содержит около 600 млн параметров. Её можно применять для транскрибации аудиофайлов или дообучать на другом наборе данных с помощью NeMo. Модель обучалась на составном наборе из нескольких тысяч часов английской речи, включающем Librispeech, Fisher, Switchboard, Common Voice и другие корпуса. Модель подходит для транскрибации английской речи, но качество может снижаться на технической лексике, незнакомом просторечии и речи с акцентом. Лицензия — CC BY 4.0; при использовании необходимо соблюдать её условия.

shibing624/text2vec-bge-large-chinese — китайская модель sentence embeddings, обученная проектом text2vec. Она основана на BAAI/bge-large-zh-noinstruct и дообучена методом CoSENT на подобранном наборе китайских данных семантического сходства. Модель кодирует предложения и короткие абзацы в плотные векторы размерности 1024 для сравнения смысла текстов. Её можно применять для поиска семантически близких фрагментов, сопоставления предложений и коротких абзацев, кластеризации и информационного поиска на китайском языке. В карточке указана архитектура BERT и длина контекста 512 токенов; README предупреждает, что входы длиннее 256 word pieces обрезаются. Для длинных документов модель не предназначена. Доступны веса PyTorch и safetensors, а также формат ONNX. По README, дообучение улучшило результаты на китайских тестах семантического сходства относительно базовой модели, особенно для различения коротких текстов. Модель опубликована по лицензии Apache-2.0.

PartAI/Tooka-SBERT — модель Sentence Transformer, разработанная PartAI на базе TookaBERT-Large и дообученная для получения плотных векторных представлений предложений и абзацев. Она кодирует персидский текст в векторы размерностью 1024 и предназначена для сравнения смысловой близости по косинусному сходству, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Модель основана на архитектуре BERT, принимает текстовые последовательности длиной до 512 токенов и выдаёт эмбеддинги. Она подходит для поиска и группировки персидских текстов по смыслу. Выпущена по лицензии Apache-2.0; автор README указывает, что доступны более новые версии Tooka-SBERT-V2-Small и Tooka-SBERT-V2-Large.

atasoglu/turkish-tiny-bert-uncased-mean-nli-stsb-tr — компактная модель Sentence Transformers на базе BERT, разработанная дообучением ytu-ce-cosmos/turkish-tiny-bert-uncased. Она преобразует предложения и абзацы в плотные векторы размерностью 128 для семантического поиска, сравнения сходства, кластеризации и других задач работы с текстовыми эмбеддингами. Модель содержит 4,6 млн параметров, использует формат PyTorch и принимает последовательности длиной до 512 токенов. Модель обучена на наборах nli_tr и emrecan/stsb-mt-turkish и ориентирована на турецкий язык. Авторы указывают, что тексты перед подачей следует приводить к нижнему регистру с заменой латинской I на турецкую ı; без этой предобработки результаты могут ухудшиться. Лицензия — MIT.

UDOP-large — модель для обработки документов, предложенная Зинэном Таном, Цзыи Янгом и соавторами в работе «Unifying Vision, Text, and Layout for Universal Document Processing». Она использует плотную архитектуру encoder-decoder Transformer на основе T5; в чекпойнте 386,3 млн параметров. Модель принимает изображение документа вместе с текстом и генерирует текстовый ответ. Она предназначена для классификации изображений документов, разбора документов и визуальных вопросов и ответов по документам (DocVQA). Поддержка изображения и текста отражена в архитектуре и задаче image-text-to-text. Модель распространяется под лицензией MIT. README не приводит конкретных ограничений точности или покрытия языков; результаты могут зависеть от типа документа и языка.

cstr/vibevoice-asr-GGUF — это конверсия модели Microsoft VibeVoice-ASR в формат GGUF/ggml, подготовленная для запуска через CLI CrispASR. Модель предназначена для автоматического распознавания речи, транскрибации длинных аудиозаписей, определения говорящих и формирования временных меток. Она может обрабатывать до 60 минут аудио за один проход, а для более длинных записей используется потоковая сегментация. Результат выдаётся в структурированном JSON с текстом, идентификатором говорящего, временем начала и окончания сегмента. Поддерживаются контекст и пользовательские hotwords, а также автоматическое определение языка. Это speech-LLM примерно на 7 млрд параметров с акустическим и семантическим ConvNeXt-подобными энкодерами, двумя SpeechConnectors и декодером Qwen2-7B. Декодер имеет 28 слоёв, Grouped Query Attention с 28 query-heads и 4 KV-heads, размер скрытого состояния 3584 и контекст до 32768 токенов. Модель мультиязычная и заявлена для более чем 50 языков, включая английский, китайский, испанский, русский, японский, корейский, немецкий и другие. Доступны варианты квантования Q4_K_M размером около 5 ГБ, Q8_0 размером 9,45 ГБ и F16 размером 16 ГБ; Q8_0 позиционируется как вариант с качеством, близким к F16. К сильным сторонам относятся объединение транскрибации и диаризации в одной модели, сегментация с временными метками, поддержка длинных записей, hotwords и детерминированный режим работы C++-рантайма. Ограничения включают необходимость запуска через совместимый CrispASR и обязательную предварительную подготовку аудио: моно, 24 кГц, с нормализацией уровня. Модель распространяется по лицензии MIT.

mlx-community/whisper-large-v3-turbo-4bit — мультиязычная модель распознавания речи на базе OpenAI Whisper large-v3-turbo, преобразованная сообществом mlx-community в формат MLX с 4-битным представлением. Она предназначена для преобразования аудиозаписей в текст и запуска на устройствах Apple через библиотеку mlx-audio-plus. Модель принимает аудио и выдаёт текст; исходная модель также поддерживает перевод речи в текст. Репозиторий распространяется по лицензии Apache-2.0.

RedHatAI/whisper-large-v3-turbo-FP8-dynamic — это квантизированная версия модели openai/whisper-large-v3-turbo, разработанная Neural Magic. Модель преобразует аудио в текст и предназначена для автоматического распознавания речи, включая транскрибацию аудиозаписей и обработку аудиовходов в приложениях, использующих vLLM. Для развёртывания требуется vLLM версии 0.5.2 или новее; также поддерживается OpenAI-совместимый режим сервинга через vLLM. Архитектура основана на whisper-large-v3-turbo и включает аудио-текстовый вход и текстовый выход. Веса и активации квантизированы в формате FP8 с динамической схемой квантизации; выходной lm_head не квантизируется. README не указывает точный размер модели, максимальную длину контекста и полный список поддерживаемых языков, однако приводит тег языка en и оценки для англоязычной транскрибации и перевода на английский. Ключевое преимущество модели — снижение вычислительных затрат при сохранении качества исходной модели: на LibriSpeech показатель WER составляет 2,2611 на test-clean и 4,3247 на test-other в конфигурации FP8. На test-clean результат сопоставим с BF16, а на test-other немного уступает ему. Ограничения включают зависимость от совместимого стека vLLM и отсутствие в README подробных данных о качестве на других языках и сценариях. Модель распространяется по лицензии Apache-2.0.

handy-computer/whisper-tiny-gguf — набор конвертированных в формат GGUF вариантов модели OpenAI Whisper tiny, подготовленных разработчиками handy-computer для работы с transcribe.cpp. Модель предназначена для автоматического распознавания речи, определения языка и перевода аудио с поддерживаемых языков в английский текст. Поддерживает многоязычную транскрипцию, включая русский, английский, немецкий, французский, испанский, китайский, японский и другие языки, перечисленные в карточке. Архитектура модели — encoder-decoder Transformer с обработкой аудио окнами по 30 секунд и разбиением длинных записей на сегменты. Доступны варианты F32, F16, Q8_0, Q6_K, Q5_K_M и Q4_K_M размером примерно от 44 до 153 МБ. Потоковая обработка не поддерживается, но доступны сегментные временные метки. На тесте LibriSpeech test-clean показатель WER составляет от 7,48% до 7,82% в зависимости от квантования; для Q8_0 указано 7,52%. Квантованные варианты значительно уменьшают размер при небольшом ухудшении результата. Модель подходит для локальной транскрипции аудиозаписей, определения языка и перевода речи в текст, включая сценарии на устройствах с ограниченными ресурсами. Ограничения включают отсутствие streaming-режима, зависимость качества от языка и условий записи, а также относительно небольшие размеры и возможности версии Whisper tiny по сравнению с более крупными моделями. Модель распространяется по лицензии Apache-2.0.

Модель dinalzein/xlm-roberta-base-finetuned-language-identification — дообученная версия XLM-RoBERTa с классификационной головой для определения языка текста. Она принимает текст документа и относит его к одному из 20 языков: арабскому, болгарскому, немецкому, греческому, английскому, испанскому, французскому, хинди, итальянскому, японскому, нидерландскому, польскому, португальскому, русскому, суахили, тайскому, турецкому, урду, вьетнамскому или китайскому. Модель содержит 305,2 млн параметров, имеет контекст до 514 токенов и доступна в формате PyTorch. В README сообщается о точности 99,59% на оценочном наборе и 99,5% на тестовой выборке из 1000 предложений. Её можно использовать для автоматического определения языка коротких текстов и документов, например, перед маршрутизацией запросов или выбором языкового конвейера. Лицензия — MIT.

MaTE X Privacy Sentinel v0.1 — дообученная модель enosislabs на основе openai/privacy-filter для локального обнаружения и разметки чувствительных фрагментов текста при фильтрации и маскировании данных. Она предназначена для сценариев приватности и безопасности, включая поиск персональных данных и секретов в строках конфигурации и других текстовых данных; карточка демонстрирует пример с адресом базы данных и учётными данными. Модель построена на архитектуре MoE, содержит 145,4 млн параметров, принимает текст и выдаёт разметку токенов. Контекст составляет до 131 072 токенов. Опубликованные веса представлены в формате Safetensors; лицензия — Apache-2.0. Модель помогает выявлять риски утечки, но не гарантирует соответствие требованиям: перед применением в production следует провести собственную проверку на контрольных примерах.

Qdrant подготовила ONNX-версию модели sentence-transformers/all-MiniLM-L6-v2, настроенную для возврата весов внимания. Модель предназначена для поиска BM42 и применяется для вычисления сходства между предложениями и подготовки представлений текста в поисковых системах. Модель основана на архитектуре BERT, содержит 25,9 млн параметров и поддерживает контекст до 512 токенов. В отличие от исходной модели, эта версия возвращает веса внимания; репозиторий содержит формат ONNX. Модель рассчитана на английский язык. Модель распространяется по лицензии Apache-2.0. Она подходит для поиска по текстовым коллекциям и ранжирования близких по смыслу фрагментов; качество за пределами английского языка и ограничения конкретной реализации в карточке не описаны.

LazarusNLP/all-nusabert-base-v4 — модель семейства BERT, опубликованная LazarusNLP и предназначенная для получения векторных представлений предложений и абзацев на индонезийском языке. Она преобразует текст в плотные эмбеддинги размерности 768, которые подходят для семантического поиска, сравнения сходства и кластеризации. Модель содержит 137,8 млн параметров, использует библиотеку sentence-transformers и принимает последовательности длиной до 512 токенов. Модель обучалась с функцией потерь CachedMultipleNegativesRankingLoss на косинусном сходстве; в метаданных также перечислены датасеты для индонезийского NLI, поиска, вопросов и ответов и парафразов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Arabert All NLI Triplet Matryoshka — арабская модель Sentence Transformers, разработанная Omartificial Intelligence Space и дообученная на aubmindlab/bert-base-arabertv02 с использованием набора Arabic NLI Triplet. Она преобразует предложения и абзацы на арабском языке в плотные векторные представления для сравнения семантической близости. Модель основана на BERT с усреднением токенных представлений, имеет 162,4 млн параметров и принимает последовательности длиной до 512 токенов. Вектор размерности 768 можно использовать для семантического поиска, поиска перефразировок, кластеризации и классификации текстов; обучение Matryoshka также рассчитано на представления меньшей размерности — 512, 256, 128 и 64. Для сравнения предусмотрена косинусная близость. В README приведены результаты оценки на STS-наборах, но они не гарантируют аналогичного качества на других данных. Лицензия — Apache-2.0.

bge-large-zh-v1.5-gguf — набор моделей для получения текстовых эмбеддингов в формате GGUF, подготовленный Compendium Labs на основе исходной модели BAAI/bge-large-zh-v1.5. Модели предназначены для работы через llama.cpp, llama-cpp-python и интеграцию LangChain, а также для сценариев семантического поиска, сравнения текстов, кластеризации и других задач, использующих векторные представления текста. Доступны варианты F32 размером 1,3 ГБ, F16 размером 620 МБ, Q8_0 размером 332 МБ и Q4_K_M размером 193 МБ. Квантизация может обеспечить ускорение на CPU до 30% при минимальной потере точности; для GPU преимущество заявлено как умеренное. Модель ориентирована на китайскоязычные тексты, однако другие характеристики, включая архитектуру, размерность эмбеддингов и максимальную длину контекста, в README не указаны. Сильные стороны — поддержка llama.cpp, несколько вариантов точности и возможность эффективного запуска на CPU. Ограничения связаны с тем, что это модель эмбеддингов, а не генеративная языковая модель, и что в представленных данных отсутствуют подробности о качестве на конкретных наборах данных и поддерживаемых языках помимо указания zh в названии. Распространение осуществляется по лицензии MIT.

Модель oguuzhansahin/bi-encoder-mnrl-dbmdz-bert-base-turkish-cased-margin_3.0-msmarco-tr-10k — турецкая sentence-transformers-модель на базе BERT, дообученная как bi-encoder для сопоставления запросов и текстов. Она преобразует предложения и абзацы в плотные векторы размерности 768 и подходит для семантического поиска, ранжирования кандидатов по близости и кластеризации. Модель оценивали на 10 тысячах запросов из переведённого набора MSMARCO dev; в README приведены метрики поиска при разных настройках сходства. Число параметров — 137,8 млн, максимальная длина контекста — 512 токенов. Основное применение — поиск релевантных документов по запросу на турецком языке. Модель выдаёт эмбеддинги, а для получения результатов поиска их нужно сравнивать с эмбеддингами документов. Лицензия в предоставленных данных не указана.

Это дообученная Sentence Transformer-модель от hoamai1509 на базе bkai-foundation-models/vietnamese-bi-encoder. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, поиска и группировки текстов. Архитектура использует RoBERTa с усреднением токенных представлений; сходство вычисляется косинусной мерой. Модель рассчитана на вьетнамский язык и обрабатывает последовательности длиной до 258 токенов по метаданным.

Это дообученная модель Sentence Transformers на базе итальянской версии BERT dbmdz/bert-base-italian-uncased, разработанная владельцем репозитория AChierici84. Она преобразует предложения и абзацы на итальянском языке в плотные векторы размерности 768 для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает BERT с усреднением токенных представлений; сходство векторов оценивается косинусной мерой. Модель содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. В README приведён результат Spearman 0,811 по косинусному сходству на задаче оценки семантической близости. Модель подходит для поиска похожих текстов и построения эмбеддингов, но качество на других наборах данных и задачах отдельно не подтверждено. Лицензия в предоставленных сведениях не указана.

embeddinggemma-pt-br — португалоязычная модель для создания текстовых эмбеддингов, подготовленная tardellirs на основе google/embeddinggemma-300m. Это плотный текстовый энкодер семейства Gemma 3 с 151,8 млн параметров, библиотекой Sentence Transformers и контекстом до 2048 токенов. Размер словаря сокращён до 64 тыс. наиболее частотных португальских токенов: матрица токенов была усечена, а энкодер и слои pooling и Dense сохранены без изменений. По README, вариант сохраняет 98,8% результата исходной модели на MTEB(por), при этом обучение не проводилось. Модель предназначена для получения эмбеддингов и семантического сравнения португалоязычных текстов, например для поиска, классификации, кластеризации и ранжирования. Для других языков качество может быть низким из-за возврата к побайтовой токенизации. Указанная лицензия — Gemma; применяйте модель в соответствии с её условиями.

Это конверсия модели распознавания речи Whisper large-v3 от OpenAI в формат CTranslate2, опубликованная Systran. Она предназначена для распознавания речи из аудио и используется в CTranslate2 и проектах на его основе, включая faster-whisper. Веса сохранены в FP16; при загрузке тип вычислений можно изменить через параметр compute_type. Модель поддерживает распознавание речи на многих языках, в том числе русском и английском. Репозиторий содержит конвертированные веса, а не исходную реализацию Whisper. Лицензия — MIT.

Finnish ModernBERT large — плотная encoder-модель семейства ModernBERT, разработанная TurkuNLP и обученная на суперкомпьютере LUMI. Она содержит около 400 млн параметров, имеет 28 слоёв и поддерживает контекст длиной 16 000 токенов; в карточке также указана теоретическая возможность экстраполяции до 128 000 токенов. Модель предобучена на финском, шведском, английском, коде, латыни и северносаамском языках. Основная задача модели — предсказание замаскированных токенов. Её можно использовать как основу для задач понимания текста на финском, шведском и английском, а также для поиска и извлечения информации; в оценке авторов модели показали сильные результаты в междоменном поиске. Для прикладного использования в конкретных задачах может потребоваться дообучение. Модель распространяется по лицензии Apache-2.0. Оценки показывают конкурентоспособность на задачах понимания текста с коротким контекстом, однако XLM-R-large был сильнее в этой группе сравнений. Обучающие данные содержат предвзятые и потенциально вредные материалы и не фильтровались на токсичность, поэтому представления модели требуют оценки с учётом возможного отражения этих свойств.

first_mistral — языковая модель Castorini, дообученная на основе mistralai/Mistral-7B-Instruct-v0.3 для ранжирования списков документов. Она использует стратегию FIRST и принимает решение по логитам первого токена, чтобы повысить эффективность ранжирования при сохранении качества. Модель обучена на 40 тысячах примеров ранжирования, размеченных GPT-4 и взятых из RankZephyr. Модель предназначена для переупорядочивания результатов поиска и других задач, где нужно выбрать наиболее релевантные документы из списка. В описанной авторами оценке она превосходит исходную реализацию FIRST на большинстве подмножеств бенчмарка BEIR. Это плотная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; основной язык — английский. Лицензия MIT.

GATE-AraBert-v0 — арабская модель эмбеддингов предложений на базе Sentence Transformers, разработанная Omartificial-Intelligence-Space. Она дообучена в многозадачном режиме на AllNLI и наборах STS для представления арабских текстов в виде векторов и оценки их семантического сходства. Модель использует архитектуру BERT, содержит 162,4 млн параметров и выдаёт эмбеддинги размерностью 768; максимальная длина входной последовательности — 512 токенов. Для сравнения векторов применяется косинусное сходство. Модель подходит для семантического поиска, поиска похожих предложений и ранжирования текстов по смысловой близости. В README приведены результаты оценки сходства на sts-dev и sts-test. Репозиторий распространяется в формате safetensors; сведения о лицензии в доступных данных отсутствуют.

German_Semantic_V3b — немецкоязычная модель эмбеддингов, разработанная Аароном Чиббом. Это дообученная версия aari1995/gbert-large-2 на архитектуре JinaBertModel, предназначенная для получения векторных представлений предложений и сравнения их семантической близости. Модель содержит 434,5 млн параметров и принимает последовательности длиной до 8192 токенов. Модель рассчитана на немецкий язык и особенно учитывает культурный контекст Германии. Она устойчива к небольшим опечаткам и различиям в регистре. Поддерживаются Matryoshka-эмбеддинги размером от 1024 до 64 измерений: уменьшение размерности снижает требования к хранению, но может немного ухудшить качество. По README, V3b ориентирована на высокую производительность, однако её знания ограничены периодом примерно до 2020 года. Лицензия — Apache 2.0.

Карточка модели ImranzamanML/German_Semantic_V3b_Optimised на Hugging Face совпадает с карточкой aari1995/German_Semantic_V3b, поэтому описание составлено по ней. German_Semantic_V3b — немецкоязычная модель эмбеддингов, разработанная Аароном Чиббом. Это дообученная версия aari1995/gbert-large-2 на архитектуре JinaBertModel, предназначенная для получения векторных представлений предложений и сравнения их семантической близости. Модель содержит 434,5 млн параметров и принимает последовательности длиной до 8192 токенов. Модель рассчитана на немецкий язык и особенно учитывает культурный контекст Германии. Она устойчива к небольшим опечаткам и различиям в регистре. Поддерживаются Matryoshka-эмбеддинги размером от 1024 до 64 измерений: уменьшение размерности снижает требования к хранению, но может немного ухудшить качество. По README, V3b ориентирована на высокую производительность, однако её знания ограничены периодом примерно до 2020 года. Лицензия — Apache 2.0.

upskyy/gte-base-korean — дообученная модель Sentence Transformer на основе Alibaba-NLP/gte-multilingual-base, созданная для работы с корейскими текстами. Она обучена на korsts и kornli и преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, поиска и других задач с текстовыми представлениями. Модель использует трансформерный энкодер с усреднением токенных представлений; максимальная длина входа — 8192 токена. Для сравнения в README рекомендована косинусная близость. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации корейских текстов. Метаданные также содержат широкий набор языковых тегов, но карточка описывает дообучение именно для корейского языка. Модель распространяется в формате safetensors под лицензией Apache-2.0. В README приведены результаты оценки сходства на sts-dev; эти показатели относятся к указанному набору данных и не гарантируют качество на других доменах.

indo-sentence-bert-base — модель на базе BERT, опубликованная пользователем firqaaa и подготовленная в формате Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантического сходства, поиска по смыслу и кластеризации. Модель содержит 151,6 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Обучение выполнялось с MultipleNegativesRankingLoss и косинусной мерой сходства; это делает модель подходящей для построения эмбеддингов индонезийского текста. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Карточка не приводит результатов оценки, поэтому качество для конкретных данных следует проверять отдельно.

indo-sentence-bert-large — модель Sentence-Transformers на архитектуре BERT, предназначенная для преобразования предложений и абзацев в плотные векторные представления размерностью 2048. Её можно применять для семантического поиска и кластеризации текстов. Модель разработана авторами репозитория firqaaa/indo-sentence-bert-large. Модель обучена с функцией потерь MultipleNegativesRankingLoss и косинусным сходством. Она принимает текст и выдаёт эмбеддинги; максимальная длина контекста — 512 токенов. В карточке указан индонезийский язык. Для запуска предусмотрена библиотека Sentence-Transformers, также описан способ использования через Transformers. Модель распространяется по лицензии Apache-2.0. Оценочные результаты и сведения об авторах в доступной карточке не приведены; качество для конкретных данных следует проверять отдельно.

Это мультимодальная embedding-модель jina-embeddings-v4-vllm-retrieval, разработанная Jina AI и представленная в формате GGUF сообществом mradermacher. Репозиторий содержит квантизированные варианты модели, включая imatrix-файл для создания собственных квантов. Модель предназначена для multilingual embedding, извлечения признаков, оценки семантического сходства и поиска Text-to-Visual Document (T→VD), то есть сопоставления текста с визуальными документами. Она также связана с задачами и бенчмарками Vidore, ColPali и MTEB. Из README известно, что модель поддерживает мультимодальные входы и многоязычное использование, однако точные архитектура, число параметров, размерность embeddings, перечень языков и размер контекстного окна не указаны. Доступны варианты квантизации GGUF размером примерно от 0,9 до 2,0 ГБ и более; наиболее рекомендуемыми в описании названы i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. При этом низкобитные варианты могут заметно уступать по качеству. Модель подходит для семантического поиска и retrieval-систем, включая поиск по визуальным документам и мультимодальное сопоставление текста и изображений. Ограничения, связанные с конкретными характеристиками качества и производительности, в README не приведены; выбор квантизации влияет на компромисс между размером, скоростью и точностью. Лицензия модели — CC BY-NC 4.0, допускающая использование с указанием авторства, но некоммерческое.