II.8Инженерия данных и аналитика

Карточка модели avsolatorio/MixEmbedFinetune-base-20240123004625-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/MixEmbedFinetune-base-20240123004641-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/MixEmbedFinetune-base-20240124231910-latest на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/MixEmbedFinetune-base-20240125001833-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Omartificial-Intelligence-Space разработала mmbert-base-arabic-nli — арабоязычную модель Sentence Transformer для получения эмбеддингов предложений и абзацев. Это дообученная версия jhu-clsp/mmBERT-base с архитектурой ModernBERT; модель содержит 306,9 млн параметров и выдаёт векторы размерности 768. Модель предназначена для оценки семантического сходства, семантического поиска, поиска перефразировок, кластеризации и классификации арабских текстов, в том числе для поиска по документам в RAG-системах. Она принимает текстовые последовательности длиной до 8192 токенов; для сравнения векторов в карточке указана косинусная мера сходства. На STS-бенчмарках приведён результат Spearman 0,8311. Модель распространяется в формате safetensors и использует библиотеку Sentence Transformers. Лицензия Apache-2.0 разрешает коммерческое и иное использование на её условиях.

mmBERT-Embed-32K-2D-Matryoshka — мультиязычная модель для получения векторных представлений текстов, разработанная vllm-sr и дообученная на базе vllm-sr/mmbert-32k-yarn. Это энкодер ModernBERT с 306,9 млн параметров и контекстом до 32 768 токенов; модель рассчитана на широкий круг языков, включая низкоресурсные, и обучалась на многоязычных парах запросов и документов из BAAI/bge-m3-data. Модель предназначена для поиска по смыслу, семантического сопоставления, классификации и извлечения релевантных документов в RAG-системах, в том числе при работе с длинными текстами. Поддерживает 2D Matryoshka: можно уменьшать размерность эмбеддингов и использовать выходы промежуточных слоёв для компромисса между качеством, скоростью и объёмом хранения. В README приведены результаты MTEB и STS, однако качество зависит от языка и сценария; при сокращении числа слоёв оно заметно снижается. Для других задач может потребоваться дополнительная настройка. Лицензия — Apache-2.0.

moco-sentencedistilbertV2.1 — модель эмбеддингов предложений, разработанная bongsoo на базе семейства DistilBERT и обученная для оценки семантического сходства. Она преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для семантического поиска, кластеризации и сравнения текстов. Архитектура — DistilBERT; модель использует Sentence-Transformers и PyTorch, контекст ограничен 512 токенами. Словарь содержит 152 537 токенов. Модель обучалась на корейских и англоязычных наборах данных для сопоставления предложений. В процессе использовалась дистилляция от paraphrase-multilingual-mpnet-base-v2 и последующее обучение на задачах семантического сходства. Она рассчитана прежде всего на корейский и английский языки и может применяться для поиска похожих фраз, сравнения текстов и группировки документов по смыслу. Лицензия в предоставленных данных не указана.

BlueAvenir/model_growth_restructuring_V_1_0 — модель на базе XLM-RoBERTa, представленная в формате Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Архитектура содержит около 305,2 млн параметров, а максимальная длина контекста составляет 514 токенов. Модель принимает текст и возвращает векторные представления; её можно использовать через Sentence-Transformers или Transformers с соответствующим pooling. В карточке указан CosineSimilarityLoss, однако сведения о языках обучения, данных и результатах оценки не приведены. Модель опубликована в формате PyTorch; сведения о лицензии отсутствуют в предоставленных данных.

sieu-n/msmarco-distilbert-cos-v5_en-ko-ja_v1.2 — модель на базе BERT, преобразующая предложения и абзацы в плотные векторы размерностью 768 для сравнения их смыслового сходства. Её можно использовать для семантического поиска и кластеризации текстов; в метаданных Hugging Face основной задачей указано сравнение предложений, а среди поддерживаемых также есть извлечение признаков. Модель содержит 124,3 млн параметров, принимает текст и формирует векторные представления. Контекст ограничен 512 токенами. В названии указаны английский, корейский и японский языки; карточка не описывает отдельные языковые ограничения или результаты оценки качества. Модель опубликована в формате PyTorch и доступна для использования через Sentence-Transformers. Условия лицензирования в предоставленных данных не указаны.

Nano-Em1-0.6B-v2.1 — модель текстовых эмбеддингов от KiteFish AI на базе Qwen3-0.6B. Она предназначена для поиска и сопоставления текстов, классификации, кластеризации и ранжирования по релевантности; для задач можно задавать инструкцию-префикс. Модель использует двунаправленное внимание вместо стандартной причинной маски, усреднение токенных представлений и выдаёт векторы размерности 1024. В README указана максимальная длина последовательности 512 токенов; метаданные указывают родной контекст базовой модели в 40960 токенов. Модель работает с текстом и ориентирована прежде всего на английский язык. Для загрузки требуется включить trust_remote_code=True из-за собственной реализации архитектуры. По оценке автора, модель не проверялась на задачах для других языков. Распространяется по лицензии Apache-2.0.

Norns-Qwen2.5-Coder-7B-Instruct-v0.1 — языковая модель на архитектуре Qwen2, созданная автором win10 слиянием моделей методом TIES через mergekit. В качестве основы использована Qwen/Qwen2.5-Coder-7B-Instruct, также в слияние вошла win10/Urdandi-Qwen2.5-7B. Модель предназначена для генерации кода и диалогового взаимодействия с инструкциями по программированию. Она содержит 7,1 млрд параметров, принимает текст и выдаёт текст; нативная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на работу с библиотекой Transformers. Лицензия в предоставленных данных не указана. Карточка не сообщает о специальных ограничениях или результатах оценки качества; производительность может отличаться от базовых моделей из-за слияния.

Olmo-3-32B-Think-DPO — англоязычная авторегрессионная Transformer-модель для генерации текста и диалогов, разработанная Allen Institute for AI (Ai2). Это плотная модель семейства OLMo 3 с 31,7 млрд параметров, дообученная методом DPO на базе allenai/Olmo-3-32B-Think-SFT; в обучающих данных серии Olmo 3 представлены задачи по математике, программированию, диалогу и общим знаниям. Модель ориентирована на ответы с пошаговыми рассуждениями, в том числе для математических и программных задач. Модель работает через библиотеку Transformers и поддерживает контекст до 65 536 токенов. Заявленный язык — английский. Лицензия Apache 2.0; Ai2 указывает исследовательское и образовательное назначение в соответствии с рекомендациями ответственного использования. Модель может выдавать неточные сведения и без дополнительной фильтрации — вредоносный или чувствительный контент; ответы следует проверять.

swardiantara/one-cdk0-m0.5-e5-b128-L6 — модель Sentence-Transformers на базе BERT, разработанная пользователем swardiantara. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, кластеризации и сравнения сходства текстов. Модель содержит 25,9 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате Safetensors. При обучении использовалась ContrastiveLoss с косинусной метрикой расстояния. Модель подходит для построения эмбеддингов и поиска семантически близких фрагментов; README не приводит результаты оценки качества. Лицензия в предоставленных данных не указана.

waynedsouza/only_names — модель Sentence-Transformers на архитектуре RoBERTa, разработанная Wayned Souza. Она преобразует предложения и абзацы в плотные векторы размерности 1024 для поиска семантически близких текстов и кластеризации. Модель содержит 454,1 млн параметров и принимает последовательности длиной до 514 токенов. Модель подходит для семантического поиска и группировки текстов по смыслу. Обучалась с использованием CosineSimilarityLoss; в репозитории указаны веса PyTorch. В метаданных Hugging Face основная задача обозначена как sentence-similarity, а каталог также относит модель к feature-extraction. Лицензия в предоставленных данных не указана. Результаты оценки и подробные сведения о составе обучающих данных не приведены.

Карточка модели stgallenquants/OpenThinker-32B на Hugging Face совпадает с карточкой trinityomnis/OpenThinker-32B, поэтому описание составлено по ней. OpenThinker-32B — плотная языковая модель на 32 млрд параметров, созданная дообучением Qwen/Qwen2.5-32B-Instruct командой OpenThoughts на наборе OpenThoughts-114k. Она предназначена для генерации текста в диалоге и задач, где требуется пошаговое рассуждение, включая математику, научные вопросы и программирование. Модель поддерживает контекст до 32 768 токенов; для работы доступны веса в формате Safetensors и интерфейс вызова инструментов. В README приведены результаты оценки на наборах математических и научных задач, но они не гарантируют аналогичного качества на других данных. Обучающие примеры получены с помощью дистилляции DeepSeek-R1, поэтому ответы могут содержать ошибки или необоснованные рассуждения. Модель распространяется по лицензии Apache 2.0.

Orca-4B-Thinking — языковая модель для диалогов и задач, требующих многошаговых рассуждений. Согласно README, модель разработана на основе Qwen3-4B и дообучена в стиле DeepSeek-R1 на наборах OpenThoughts-114k и Mixture-of-Thoughts; метаданные связывают её с Qwen/Qwen3.5-4B. Карточка описывает причинную плотную архитектуру Qwen3, а метаданные указывают 3,7 млрд параметров и контекст до 262 144 токенов. Модель предназначена для генерации развёрнутых рассуждений и ответов в математике, программировании, естественных науках и головоломках, а также для следования инструкциям и работы с инструментами. README сообщает о режиме Thinking и приводит оценочные результаты бенчмарков, поэтому заявленные улучшения производительности не следует считать независимой проверкой. Поддерживаются английский, немецкий, испанский, французский и китайский языки по тегам метаданных. Лицензия — Apache-2.0.

Ornith-1.5-27B-A3B-CoderX — кодовая модификация модели Ornith-1.5-35B-A3B, созданная разработчиками Ornith. Это текстовая MoE-модель для генерации кода и диалоговых сценариев; в ней 40 слоёв и около 26,7 млрд параметров, из которых активны примерно 3 млрд. Модель получена экспертным прореживанием: число экспертов в каждом слое сокращено с 256 до 184, а маршрутизация top-8 и голова MTP сохранены. README указывает, что веса BF16, а оставленные эксперты побитово совпадают с базовой моделью; дообучение и дистилляция не применялись. Модель предназначена для написания и дополнения кода, решения задач программирования и диалогового использования с вызовом инструментов. Контекст составляет 262 144 токена. В карточке заявлен английский язык. В приведённых тестах модель показала сильный результат на LiveCodeBench v6, однако большинство сравнений основано на единичных запусках; авторы рекомендуют считать небольшие различия ничьей. На тесте вызова инструментов зафиксированы ошибки планирования и работы с контекстом, а измеренная оценка отмечена как нижняя граница из-за сбоя инфраструктуры. Лицензия — Apache-2.0.

DPolatajko/osm-nlp-setfit — модель Sentence-Transformers на базе MPNet, разработанная DPolatajko. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 514 токенов и сохраняется в формате PyTorch. Обучение использовало CosineSimilarityLoss. Модель подходит для построения эмбеддингов и поиска текстов по смыслу; в карточке не указаны поддерживаемые естественные языки или специализированные предметные области. Лицензия в предоставленных данных не указана.

PP-OCRv3_mobile_rec — модель распознавания строк текста из изображений, разработанная командой PaddleOCR. Она входит в серию PP-OCRv3_rec и предназначена для использования как распознающий модуль в OCR-системах и конвейерах обработки документов. Модель основана на архитектуре SVTR, адаптированной для промышленного применения; в серии PP-OCRv3 она заменила CRNN. Она распознаёт строки на китайском и английском языках, с основным фокусом на китайский. Конвейер PP-OCRv3 может объединять распознавание с обнаружением текста, коррекцией ориентации и выравниванием изображений, но эти возможности относятся к конвейеру в целом, а не только к данной модели. Модель подходит для извлечения текста из изображений документов и других сцен с печатными строками. В README лицензия не описана, а метаданные указывают Apache-2.0. Результат распознавания может быть неверным; в приведённой оценке строка считалась ошибочной при любой неверно распознанной букве или знаке пунктуации.

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

privacy-filter-nemotron-GGUF — это GGUF-версия модели OpenMed/privacy-filter-nemotron, разработанная на основе openai/privacy-filter и дообученная на наборе данных NVIDIA Nemotron-PII. Пакет подготовлен LocalAI-io для локального обнаружения и классификации персональных данных, а не для генерации текста или ведения диалогов. Модель выполняет token classification: размечает токены BIOES-тегами и выделяет согласованные сущности с помощью ограниченного Viterbi-декодирования. Она поддерживает 55 детализированных категорий PII, всего 221 класс, включая имена, государственные идентификаторы, финансовые, медицинские, автомобильные и цифровые данные. Основной язык — английский. Используется специальная архитектура openai-privacy-filter; доступны варианты F16 размером 2,82 ГБ и смешанный Q8_0 размером 1,64 ГБ, в котором MoE-эксперты квантизованы, а attention, embeddings и classifier head сохранены в F16. Модель подходит для локального PII-детектора и сервисов редактирования или маскирования конфиденциальных данных, в том числе через privacy-filter.cpp и LocalAI. F16 является эталонным вариантом, тогда как Q8_0 требует меньше памяти и обычно немного быстрее, но может изменить отдельные предсказания. Для работы необходим runtime с поддержкой custom architecture openai-privacy-filter: рекомендуются privacy-filter.cpp или backend privacy-filter в LocalAI. Стандартные llama.cpp, llama-cpp-python, Ollama и LM Studio без специальных патчей этот файл не загрузят. Лицензия — Apache-2.0.

Qwen2.5-Coder-14B-GGUF — квантизированная в формате GGUF версия базовой модели Qwen2.5-Coder-14B, разработанной командой Qwen. Квантизация выполнена bartowski на основе llama.cpp версии b4058. Модель предназначена для генерации и автодополнения исходного кода и других задач программирования; в карточке указаны английский язык и текстогенерация как основной сценарий применения. Модель содержит 14 млрд параметров, обучена на 5,5 трлн токенов и поддерживает контекст до 128 тыс. токенов с настройками RoPE YaRN и коэффициентом 4,0; исходная длина контекста составляет 32 тыс. токенов. Это именно базовая модель, поэтому она рассчитана на completion и generation, а не на диалоговый или instruct-режим, что ограничивает её готовность к общению по инструкциям без дополнительного форматирования или дообучения. Модель распространяется по лицензии Apache-2.0.

TeichAI разработала эту диалоговую MoE-модель на основе Qwen3-30B-A3B-Thinking-2507, дообучив её на наборе примеров рассуждений Claude Sonnet 4.5 с высоким уровнем reasoning. Модель предназначена для генерации текста, сложных рассуждений, программирования и научных задач; поддерживает интерфейс вызова инструментов. В метаданных указан размер 2,6 млрд параметров и контекст до 262 144 токенов. Модель принимает текст и выдаёт текст. Карточка указывает английский язык; отдельные сведения о других поддерживаемых языках не приведены. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Дообучение на синтетических примерах рассуждений может влиять на стиль и точность ответов; карточка не приводит независимых оценок качества. Применимость к задачам за пределами программирования и науки отдельно не описана.

Qwen3-4B-MDOPSA — плотная языковая модель на 3,7 млрд параметров, созданная Tuwhy на основе Qwen/Qwen3-4B. Это многодоменный чекпойнт, дообученный методом On-Policy Self-Adaptation (OPSA) с акцентом на математику и программирование. Модель предназначена для диалогов, генерации текста и кода, а также решения математических задач; заявленный контекст составляет 40 960 токенов. Модель поставляется в формате BF16 Safetensors для Transformers и использует лицензию Apache 2.0, как и базовая модель. Карточка указывает чекпойнт на шаге 319 (320 обновлений оптимизатора). Данных о сравнительных результатах или конкретных ограничениях качества в карточке нет.

rolex0775/Qwen3-Coder-30B-A3B-Instruct-DQ-abliterated-GGUF — GGUF-версия инструктивной модели Qwen3-Coder, опубликованная пользователем rolex0775. Она предназначена для генерации кода и диалоговых сценариев; метаданные также указывают на возможность общения в формате чата. Модель является производной от huihui-ai/Huihui-Qwen3-Coder-30B-A3B-Instruct-abliterated, а файлы репозитория представлены в формате GGUF. Лицензия — Apache-2.0.

ENOSYS/Qwen3-Embedding-0.6B-750-v1-GGUF — экспериментальная GGUF-квантизация модели Qwen3-Embedding-0.6B, подготовленная с использованием нестандартной ветки LLaMA.cpp и калибровочного набора imatrix. Модель предназначена для получения текстовых эмбеддингов и задач семантического поиска; семейство Qwen3 Embedding также описано как применимое для поиска по тексту и коду, классификации, кластеризации и поиска параллельных текстов. Модель содержит 0,6 млрд параметров, имеет контекст до 32 тысяч токенов и формирует векторы размерностью от 32 до 1024. README заявляет поддержку более 100 языков, включая русский и английский согласно метаданным, а также входных инструкций для настройки под задачу. Репозиторий распространяется в формате GGUF по лицензии Apache-2.0. README характеризует именно эту сборку как экспериментальную квантизацию и отмечает использование нестандартной ветки инструмента; отдельные показатели качества данной сборки не приведены.

QwQ-32B-Coder-Fusion-9010 — экспериментальная смешанная языковая модель от huihui-ai, объединяющая веса QwQ-32B-Preview-abliterated и Qwen2.5-Coder-32B-Instruct-abliterated в соотношении 90:10. Это плотная модель семейства Qwen2 с 32 млрд параметров, предназначенная для диалоговой генерации текста, включая задачи программирования. Она работает через Transformers, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Смешение добавляет к основной модели QwQ долю модели, настроенной на код, сохраняя при этом её диалоговые возможности. Автор описывает веса как пригодные к использованию без появления бессвязных ответов, но представляет работу как эксперимент по сравнению разных пропорций смешивания. Модель распространяется по лицензии Apache-2.0.

Это модель Sentence-Transformers на базе MPNet, разработанная пользователем Hugging Face shrinivasbjoshi. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости, поиска похожих текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и выдаёт векторы; максимальная длина контекста — 514 токенов. В метаданных указана задача sentence-similarity, а карточка описывает использование для семантического поиска и кластеризации. Модель опубликована в формате PyTorch и обучалась с функцией CosineSimilarityLoss. Лицензия в предоставленных данных не указана.

Raw_1_no_3_Test_2_new.model — модель Sentence Transformers на базе XLM-RoBERTa с 305,2 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения семантической близости, поиска и кластеризации текстов. В README описано обучение с CosineSimilarityLoss. Модель принимает текст и выдаёт векторы; заявленная длина контекста — 514 токенов. В метаданных указана библиотека PyTorch. Лицензия не приведена.

sergeyzh/rubert-tiny-turbo — компактная русскоязычная модель на архитектуре BERT, разработанная как дообученная версия cointegrated/rubert-tiny2 для быстрого получения эмбеддингов предложений. В README для неё указаны 29 млн параметров, размер эмбеддинга 312 и контекст до 2048 токенов; модель распространяется в формате safetensors и рассчитана на использование с Sentence Transformers. Модель предназначена для вычисления векторных представлений русских предложений и оценки их семантического сходства. Эмбеддинги можно применять для поиска похожих текстов, кластеризации и как признаки для классификации. В карточке приведены результаты ruMTEB и encodechka; показатели различаются по задачам, а README отмечает быстродействие, сопоставимое с базовой моделью. Лицензия — MIT. Это компактный русскоязычный энкодер, поэтому его область применения — текст на русском языке; в данных не заявлены генерация текста или мультимодальные возможности. Метрики бенчмарков не гарантируют качество на конкретном наборе данных, а для критически важных задач результат следует проверять отдельно.