II.8Инженерия данных и аналитика

Карточка модели LimitlessMindd/Phi-4-reasoning на Hugging Face совпадает с карточкой microsoft/Phi-4-reasoning, поэтому описание составлено по ней. Phi-4-reasoning — открытая по весам языковая модель Microsoft Research, дообученная на базе Phi-4 с помощью supervised fine-tuning на примерах цепочек рассуждений и обучения с подкреплением. Она предназначена для диалоговых генеративных приложений, где важны рассуждения и логика, а также ограничены вычислительные ресурсы или допустимая задержка. Основные области обучения и оценки — математика, наука и программирование; модель рассчитана прежде всего на английский язык. Модель использует плотный декодерный Transformer архитектуры Phi-3 с 14,1 млрд параметров и контекстом до 32 768 токенов. При инференсе рекомендуется ChatML-шаблон; для более сложных запросов авторы советуют выделять больше токенов на генерацию. Модель может ошибаться и не проходила оценку для всех прикладных сценариев, поэтому ответы следует проверять, особенно при использовании в задачах с высокими последствиями. Лицензия — MIT.

unsloth/Phi-4-reasoning-plus-GGUF — GGUF-версия модели Phi-4-reasoning-plus, разработанной Microsoft Research и подготовленной для распространения Unsloth. Это открытая по весам текстовая модель генерации для диалогов и задач, требующих рассуждений, прежде всего математики, естественных наук и программирования. Модель дообучалась методом supervised fine-tuning на синтетических и отфильтрованных общедоступных данных, а также с применением reinforcement learning. В основе лежит плотная decoder-only Transformer-архитектура с 14 млрд параметров и контекстом до 32 тыс. токенов. Модель принимает текстовые запросы, предпочтительно в формате чата, и генерирует текстовые ответы на английском языке. Ответы состоят из блока цепочки рассуждений и последующего блока суммаризации. Версия GGUF предназначена для запуска в совместимых инструментах, включая llama.cpp; для включения режима рассуждений в llama.cpp требуется параметр --jinja. Сильной стороной модели является повышенная точность благодаря дополнительному reinforcement learning и специализации на сложных задачах рассуждения, математике, науке и коде. Ограничением служит более высокая задержка: модель в среднем генерирует примерно на 50% больше токенов. README не содержит отдельной информации о специфических ограничениях качества или требованиях к аппаратным ресурсам именно этой GGUF-квантизации. Указанная лицензия — MIT.

pii-layout-synth-v15 — дообученная модель jefftherover на базе answerdotai/ModernBERT-base для классификации токенов. Она предназначена для разметки последовательностей текста; по названию репозитория вероятна связь с синтетическими данными о расположении персональной информации, но README не раскрывает назначение и схему меток. Модель содержит 149 млн параметров, использует архитектуру ModernBERT и поддерживает контекст до 8192 токенов. В карточке приведены метрики на оценочном наборе: precision 0,9912, recall 0,9944, F1 0,9928 и accuracy 0,9987; состав набора и методика оценки не описаны. Распространяется по лицензии Apache-2.0.

PII-Tracer — модель Perplexity AI для обнаружения и маскирования персональных данных в разговорных текстах, представленная в рамках PII-TRACE. Она использует двунаправленный энкодер Qwen3 примерно на 600 млн параметров на основе perplexity-ai/pplx-embed-v1-0.6b и две выходные головы: классификатор токенов с BIOES-разметкой для девяти категорий чувствительных данных и классификатор чувствительности разговора. Для разметки токенов применяется ограниченное декодирование Витерби. Модель предназначена для поиска имен, номеров счетов, URL, дат, адресов, адресов электронной почты, телефонов, других персональных данных и секретов в разговорных данных. Максимальная длина последовательности — 4096 токенов. Модель принимает текст и выдаёт разметку токенов и оценку чувствительности разговора. В карточке указаны английский и многоязычный режимы; конкретный перечень поддерживаемых языков не приведён. Для загрузки указаны PyTorch и Transformers версии 5.2 или новее, а для использования требуется trust_remote_code. Лицензия — MIT.

PP-DocLayout_plus-L — модель обнаружения и локализации областей макета документов, разработанная командой PaddlePaddle для экосистемы PaddleOCR. Она предназначена для анализа изображений китайских и англоязычных документов, включая научные статьи, презентации, журналы, газеты, договоры, книги, экзаменационные материалы, учебники и исследовательские отчёты. Модель выделяет 20 типов элементов: заголовки документов и разделов, текст, номера страниц, аннотации, таблицы, ссылки, сноски, колонтитулы, алгоритмы, формулы и их номера, изображения, печати, подписи к таблицам и рисункам, диаграммы, боковой текст и списки литературы. В основе используется архитектура RT-DETR-L. Модель работает с изображениями и применяется как компонент конвейера layout detection, например для последующего OCR и структурированного извлечения содержимого. На внутреннем наборе данных PaddlePaddle, содержащем около 1000 типов документов, заявлено значение mAP@0.5 83,2%; этот показатель характеризует точность обнаружения областей на указанном наборе и может не отражать результаты на других данных. README не указывает размер модели, максимальный контекст или дополнительные модальности. Для запуска предусмотрены PaddleOCR и ONNX Runtime, включая GPU-вариант. Модель распространяется по лицензии Apache 2.0.

PP-DocLayoutV2 — лёгкая модель PaddlePaddle для анализа структуры документов. Она обнаруживает и классифицирует элементы макета, а затем определяет порядок их чтения. Архитектура состоит из детектора на основе RT-DETR и следующей за ним pointer network, которая упорядочивает найденные рамки и метки классов. Модель предназначена для обработки страниц документов: выявления структурных элементов и восстановления последовательности чтения. В метаданных указаны английский и китайский языки, библиотека PaddleOCR и формат весов safetensors. Лицензия — Apache-2.0.

Q-ReAlign-Pro-9B — мультимодальная модель оценки визуального качества и эстетики, разработанная командой Q-Future на основе Qwen3.5-VL. Это дообученная модель с архитектурой Qwen3_5ForConditionalGeneration: текстовая часть сочетает линейное и полное внимание, а визуальная использует энкодер в стиле SigLIP. Версия Pro содержит 9 млрд параметров; модель принимает изображения и текстовые инструкции, а для оценки видео — последовательность выбранных кадров. Модель предназначена для безэталонной оценки качества изображений и видео, эстетической оценки изображений, ранжирования и фильтрации визуального контента, а также формирования оценочных сигналов для генеративных систем. Она выбирает один из уровней excellent, good, fair, poor, bad, а затем сводит распределение вероятностей по ним к числу от 0 до 1. В заявленных тестах на семи наборах данных Pro показала средний SRCC 0,896. Оценки отражают восприятие качества и зависят от распределения оценок в обучающих данных; абсолютные значения лучше интерпретировать относительно друг друга и калибровать перед объединением с другими шкалами. Модель не предназначена для модерации безопасности, проверки фактов или личности, медицинской и судебной экспертизы. Лицензия — Apache-2.0.

Модель q25sftrphardlam1 — готовый для инференса чекпойнт дообучения Qwen2.5-3B, подготовленный проектом RL-Forgetting-Experiments-3 для генерации кода. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, основанная на Qwen/Qwen2.5-3B и обученная на данных qwen3b_code_sft_data_s300. В README указаны упорядоченная подача данных, стратегия replay hard и коэффициент replay 1,0; чекпойнт зафиксирован на шаге оптимизатора 102. Модель подходит для генерации кода и диалоговых сценариев с программированием. Она принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. Репозиторий использует Transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

Qwen3.8-27B Gold10K Coding — архивная копия модели для генерации кода, созданная на основе локально дообученной Qwen3.8-27B и слитого LoRA-адаптера Gold10K. Модель использует плотную архитектуру Qwen3.5 для авторегрессионной генерации текста; в карточке указаны 22,3 млрд параметров и контекст до 262 144 токенов. Модель рассчитана на диалоговое взаимодействие и задачи программирования, например генерацию и доработку кода. Репозиторий содержит объединённые веса в формате safetensors и исходный LoRA-адаптер. Разработчик — koreallmdev; модель описана как локальная доработка и архивная копия. Лицензия — Apache 2.0.

Qwen3.8 4B Distilled — созданная сообществом модель генерации текста от Ma7ee7, полученная дообучением Qwen/Qwen3-4B-Thinking-2507 на примерах ответов и рассуждений, сгенерированных моделью qwen3.8-max-preview. Это плотная decoder-only языковая модель архитектуры Qwen3 примерно с 3,7 млрд параметров; она принимает текст и выдаёт текст, поддерживает чатовый формат и интерфейс вызова инструментов. Заявленная длина контекста — 262 144 токена. Модель предназначена для математических и логических задач, программирования, научных вопросов, следования инструкциям, длинных ответов и локальных разговорных ассистентов. Обучающая смесь преимущественно англоязычная; дистилляция переносит некоторые поведенческие шаблоны учителя, но модель не наследует его архитектуру или полный набор возможностей. Доступна по лицензии Apache-2.0. Это компактная модель для экспериментов и практических задач рассуждения, но её ответы могут содержать фактические, математические и программные ошибки, а видимые цепочки рассуждений не гарантируют правильность. Примеры использования инструментов составляют небольшую часть обучения, поэтому результаты в важных сценариях следует проверять.

Qwen3-Blitzar-Coder-F1-6B-Brainstorm20x — текстовая инструктивная модель для генерации кода, созданная DavidAU на основе дообученной модели prithivMLmods/Blitzar-Coder-4B-F.1 с применением адаптера Brainstorm 20x. Модель рассчитана на генерацию и доработку кода по подробным инструкциям, в том числе на пошаговое решение сложных задач и мозговой штурм. Модель использует архитектуру Qwen3ForCausalLM и содержит 5,4 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — до 40 960 токенов. В карточке указана поддержка английского языка. Автор описывает Brainstorm 20x как модификацию, направленную на улучшение связности рассуждений, детализации и следования инструкциям, однако отмечает, что повышение интеллекта модели не было целью или предметом оценки. Исходные веса доступны в формате safetensors и могут использоваться напрямую или конвертироваться в другие форматы. Для работы требуется шаблон Jinja или ChatML. Лицензия — Apache 2.0. Практическое качество на сложных задачах зависит от настроек генерации и используемой точности; README рекомендует более высокие квантизации для многошагового решения задач.

noctrex/Qwen3-Coder-REAP-25B-A3B-MXFP4_MOE-GGUF — квантизированная в формате GGUF версия модели Cerebras Qwen3-Coder-REAP-25B-A3B. Это MoE-модель для генерации кода и диалогового использования; каталог также указывает поддержку чата. Репозиторий содержит варианты MXFP4_MOE, включая варианты с imatrix-калибровкой bartowski и экспериментальные варианты codetiny-exp и codemedium-exp, откалиброванные на наборах данных для программирования. Модель предназначена для генерации кода и помощи в задачах программирования. Автор отмечает, что калибровочные данные экспериментальных вариантов охватывают только код, поэтому их пригодность для общих знаний не установлена и требует дальнейшей проверки. Лицензия в предоставленных данных не указана.

Карточка модели abdebug2003/qwen3-vl-embedding-endpoint на Hugging Face совпадает с карточкой Qwen/Qwen3-VL-Embedding-8B, поэтому описание составлено по ней. Qwen3-VL-Embedding-8B — мультимодальная модель эмбеддингов семейства Qwen, разработанная командой Qwen и дообученная на базе Qwen/Qwen3-VL-8B-Instruct. Она предназначена для поиска и сопоставления информации между текстом, изображениями, скриншотами и видео, а также для кластеризации мультимодального контента. Модель принимает отдельные модальности и их сочетания и кодирует их в общее векторное пространство. Модель содержит 8 млрд параметров, имеет архитектуру Qwen3-VL и контекст длиной до 32 тысяч токенов. Размерность эмбеддинга достигает 4096; поддерживаются настраиваемые размерности от 64 до 4096. Заявлена поддержка более 30 языков, а среди сценариев — мультимодальный и межъязыковой поиск, сопоставление текста с изображениями и видео и визуальный поиск по документам. Модель распространяется под лицензией Apache-2.0. Эмбеддинги подходят для первичного поиска и кластеризации; для уточнения порядка найденных результатов карточка рекомендует отдельную модель Qwen3-VL-Reranker. Для многоязычных сценариев README советует формулировать инструкции на английском, поскольку большинство инструкций при обучении были на этом языке.

RT-DETR-L_wireless_table_cell_det_safetensors — модуль обнаружения ячеек таблиц на изображениях из семейства RT-DETR, опубликованный PaddlePaddle для использования в PaddleOCR. Он находит области ячеек и возвращает их ограничивающие рамки, которые затем можно передать в конвейер распознавания таблиц для дальнейшей обработки. Карточка указывает, что заявленная точность получена при совместном тестировании с модулем RT-DETR-L_wired_table_cell_det. Модель распространяется в формате safetensors по лицензии Apache-2.0.

RuBERT-base-cased — русскоязычная версия двунаправленного трансформера BERT, разработанная DeepPavlov. Модель имеет 12 слоёв, скрытый размер 768, 12 голов внимания и около 205 млн параметров по метаданным. Она принимает текст и извлекает контекстные векторные представления токенов; контекст ограничен 512 токенами. Модель обучалась на русскоязычных текстах Википедии и новостях. При создании использовалась мультиязычная версия BERT-base в качестве начальной точки, а словарь субтокенов был построен для русского языка. Чекпойнт включает головы MLM и NSP и подходит как основа для дальнейшей адаптации к задачам обработки русского языка. Лицензия в предоставленных данных не указана. Прикладные ограничения, помимо длины контекста, в карточке не описаны.

RuModernBERT-base — русская версия двунаправленного энкодера ModernBERT, разработанная DeepVk. Это плотный Transformer с архитектурой ModernBERT и задачей masked language modeling: модель обучена предсказывать замаскированные токены и создавать контекстные представления текста. Число параметров — около 149 млн, глубина — 22 слоя, размер словаря — 50 368 токенов, длина контекста — до 8 192 токенов. Предобучение охватывает примерно 2 трлн токенов на русском и английском языках, а также коде; использовались интернет-источники, книги, научные материалы и социальные сети. Модель подходит как основа для задач понимания текста, включая классификацию и распознавание именованных сущностей после соответствующей настройки. Для NER авторы рекомендуют ревизию patched-tokenizer: в ней шесть часто встречающихся строчных русских букв токенизируются по одному токену. На 20 задачах RuMTEB статистически значимого ухудшения качества относительно исходной версии не обнаружено. Модель распространяется под лицензией Apache-2.0. Это энкодер для анализа и представления текста, а не генеративный чат-бот; для прикладных задач, отличных от заполнения масок, может потребоваться дополнительная настройка. Указанные авторами оценки RSG рассчитаны на dev-выборке с подбором гиперпараметров.

Карточка модели ceggian/sbert_pt_reddit_softmax_128 на Hugging Face совпадает с карточкой ceggian/sbert_pt_reddit_softmax_32, поэтому описание составлено по ней. ceggian/sbert_pt_reddit_softmax_32 — модель Sentence-Transformers на архитектуре BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Обучение использовало SoftmaxLoss и данные Reddit, что указывает на настройку для задач сходства предложений. Модель подходит для семантического поиска и группировки похожих текстов; её векторные представления можно использовать в системах поиска и анализа текстов. README не уточняет поддерживаемые естественные языки и лицензию, поэтому область применения и условия использования по этим параметрам определить нельзя.

ceggian/sbert_pt_reddit_softmax_32 — модель Sentence-Transformers на архитектуре BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Обучение использовало SoftmaxLoss и данные Reddit, что указывает на настройку для задач сходства предложений. Модель подходит для семантического поиска и группировки похожих текстов; её векторные представления можно использовать в системах поиска и анализа текстов. README не уточняет поддерживаемые естественные языки и лицензию, поэтому область применения и условия использования по этим параметрам определить нельзя.

Карточка модели ceggian/sbert_pt_reddit_softmax_64 на Hugging Face совпадает с карточкой ceggian/sbert_pt_reddit_softmax_32, поэтому описание составлено по ней. ceggian/sbert_pt_reddit_softmax_32 — модель Sentence-Transformers на архитектуре BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Обучение использовало SoftmaxLoss и данные Reddit, что указывает на настройку для задач сходства предложений. Модель подходит для семантического поиска и группировки похожих текстов; её векторные представления можно использовать в системах поиска и анализа текстов. README не уточняет поддерживаемые естественные языки и лицензию, поэтому область применения и условия использования по этим параметрам определить нельзя.

seldonium-2x7b-MoE-v0.1 — языковая модель архитектуры Mixture of Experts (Mixtral), созданная объединением Locutusque/Hercules-4.0-Mistral-v0.2-7B и Open-Orca/Mistral-7B-OpenOrca с помощью LazyMergekit. В метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и сочетает специализацию компонентов на программировании, логических задачах и анализе. Её можно использовать для написания функций и алгоритмов, работы со структурами данных, решения логических задач и оценки аргументов. Базовая модель Open-Orca ориентирована на инструкции и генерацию текста на английском языке; карточка этой модели не подтверждает отдельную поддержку других языков. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0.

lewtun/setfit-ethos-multilabel-example — модель Sentence-Transformers на базе MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и сравнения текстов. Модель содержит 136,7 млн параметров и поддерживает контекст длиной до 514 токенов. Модель подходит для поиска похожих фрагментов текста и группировки текстов по смыслу. В README указано обучение с CosineSimilarityLoss. Репозиторий также содержит в названии указание на пример многометочной классификации ETHOS, но приведённая карточка описывает именно получение эмбеддингов. Для использования требуются Sentence-Transformers либо Transformers с подходящей операцией pooling. Доступные данные не содержат сведений о лицензии, поэтому условия использования по ним определить нельзя.

HasinMDG/SetFit_Labse_Sentiment_Towards_Topic — модель на основе BERT, созданная для преобразования предложений и абзацев в плотные векторы размерности 768. Её можно применять для семантического поиска, сравнения сходства текстов и кластеризации.

Starcoder2-15B-Instruct-v0.1 — языковая модель для генерации и обработки программного кода, разработанная командой BigCode. Представленная версия распространяется в формате GGUF для запуска через llama.cpp и LM Studio; квантизацию выполнил bartowski. Модель создана на базе StarCoder2-15B и дообучена методом самообучения на наборе self-oss-instruct-sc2-exec-filter-50k, без человеческой разметки и дистиллированных данных. Основное назначение модели — выполнение одношаговых инструкций, связанных с программированием, прежде всего генерация кода на Python, написание кода с требованиями и создание модульных тестов. Модель имеет около 15 миллиардов параметров и относится к текстовым моделям генерации; сведения о поддерживаемых языках программирования, естественных языках и размере контекста в карточке не указаны. Для корректной работы рекомендуется использовать шаблон запроса Starcoder2 Instruct в LM Studio. К сильным сторонам относятся специализация на задачах программирования и заметные результаты на тестах генерации и исправления кода: pass@1 составляет 72,6% на HumanEval, 75,2% на MBPP и 20,4% на LiveCodeBench для генерации кода. Ограничения включают ориентацию преимущественно на Python и одношаговый формат взаимодействия; другие стили запросов могут давать менее точные ответы. Модель может генерировать неточный или небезопасный код, поэтому результаты требуют проверки и тестирования. Лицензия указана как BigCode OpenRAIL-M.

stella-base-zh-v2 — китайскоязычная плотная модель кодирования текста, разработанная автором семейства stella. Она предназначена для получения векторных представлений предложений и фрагментов текста, семантического поиска, сопоставления запросов с документами и оценки сходства. Модель основана на piccolo-base-zh и дообучена на открытых наборах данных и синтетических парах вопрос–текст и предложение–текст; обучение включало контрастивные потери с трудными отрицательными примерами, EWC и cosent. В отличие от предшественника, v2 не требует инструкционного префикса для поиска. Архитектура — BERT, около 129,5 млн параметров; модель выдаёт эмбеддинги размерности 768 и обрабатывает последовательности длиной до 1024 токенов. Она рассчитана прежде всего на китайский язык и поддерживает сценарии кодирования длинных текстов. В карточке приведены результаты C-MTEB и отдельной оценки длинного текста, однако автор отмечает нехватку таких тестов и возможное пересечение тестовых данных с обучающими. Лицензия в предоставленных данных не указана.

Surge-V1.1-2x0.8B — компактная разреженная модель класса Mixture-of-Experts от Junhauwong, представленная как модель для локального инференса. По карточке она использует два специализированных экспертных пути по 0,8 млрд параметров; метаданные указывают семейство Qwen3.5 MoE и архитектуру для генерации текста. Модель поддерживает диалоговый режим и предназначена для рассуждений, программирования, математических задач и сценариев с подключёнными инструментами. Её можно применять для пошаговых объяснений, планирования, написания и отладки кода, решения арифметических и алгебраических задач, а также автоматизации через внешние API и другие инструменты. В карточке приведён пример запуска через Transformers; лицензия в метаданных — Apache-2.0. Автор отмечает компактность модели и возможность локального запуска, но не приводит подтверждённых результатов бенчмарков.

Trinity-2-Codestral-22B — специализированная для программирования языковая модель из серии Trinity, созданной Migel Tissera; вычислительные ресурсы для модели предоставила KindoAI. Это дообученная версия Codestral-22B-v0.1 от Mistral AI с плотной архитектурой MistralForCausalLM и 22 млрд параметров. Модель предназначена для генерации кода и диалоговых запросов, поддерживает контекст до 32 768 токенов и использует формат промптов ChatML. В репозитории опубликованы веса safetensors. В README приведены результаты Open LLM Leaderboard: средний балл 21,82, IFEval — 42,02, BBH — 36,41; остальных строк таблицы недостаточно для оценки. Метаданные указывают лицензию other, поэтому конкретные условия использования следует сверить с файлами лицензии репозитория. Модель может ошибаться в коде и ответах; перед применением результаты стоит проверять.

microsoft/trocr-small-handwritten — компактная модель TrOCR от Microsoft для распознавания рукописного текста на изображениях отдельных строк. Она дообучена на наборе IAM и предназначена для оптического распознавания текста (OCR). Модель использует архитектуру encoder-decoder: Transformer обрабатывает изображение, разбитое на патчи 16×16, а текстовый Transformer авторегрессионно генерирует распознанные токены. Энкодер основан на весах DeiT, декодер — UniLM. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

victormuryn/use-combined-no-pt — модель Sentence Transformers, дообученная на базе paraphrase-multilingual-mpnet-base-v2 для создания эмбеддингов украинских предложений. Она использует архитектуру XLM-RoBERTa с плотным представлением, содержит 305,2 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Модель обучена на корпусе украинских текстов UberText 2.0 с контрастивной целью и комбинированными стратегиями аугментации без pool targets. Она предназначена для сравнения смысла предложений и абзацев, семантического поиска и кластеризации; полученные векторы можно использовать в приложениях на Sentence Transformers. Поддерживает многоязычные входные данные, при этом обучение ориентировано на украинский язык. Модель распространяется по лицензии Apache-2.0. Показатели качества и ограничения по областям применения в карточке не приведены; качество на языках, отличных от украинского, отдельно не охарактеризовано.

vectorizer.vanilla — англоязычная модель-векторизатор компании Sinequa для поиска релевантных фрагментов по запросу. Она строит эмбеддинги запросов и passages, которые можно индексировать и сопоставлять для семантического поиска и извлечения информации. Модель основана на MiniLM-L6-H384 и архитектуре BERT, содержит около 25,9 млн параметров, выдаёт векторы размерности 256 и принимает последовательности длиной до 512 токенов. Она нечувствительна к регистру и диакритическим знакам. Модель обучена на парах «запрос — фрагмент» и триплетах с негативными примерами; качество оценивалось на англоязычных наборах BEIR, средний Recall@100 составляет 0,639. Подходит для построения векторного индекса и поиска по запросам. Для работы в Sinequa требуется версия не ниже 11.10.0; для CUDA указана вычислительная возможность выше 7.5. Лицензия в предоставленных данных не описана.

Vedika-Code-Pro-v1 — языковая модель Veda Labs, предназначенная для программирования и задач рассуждения. В метаданных Hugging Face указаны архитектура VedikaCodeProV1ForCausalLM, плотный тип архитектуры, 44,9 млрд параметров, библиотека Transformers и формат Safetensors. README приводит другие характеристики размера: 1,6 трлн общих параметров и 49 млрд активируемых; это расхождение не позволяет однозначно установить фактический размер модели. Заявлена длина контекста около 1 млн токенов. Модель принимает текст и генерирует текст; README указывает на форматирование сообщений, совместимое с OpenAI, и отдельные скрипты кодирования, поскольку в выпуске нет шаблона чата Jinja. Она рассчитана на помощь в написании кода и рассуждениях, в том числе в сценариях разработки. Язык программирования и поддерживаемые естественные языки в доступных данных не перечислены. Лицензия — MIT.