II.8Инженерия данных и аналитика

Карточка модели rishi002/all-MiniLM-L6-v2 на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

Карточка модели sky-meilin/all-MiniLM-L6-v2 на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

Карточка модели YINzhiping/all-MiniLM-L6-v2 на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

zihoo дообучила sentence-transformers/all-MiniLM-L6-v2 для представления предложений и абзацев в виде плотных семантических векторов размерностью 384. Модель основана на BERT и использует усреднение токенных представлений, после которого векторы нормализуются; сходство можно оценивать косинусной мерой. В метаданных указаны 25,9 млн параметров, библиотека Sentence Transformers и контекст до 512 токенов, а карточка модели указывает максимальную длину последовательности 350 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и извлечения признаков для классификации. README сообщает о дообучении на наборе из 160 000 примеров. Базовая модель описана каталогом как англоязычный энкодер, поэтому качество для других языков не следует предполагать без отдельной проверки. Лицензия в предоставленных данных не указана.

Khaled Reda создал all-MiniLM-L6-v69-pair_score — англоязычный Sentence Transformer, дообученный на sentence-transformers/all-MiniLM-L6-v2 на парах текстов с оценками сходства. Энкодер на архитектуре BERT содержит 25,9 млн параметров и преобразует предложения и абзацы в плотные векторы размерности 384; для сравнения используется косинусное сходство. Метаданные указывают максимальный контекст 512 токенов, а README описывает ограничение последовательности в 256 токенов. Модель предназначена для оценки семантического сходства текстов, семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Её можно использовать для построения векторных представлений и ранжирования текстов по близости; модель принимает текст и выдаёт эмбеддинги. Обучающие данные — пары с числовыми оценками сходства из датасета pairs_with_scores_v56. Модель распространяется по лицензии Apache-2.0. Она рассчитана на английский язык; качество для других языков не подтверждено. Для корректной обработки входов учитывайте указанное в README ограничение последовательности в 256 токенов.

beautifulpichai/all-mpnet-base-v2-ledgar-full-contrastive — модель Sentence-Transformers на архитектуре MPNet, разработанная на базе all-mpnet-base-v2 и дообученная для контрастивного представления предложений. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Модель содержит 136,7 млн параметров и принимает текст с контекстом до 514 токенов. Модель подходит для поиска семантически близких фрагментов и группировки текстов по смыслу. В метаданных указаны задачи извлечения признаков и оценки сходства предложений. Доступный формат — PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Shobhank-iiitdwd/BERT-snli-mnli-stsb — модель на основе BERT, представленная в формате sentence-transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, сравнения сходства и кластеризации текстов. Модель содержит 136,7 млн параметров, работает с текстом и принимает последовательности длиной до 512 токенов. Модель обучалась с функцией CosineSimilarityLoss и подходит для построения семантического поиска и группировки похожих текстов. Веса доступны в формате PyTorch. В карточке не указаны лицензия и явные ограничения на применение.

abhijitt/bert_st_qa_multi-qa-mpnet-base-cos-v1-epochs-10 — модель на архитектуре MPNet, дообученная для преобразования предложений и абзацев в плотные векторы размерности 768. Она предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Модель содержит 136,7 млн параметров, принимает текст и выдаёт эмбеддинги; максимальная длина контекста — 514 токенов. При обучении использовалась функция MultipleNegativesRankingLoss с косинусной мерой сходства. Модель подходит для построения поисковых индексов по текстам и группировки похожих фрагментов. В карточке указана библиотека Sentence-Transformers и формат PyTorch; сведения о лицензии и поддерживаемых естественных языках в доступных данных отсутствуют.

bge-micro — компактная модель эмбеддингов предложений на базе архитектуры BERT, опубликованная TaylorAI. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, сравнения сходства и кластеризации. Модель содержит 18,8 млн параметров, использует контекст длиной до 512 токенов и доступна в форматах PyTorch, safetensors и ONNX. Модель дистиллирована из TaylorAI/bge-small-en-v1.5 и предназначена для сценариев, где важны небольшие вычислительные затраты при сохранении качества эмбеддингов, близкого к all-MiniLM-L6-v2. Она ориентирована на английский язык. Лицензия в предоставленных данных не указана.

Карточка модели daemonicai/bge-micro-v2 на Hugging Face совпадает с карточкой TaylorAI/bge-micro-v2, поэтому описание составлено по ней. bge-micro-v2 — компактная модель эмбеддингов предложений на базе архитектуры BERT, представленная TaylorAI. Она преобразует предложения и абзацы в плотные векторы размерности 384 и подходит для семантического поиска, кластеризации и сравнения сходства текстов. Модель насчитывает 18,8 млн параметров, принимает текст длиной до 512 токенов и поддерживает Sentence Transformers, Transformers, ONNX и форматы PyTorch и Safetensors. Модель получена дистилляцией в два этапа на основе BAAI/bge-small-en-v1.5; bge-micro был первым этапом этого процесса. Она рассчитана на англоязычные тексты. Лицензия MIT разрешает свободное использование и модификацию с соблюдением её условий. Малый размер делает модель удобной для поиска и ранжирования текстовых представлений, однако векторные представления сами по себе не генерируют ответы, а ограничение контекста составляет 512 токенов.

BAAI/bge-multilingual-gemma2 — мультиязычная модель эмбеддингов от BAAI на базе google/gemma-2-9b. Это плотная модель семейства Gemma 2 с 9 млрд параметров и контекстом до 8192 токенов; она преобразует текст в векторные представления для поиска и сравнения смысловой близости. Модель обучена на данных для разных языков и задач, включая поиск, классификацию и кластеризацию. В README отмечены английский, китайский, японский, корейский и французский языки, а также результаты на мультиязычных бенчмарках MIRACL, MTEB, C-MTEB и AIR-Bench. Её можно применять для поиска по смыслу, ранжирования кандидатов и группировки похожих текстов. Модель распространяется под лицензией Gemma. Для кодирования по умолчанию используются доступные GPU; README описывает запуск через FlagEmbedding, Sentence Transformers и Transformers. Заявленные высокие результаты относятся к бенчмаркам, поэтому качество на конкретных языках и типах данных следует оценивать отдельно.

Карточка модели harsh-cisco/bge-small-en-v1.5 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.

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

BiCA-small — модель Sentence Transformers, дообученная bisectgroup на базе thenlper/gte-small для получения эмбеддингов предложений и абзацев. Она использует архитектуру BERT с mean pooling и нормализацией, содержит около 40 млн параметров и преобразует текст в плотные векторы размерности 384; сходство можно оценивать косинусной мерой. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. Карточка описывает англоязычные данные и поддержку английского языка. Для работы нужны текстовые входы; результат — векторные представления, пригодные для сравнения и последующей обработки. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели OneFly7/biencoder_ep10_bs32_lr2e5_cosine_annealing_hard_neg_2 на Hugging Face совпадает с карточкой strauss-oak/mdl_bertopic_globo, поэтому описание составлено по ней. strauss-oak/mdl_bertopic_globo — многоязычная модель эмбеддингов предложений и абзацев, основанная на архитектуре XLM-RoBERTa. Карточка README описывает её как sentence-transformers-модель, преобразующую текст в плотные векторы размерности 768 для кластеризации и семантического поиска. В метаданных указаны 305,2 млн параметров, контекст до 514 токенов, формат safetensors и лицензия Apache-2.0. Модель подходит для поиска близких по смыслу текстов, группировки предложений и абзацев, а также сравнения их семантической близости на множестве языков, включая русский и английский. Для использования через Transformers требуется подходящая операция pooling над контекстными представлениями токенов. В README указано, что модель обучена командой Sentence Transformers; точное происхождение этого репозитория относительно базовой модели отдельно не описано.

BigBang-Aquila-35B-Merged — мультимодальная модель на базе Qwen/Qwen3.6-35B-A3B, созданная объединением DARE-TIES двух специализированных моделей: BigBang-v1 для формальных рассуждений, математики, программирования и исследований, и XYZ-Aquila-mini для веб-поиска, сбора данных и вызова инструментов. Веса объединены с коэффициентами 0,55 и 0,45 соответственно; доступны файлы BF16 Safetensors и GGUF. Модель предназначена для диалогов с изображениями и агентных сценариев, сочетающих рассуждения, код, веб-поиск и инструменты. Карточка сообщает об успешном прохождении 3 из 3 сложных тестов по математике и коду, 1 из 3 по веб-сценариям и 2 из 3 в смешанных задачах; это небольшая оценка и она не гарантирует качество в других условиях. Для запуска требуются Transformers версии не ниже 5.12, а также flash-linear-attention и causal_conv1d. В чекпойнт не включена исходная MTP-голова. Лицензия — Apache-2.0.

CAC-v0.1 — языковая модель CodeMate объёмом 6,6 млрд параметров, дообученная на базе deepseek-ai/deepseek-coder-6.7b-base для автодополнения и генерации кода. Она принимает текстовые инструкции в формате Alpaca/Vicuna и выдаёт текст, в том числе фрагменты программного кода. В README указано обучение на внутреннем наборе из 1,8 млрд токенов программных задач и решений; использовалась последовательность длиной 8096 токенов, а для обучения применялась Flash Attention 2. Контекст модели составляет до 16 384 токенов. Модель предназначена для дополнения кода и связанных задач: генерации, суммаризации, перевода и оптимизации кода, ответов на вопросы, отладки и ревью. Заявлена поддержка Python, C/C++, TypeScript, Java и других языков программирования. Это ранняя версия 0.1, находящаяся в разработке, и она прошла ограниченное тестирование. Лицензия в предоставленных данных не указана.

CodeLlama-34b-Instruct-hf — языковая модель Meta из семейства Code Llama, представленная в формате Transformers. Это авторегрессионная плотная модель на архитектуре Transformer с 33,5 млрд параметров и контекстом до 16 384 токенов. Модель предназначена для генерации и понимания кода, завершения фрагментов кода и выполнения инструкций в формате чат-ассистента. Она принимает текст и генерирует текст; README указывает английский как целевой естественный язык, а также работу с языками программирования. Модель не заявлена как специализированная на Python. Модель обучена на данных семейства Llama 2 с дополнительными весами и настройкой для следования инструкциям. Она может выдавать неточные или нежелательные ответы; перед внедрением рекомендуется проверять её поведение для конкретных сценариев. Использование регулируется лицензией Meta Llama 2.

CodeLlama 34B Python — языковая модель для генерации и решения задач программирования, разработанная Meta на базе CodeLlama 34B Python. Версия из этого репозитория преобразована TheBloke в формат GGUF и предназначена для локального запуска через llama.cpp и совместимые приложения и библиотеки. Модель имеет архитектуру LLaMA и размер 34 миллиарда параметров. Она ориентирована на работу с программным кодом и использует текстовый ввод и вывод; заявленный язык — code, без указания поддержки конкретных естественных языков. Модель подходит для написания кода по описанию задачи, соблюдения заданных ограничений и проверки решения на примерах. README не указывает размер контекстного окна и точные характеристики обучения. Ключевое преимущество версии — доступность нескольких вариантов квантования GGUF, включая 2-, 3-, 4-, 5-, 6- и 8-битные варианты, что позволяет выбирать компромисс между качеством, потреблением памяти и скоростью работы. Ограничения связаны с потерями качества при использовании более агрессивного квантования, высокой вычислительной нагрузкой 34-миллиардной модели и специализацией преимущественно на коде. Репозиторий распространяется по лицензии Llama 2.

Codestral-22B-v0.1-abliterated-v3 — производная модель failspy, созданная на основе mistralai/Codestral-22B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 22 млрд параметров, представленная в формате bfloat16 Safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена прежде всего для генерации и дополнения кода: она может отвечать на вопросы о фрагментах кода, объяснять и документировать их, выполнять рефакторинг, генерировать код по описанию и продолжать код между заданными префиксом и суффиксом в режиме Fill in the Middle. Обучающие данные исходной Codestral охватывают более 80 языков программирования, включая Python, Java, C, C++, JavaScript и Bash. Автор применил ортогонализацию весов, чтобы ослабить склонность исходной модели отказывать в ответах; это не гарантирует отсутствия отказов. README также предупреждает о возможных побочных эффектах и необычном поведении новой методики. Для запуска автор исходной модели рекомендует mistral-inference. Лицензия в метаданных указана как other; конкретные условия следует проверять в карточке модели.

mlx-community/conikeec-deepseek-coder-6.7b-instruct — конвертированная в формат MLX версия модели DeepSeek Coder 6.7B Instruct, созданная сообществом mlx-community на основе deepseek-ai/deepseek-coder-6.7b-instruct. Это плотная авторегрессионная языковая модель семейства Llama с 6,6 млрд параметров и контекстом до 16 384 токенов, предназначенная для генерации текста в диалоговом формате и задач программирования. Репозиторий содержит веса safetensors; для запуска через MLX README указывает библиотеку mlx-lm. Лицензия в метаданных обозначена как other; конкретные условия следует сверять с карточкой исходной модели.

TheBloke/deepseek-coder-33B-instruct-AWQ — это 4-битная AWQ-квантизированная версия DeepSeek Coder 33B Instruct, разработанной компанией DeepSeek и опубликованной TheBloke. Модель предназначена для задач программирования и компьютерных наук: генерации и объяснения кода, ответов на технические вопросы и работы в сценариях ассистента программиста. Согласно шаблону запросов, она ориентирована только на вопросы, связанные с computer science, и может отказываться отвечать на политически чувствительные, связанные с безопасностью и приватностью, а также другие нетехнические вопросы. Модель основана на архитектуре DeepSeek с 33B параметров и представлена в формате AWQ с 4-битными весами, групповым размером 128 и длиной последовательности 16 384 токена. Файлы поставляются в виде шардированных safetensors; указанный размер репозитория составляет около 18,01 ГБ. Это текстовая модель без заявленной поддержки изображений или других модальностей. Языки обучения и полный перечень поддерживаемых языков в README не указаны. К сильным сторонам относятся сниженные требования к памяти и высокая скорость инференса при сохранении качества, сопоставимого с распространёнными настройками GPTQ. Модель рассчитана на GPU-инференс и поддерживает AutoAWQ, text-generation-webui и Hugging Face Text Generation Inference; сведения о совместимости vLLM в README ограничены моделями Llama и Mistral. Лицензия обозначена как other с названием deepseek; подробные условия следует уточнять в файле LICENSE исходного репозитория.

DeepSeek-Coder-V2-Lite-Instruct-GGUF — квантованная версия модели DeepSeek-Coder-V2-Lite-Instruct, разработанной DeepSeek-ai и преобразованной в формат GGUF компанией Second State Inc. Это инструкционная модель типа deepseek, ориентированная на работу с программным кодом и взаимодействие в формате диалога. Модель предназначена для генерации, дополнения и анализа кода, а также для решения задач разработки через текстовые инструкции. В README указана поддержка контекста до 128 000 токенов при запуске через LlamaEdge версии 0.12.3 и выше. Данные о точном размере модели, языках программирования и естественных языках, а также о поддержке мультимодальности не приведены. Доступно несколько вариантов квантования от Q2_K до Q8_0 и f16. Q4_K_M рекомендован как сбалансированный вариант, а Q5_K_M и Q5_K_S — как варианты с малой потерей качества; более низкая разрядность уменьшает размер файла, но может существенно ухудшать качество. Размеры файлов варьируются от 6,43 ГБ для Q2_K до 31,4 ГБ для f16. Использование регулируется лицензией deepseek-license; в метаданных она обозначена как other.

Statuo выпустил Deepseeker-Kunou-Qwen2.5-14b — объединение языковых моделей, созданное с помощью mergekit и линейного слияния. В него вошли Sao10K/14B-Qwen2.5-Kunou-v1 и deepseek-ai/DeepSeek-R1-Distill-Qwen-14B; итоговая модель имеет архитектуру Qwen2ForCausalLM и содержит 14 млрд параметров. Модель предназначена для диалогов и генерации текста, включая задачи рассуждения, математики и программирования. Разработчик отмечает, что она кажется достаточно интеллектуальной, но может уступать в творческом письме; оценка улучшения относительно Kunou субъективна. Поддерживается контекст до 131 072 токенов, файлы представлены в формате safetensors. Лицензия в метаданных — Apache-2.0; README также упоминает Qwen License, поэтому условия лицензирования стоит сверить с файлами репозитория.

puwaer подготовил сжатый вариант DeepSeek-V4-Flash-0731 методом REAP: в каждом MoE-блоке число маршрутизируемых экспертов сокращено с 256 до 132, при этом сохранены все 43 слоя и 6 экспертов на токен. Это причинная языковая модель с архитектурой DeepseekV4ForCausalLM и 10,7 млрд параметров в опубликованном чекпойнте; веса представлены в safetensors FP8. Модель предназначена для диалоговой генерации текста, рассуждений, решения математических задач и генерации кода. Поддерживает контекст до 1 048 576 токенов. По приведённым в карточке тестам, сжатый вариант сохраняет близкие к базовой модели результаты на математических и программных бенчмарках. Стандартная генерация работает, но модули многотокенного предсказания удалены, поэтому ускоренное спекулятивное декодирование на их основе недоступно. Результаты тестов получены при контексте 4096 токенов и отключённом thinking, что ограничивает переносимость этих показателей на другие настройки. Модель основана на deepseek-ai/DeepSeek-V4-Flash-0731; лицензия — MIT.

Deepseek-Wizard-33B-slerp — объединённая языковая модель, созданная с помощью LazyMergekit из DeepSeek Coder 33B Instruct и WizardCoder-33B-V1.1. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM; в метаданных указан размер 17,2 млрд параметров и контекст до 16 384 токенов. Модель предназначена для диалоговой генерации текста с акцентом на программирование: она может помогать писать и дополнять код, объяснять его и отвечать на вопросы в чате. Слияние выполнено методом SLERP; репозиторий содержит веса в формате Safetensors. Метаданные указывают лицензию Apache-2.0.

kwondw/distilroberta-base-nli-v3 — модель Sentence Transformers, дообученная разработчиком на базе distilbert/distilroberta-base на наборе all-nli. Архитектура RoBERTa с mean pooling преобразует текстовые предложения и абзацы в плотные векторы размерности 768; максимальная длина последовательности — 512 токенов. Для сравнения векторов используется косинусное сходство. Модель предназначена для поиска по смыслу, извлечения текстовых эмбеддингов и оценки семантического сходства. В README приведены результаты оценки на STS: Spearman cosine 0,865 на sts-dev и 0,8417 на sts-test. Карточка не сообщает лицензию; обучение и примеры ориентированы на англоязычный текст.

tomaarsen/distilroberta-base-nli-v4 — модель Sentence Transformers, дообученная на distilbert/distilroberta-base на наборе all-nli. Она преобразует предложения и абзацы на английском языке в плотные векторы размерностью 768 для сравнения семантической близости с помощью косинусного сходства. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Архитектура включает RoBERTa-трансформер с усреднением токенных представлений; модель содержит 95,2 млн параметров и принимает последовательности длиной до 512 токенов. Данные README приводят результаты на STS: коэффициент Спирмена с косинусным сходством составляет 0,7892 на sts-dev и 0,7221 на sts-test. Модель рассчитана на английский язык и выдаёт эмбеддинги, а не готовые текстовые ответы. Для входов длиннее 512 токенов потребуется усечение или разбиение текста; качество на других языках не заявлено. Лицензия в предоставленных данных не указана.

Dolphin-v2 — модель для разбора документов, разработанная ByteDance. Она обрабатывает цифровые документы и фотографии страниц и выдаёт структурированное представление содержимого. Модель построена на архитектуре Qwen2.5-VL-3B с визуальным энкодером NaViT и авторегрессионным декодером; размер составляет 3,1 млрд параметров, контекст — до 128 000 токенов. Модель сначала классифицирует тип документа и анализирует его структуру, затем извлекает содержимое с учётом типа страницы и элемента. Она поддерживает распознавание текста, анализ макета и порядка чтения, извлечение таблиц, формул и кода; для фотографий использует разбор всей страницы, а для цифровых документов — параллельную обработку элементов. В README сообщается о результатах на OmniDocBench v1.5, но они не гарантируют качество на любых документах. Модель принимает изображения документов и текстовые запросы, а выдаёт текстовое структурированное представление. Карточка указывает поддержку китайского и английского языков. Лицензия в предоставленных данных не указана.

Eurux-8x22B-KTO — языковая модель семейства Mixtral, разработанная OpenBMB. Это дообученная версия Mixtral-8x22B: сначала выполнено SFT, затем KTO на многоходовых траекториях UltraInteract и парах предпочтений UltraFeedback. Модель предназначена для генерации текста, рассуждений, диалогов и следования инструкциям; в карточке заявлены сильные результаты в задачах программирования, математики, знаний и рассуждений. Модель использует архитектуру Mixtral MoE, распространяется в формате safetensors, содержит 22 млрд параметров и поддерживает контекст до 65 536 токенов. Для запуска в README приведён пример использования через Transformers и PyTorch. Лицензия — Apache-2.0. Оценочные результаты приведены для набора бенчмарков по коду, математике, рассуждениям, знаниям, следованию инструкциям и диалогу; они не гарантируют качество на конкретных пользовательских данных. Языки обучения или поддерживаемые языки в предоставленных сведениях не перечислены.