II.8Инженерия данных и аналитика

triBne-e5-large — модель векторных представлений предложений, разработанная Istiaq Fuad и дообученная на базе intfloat/multilingual-e5-large. Она предназначена для семантического поиска, извлечения и сравнения текстов на бенгальском, английском и банглиш — бенгальском, записанном латиницей, в том числе при вариантах написания вроде «bhalobashi» и «valobashi». Модель использует архитектуру XLM-RoBERTa-large, содержит около 658,7 млн параметров и выдаёт эмбеддинги размерности 1024; сходство оценивается косинусной мерой. Для кодирования достаточно передавать обычный текст без префиксов query или passage. Модель подходит для поиска соответствий между разными вариантами написания банглиш, текстом на бенгальском письме и переводами на английский, а также для кластеризации и поиска в смешанных бенгальско-английских коллекциях. Дообучение выполнено контрастивным методом с LoRA-адаптером, слитым с базовой моделью. README сообщает о тестировании на трёх задачах поиска и приводит метрики на отложенных наборах данных. Максимальная длина последовательности в метаданных — 514 токенов; README указывает, что модель обучалась с ограничением 128 токенов и более длинный текст усекается. Часть примеров банглиш создана языковой моделью и может отражать её смещения; модель не предназначена для классификации или генерации. Лицензия — MIT.

triBne-e5-small — модель текстовых эмбеддингов, созданная дообучением intfloat/multilingual-e5-small автором istiaqfuad. Она предназначена для семантического поиска, извлечения близких текстов, кластеризации и сравнения предложений на бенгальском языке, английском и бенгальском, записанном латиницей (Banglish), в том числе при вариативном написании слов. Модель основана на архитектуре BERT, содержит 124,3 млн параметров и создаёт нормализованные эмбеддинги размерности 384; для сравнения используется косинусное сходство. Метаданные указывают контекст до 512 токенов, а README — максимальную длину последовательности 128 токенов. Модель дообучена контрастивным методом с LoRA-адаптером, объединённым с базовой моделью. По описанной оценке она особенно хорошо справляется с поиском вариантов написания Banglish и сопоставлением бенгальского текста с Banglish; для поиска между английским и бенгальским показала конкурентные результаты. Лицензия — MIT, библиотека — sentence-transformers. Модель рассчитана на короткие тексты: более длинные последовательности усекаются. Часть обучающих пар Banglish создана с помощью LLM и может наследовать их смещения. Модель не предназначена для генерации текста или классификации.

WhereIsAI/UAE-Large-V1 — англоязычная модель плотных текстовых эмбеддингов, разработанная командой AnglE. Она основана на архитектуре BERT и обучена с оптимизацией AnglE для получения векторных представлений предложений. Модель подходит для сравнения семантической близости текстов и поиска по смыслу; для задач извлечения информации в README рекомендуется использовать специальный prompt Prompts.C для запроса, но не для документов. Модель содержит 433,9 млн параметров, принимает текст с контекстом до 512 токенов и возвращает эмбеддинги. В README заявлен результат 64,64 среднего балла на MTEB и лидерство в рейтинге на момент публикации. Поддерживаются форматы safetensors, ONNX и OpenVINO. Лицензия MIT разрешает использование в разных сценариях.

Dogacel/Universal-DeepSeek-OCR-2 — адаптированная для запуска на CPU, Apple MPS и CUDA версия DeepSeek-OCR-2. Репозиторий использует веса исходной модели DeepSeek и содержит изменения для инференса на разных устройствах; по умолчанию запускается на CPU. Архитектура — плотная DeepSeek-VL-v2 с классом DeepseekOCR2ForCausalLM, размер — 559,7 млн параметров, контекст — 8192 токена. Модель принимает изображения и выдаёт текст, предназначена для OCR и анализа документов по изображениям, включая PDF. В метаданных указана поддержка нескольких языков, но конкретные языки карточка не перечисляет. Лицензия — Apache-2.0. README содержит только краткие сведения о совместимости устройств и не описывает точность распознавания или ограничения по типам документов.

YAR.INK v5_Embedding — текстовая модель эмбеддингов от YARlabs для семантического поиска, кластеризации и выявления иерархических связей в больших наборах данных. Модель содержит 507,6 млн параметров, принимает текст и возвращает векторы признаков; архитектура YarEmbeddingModel использует гиперболическое пространство Лоренца и Matryoshka Representation Learning. Заявленное авторами окно контекста — 512 токенов, токенизатор основан на Qwen2Tokenizer. Модель предназначена для поиска по документам и базам знаний, построения иерархий и компактных векторных индексов, в том числе для систем RAG и устройств с ограниченными ресурсами. Размерность эмбеддингов можно уменьшать, выбирая конфигурации Matryoshka; для сравнения векторов README предписывает использовать расстояние Лоренца, а не косинусную или евклидову метрику. Приведённые в README результаты сравнения являются заявлениями авторов. В репозитории указаны форматы safetensors и ONNX. Для загрузки требуется trust_remote_code=True, поскольку используются пользовательские классы архитектуры. Метаданные и README не сообщают лицензию, поэтому условия использования определить нельзя.

Vibe-Coding-Claude-Fable-5 — дообученная инструктивная причинная языковая модель, разработанная Lazarus19 на базе Qwen2.5-7B-Instruct. Это плотная архитектура Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; модель предназначена для генерации кода и помощи в разработке ПО. Карточка заявляет поддержку английского языка и работы с распространёнными языками программирования, библиотеками и фреймворками. Модель подходит для создания и объяснения кода, отладки, разработки API и веб-приложений, обсуждения архитектуры ПО и подготовки технической документации. В метаданных основная задача указана как text-classification, однако карточка описывает генерацию текста и кода; каталог также относит модель к text-generation, что соответствует заявленным сценариям. Модель может выдавать логически неверный или небезопасный код и выдумывать API; специализированные технологии и сложные проекты могут требовать дополнительного контекста. Результаты следует проверять перед использованием. Лицензия — Apache-2.0.

WeMM-Embedding-9B — универсальная мультимодальная модель эмбеддингов Tencent, построенная на базе Qwen3.5-9B. Она принимает текст, изображения, видео и визуальные документы, в том числе смешанные входы с чередованием текста и изображений или видео, и преобразует их в L2-нормированный вектор размерностью 4096. Аудио модель не поддерживает. Модель предназначена для получения эмбеддингов и поиска по тексту, изображениям, видео и визуальным документам, включая сопоставление разных типов содержимого. README также описывает поддержку Matryoshka Embeddings с сокращением размерности и варианты запуска через Transformers, Sentence Transformers, vLLM и SGLang. Метаданные указывают архитектуру Qwen3.5 и дообучение базовой модели Qwen/Qwen3.5-9B; опубликованные веса представлены в формате Safetensors. Лицензия указана как other, поэтому перед использованием следует проверить условия в карточке модели. Модель не подходит для аудио-входов; заявленный основной результат — векторное представление, а не генерация текста.

xGemable-12B-coder-v1.5-GGUF — специализированная агентная модель для программирования, разработанная компанией xCloudinfo на базе google/gemma-4-12B-it. Модель обучалась с применением LoRA и дистилляции проверенных выполнением траекторий Anthropic Claude: примеры кода отбирались только после успешной компиляции и прохождения тестов. Это не универсальная диалоговая модель, а инструмент для инженерных задач и локального использования. Модель предназначена для реализации функций и модулей, написания и анализа тестов, объяснения и ревью кода, а также многошаговой работы с инструментами и исправления ошибок. Основной язык программирования — Python; также заявлена поддержка C#, Java, Go, JavaScript и Rust. Поддерживаются function calling и tool use. Контекст составляет 256K токенов в исходном режиме и до 1M токенов с YaRN, что позволяет анализировать крупные репозитории и наборы документов. Доступны GGUF-квантизации от 4 до 8 бит; версия Q4_K_M занимает около 7,4 ГБ и рассчитана на запуск на компьютерах с 16 ГБ RAM. Заявленный результат HumanEval pass@1 составляет 87,8% для базовой оценки и 88,4% для Q4 GGUF по приведённым в README измерениям. Сильными сторонами являются специализация на программировании, поддержка агентных сценариев, локальное развёртывание и большой контекст. Ограничение — недостаточная практическая надёжность для полностью автоматической отладки реальных репозиториев. Для корректной работы требуется отключать режим размышлений и использовать рекомендованные параметры декодирования; фактическая длина контекста зависит от доступной памяти. Модель распространяется по лицензии Apache-2.0.

Zhinao-ChineseModernBert-Embedding — семантическая embedding-модель Qihoo 360 на архитектуре ModernBert, реализованная как Sentence Transformer. Она построена на собственной базовой модели Zhinao-ChineseModernBert и прошла двухэтапное обучение для получения векторных представлений: контрастивное обучение на китайских и английских поисковых и переводных данных, затем многозадачная настройка на CMTEB и MTEB. Модель имеет 227 млн параметров, выдаёт нормализованные векторы размерности 768, использует Qwen2Tokenizer и поддерживает контекст до 8192 токенов по метаданным; карточка модели указывает максимальную длину последовательности 512 токенов. Модель предназначена прежде всего для поиска по смыслу, расчёта сходства текстов, кластеризации и классификации, а также для векторных баз и извлечения контекста в RAG-системах. Она ориентирована на китайский язык и китайско-английские тексты; архитектура и обучение нацелены на эффективный инференс при ограничениях памяти. README заявляет высокие результаты на китайских и многоязычных бенчмарках, но эти сравнения приведены авторами модели. Модель распространяется по лицензии Apache 2.0, допускающей коммерческое использование. Ограничения: максимальная длина входной последовательности embedding-модели составляет 512 токенов, поэтому длинные тексты следует разбивать на фрагменты или обрезать; для чисто английских специализированных текстов авторы рекомендуют англоязычные модели. Для задач, отличающихся от стандартных, может потребоваться подобрать подходящий prompt.

futuredatascience/action-classifier-v2 — модель на основе MPNet, опубликованная Futuredatascience в формате PyTorch и доступная через Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, сравнения сходства и кластеризации. Модель содержит 136,7 млн параметров и принимает текстовые последовательности с контекстом до 514 токенов. Модель подходит для построения семантического поиска и группировки текстов по смыслу. В карточке указано обучение с CosineSimilarityLoss; также доступны применение через Sentence-Transformers или Transformers с соответствующей операцией pooling. Лицензия и целевой язык в предоставленных данных не указаны.

KhaledReda/all-MiniLM-L6-v21-pair_score — англоязычная модель Sentence Transformers, дообученная автором на KhaledReda/all-MiniLM-L6-v20-pair_score на наборе пар текстов с оценками сходства, синонимами и опечатками. Она кодирует предложения и абзацы в плотные векторы размерностью 384; сходство между текстами оценивается косинусной близостью. Архитектура основана на BERT и использует усреднение токенных представлений с последующей нормализацией. Модель предназначена для семантического сравнения текстов и поиска: её можно применять для семантического поиска, поиска перефразировок, кластеризации и классификации текстов. В README указана максимальная длина последовательности 256 токенов, а метаданные каталога задают нативный контекст 512 токенов. Модель поддерживает английский язык, содержит 25,9 млн параметров и распространяется в формате safetensors. Лицензия — Apache-2.0. Обучение ориентировано на пары коротких текстов; качество на других языках и существенно отличающихся доменах README не подтверждает.

KhaledReda/all-MiniLM-L6-v57-pair_score — англоязычная модель Sentence Transformers, дообученная KhaledReda на датасете пар текстов pairs_with_scores_v46. Она кодирует предложения и абзацы в плотные векторы размерности 384 для оценки семантического сходства по косинусному сходству, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура основана на BERT с усреднением токенных представлений и нормализацией векторов; в README указана максимальная длина последовательности 256 токенов, а в метаданных — контекст до 512 токенов. Модель принимает текст и выдаёт векторные представления. Она рассчитана на английский язык. Лицензия Apache-2.0. Карточка не приводит результатов независимых оценок качества; качество для языков, отличных от английского, не подтверждено.

Retrieva, Inc. разработала AMBER (Adaptive Multitask Bilingual Embedding Representations) — двуязычную модель текстовых эмбеддингов на архитектуре ModernBERT и в формате Sentence Transformers. Модель дообучена на базе sbintuitions/modernbert-ja-130m, содержит 132,1 млн параметров и предназначена прежде всего для японского языка, с поддержкой английского. При обучении использовались японские и английские наборы данных, а также данные для перевода между этими языками; инструкции на естественном языке помогают получать эмбеддинги с учётом задачи. AMBER подходит для поиска по смыслу, сравнения предложений, ранжирования и других задач, использующих векторные представления текста. README указывает размер выходного вектора 512 измерений, косинусную меру сходства и максимальную длину последовательности 512 токенов; метаданные каталога указывают контекст до 8 192 токенов. Модель оценивалась на японских JMTEB, JQaRA, JaCWIR и японской части MLDR, а также на английском MTEB. Лицензия — Apache 2.0. Качество зависит от языка, данных и задачи; модель ориентирована на японский язык, поэтому её возможности для английского могут отличаться. В README приведены отдельные результаты бенчмарков, но не все значения таблиц доступны в карточке.

Модель omarelshehy/arabic-english-sts-matryoshka — двуязычная Sentence Transformer, дообученная разработчиком на базе FacebookAI/xlm-roberta-large. Она преобразует предложения и абзацы на арабском и английском языках в плотные векторы размерностью 1024 для сравнения семантической близости. Векторы можно сокращать до 768, 512, 256, 128 или 64 измерений, чтобы уменьшить требования к памяти и вычислениям; для оценки сходства используется косинусная мера. Модель предназначена для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и классификации. Она поддерживает как сравнение текстов внутри каждого языка, так и межъязыковое сопоставление арабского и английского текстов. Архитектура основана на XLM-RoBERTa large, содержит 658,7 млн параметров, принимает текст длиной до 514 токенов и выдаёт векторы. Для использования требуется библиотека Sentence Transformers. В README приведены обнадёживающие результаты MTEB, но разработчик рекомендует проверять качество на целевых данных. Модель распространяется по лицензии Apache-2.0.

bangla-embed-e5-small-mnrl — модель Sentence Transformers, дообученная разработчиком Srimon12 на базе intfloat/multilingual-e5-small для работы с текстами на бенгальском языке. Она преобразует текст в нормализованные плотные эмбеддинги размерности 384; архитектура включает BERT, усредняющий pooling и нормализацию. Максимальная длина входа — 512 токенов, для сравнения векторов используется косинусное сходство. Модель предназначена для семантического поиска и сопоставления текстов: README также указывает поиск перефразировок, кластеризацию и классификацию по эмбеддингам. При обучении использовались miracl_bn, nli_bn и parse_bn. В приведённой оценке на miracl-bn указаны cosine_accuracy@1 0,91 и cosine_accuracy@10 1,0; это результаты конкретной оценки, а не гарантия качества на других данных. Модель принимает текст и выдаёт векторы. Лицензия — MIT.

kwondw/bert-base-uncased-tsdae — модель Sentence Transformers, дообученная на базе google-bert/bert-base-uncased на датасете wiki1m-for-simcse с использованием DenoisingAutoEncoderLoss. Она преобразует предложения и абзацы на входе в плотные векторы размерности 768 и предназначена для поиска и сравнения текстов по косинусному сходству. Архитектура состоит из BERT для извлечения признаков и пулинга CLS; модель принимает текст, поддерживает контекст до 512 токенов по метаданным, а README указывает максимальную длину последовательности 75 токенов. Базовая модель англоязычная, обучающая выборка состоит из англоязычных текстов Википедии. Модель подходит для семантического поиска, извлечения текстовых эмбеддингов и оценки сходства предложений. В README приведены результаты на STS: Spearman для косинусного сходства составляет 0,6557 на sts-dev и 0,6199 на sts-test. Для практического применения следует учитывать указанную в README длину последовательности 75 токенов; качество на других языках и доменах в предоставленных данных не описано. Лицензия в метаданных и README не указана.

abhijitt/bert_st_qa_multi-qa-MiniLM-L6-dot-v1-epochs-10 — модель Sentence-Transformers на базе BERT, разработчик в доступных данных не указан. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска, сравнения сходства и кластеризации. Модель обучалась с функцией MultipleNegativesRankingLoss и косинусной мерой сходства; её размер — 25,9 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт векторные представления. В README не перечислены языки и наборы данных, поэтому языковую поддержку нельзя определить. Репозиторий содержит веса PyTorch. Условия лицензии в предоставленных данных отсутствуют.

Компактная модель Sentence Transformer, дообученная на базе англоязычной google/bert_uncased_L-2_H-128_A-2. Она кодирует предложения и абзацы в плотные векторы размерностью 128 и рассчитывает косинусное сходство; архитектура включает BERT с усреднённым pooling. Модель предназначена для поиска и сравнения текстов по смыслу, в том числе для retrieval-сценариев. Модель принимает текст, использует контекст до 512 токенов по метаданным Hugging Face; в карточке Sentence Transformers указана максимальная длина последовательности 128 токенов. Число параметров — 4,4 млн. Обучение описано на 549 502 парах текстов с контрастивной функцией потерь. Репозиторий содержит веса в формате safetensors. Данных о лицензии в предоставленных источниках нет.

swardiantara/bert-tiny-sst5-k3-adaptive-cosine — компактная модель Sentence Transformers на базе BERT, дообученная для представления предложений и абзацев в виде плотных векторов. Она преобразует текст в 128-мерные эмбеддинги, а сходство между ними можно оценивать косинусной мерой; модель подходит для семантического поиска и извлечения релевантных текстов. Модель основана на google/bert_uncased_L-2_H-128_A-2 и содержит 4,4 млн параметров. В README указана максимальная длина последовательности 128 токенов; метаданные задают контекст 512 токенов. Используется mean pooling, входная модальность — текст, а выход — векторы. Обучение описано на наборе из 8 664 пар текстов с контрастивной функцией потерь. Данных о лицензии в предоставленных источниках нет.

bge-base-en-v1.5-gguf — англоязычная модель для создания векторных представлений текста (embeddings), основанная на модели BAAI/bge-base-en-v1.5 и представленная в формате GGUF компанией Compendium Labs. Она предназначена для семантического поиска, сопоставления текстов, кластеризации, построения retrieval-систем и других задач, где требуется сравнивать тексты по смыслу. Модель не предназначена для генерации текста. Работает через llama.cpp, llama-cpp-python и интеграцию LangChain. В репозитории доступны варианты F32 размером 417 МБ, F16 размером 209 МБ, Q8_0 размером 113 МБ и Q4_K_M размером 66 МБ. Точные сведения об архитектуре, размере контекста, размерности embedding-векторов и поддерживаемых языках в README не указаны; из названия и описания следует, что модель ориентирована на английский язык. Квантованные версии занимают меньше места и, по данным авторов, могут ускорять работу на CPU до 30% при минимальной потере точности, тогда как выигрыш на GPU обычно скромнее и зависит от приложения. Модель удобна для локального запуска и ресурсоёмких сценариев на CPU, однако качество и скорость зависят от выбранного формата квантования и оборудования. Для текстов на языках, кроме английского, применимость README не подтверждает. Репозиторий распространяется по лицензии MIT.

qilowoq/bge-m3-en-ru — компактная версия BAAI/bge-m3, подготовленная автором репозитория обрезанием словаря до токенов английского и русского языков. Модель основана на архитектуре XLM-RoBERTa, содержит 465,8 млн параметров и предназначена для получения векторных представлений предложений и сравнения их семантического сходства. Карточка сообщает, что обрезанный словарь уменьшает модель примерно в 1,5 раза относительно исходной и сохраняет те же эмбеддинги. Модель подходит для семантического поиска, сопоставления запросов с документами и поиска похожих предложений на английском и русском языках. Она принимает текст и выдаёт эмбеддинги; заявленная длина контекста — 8194 токена. Распространяется по лицензии MIT.

CompendiumLabs/bge-m3-gguf — это GGUF-версия модели BGE-M3, опубликованная Compendium Labs и основанная на исходной модели BAAI/bge-m3 от Beijing Academy of Artificial Intelligence (BAAI). Это не генеративная языковая модель, а многоязычная модель текстовых представлений для семантического поиска, поиска по сходству, гибридного retrieval и RAG-систем. Модель построена на архитектуре XLM-RoBERTa, содержит около 568–569 млн параметров, формирует векторы размерности 1024 и поддерживает контекст до 8192 токенов. Она рассчитана более чем на 100 языков и объединяет три режима поиска: dense retrieval, sparse retrieval и multi-vector retrieval в стиле ColBERT. Репозиторий CompendiumLabs содержит файлы GGUF в форматах F16 и F32; размер F16-файла составляет около 1,16 ГБ, F32-файла — около 2,27 ГБ. Сильные стороны модели — многоязычность, обработка длинных документов и возможность получать несколько типов retrieval-представлений из одной модели, что удобно для гибридного поиска. Ограничение состоит в том, что модель предназначена для эмбеддингов и извлечения признаков, а не для генерации текста; для максимальной точности поиска рекомендуется дополнительно применять отдельный reranker. Качество может различаться между языками, поскольку объём и баланс обучающих данных неодинаковы. В карточке CompendiumLabs указана лицензия MIT.

bge-m3-GGUF — GGUF-квантизированная версия многоязычной модели эмбеддингов BGE-M3, разработанной BAAI. Модель предназначена для семантического поиска, извлечения признаков, sentence similarity и построения RAG-систем. Квантизация выполнена на основе версии llama.cpp с идентификатором 61408e7f. BGE-M3 поддерживает более 100 языков и три режима поиска: плотный retrieval, разреженный retrieval с весами токенов и multi-vector retrieval. Модель обрабатывает тексты от коротких предложений до длинных документов длиной до 8192 токенов и формирует векторы размерности 1024. Она подходит для гибридного поиска, объединяющего семантические эмбеддинги и BM25, а также для последующего reranking найденных документов. К сильным сторонам относятся многоязычность, поддержка длинного контекста и объединение нескольких функций извлечения в одной модели. README не содержит сведений о точном размере GGUF-файлов, используемой схеме квантизации, требованиях к ресурсам или детальных ограничениях качества; кроме того, модель предназначена для retrieval-задач и не является генеративной языковой моделью. Указанная лицензия — MIT.

mlx-community/bge-m3-mlx-4bit — неофициальная версия BAAI/bge-m3, преобразованная для MLX и квантованная до 4 бит для работы на Apple Silicon. Модель основана на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров и формирует 1024-мерные представления текста; максимальная длина контекста — 8194 токена. Модель предназначена для получения эмбеддингов и семантического поиска. Исходная BGE-M3 поддерживает плотный, разреженный и многовекторный (ColBERT) поиск, однако README этой версии описывает генерацию эмбеддингов через MLX. Квантование уменьшает требования к памяти и подходит для массового формирования эмбеддингов, когда приемлемо некоторое снижение качества. Модель поддерживает многоязычный текст, включая русский, английский, китайский, немецкий, испанский, французский, итальянский, японский, корейский и португальский. Для использования нужны MLX и совместимая система Apple Silicon. Лицензия — MIT; это неофициальная конверсия, за исходной моделью и официальными реализациями следует обращаться к BAAI/bge-m3.

Buzz-3b-Small-v0.6.3 — промежуточный чат-чекпойнт проекта H-D-T, дообученный на базе семейства Llama. Модель имеет плотную архитектуру LlamaForCausalLM примерно с 3,8 млрд параметров и использует шаблон диалога Llama 3. Она обучалась одну эпоху на примерно 6,2 млн примеров; этот чекпойнт соответствует двум десятым пути по датасету Buzz и его срезам. Модель предназначена для диалоговой работы в роли универсального ассистента: она может писать код, разбирать задачи, объяснять и проводить пошаговые разборы, играть персонажей, анализировать данные и выполнять математические вычисления. Принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Ответы могут быть неточными. Лицензия — Apache-2.0.

Chichu 2.0 500M Instruct — компактная языковая модель на 494 млн параметров, разработанная Sebastianpro88 и дообученная методом LoRA на базе Qwen/Qwen2.5-0.5B-Instruct. Для обучения использован корпус дистилляции ответов нескольких моделей, охватывающий математику, программирование, рассуждения и выполнение инструкций. Модель предназначена для диалогов и генерации текста по инструкциям, в том числе для задач с кодом, математикой и логическими рассуждениями. Это плотная архитектура Qwen2 с контекстом до 32 768 токенов; модель принимает и выдаёт текст. Карточка указывает лицензию «other», но не уточняет её условия, поэтому перед использованием следует проверить сведения о лицензировании в репозитории.

teven/cross_all_bs160_allneg_finetuned_WebNLG2020_data_coverage — модель Sentence-Transformers на архитектуре MPNet с 136,7 млн параметров. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и оценки сходства предложений. Модель принимает текст и выдаёт эмбеддинги; максимальная длина контекста составляет 514 токенов. Название указывает на дообучение для данных WebNLG 2020 с акцентом на покрытие данных, однако README не описывает подробности обучения или сравнительные результаты. Для использования доступны Sentence-Transformers и Transformers с подходящей операцией pooling. В репозитории представлены веса PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

teven/cross_all_bs320_vanilla_finetuned_WebNLG2020_metric_average — модель эмбеддингов предложений на архитектуре MPNet, опубликованная на Hugging Face в формате PyTorch. Она преобразует предложения и абзацы в плотные векторы размерности 768; модель содержит 136,7 млн параметров и рассчитана на входную последовательность до 514 токенов. Модель подходит для семантического поиска и кластеризации текстов. Её можно использовать через библиотеку Sentence Transformers или через Transformers с подходящей операцией pooling. По названию репозитория модель дообучена на WebNLG 2020, однако README не уточняет точную схему обучения. Карточка не сообщает поддерживаемые естественные языки и лицензию, поэтому их нельзя надёжно указать.

CrystalMistral — разговорная языковая модель на архитектуре Mistral-7B, разработчик — Crystalcareai. Модель дообучена на смесях Evol-Instruct, Airoboros, OpenOrca и синтетических данных GPT-4; в репозитории указаны веса Safetensors, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций, генерации и объяснения кода, а также свободной генерации текста. Карточка заявляет навыки рассуждения и работы с фактами, но не приводит независимых оценок качества или подробностей о языковом покрытии. Лицензия в доступных данных не указана.

Deepthink-Reasoning-7B — дообученная PrithivMLmods языковая модель на базе Qwen2.5-7B-Instruct с 7,1 млрд параметров. Она предназначена для диалоговой генерации текста с упором на рассуждения, решение логических задач, математику и программирование; также подходит для творческого письма, следования инструкциям и формирования структурированных ответов, включая JSON. Модель использует архитектуру Qwen2 и принимает текстовые запросы, выдавая текст. В метаданных указан контекст до 32 768 токенов, тогда как README заявляет поддержку до 128 тысяч токенов и генерацию до 8 тысяч; это расхождение стоит учитывать при настройке. Карточка заявляет поддержку более 29 языков, включая русский и английский, но метаданные подтверждают английский. Модель распространяется по лицензии CreativeML Open RAIL-M. Заявления README об улучшениях в математике, коде, следовании инструкциям и длинном контексте не сопровождаются результатами оценивания, поэтому фактическое качество на конкретных задачах следует проверять отдельно.