II.8Инженерия данных и аналитика

MoritzLaurer/MiniLM-L6-mnli — англоязычная модель классификации последовательностей на базе MiniLM-L6 от Microsoft, дообученная на датасете MultiNLI для распознавания отношений между посылкой и гипотезой. Она подходит для классификации текста по заданным категориям методом zero-shot: категории можно задавать естественно-языковыми описаниями без отдельного обучения на этих метках. Модель построена на архитектуре BERT, содержит 25,9 млн параметров и обрабатывает входы длиной до 512 токенов. В README указана точность 0,814 на тестовой выборке MultiNLI matched. Компактность обеспечивает высокую скорость, но точность несколько ниже, чем у более крупных моделей. Для развёртывания доступна версия в формате PyTorch; лицензия в предоставленных данных не указана.

M-Kiriku ASR — модель распознавания речи, разработанная IA Hub Senegal на основе дообучения OpenAI Whisper large-v3. Она предназначена для транскрибации аудио на волоф, пулаар и серер — языках Сенегала с ограниченными ресурсами для обучения распознавателей речи. Модель принимает аудио и выдаёт текст; для обучения использован корпус примерно из 150 часов речи, включая очищенные и проверенные данные проекта Kallama и открытые наборы данных. Разработчики расширили токенизатор языковыми символами и специальными токенами, добавили нормализацию орфографии и адаптировали декодер для целевых языков. В опубликованных оценках указаны WER 16,34% для волофа, 45,28% для пулаара и 42,99% для серера. Для аудио длиннее 30 секунд README рекомендует нарезку на перекрывающиеся фрагменты. Лицензия — Apache-2.0.

vanch007/mlx-MOSS-Transcribe-Diarize-4bit — 4-битная квантизированная версия модели MOSS-Transcribe-Diarize, подготовленная для MLX. Она принимает аудиозаписи и предназначена для распознавания речи с разметкой говорящих. Вариант использует аффинную квантизацию MLX с 4 битами и размером группы 64 для текстового backbone; аудиоэнкодер Whisper и VQ-адаптер не квантизированы. Модель подойдёт для транскрибирования аудиофайлов и определения смены говорящих, в том числе при локальном запуске в окружении MLX. Репозиторий распространяется по лицензии Apache-2.0. В карточке и метаданных не приведены показатели точности, поддерживаемые языки, размер модели или длина контекста.

MM Grounding DINO large — модель компьютерного зрения семейства Grounding DINO, представленная авторами работы «An Open and Comprehensive Pipeline for Unified Object Grounding and Detection». Она предназначена для обнаружения объектов на изображениях по текстовым запросам в режиме zero-shot, без необходимости заранее ограничивать поиск фиксированным набором классов. Модель улучшает контрастивную классификационную голову Grounding DINO и устраняет совместное использование параметров в декодере. Этот вариант обучен на Objects365v1, Open Images v6 и GOLD-G. В README сообщается об улучшении zero-shot результатов на COCO и LVIS относительно Grounding DINO; размер модели и параметры контекста не приводятся. Модель принимает изображение и текстовое описание искомых объектов и возвращает обнаруженные объекты с рамками и оценками. Репозиторий содержит веса Safetensors, используется библиотека Transformers. Лицензия — Apache-2.0. Результаты зависят от формулировки запроса и обучающих данных; приведённая в README таблица метрик относится к вариантам tiny, поэтому её показатели нельзя напрямую считать оценкой этого large-чекпойнта.

Модель csikasote/mms-1b-all-bemgen-combined-train-droctc-gdro-3e-2-dat-5e-1-no-sd-0.00-42 — дообученная csikasote версия facebook/mms-1b-all для автоматического распознавания речи. Это плотная модель архитектуры wav2vec2 с головой CTC, содержащая 1,3 млрд параметров и принимающая аудио для преобразования речи в текст. Она дообучена на наборе BEMGEN — BEM; в карточке приведены результаты оценки: loss 12,2996 и CER 0,0527. Модель подходит для распознавания речи в аудиозаписях на языках, поддерживаемых базовой MMS-моделью; карточка не уточняет, какие именно языки и условия записи проверялись при дообучении. Метаданные указывают библиотеку Transformers и формат safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Модель csikasote/mms-1b-all-bemgen-combined-train-drodat-gdro-1.65e-4-dat-0.019-no-sd-0.00-42 — дообученная версия facebook/mms-1b-all, разработанная на наборе BEMGEN - BEM. Это модель распознавания речи на архитектуре wav2vec2 с головой Wav2Vec2ForCTC, принимающая аудио и преобразующая его в текст. В репозитории указано 1,3 млрд параметров; модель рассчитана на применение в сценариях автоматической транскрипции речи. На оценочном наборе указаны Loss 12,2430 и CER 0,0530. Базовая модель поддерживает более тысячи языков, но язык и охват языков именно этой дообученной версии не уточнены. Для файлов используется формат safetensors, библиотека — Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое применение.

csikasote/mms-1b-all-nyagen-combined-ft-62 — дообученная csikasote модель распознавания речи на основе facebook/mms-1b-all. Она построена на архитектуре wav2vec2 и использует CTC-декодирование; число параметров — 1,3 млрд. Модель дообучена на датасете NYAGEN - NYA. На оценочной выборке указаны Loss 0,3598 и WER 0,2645. Модель предназначена для преобразования аудиоречи в текст. Базовая модель поддерживает более тысячи языков, однако язык и сценарии, охваченные этим дообучением, в карточке не уточнены. Файлы модели представлены в формате safetensors, для работы используется Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое применение.

MobileLLM-R1.5-140M — компактная языковая модель Meta, дообученная методом on-policy дистилляции от facebook/MobileLLM-R1-140M-base. Это SFT-модель для решения математических и научных задач, а также задач программирования на Python и C++; разработчики отдельно отмечают, что она не предназначена для универсального общения. Модель содержит 140 млн параметров, использует текст на входе и выдаёт текст, поддерживает контекст до 32 тыс. токенов и словарь размером 128 тыс. токенов. Архитектура включает 15 слоёв, 9 attention heads и 3 KV heads. Дополнительная on-policy дистилляция применена как заключительный этап постобучения и, по данным авторов, улучшает результаты небольших моделей на сложных задачах рассуждения. Карточка приводит результаты семейства MobileLLM-R1.5, но конкретные численные показатели для версии 140M не выделяет. Модель опубликована под лицензией с обозначением «other»; условия лицензии следует проверить в карточке репозитория перед использованием.

Vkt/model-facebookptbrlarge — модель распознавания речи, дообученная на Common Voice на основе facebook/wav2vec2-large-xlsr-53-portuguese. Она использует архитектуру Wav2Vec2 с CTC-декодированием и содержит около 402,7 млн параметров. Модель принимает аудио и предназначена для преобразования речи в текст на португальском языке. В README приведены результаты на наборе оценки Common Voice: WER 0,1322 и loss 0,2206. Модель загружена в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения; результаты оценки относятся к указанному набору данных.

ModernBERT-Ja-310M — плотный энкодер на архитектуре ModernBERT, разработанный SB Intuitions и обученный для заполнения пропусков в тексте. Модель содержит около 314,6 млн параметров, использует локальное и глобальное внимание, RoPE и контекст до 8192 токенов. Для токенизации применяется SentencePiece с unigram-моделью, словарём из 102 400 токенов и byte fallback; предварительная сегментация японского текста не требуется. Модель обучена на корпусе японских и английских текстов объёмом около 4,09 трлн токенов, включая два этапа расширения контекста. Она предназначена прежде всего для дообучения на прикладных задачах и подходит как энкодер для задач понимания текста; сама по себе не предназначена для генерации связного текста. Разработчик отмечает, что токенизация может ухудшать результаты задач разметки токенов, например распознавания именованных сущностей и извлечения фрагментов. Лицензия — MIT.

Nos_ASR-wav2vec2-large-xlsr-53-gl-with-lm es una copia de diego-fustes/wav2vec2-large-xlsr-gl con интегрированной языковой моделью. Модель разработана для автоматического распознавания речи на галисийском языке и преобразования аудиозаписей в текст. Она основана на архитектуре Wav2Vec2-Large-XLSR-53, имеет около 402,7 млн параметров и принимает аудио. В README приведены результаты на тестовых подвыборках Galician OpenSLR и Common Voice 7.0: WER составил 6,86% и 15,20% соответственно, что ниже показателей указанной базовой модели на тех же наборах. Модель распространяется по лицензии Apache-2.0.

NYXIS-Pro — диалоговая текстовая модель QuantaSparkLabs на архитектуре Qwen2 с 1,5 млрд параметров, дообученная на базе QuantaSparkLabs/NYXIS-1.1B. Она предназначена для генерации ответов и помощи с вопросами по программированию, математике, науке, истории и общим знаниям. В комплект входят база AEGIS из 5 426 фрагментов знаний и двухэтапный поиск: первичный подбор с bge-small-en-v1.5 и переранжирование с ms-marco-MiniLM-L-6-v2. Модель также оценивает эмоцию в пользовательском тексте и подстраивает тон ответа. Контекст модели — до 32 768 токенов. По README, система может обращаться к внешнему поиску при наличии предоставленной пользователем API-функции, а при нехватке данных должна сообщать об этом. Заявление карточки о том, что модель не галлюцинирует, не гарантирует фактическую точность. Модель ориентирована на английский язык; небольшое число параметров ограничивает сложные рассуждения, база знаний охватывает ограниченный набор фрагментов, а определение эмоций основано на ключевых словах. Лицензия — Apache-2.0.

OpenChat-3.5-0106_10.7B_48Layers-Appended — экспериментальная версия диалоговой модели OpenChat от автора Pretergeek. Она построена на OpenChat-3.5-0106 с архитектурой Mistral и примерно 10,6 млрд параметров. При создании к исходным слоям добавлены новые слои в конце модели методом passthrough, основанным на расширении блоков; дополнительное обучение после этого не проводилось. Модель предназначена для диалога и генерации текста, включая ответы на общие вопросы, программирование и математические рассуждения — сценарии, поддерживаемые базовой OpenChat. Контекст составляет до 8192 токенов. Автор сообщает, что ожидает поведение, близкое к исходной модели; оценки этой версии ещё не завершены, поэтому улучшение качества за счёт добавленных слоёв не подтверждено. Модель распространяется по лицензии Apache-2.0.

PaliGemma 2 3B Mix 224 — мультимодальная модель Google на основе Gemma 2 и SigLIP, принимающая изображение и текст и генерирующая текст. Версия Mix объединяет несколько вариантов обучения для разных задач компьютерного зрения и языка; модель рассчитана прежде всего на дообучение под специализированные сценарии. Она подходит для создания подписей к изображениям, визуальных ответов на вопросы, чтения текста на изображениях (OCR), обнаружения и сегментации объектов. Также семейство предназначено для подписей к коротким видео и специализированных задач, например анализа снимков дистанционного зондирования, интерфейсов или научных изображений. Карточка подтверждает поддержку нескольких языков, но не перечисляет их коды. Репозиторий использует формат safetensors и библиотеку Transformers. Модель лучше работает с ясными инструкциями; качество в режиме без дообучения может уступать моделям, созданным для универсального общения. Она не является многоходовым чат-ботом и может ошибаться в фактах, рассуждениях и понимании языковых нюансов. Возможны смещения и генерация вредного или вводящего в заблуждение текста. Лицензия — gemma; применение регулируется условиями и политикой использования Gemma.

Это версия весов NVIDIA Parakeet TDT 1.1B, преобразованная пользователем extraordinarylab из формата NeMo в формат Transformers для Hugging Face. В README указано, что веса не менялись; отличаются формат контрольной точки, конфигурация и оболочки токенизатора и экстрактора признаков. Модель использует энкодер FastConformer-XL из 42 слоёв с размерностью 1024 и голову TDT (Token-and-Duration Transducer) с длительностями токенов от 0 до 4; словарь содержит 1024 BPE-токена и blank-токен. Модель предназначена для автоматической транскрипции английской речи в текст. Она выдаёт текст в нижнем регистре без пунктуации. В README описана проверка совпадения с NeMo на двух фрагментах LibriSpeech: совпали выходы жадного декодирования и транскрипции. Репозиторий использует Transformers и формат safetensors. Лицензия — CC BY 4.0.

PP-LCNet_x0_25_textline_ori_onnx — компактная модель PaddlePaddle в формате ONNX для классификации ориентации строк текста на изображениях. Она предназначена для этапа предварительной обработки в OCR-конвейерах: определяет направление текстовой строки, после чего ориентацию изображения можно скорректировать постобработкой. Модель подходит для обработки сканов документов и фотографий удостоверений или сертификатов, в том числе когда устройство захвата было повернуто. Предварительное определение ориентации помогает повысить точность последующего распознавания текста. В карточке указаны поддержка английского и китайского языков и лицензия Apache 2.0.

PP-OCRv6_small_det_onnx — модель обнаружения текста на изображениях из экосистемы PaddlePaddle и PaddleOCR, разработанная командой PaddlePaddle. Она предназначена для OCR-сценариев, где требуется находить текстовые области или строки на изображении перед последующим распознаванием. Модель поставляется в формате ONNX и относится к облегчённой версии PP-OCRv6. В карточке указаны поддерживаемые языки English и Chinese, а также задачи textline detection и image-to-text. Точные сведения об архитектуре, числе параметров, размере контекста и производительности в предоставленных данных отсутствуют. Сильная сторона модели — специализация на обнаружении текстовых строк и возможность использования в ONNX-совместимых средах. Она не предназначена для самостоятельного полноценного распознавания содержимого текста: для получения символов потребуется отдельный OCR-компонент распознавания. Модель распространяется по лицензии Apache 2.0.

Модель mukowaty/punctuate-16 восстанавливает пунктуацию в тексте, выполняя поклассовую разметку токенов. Она основана на XLM-RoBERTa и работе Oliver Guhr; в модели около 305,2 млн параметров, а максимальный контекст составляет 514 токенов. В метаданных указана поддержка болгарского, английского, немецкого, французского, испанского, итальянского, польского, нидерландского, чешского, португальского, словенского, греческого, шведского, венгерского, румынского, словацкого и датского языков. Модель подходит для автоматического восстановления знаков препинания в текстах, где пунктуация была удалена или утрачена, например при подготовке распознанной речи к чтению. Она выпущена в формате PyTorch. Сведения о лицензии в доступных источниках отсутствуют.

sagard21 разработал эту модель на базе Salesforce/codet5-large для упрощения понимания кода: она создаёт построчные объяснения фрагментов исходного кода. Модель дообучена на небольшой выборке фрагментов Python и опубликована в форматах PyTorch и safetensors. Это модель семейства T5 с архитектурой T5ForConditionalGeneration и 385,2 млн параметров. Она предназначена для суммаризации кода; заявленная длина контекста составляет 512 токенов. Карточка приводит метрики проверки: Loss 2,156, ROUGE-1 29,375, ROUGE-2 18,128 и ROUGE-L 25,445. Лицензия — MIT. Обучение на небольшой выборке Python ограничивает обобщение на другие языки программирования и типы кода; приведённые метрики сами по себе не гарантируют качество объяснений на произвольных входных данных.

dsadd5018/Qwen3-0.6B-JSON-SFT-GRPO — дообученная разработчиком dsadd5018 языковая модель семейства Qwen3 на базе NotoriousH2/Qwen3-0.6B-JSON-SFT. Модель с архитектурой Qwen3ForCausalLM содержит 507,9 млн параметров и предназначена для генерации текста в диалоговом формате; название и базовая модель указывают на специализацию на создании JSON. Модель принимает текст и генерирует текст. В метаданных указан контекст до 40 960 токенов и английский язык. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Модель может подойти для генерации структурированных ответов в JSON и диалоговых сценариев. Карточка не приводит результатов оценки качества или подробностей о данных и настройке GRPO, поэтому фактическую точность JSON и преимущества дообучения следует проверять на целевых задачах.

Day1Kim/Qwen3-Embedding-0.6B-Korean — созданная Day1Kim модель Sentence Transformers, дообученная на Qwen/Qwen3-Embedding-0.6B для работы с корейскими текстами. Она преобразует предложения и абзацы в плотные векторы размерностью 1024, нормализованные для сравнения косинусным сходством; максимальная длина последовательности — 32 768 токенов. Архитектура включает трансформер Qwen3, пулинг по последнему токену и нормализацию. Модель подходит для семантического поиска, оценки сходства текстов, поиска перефразировок, кластеризации и классификации текстов. В README приведены результаты оценки поиска и описание обучающей выборки из 41 881 пары предложений; примеры и обучающие данные относятся к корейским текстам, в том числе к запросам по проектным стандартам. Это дообученная модель эмбеддингов, а не генеративная модель. В карточке нет сведений о лицензии, поэтому условия использования определить нельзя. Качество и переносимость на другие языки и области применения по приведённым данным не установлены; доступные примеры указывают на специализацию на корейском языке.

Rain-2x7B-MoE-32k-v0.1 — экспериментальная языковая модель с архитектурой Mixtral MoE, опубликованная yuuko-eth. Она объединяет два дообученных эксперта размером 7B: Breeze-7B-Instruct-v0_1 и CodeNinja-1.0-OpenChat-7B, построенных поверх Marcoro14-7B-slerp. В метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста на китайском и английском языках, включая диалоговые запросы и задачи программирования. Для работы README рекомендует использовать шаблоны промптов базовых моделей; активационные слова для программирования включают code, python, typescript, javascript, programming и algorithm. Это экспериментальная версия, а README рекомендует оценить её перед использованием в прикладных системах и сообщает о выпуске более новой версии v0.2. Репозиторий содержит веса Safetensors. Лицензия в метаданных обозначена как unknown, поэтому условия использования по доступным сведениям определить нельзя.

ibm-research/re2g-reranker-nq — модель ранжирования запросов и фрагментов текста, разработанная IBM для улучшения результатов поиска в системах с генерацией с дополнением извлечёнными данными (RAG). Она оценивает пары «вопрос — фрагмент» и помогает выбрать наиболее релевантные passages после первичного поиска. Реранкер также может упорядочивать объединённые результаты BM25 и нейронного поиска, даже если исходные оценки этих методов несопоставимы. Модель основана на BERT и имеет около 136,7 млн параметров; родительская модель — BERT-base, обученная на MSMARCO. Контекст составляет до 512 токенов. Карточка указывает английский язык. Модель предназначена для ранжирования текстовых фрагментов, а не для генерации ответов. Распространяется по лицензии Apache 2.0.

ResNeXt-50 32x4d — сверточная модель классификации изображений и извлечения признаков из семейства ResNeXt, представленная авторами библиотеки timm. Она предварительно обучена на хэштегах Instagram-1B методом полу-слабого обучения с учителем, а затем дообучена на ImageNet-1k. Архитектура использует остаточные блоки с групповыми свёртками 3×3, свёртками 1×1 и активациями ReLU; модель содержит около 25 млн параметров и рассчитана на изображения размером 224×224. Модель подходит для классификации изображений по классам ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Указанная лицензия CC BY-NC 4.0 ограничивает коммерческое использование; перед применением следует соблюдать её условия.

SenseVoiceSmall-gguf — это конверсия и квантизированные GGUF-версии модели FunAudioLLM/SenseVoiceSmall, подготовленные проектом handy-computer для работы с transcribe.cpp. Модель предназначена для офлайн-распознавания речи и поддерживает китайский, кантонский, английский, японский и корейский языки. Она принимает монофонический WAV-аудиосигнал с частотой 16 кГц и обрабатывает фрагменты длительностью до 30 секунд за вызов. Модель использует 234-миллионный SAN-M encoder с одной CTC-головой и словарём SentencePiece на 25 055 токенов. Помимо автоматического распознавания речи, та же CTC-голова может выдавать идентификатор языка, простые метки эмоций, теги аудиособытий и управляющие теги обратной текстовой нормализации. Определение языка поддерживается, но потоковая обработка, перевод, встроенное разбиение длинных записей и временные метки отсутствуют. По умолчанию включена текстовая нормализация для удобного отображения регистра, пунктуации и чисел; доступен режим вывода произносимой формы. Доступны варианты F32, F16, Q8_0, Q6_K, Q5_K_M и Q4_K_M размером примерно от 146 до 937 МБ. На тесте LibriSpeech test-clean заявленная частота ошибок слов составляет 3,13% для F32, F16 и Q8_0 и до 3,45% для Q4_K_M; качество зависит от языка и типа квантизации. Модель ориентирована прежде всего на офлайн-многоязычное распознавание, однако для длинных аудиозаписей потребуется внешняя сегментация. Использование регулируется лицензией model-license из FunASR MODEL_LICENSE, унаследованной от базовой модели; полные условия следует уточнять в лицензии FunAudioLLM/SenseVoiceSmall.

Модель sentence-embeddings-xllora-xlmr-afr разработана для получения векторных представлений предложений на языке африкаанс. Она основана на XLM-R и дообучена методом XL-LoRA для обучения представлений предложений в условиях нехватки языковых ресурсов. Размер модели — 305,2 млн параметров, максимальный контекст — 514 токенов; формат весов — PyTorch. Модель предназначена для оценки семантического сходства, поиска предложений и кластеризации текстов на африкаанс. В исходной схеме представления объединяются скрытые состояния первого и последнего слоёв с равными весами, затем применяется усреднение по токенам. Для получения эмбеддингов можно также использовать стандартное усреднение по токенам, но результаты могут немного отличаться от опубликованных в статье. Обучение проводилось на синтетических наборах триплетов; лицензия — MIT.

Veritone распространяет текстовую башню модели SigLIP 2 So400m patch14-384 от Google: это отдельная копия текстового энкодера исходной модели google/siglip2-so400m-patch14-384. Она преобразует текстовые запросы в общее пространство эмбеддингов, сопоставимое с представлениями изображений, и предназначена для использования при поиске отдельно от визуальной башни, что позволяет сократить расход памяти и время загрузки. Модель подходит для классификации изображений по текстовым меткам без дообучения, поиска изображений по запросу и в качестве текстового компонента систем сопоставления текста и изображений. Семейство архитектуры — SigLIP; модель работает с текстом и сама по себе не содержит визуальную башню. Контекст составляет 64 токена. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache 2.0. README указывает предварительное обучение SigLIP 2 на наборе WebLI.

mrp/simcse-model-wangchanberta — модель эмбеддингов предложений на базе архитектуры CamemBERT, обученная с использованием SimCSE. По README, исходной точкой служил mBERT, а для обучения использовалась тайская Википедия. Модель преобразует предложения и абзацы в плотные векторы размерности 768; её можно применять для семантического поиска и кластеризации. Параметры распространяются в формате PyTorch, размер модели — 132,5 млн параметров, максимальный контекст — 512 токенов. Модель предназначена прежде всего для работы с тайским текстом. Лицензия в доступных данных не указана.

Это англоязычный разреженный энкодер SPLADE, разработанный на базе Luyu/co-condenser-marco с помощью библиотеки Sentence Transformers. Модель дообучена на MS MARCO hard negatives с оценками cross-encoder и предназначена для семантического поиска и разреженного извлечения документов. Архитектура включает BERT MLM-трансформер и SPLADE pooling с max-пулингом и ReLU. Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 256 токенов по карточке модели (метаданные указывают контекст до 512 токенов) и отображает их в разреженные векторы размерности 30 522, которые сравниваются скалярным произведением. В README приведены оценки на наборах NanoBEIR и отдельных задачах поиска. Лицензия — Apache-2.0. Модель ориентирована на английский язык; качество за пределами описанных поисковых наборов и пригодность для других языков в источниках не подтверждены.

Это англоязычный разреженный энкодер SPLADE, разработанный на базе Luyu/co-condenser-marco с помощью библиотеки Sentence Transformers. Модель дообучена на MS MARCO и предназначена для семантического поиска и разреженного извлечения документов по запросам. Архитектура сочетает BERT-подобный трансформер BertForMaskedLM и слой SpladePooling с max-пулингом и ReLU. Модель преобразует текст в разреженный вектор размерности 30 522; для сравнения векторов используется скалярное произведение. Максимальная длина входа — 512 токенов. В карточке приведены оценки на наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR. Модель содержит 136,7 млн параметров, распространяется в формате safetensors по лицензии Apache-2.0. Она подходит для англоязычного поиска, но не заявлена как многоязычная; качество для других языков не установлено.