II.8Инженерия данных и аналитика

AFM-4.5B-Preview — предварительная версия инструкционной языковой модели Arcee.ai, основанная на AFM-4.5B-Base и дообученная для ответов на инструкции и диалога. Модель использует декодерную архитектуру Transformer ArceeForCausalLM с grouped-query attention и активацией ReLU². В метаданных указано 6 млрд параметров, а в README — 4,5 млрд; контекст составляет до 65 536 токенов. Модель принимает и генерирует текст, поддерживает несколько языков, включая русский, английский, испанский, французский, немецкий, итальянский, португальский, арабский, хинди, корейский и китайский. Модель подходит для диалогового помощника, следования инструкциям, генерации текста, а также задач с математическими рассуждениями и кодом, унаследованных от базовой модели. Это preview-чекпойнт, размещавшийся на TogetherAI с 18 июня по 28 июля; для retrieval, следования инструкциям и сценариев ассистента разработчик рекомендует финальный выпуск AFM-4.5B. Лицензия — Apache 2.0.

Agents-A1-4B-kimi-Preview-heretic — текстовая чат-модель для задач программирования и агентных сценариев, опубликованная автором hotdogs. Это дообученная и изменённая с помощью abliteration версия hotdogs/Agents-A1-4B-kimi-Preview; в README указана архитектура на базе InternScience/Agents-A1-4B. Модель имеет архитектуру Qwen3.5 dense, около 3,4 млрд параметров по метаданным и контекст до 262 144 токенов. Распространяется в формате safetensors с весами BF16; лицензия — AGPL-3.0. Модель предназначена для генерации кода, планирования и отладки, пошаговых рассуждений, многоходовых диалогов и вызова инструментов в агентных сценариях. README сообщает, что модель прошла abliteration для снижения склонности к отказам и заявляет сохранение качества работы с кодом; эти показатели приведены автором и не являются независимой оценкой. Карточка отмечает английский и тайский языки, а также поддержку сценариев с кодом на нескольких языках программирования. Версия обозначена как preview, а автор предупреждает, что модель может выдавать оскорбительный, вредный или неподходящий контент.

InternScience/Agents-A1-4B-Q4_K_M-GGUF — квантизированная версия плотной языковой модели Agents-A1-4B, разработанная командой InternScience. Модель предназначена для агентных сценариев с длинной последовательностью действий: поиска, инженерных и научных задач, следования сложным инструкциям, профессионального вопросно-ответного взаимодействия и вызова внешних инструментов. Она поддерживает планирование, разбиение сложных задач на шаги, адаптацию по промежуточным результатам, function calling и интеграцию с API, интерпретаторами кода и поисковыми системами. Модель содержит около 4 миллиардов параметров и распространяется в формате GGUF с квантизацией Q4_K_M, что снижает требования к памяти и делает её подходящей для локального запуска. В карточке указаны теги vision и vlm, однако подробные сведения о поддерживаемых визуальных модальностях, языках и размере контекстного окна отсутствуют. По заявленным результатам Agents-A1-4B показывает высокую эффективность на BrowseComp, XBench-DS-2510, GAIA, FrontierScience-Research и IFEval, конкурируя с более крупными моделями при меньшем числе параметров. Ограничения модели включают неизвестные из README языковые и мультимодальные возможности, а также отсутствие подробностей о требованиях к оборудованию и точных условиях применения квантизированной сборки. Модель и её базовые компоненты распространяются по лицензии Apache-2.0; формат совместим с экосистемой GGUF и предназначен для использования с соответствующими локальными средствами инференса.

airoboros-l2-13b-3.1.1 — экспериментальная инструктивная языковая модель на архитектуре Llama 2, дообученная автором jondurbin на наборе синтетических и других примеров airoboros-3.1. Она предназначена для выполнения инструкций и диалогов в формате чата Llama 2; модель содержит 12,9 млрд параметров и имеет контекстное окно 4096 токенов. Модель подходит для ответов на вопросы по предоставленному контексту, суммаризации, математических задач с формированием MathJSON, извлечения полей из журналов, анонимизации текста, программирования и планирования действий с инструментами. По описанию она сильнее ориентирована на точное следование инструкциям, чем на непринуждённый чат и ролевые диалоги. Для математических ответов автор рекомендует низкую температуру генерации; формат чата должен соответствовать шаблону Llama 2. Это дообученная модель, опубликованная в формате safetensors. В карточке указана лицензия Llama 2. Разработчик описывает её как экспериментальную; результаты могут быть нестабильными, а генерация MathJSON и вызовы функций требуют внешнего разбора и выполнения. Русский язык явно не заявлен.

Это модель эмбеддингов предложений all-mpnet-base-v1, разработанная командой Hugging Face во время Community week по NLP и CV. Она кодирует предложения и короткие абзацы в плотные векторы размерностью 768, отражающие их семантическое сходство. В основе лежит microsoft/mpnet-base, дообученная методом контрастивного обучения на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения сходства текстов и кластеризации. Её можно подключить через Sentence-Transformers или Transformers; для Transformers требуется применить подходящую операцию pooling к контекстным представлениям токенов. Репозиторий содержит веса PyTorch, модель насчитывает 136,7 млн параметров, а максимальная длина контекста по README составляет 128 word pieces: более длинный ввод обрезается. Метаданные указывают английский язык. Лицензия — Apache-2.0. Модель рассчитана на предложения и короткие абзацы; длинные документы обрезаются, поэтому для их обработки требуется разбиение на фрагменты. Ее векторные представления сами по себе не генерируют текст.

all-MiniLM-L12-v1 — модель sentence-transformers, разработанная в рамках Community Week Hugging Face в проекте по обучению эмбеддингов предложений на большом наборе пар. Она основана на microsoft/MiniLM-L12-H384-uncased и дообучена контрастивным методом на более чем миллиарде пар предложений. Архитектура — BERT; модель содержит около 40 млн параметров и выдаёт плотный вектор размерности 384 для каждого входного текста. Модель предназначена для кодирования предложений и коротких абзацев. Полученные эмбеддинги подходят для семантического поиска, сравнения сходства предложений и кластеризации. README указывает ограничение на вход длиной свыше 128 word pieces: такой текст обрезается, хотя контекстное окно в метаданных составляет 512 токенов. Поддерживается английский язык. Доступны форматы PyTorch, safetensors, ONNX и OpenVINO. Лицензия — Apache-2.0.

ashraq/all-MiniLM-L12-v2-distil-cos-cohere-90k — модель на базе BERT, распространяемая в формате PyTorch и предназначенная для преобразования предложений и абзацев в плотные векторы размерности 768. Она подходит для поиска семантически близких текстов и кластеризации; в обучении использовалась функция потерь CosineSimilarityLoss. Модель насчитывает около 40 млн параметров и принимает последовательности длиной до 512 токенов. Модель можно использовать с библиотекой Sentence-Transformers для построения векторного поиска и группировки текстов по смыслу. Карточка не сообщает конкретных языков обучения или специализированных областей применения. Лицензия в предоставленных данных не описана.

RedHatAI/all-MiniLM-L6-v2 — модель Sentence Transformers для преобразования предложений и коротких абзацев в плотные семантические векторы размерностью 384. Она основана на архитектуре BERT MiniLM-L6-H384 и дообучена с контрастивной целью на наборе более чем из миллиарда пар предложений. Модель предназначена для семантического поиска, вычисления сходства между предложениями, кластеризации и информационного поиска. Входной текст преобразуется в эмбеддинг; по умолчанию последовательности длиннее 256 WordPiece токенов обрезаются. Модель имеет 25,9 млн параметров и контекстное окно 512 токенов по метаданным; README также сообщает об ограничении входа в 256 WordPiece токенов. В карточке указан английский язык. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Модель выдаёт векторные представления, поэтому для получения сходства или ранжирования их обычно нужно сопоставлять отдельной операцией; качество для языков, кроме английского, не подтверждено карточкой.

qquarkq/all-MiniLM-L6-v2-ru-domain_adapt — дообученная модель Sentence Transformers на основе sentence-transformers/all-MiniLM-L6-v2, предназначенная для создания векторных представлений русских предложений и абзацев. Это плотный энкодер архитектуры BERT с 25,9 млн параметров: он преобразует текст в нормализованные векторы размерности 384 и сравнивает их с помощью косинусного сходства. Модель рассчитана на поиск и сопоставление текстов; в README приведены русскоязычные примеры обучающих данных из 20 000 триплетов. Модель принимает текст, поддерживает последовательности длиной до 512 токенов по метаданным; в README также указано ограничение 256 токенов. Её можно применять для семантического поиска, извлечения релевантных текстов и сравнения предложений. Лицензия в предоставленных данных не указана.

all-MiniLM-L6-v76-pairscore — англоязычный энкодер предложений KhaledReda, дообученный на sentence-transformers/all-MiniLM-L6-v2 с помощью CoSENTLoss на наборах пар текстов с оценками сходства. Модель на архитектуре BERT содержит 25,9 млн параметров и преобразует предложения и абзацы в нормализованные плотные векторы размерности 384; сходство между ними оценивают косинусной мерой. Метаданные указывают контекст до 512 токенов, а README — максимальную длину последовательности 256 токенов. Модель предназначена для оценки семантического сходства, семантического поиска и поиска перефразировок; её векторы также подходят для кластеризации и классификации текстов. Она ориентирована на английский язык и распространяется по лицензии Apache-2.0. Результаты отражают сходство векторов, поэтому для прикладных сценариев пороги и качество поиска следует проверять на собственных данных.

Apodex-1.1-mini-GGUF — набор GGUF-квантизаций модели Apodex-1.1-mini, опубликованный организацией apodex; в README результаты оценки исходной модели связываются с Apodex AI. Это 35,95-миллиардная MoE-модель семейства Qwen3.5, предназначенная для исследовательской работы, анализа данных и файлов, программирования и задач с использованием инструментов. Поддерживаются английский и китайский языки, генерация текста и мультимодальный ввод изображений через отдельный vision projector. Модель сохраняет исходную MTP/NextN head, что позволяет использовать speculative decoding в llama.cpp. Доступны варианты квантизации от IQ1_M размером 8,82 ГБ до Q8_0 размером 37,8 ГБ; рекомендуемым вариантом по умолчанию указан Q4_K_M размером 21,7 ГБ. Для работы с изображениями требуется F16-проектор размером 899 МБ. README не указывает полный размер контекста, поэтому его характеристики нельзя определить по представленным данным. Модель ориентирована на локальный запуск через актуальную сборку llama.cpp и поддерживает агентские сценарии, код, работу с данными и изображениями. Сильными сторонами являются широкий выбор уровней квантизации, поддержка MoE, мультимодальности и MTP. Ограничения включают зависимость от совместимых компонентов llama.cpp и необходимость отдельного проектора для изображений; качество и производительность зависят от выбранной квантизации и доступной памяти. Лицензия — Apache-2.0.

rjnClarke/BAAI-bge-m3-fine-tuned — дообученная модель Sentence Transformers на базе BAAI/bge-m3 для получения плотных текстовых эмбеддингов и сравнения смысловой близости. Она построена на XLM-RoBERTa с пулингом CLS-токена и нормализацией векторов; размерность выхода — 1024, максимальная длина входа — 8194 токена. Модель обучена на парах anchor-positive с использованием MultipleNegativesRankingLoss и рассчитана на английский язык. Модель подходит для семантического поиска по документам, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текстов. Косинусное сходство можно использовать для ранжирования фрагментов по близости к запросу, в том числе в RAG-сценариях. В README приведены результаты оценки на m3-dev, однако данных недостаточно, чтобы судить о качестве на других наборах и языках. Лицензия — Apache-2.0.

Bagel DPO 7B v0.4 — разговорная языковая модель, созданная jondurbin на основе Mistral 7B v0.1 и дополнительно обученная методом direct preference optimization (DPO). Она предназначена для генерации ответов в чате, следования инструкциям и задач общего назначения, включая вопросы по контексту, математику, программирование, суммаризацию и творческое письмо. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В обучении использованы наборы инструкций и предпочтений по разным темам, в том числе код, естественные науки, чтение, диалоги и художественное письмо. Карточка указывает четыре совместимых формата промпта: Vicuna, Llama 2, Alpaca и ChatML. Модель рассчитана на генерацию текста и диалоговое применение. Карточка отмечает, что версия без DPO может быть лучше для ролевых диалогов; в наборе данных присутствуют токсичные примеры, поэтому выходы могут содержать токсичный или иной нежелательный контент. Распространяется по лицензии Apache-2.0.

BERTA-uncased — двуязычная модель эмбеддингов предложений, разработанная Сергеем Жуковым как дистиллированная версия BERTA, основанной на ai-forever/FRIDA. Она построена на архитектуре BERT и предназначена для семантического сравнения русских и английских текстов, поиска и задач классификации и кластеризации на основе эмбеддингов. Модель содержит 155,5 млн параметров, 12 слоёв, формирует векторы размером 768 и обрабатывает до 512 токенов. Mean pooling и режим uncased делают представления нечувствительными к регистру. Поддерживаются префиксы для поиска, перефразирования, категоризации, анализа тональности, тем и следования. В README приведены результаты на ruMTEB; показатели различаются по задачам и бенчмаркам. Модель доступна в формате Safetensors по лицензии MIT. Она выдаёт эмбеддинги, поэтому для получения меток классификации или результатов поиска требуется подходящий downstream-компонент.

Это Sentence Transformer на базе google-bert/bert-base-multilingual-uncased, дообученный авторами репозитория на наборе из 10 200 пар текстов. Модель использует архитектуру BERT с усреднением токенных представлений и кодирует предложения и абзацы в плотные векторы размерностью 768; сходство можно оценивать косинусной метрикой. Максимальная длина последовательности — 512 токенов. Модель предназначена для семантического поиска, сравнения сходства предложений, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Многоязычные возможности унаследованы от базового BERT, обученного для 102 языков; примеры обучающих данных в карточке приведены на вьетнамском. Метаданные указывают библиотеку Sentence Transformers и формат Safetensors. Лицензия в предоставленных данных не указана.

swardiantara/bert-tiny-snli-k3-fixed-cosine — компактная модель Sentence Transformers, дообученная разработчиком swardiantara на базе google/bert_uncased_L-2_H-128_A-2. Она кодирует предложения и абзацы в плотные векторы размерностью 128 и предназначена для поиска и сравнения текстов по косинусному сходству. Архитектура включает BERT с усреднением токенных представлений; модель содержит 4,4 млн параметров. Метаданные указывают контекст до 512 токенов, а карточка модели — максимальную длину последовательности 128 токенов. Модель принимает текст и выдаёт эмбеддинги. Она обучалась на 549 412 примерах пар текстов с контрастивной функцией потерь. Базовая модель ориентирована на английский язык, а примеры в карточке также на английском. Условия лицензии в предоставленных данных не указаны.

BGE base Financial Matryoshka — англоязычная модель Sentence Transformer, разработанная на основе BAAI/bge-base-en-v1.5 и дообученная для создания эмбеддингов предложений и абзацев. Архитектура основана на BERT; модель содержит 136,7 млн параметров, формирует нормализованные плотные векторы размерностью 768 и сравнивает их с помощью косинусного сходства. Максимальная длина входа — 512 токенов. Модель подходит для семантического поиска и сравнения текстов, поиска парафраз, кластеризации и классификации текстов. Обучение использовало MatryoshkaLoss и MultipleNegativesRankingLoss; README указывает на небольшой обучающий набор из 45 примеров. Модель принимает английский текст и выдаёт векторы эмбеддингов. Лицензия — Apache-2.0.

MANMEET75 разработал англоязычную Sentence Transformer модель, дообученную на базе BAAI/bge-large-en-v1.5 для сопоставления предложений и семантического поиска. Модель построена на BERT: преобразует предложения и абзацы в нормализованные плотные эмбеддинги размерностью 1024, сравниваемые по косинусному сходству. Контекст ограничен 512 токенами. Модель предназначена для поиска релевантных фрагментов по вопросу, оценки семантического сходства, поиска перефразировок, кластеризации и классификации текста. Обучение Matryoshka позволяет использовать укороченные представления размерностью до 64, сохраняя полезность для поиска. В README приведены результаты InformationRetrievalEvaluator на датасетах dim_768, dim_512, dim_256, dim_128 и dim_64; размер обучающей выборки — 530 пар. Модель принимает текст и возвращает векторы признаков; лицензия Apache-2.0. Она рассчитана на английский язык, а качество на других языках не подтверждено. Тексты длиннее 512 токенов выходят за заявленный предел последовательности.

Карточка модели godsyy/bge-m3 на Hugging Face совпадает с карточкой BAAI/bge-m3, поэтому описание составлено по ней. BGE-M3 — многоязычная модель эмбеддингов для поиска, разработанная BAAI и основанная на архитектуре XLM-RoBERTa. Она создаёт плотные эмбеддинги, разреженные лексические представления и многовекторные представления текста для задач извлечения и сопоставления.

Карточка модели hamza62be/bge-m3 на Hugging Face совпадает с карточкой BAAI/bge-m3, поэтому описание составлено по ней. BGE-M3 — многоязычная модель эмбеддингов для поиска, разработанная BAAI и основанная на архитектуре XLM-RoBERTa. Она создаёт плотные эмбеддинги, разреженные лексические представления и многовекторные представления текста для задач извлечения и сопоставления.

Карточка модели rjfrjf/bge-m3 на Hugging Face совпадает с карточкой BAAI/bge-m3, поэтому описание составлено по ней. BGE-M3 — многоязычная модель эмбеддингов для поиска, разработанная BAAI и основанная на архитектуре XLM-RoBERTa. Она создаёт плотные эмбеддинги, разреженные лексические представления и многовекторные представления текста для задач извлечения и сопоставления.

Карточка модели the-sk/bge-m3 на Hugging Face совпадает с карточкой BAAI/bge-m3, поэтому описание составлено по ней. BGE-M3 — многоязычная модель эмбеддингов для поиска, разработанная BAAI и основанная на архитектуре XLM-RoBERTa. Она создаёт плотные эмбеддинги, разреженные лексические представления и многовекторные представления текста для задач извлечения и сопоставления.

Карточка модели trollathon/bge-m3-safetensors на Hugging Face совпадает с карточкой BAAI/bge-m3, поэтому описание составлено по ней. BGE-M3 — многоязычная модель эмбеддингов для поиска, разработанная BAAI и основанная на архитектуре XLM-RoBERTa. Она создаёт плотные эмбеддинги, разреженные лексические представления и многовекторные представления текста для задач извлечения и сопоставления.

meet5568/bhash_finetune_phaseB — модель Sentence Transformer на архитектуре BERT, обученная разработчиком meet5568 для представления предложений и абзацев в виде плотных векторов размерностью 768. Она предназначена для измерения семантического сходства, семантического поиска, поиска перефразировок, классификации и кластеризации текстов. Для сравнения векторов в карточке рекомендована косинусная близость; модель рассчитана на последовательности до 512 токенов согласно метаданным Hugging Face. В README описано обучение на 3 200 примерах с TripletLoss и максимальной длиной входа 400 токенов. Векторы можно использовать в системах поиска, группировки и классификации текста. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

teven выпустил дообученную модель Sentence Transformers на базе all-mpnet-base-v2. Она кодирует предложения и абзацы в плотные векторы размерности 768 и предназначена для оценки семантического сходства, семантического поиска и кластеризации текстов. По названию репозитория модель дообучена на данных WebNLG 2020 для задачи покрытия данных; в карточке указан MPNet с 136,7 млн параметров и контекстом до 514 токенов. Модель принимает текст и возвращает векторные представления, пригодные для поиска похожих фрагментов и группировки текстов. В README приведён вариант применения через библиотеку Sentence Transformers. Лицензия и конкретные языки обучения в предоставленных данных не указаны.

Blitzar-Coder-4B-F.1 — языковая модель для программирования, разработанная prithivMLmods на основе дообучения Qwen3-4B-ft-bf16. Это плотная авторегрессионная архитектура Qwen3 с 3,7 млрд параметров, рассчитанная на контекст до 40 960 токенов и работу через библиотеку Transformers. Модель обучалась на трассах решения задач по программированию и ориентирована на более чем десять языков программирования, включая Python, Java, C#, C++, Go, JavaScript, TypeScript и Rust; основной естественный язык карточки — английский. Модель предназначена для генерации и объяснения кода, отладки, анализа и рефакторинга, оптимизации алгоритмов, перевода кода между языками, а также подготовки документации, спецификаций API и конфигурационных файлов. Её размер рассчитан на использование в инструментах разработчика, IDE и CI/CD-сценариях с ограниченными вычислительными ресурсами. Поддерживается диалоговый интерфейс; метаданные также отмечают интерфейс вызова инструментов. Карточка предупреждает, что модель может уступать в обычном разговоре, а большой кодовый контекст может быть сложен для анализа; творческие и общие задачи не являются её сильной стороной. Модель распространяется по лицензии Apache-2.0.

CoderO1-DeepSeekR1-Coder-14B-Preview — экспериментальная объединённая языковая модель RDson для диалоговой генерации и анализа кода. Она создана методом mergekit SCE на основе Qwen/Qwen2.5-14B с использованием Qwen/Qwen2.5-Coder-14B-Instruct и deepseek-ai/DeepSeek-R1-Distill-Qwen-14B. Модель содержит 14 млрд параметров, использует архитектуру Qwen2 и формат safetensors; нативная длина контекста — 131 072 токена. Модель предназначена для общения с пользователем при решении задач программирования, включая генерацию и анализ кода. Метаданные также отмечают интерфейс для вызова инструментов. Карточка указывает, что это предварительная версия; подробные результаты оценки качества не приведены. Лицензия в предоставленных данных не указана.

CoderO1-DeepSeekR1-Coder-32B-Preview — это 32-миллиардная плотная языковая модель семейства Qwen2, созданная RDson методом слияния mergekit на основе Qwen/Qwen2.5-32B с компонентами Qwen/Qwen2.5-Coder-32B-Instruct и DeepSeek-R1-Distill-Qwen-32B. Она предназначена для генерации текста в формате диалога, в частности для написания, анализа и исправления кода, а также задач рассуждения при работе с программным кодом. Модель использует архитектуру Qwen2ForCausalLM, принимает текст и генерирует текст. Заявленная длина контекста — 131072 токена; репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель может быть полезна для разработки программных помощников и кодовых агентов. В README указана лицензия базовых компонентов не приводится, поэтому условия лицензирования этой сборки по имеющимся данным определить нельзя. Результаты слияния могут различаться по качеству в зависимости от задачи; конкретные оценки качества в карточке не приведены.

Cogito-v1 Preview — серия открытых гибридных reasoning-моделей, разработанная DeepCogito. Модели обучены с использованием метода Iterated Distillation and Amplification (IDA) и ориентированы на повышение качества открытых моделей за счёт масштабируемого выравнивания и самоулучшения. Серия предназначена для генерации текста, программирования, задач STEM, многоязычных сценариев и агентских приложений. Каждая модель поддерживает стандартный режим с прямым ответом и reasoning-режим с саморефлексией. Доступны варианты на базах LLaMA и Qwen размером 3B, 8B, 14B, 32B и 70B параметров: LLaMA-3B, LLaMA-8B, Qwen-14B, Qwen-32B и LLaMA-70B. Для каждой ветки предоставляется квантованная версия q4-km. Конкретные сведения о поддерживаемых языках, максимальном контексте и точных архитектурных характеристиках не указаны. К сильным сторонам относятся гибридный режим работы, ориентация на reasoning, кодирование, STEM и агентские задачи, а также наличие нескольких размеров для выбора компромисса между качеством и ресурсами. По заявлению разработчика, модели превосходят сопоставимые по размеру открытые модели LLaMA, DeepSeek и Qwen, а 70B-вариант превосходит LLaMA 4 109B MoE на бенчмарках; независимые результаты в README не приведены. Модели распространяются по лицензии Apache License 2.0.

Lauther/d4-embeddings-v3.0 — модель Sentence Transformer, разработанная Lauther и дообученная на базе intfloat/multilingual-e5-large-instruct на наборе d4-embeddings-triplet_loss из 4 151 обучающего примера. Она преобразует предложения и абзацы в плотные текстовые эмбеддинги размерностью 1024; сходство между ними можно оценивать косинусным сходством. Архитектура включает XLM-RoBERTa, усредняющий пулинг токенов и нормализацию векторов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. Она поддерживает последовательности длиной до 512 токенов (514 токенов по метаданным) и может применяться в многоязычных сценариях, унаследованных от базовой модели E5. Доступны форматы safetensors и ONNX; для использования подходит библиотека Sentence Transformers. Лицензия в предоставленных данных не указана. Дообучение на 4 151 примере может ограничивать обобщение за пределами распределения данных; сведения о конкретных языках и результатах оценки качества отсутствуют.