IV.11Патенты, товарные знаки и интеллектуальная собственность

Watermark-Detection-SigLIP2 — модель prithivMLmods для бинарной классификации изображений: она определяет, есть ли на изображении водяной знак. Модель дообучена на базе google/siglip2-base-patch16-224 и использует архитектуру SiglipForImageClassification; файлы опубликованы в формате Safetensors и рассчитаны на работу с библиотекой Transformers. Модель предназначена для автоматической проверки изображений при модерации контента, очистке наборов данных, поиске защищённых авторским правом материалов и цифровой экспертизе. В отчёте карточки для тестовой выборки из 22 762 изображений указана точность 94,27%; полнота для класса изображений с водяным знаком составляет 90,48%. Лучше всего модель работает с чёткими изображениями высокого качества; шумные изображения не рекомендуются для проверки. Модель распространяется по лицензии Apache-2.0.

johngiorgi/declutr-sci-base — текстовая модель на архитектуре BERT, разработанная на основе allenai/scibert_scivocab_uncased. Она прошла дополнительное самоконтролируемое обучение на более чем 2 млн научных публикаций из S2ORC по стратегии DeCLUTR и предназначена для кодирования предложений в векторные представления, особенно научных текстов. Модель подходит для поиска и сравнения научных предложений по смыслу, кластеризации текстов и построения семантического поиска. Она содержит 137,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и поддерживает английский язык. Доступны веса в форматах PyTorch и Flax; лицензия — Apache-2.0. Модель специализируется на научном тексте, поэтому её пригодность для других предметных областей и языков может быть ниже. Это энкодер представлений, а не генеративная модель: она выдаёт векторы, а не связные ответы.

Pravallika6/scibert-cross-domain-embeddings — модель Sentence Transformer, дообученная разработчиком на базе allenai/scibert_scivocab_uncased для получения векторных представлений научных текстов. Она преобразует предложения и абзацы в плотные эмбеддинги размерности 768; сходство между ними можно оценивать косинусной мерой, а сами эмбеддинги использовать для поиска и извлечения релевантных текстов. Архитектура включает BERT с пулингом по CLS-токену; модель содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель ориентирована на текстовый поиск и сравнение научных предложений и абзацев, в том числе в разных предметных областях. Обучение проводилось с TripletLoss на наборе из 7 446 примеров. Базовая SciBERT предназначена для англоязычных научных текстов, поэтому применимость к другим языкам не подтверждена. Лицензия в предоставленных данных не описана.

SciEmbed-BASE — англоязычная модель эмбеддингов научных документов на базе ModernBERT-base, выпущенная как часть проекта SciEmbed. Она дообучена на 7 млн пар примеров за 3 эпохи с контрастивным обучением, где основной сигнал составляют предложения из контекстов цитирования. Модель предназначена для представления научных текстов в виде векторов и задач поиска и оценки сходства; в README приведены результаты SciRepEval по классификации, регрессии, близости и поиску. Модель использует encoder-only архитектуру ModernBERT, содержит 149 млн параметров и поддерживает контекст до 8192 токенов. Её можно загружать через Sentence Transformers и получать нормализованные эмбеддинги. Лицензия — MIT. Карточка описывает базовый вариант SciEmbed, обученный только на сигнале цитатных связей; сравнительное превосходство над другими моделями не заявлено.

SciEmbed-CTX — дообученная модель эмбеддингов научных документов из выпуска SciEmbed. Она построена на encoder-only архитектуре ModernBERT-base и содержит 149 млн параметров. Модель обучали контрастивным методом на парах предложений из научных документов, используя контекст цитирования как основной обучающий сигнал; описанный результат получен на подвыборке из 7 млн пар за три эпохи. Модель предназначена для преобразования научных текстов в векторы, пригодные для поиска и оценки семантической близости. В README приведены результаты SciRepEval по классификации, регрессии, близости и поиску, а также пример применения Sentence Transformers с нормализацией эмбеддингов. Поддерживается контекст до 8192 токенов; основной язык карточки — английский. Лицензия — MIT.

Muffakir_Embedding — арабоязычная модель Sentence Transformer, созданная Mohamed2811 на основе Omartificial-Intelligence-Space/Arabic-Triplet-Matryoshka-V2 и дообученная для семантического сходства текстов и поиска информации. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для семантического поиска, ранжирования релевантных фрагментов, кластеризации и классификации текстов, в том числе в системах RAG для юридических документов. Обучение проводилось на 20 252 синтетических парах «вопрос—ответ», полученных из египетских юридических книг с помощью LLM; использовались MatryoshkaLoss и MultipleNegativesRankingLoss. Архитектура — BERT, контекст — до 512 токенов. Карточка сообщает о первом месте на арабском RAG-бенчмарке для исламского набора данных, но не приводит подробностей методики сравнения. Модель ориентирована на арабский язык; результаты для других языков не заявлены. Лицензия в предоставленных данных не указана.

maayans/stella_en_1.5B_v5__ratio-broaden — дообученная модель NovaSearch/stella_en_1.5B_v5 для операции BROADEN в наборе RATIO. Она сопоставляет научный запрос с формулировкой того же вопроса на более широком уровне или с большей степенью обобщения, поэтому подходит для поиска литературы и идей по научным запросам. Модель основана на плотной архитектуре Qwen2 с 1,5 млрд параметров, принимает текст и создаёт эмбеддинги; нативная длина контекста — 131 072 токена. Для запросов при кодировании требуется встроенный prompt Stella s2p_query («Instruct: Retrieve semantically similar text. Query: »), а предложения-кандидаты кодируются без промпта. Модель обучена контрастивно на обучающей части RATIO для связи BROADEN; README указывает, что тестовые статьи в бенчмарке опубликованы позже обучающих данных оцениваемых энкодеров. Доступна под лицензией MIT.

hbpkillerX/legal-clause-minilm-l6-v2 — дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2 для представления предложений и абзацев в виде плотных семантических векторов. Модель построена на архитектуре BERT и содержит 25,9 млн параметров. Она формирует векторы размерности 384, нормализует их и сравнивает тексты с помощью косинусного сходства; метаданные указывают контекст до 512 токенов, а конфигурация из README задаёт максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения юридических положений, поиска перефразировок, кластеризации и классификации текстов. README описывает дообучение на парах anchor-positive и оценку на clause-eval-triplets с cosine_accuracy 0,9761. Это англоязычный энкодер; сведения указывают на специализацию на юридических положениях, но подробности лицензии и юридических юрисдикций в предоставленных данных отсутствуют.

FrancescoPeriti/TRoTR-multi-qa-mpnet-base-cos-v1 — дообученная модель предложений на базе sentence-transformers/multi-qa-mpnet-base-cos-v1 для оценки тематической близости контекстов, в которых повторно используется текст. Она преобразует тексты в плотные векторные представления и сравнивает их косинусное сходство; в карточке приведён пример сравнения контекстов библейских цитат. Модель построена на MPNet, содержит 136,7 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Модель предназначена для задач TRoTR по анализу тематической связанности и изменения контекста при повторном использовании текста. Её можно применять для сравнения контекстов, семантического сопоставления предложений и поиска тематически близких фрагментов. Указанная лицензия — CC BY-SA 4.0. Карточка демонстрирует английские примеры и указывает английский язык.

Модель dmargutierrez/xlm-roberta-base-mapa_coarse-ner — дообученная версия XLM-RoBERTa base для распознавания именованных сущностей на уровне токенов. Она обучена на наборе данных LexTreme и предназначена для извлечения сущностей из текста, в том числе в юридическом контексте. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и поддерживает контекст до 514 токенов. На оценочном наборе указаны F1 0,664, точность 0,6624 и полнота 0,6657; accuracy 0,9872. Высокая accuracy при более умеренном F1 означает, что для практического применения полезно отдельно проверять качество по категориям сущностей. Лицензия — MIT. Карточка не уточняет список языков и метки сущностей.

Apodex-1.0-0.8B-SFT — компактная текстовая модель для агентного глубокого исследования, разработанная командой Apodex на базе Qwen3.5-0.8B. Это версия после supervised fine-tuning; она рассчитана на работу как ReAct-агент с вызовом инструментов. Модель предназначена для поиска и проверки сведений, синтеза ответов по источникам и подготовки выводов с прослеживаемыми доказательствами. В карточке указана архитектура Qwen3.5 с плотными весами и классом Qwen3_5ForConditionalGeneration; модель распространяется в формате safetensors и работает через Transformers. README рекомендует запускать её с шаблоном чата Qwen3.5 и совместимыми парсерами вызовов инструментов. Заявленная тяжёлая схема с параллельной командой субагентов и глобальным верификатором относится к Apodex-1.0-H, а не к этому одиночному чекпойнту. Поддерживаемые языки по метаданным — английский и китайский. Лицензия — Apache-2.0. Сильная сторона модели — настройка на агентные исследовательские сценарии и вызов инструментов при сохранении общих возможностей базовой модели согласно README. В карточке нет отдельных результатов оценки именно версии 0.8B-SFT, поэтому её качество нельзя выводить из результатов других вариантов Apodex. Для глубокого исследования нужны инструменты и агентная инфраструктура; сам чекпойнт не включает описанную в README команду субагентов и верификатор.

maastrichtlawtech/colbert-legal-french — модель поиска и сопоставления предложений для юридических текстов на французском языке. Она дообучена на базе antoinelouis/colbertv1-camembert-base-mmarcoFR и предназначена для поиска релевантных фрагментов в системах извлечения информации и RAG. Архитектура основана на CamemBERT и ColBERT; модель содержит 137,8 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт оценки сходства и релевантности. В метаданных указан датасет maastrichtlawtech/lleqa и библиотека RAGatouille. Модель опубликована под лицензией MIT.

SergeyKarpenko1/multilingual-e5-small-legal-matryoshka_384 — дообученная на 165 парах текстов модель Sentence Transformer на базе intfloat/multilingual-e5-small. Она преобразует предложения и абзацы в нормализованные плотные эмбеддинги размерностью 384 и сравнивает их по косинусному сходству; архитектура включает BERT, mean pooling и нормализацию. Модель предназначена для семантического поиска и сопоставления текстов, в том числе по вопросам и фрагментам о российском законодательстве. Модель поддерживает русский язык, принимает текст и выдаёт векторы. Максимальная длина последовательности — 512 токенов. Matryoshka-обучение позволяет оценивать эмбеддинги при сокращении размерности до 256, 128 или 64. В README приведены результаты поиска на небольшом наборе оценки, поэтому они не гарантируют качество на других данных. Лицензия — Apache-2.0.

Mursit-Embed-Qwen3-4B-TR — модель эмбеддингов NewMind AI для семантического поиска и извлечения информации на турецком языке, включая юридические документы. Она создана на основе дообученной модели Mecellem-Qwen3-4B-TR с преобразованием декодера Qwen3 в двунаправленный энкодер: удалена языковая голова, применяются двунаправленное внимание и mean pooling. Размер модели — 3,7 млрд параметров, размерность эмбеддинга — 2560; в README максимальная длина последовательности указана как 1024 токена, тогда как метаданные указывают контекст 40960 токенов. Доступны веса Safetensors и формат ONNX; лицензия Apache-2.0. Модель предназначена для получения векторных представлений текстов, семантического поиска, сопоставления текстов и извлечения релевантных фрагментов из турецких документов. В README приведены результаты турецкого бенчмарка MTEB и юридического поиска: качество заметно различается между поиском по договорам, нормативным актам и судебным решениям. Это специализированная модель для турецкого языка; метаданные также отмечают английский. Показатели бенчмарка не гарантируют аналогичного качества на других языках, наборах данных или задачах.

SciBERT-NLI — модель эмбеддингов предложений, созданная дообучением SciBERT на наборах SNLI и MultiNLI с помощью библиотеки sentence-transformers. Она использует архитектуру BERT, исходный словарь scivocab WordPiece, усреднение токенов и softmax loss; размер составляет 137,1 млн параметров, контекст — до 512 токенов. Модель предназначена для получения векторных представлений предложений и сравнения научных текстов по смысловой близости, например для поиска научных статей. В тестировании на STS она показала корреляцию Спирмена 74,50; авторы сравнивали её с BERT-моделью, обученной тем же способом. Репозиторий содержит веса PyTorch и Flax. Сведения о лицензии в предоставленных данных отсутствуют.

mlsa-iai-msu-lab/sci-rus-base4-preview — многоязычная модель-энкодер для построения векторных представлений научных текстов на русском, английском и китайском языках. Она основана на архитектуре ModernBERT, содержит 148,9 млн параметров и принимает последовательности длиной до 8192 токенов. Модель обучена с нуля на корпусах научных статей и данных о цитировании: сначала с помощью masked language modeling, затем совместно с контрастивным обучением и дистилляцией знаний от Qwen/Qwen3-Embedding-8B. Для неё также обучен специализированный токенизатор, ориентированный на научную терминологию. Модель предназначена для получения эмбеддингов научных публикаций и сопоставления текстов по смыслу, в том числе между поддерживаемыми языками. Её можно применять для поиска похожих статей, ранжирования научных документов и построения семантического поиска по исследовательским материалам. Она распространяется в формате safetensors по лицензии MIT. Специализация на научных текстах может ограничивать качество на текстах других типов; описание не приводит результатов независимых оценок качества.

PIXIE-Spell-Preview-0.6B — модель эмбеддингов компании TelePIX Co., Ltd., построенная на архитектуре Qwen3 и оформленная как Sentence Transformer. Она предназначена для семантического поиска и извлечения релевантных документов на корейском и английском языках, с особым акцентом на аэрокосмическую тематику; также подходит для поиска по документам, технических вопросов и открытых коллекций. Модель содержит 507,9 млн параметров и выдаёт векторы размерностью 1024, которые нормализуются для сравнения косинусным сходством. В README указана максимальная длина последовательности 8192 токена, а метаданные каталога указывают контекст до 40960 токенов. Веса доступны в формате safetensors, лицензия — Apache 2.0. Модель обучалась и оценивалась для задач поиска на корейских и англоязычных бенчмарках; результаты README не гарантируют аналогичного качества на конкретных данных, поэтому качество следует проверять на целевой коллекции. Модель выдаёт эмбеддинги, а не готовые ответы или ранжированный список без отдельной системы поиска.

SCIroShot — англоязычная модель для классификации текста без заранее заданного набора классов, разработанная SIRIS Lab и Language Technologies Unit Barcelona Supercomputing Center. Это дообученная RoBERTa-large с 454,1 млн параметров, которая использует подход, основанный на проверке следования (entailment), и предназначена прежде всего для классификации научных текстов по заданным пользователем категориям. Модель обучали на более чем двух миллионах англоязычных научных статей из Microsoft Academic Graph: заголовках, аннотациях и категориях научных дисциплин. Она также может применяться к текстам общего назначения; карточка сообщает о сильных результатах в научной области и конкурентных результатах на некоторых общих задачах. Контекст составляет 514 токенов. Лицензия — Apache 2.0. Возможное смещение и токсичность модели отдельно не оценивались. Качество может зависеть от области текста и выбранных меток; для научной классификации модель обучалась на данных с публикациями 2000–2021 годов.

Nemotron ColEmbed V2 — мультимодальная модель эмбеддингов NVIDIA для поиска по визуальным документам. Она дообучена на базе Qwen3-VL-4B-Instruct и использует трансформерную архитектуру с визуальным энкодером SigLIP-2, модулем объединения зрения и языка и языковой моделью. В модели около 4,8 млрд параметров. Модель принимает текстовые запросы и изображения страниц документов, включая таблицы, диаграммы и инфографику, и строит многовекторные представления в стиле ColBERT: для каждого токена выдаётся вектор размерности 2560. Она предназначена для поиска по документам и мультимодальных RAG-систем; в README указано третье место в бенчмарке ViDoRe V3 на момент публикации результатов. В README заявлена поддержка многоязычных данных и контекст до 10 240 токенов в проведённых оценках. Обработка изображений разбивает их на плитки, для описанной конфигурации используется до восьми плиток и миниатюра. Для запуска требуются Transformers версии 4.57.2 или выше и Flash Attention; модель оптимизирована для GPU NVIDIA. Лицензия CC-BY-NC-4.0 ограничивает использование некоммерческими и исследовательскими сценариями.

OriOn-Qwen Synthetic Reasoning 1 — мультимодальная модель LightOn на базе Qwen3-VL-32B-Instruct, дообученная и объединённая с базовыми весами для ответов на вопросы по длинным визуальным документам. Она принимает текстовые вопросы и изображения страниц, извлекает релевантные свидетельства и объединяет сведения с нескольких страниц; подходит для анализа длинных PDF-файлов и презентаций, включая документы объёмом более 250 страниц. Модель построена на архитектуре Qwen3VLForConditionalGeneration, содержит 32 млрд параметров и поддерживает контекст длиной 262 144 токена. Для управления режимом рассуждения в системный запрос можно добавить специальный токен управления. По данным карточки, модель достигает 58,3 на MMLongBenchDoc и выдаёт в среднем около 250 токенов, сохраняя преимущество на длинных документах без явной генерации цепочки рассуждений. Карточка также сообщает о применении в юридических, научных и финансовых сценариях. Лицензия — Apache-2.0.

Sonar Pro — языковая модель Perplexity, предназначенная для ответов на вопросы с поиском в интернете и опорой на найденные источники. По сравнению с базовым Sonar она рассчитана на более глубокий поиск по большему числу источников и синтез подробных ответов; поддерживает сложные многоэтапные запросы. Данных о размере, архитектуре, контекстном окне и лицензии в доступных источниках нет, поэтому эти характеристики не уточняются.

Mungert/II-Search-4B-GGUF — квантованный формат модели II-Search-4B, разработанной на базе Qwen3-4B командой Intelligent-Internet. Модель дообучена для поиска информации, многошагового рассуждения, проверки фактов и подготовки подробных исследовательских отчётов. Она рассчитана на работу совместно с инструментами веб-поиска и посещения веб-страниц, а также на задачи фактологического вопросно-ответного взаимодействия и исследовательской поддержки. Модель содержит около 4 млрд параметров и относится к текстовым моделям генерации. В обучении использовались дистилляция возможностей Qwen3-235B, синтетические многошаговые задачи, отбор качественных цепочек рассуждений, методы подготовки комплексных отчётов и reinforcement learning на данных MuSiQue и внутренней поисковой базе с материалами Wikipedia, FineWeb и arXiv. Для исходной версии заявлена поддержка контекста до 131 072 токенов при использовании RoPE scaling, однако конкретные возможности и качество зависят от реализации и выбранного GGUF-кванта. К сильным сторонам относятся многошаговое планирование, использование поисковых инструментов, перекрёстная проверка сведений и высокие результаты на заявленных бенчмарках SimpleQA, Frames и Seal_0 среди сопоставимых по размеру моделей. Ограничения включают зависимость веб-интегрированных сценариев от внешних инструментов, поисковой инфраструктуры и качества подключённых источников, а также возможные потери точности из-за квантования. Модель распространяется по лицензии Apache-2.0; данный репозиторий содержит GGUF-версии, созданные с использованием llama.cpp и модифицированного подхода к повышению точности отдельных слоёв.

jordyvl/scibert_scivocab_uncased_sentence_transformer — модель на базе BERT, упакованная для библиотеки Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. В метаданных указаны 137,1 млн параметров и контекст до 512 токенов; модель доступна в форматах PyTorch и safetensors. Модель предназначена для получения эмбеддингов текстов, сравнения семантической близости, поиска и группировки текстов. Название указывает на использование SciBERT с научным словарём, однако карточка не сообщает отдельные результаты оценки или поддерживаемые языки. Условия лицензии в предоставленных данных не указаны.

GLiNER2 Small — компактная модель извлечения сущностей с нулевым обучением, представленная в карточке как вариант семейства GLiNER2. Она принимает текст и список типов сущностей, при необходимости с краткими определениями на английском языке, и возвращает найденные фрагменты текста с метками и точными символьными границами. Модель содержит 81 млн параметров и предназначена для извлечения именованных сущностей и других заданных схемой сущностей без предварительного обучения под конкретную схему. Модель рассчитана на обработку больших объёмов текста, предварительную фильтрацию и локальный запуск. В README указаны медианная задержка 26 мс на документ, пропускная способность 156 документов в секунду при пакетной обработке и пиковое потребление GPU-памяти 2,9 ГБ на A100. Выход детерминированный; качество ниже, чем у более крупных моделей семейства и некоторых LLM. Карточка приводит средний F1 39,7 на выборке из 19 наборов данных и 47,5 по опубликованному протоколу GLiNER из семи тестовых наборов. Модель использует библиотеку gliner2 и распространяется в формате safetensors. В метаданных указаны английский язык и лицензия Apache-2.0. README рекомендует при необходимости снижать порог для повышения полноты и удалять перекрывающиеся фрагменты для плоского результата.

Карточка модели miromind-ai/MiroThinker-v1.0-30B на Hugging Face совпадает с карточкой miromind-ai/MiroThinker-v1.0-8B, поэтому описание составлено по ней. MiroThinker-v1.0-8B — открытая исследовательская агентная модель, разработанная MiroMind на базе Qwen3-8B и дообученная для рассуждений с использованием инструментов и поиска информации. Она предназначена для многошаговых исследовательских задач: модель может запрашивать внешнюю информацию, вызывать инструменты, проверять результаты и уточнять ход решения. В описании заявлена поддержка до 600 вызовов инструментов за задачу. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 7,6 млрд параметров и контекст до 262 144 токенов. Карточка сообщает об англоязычной версии; метаданные также отмечают диалоговый режим и интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии MIT. Карточка приводит результаты на исследовательских бенчмарках, однако качество зависит от подключённых инструментов, настроек рабочего процесса и вычислительных ресурсов. Для полноценного агентного сценария нужны совместимая среда и инструменты; сама модель не выполняет внешние действия без них.

Argus-Colqwen3.5-4b-v0 — модель извлечения признаков для поиска по визуальным документам, разработанная группой Data Science Университета Инсбрука. Это дообученная на базе Qwen/Qwen3.5-VL-4B-Instruct модель с 4,71 млрд параметров: ColPali-подобная архитектура формирует многовекторные представления изображения и запроса, а разреженный маршрутизатор с четырьмя экспертами выбирает обработку регионов страницы с учётом запроса. Выпущена версия с весами fp32; размерность вектора каждого токена — 1024, обрабатывается до 2048 визуальных токенов на страницу. Модель предназначена для поиска релевантных страниц в сканах, документах и отчётах по текстовому запросу, включая сценарии визуального вопросно-ответного поиска. В README заявлены высокие результаты на ViDoRe v1, однако приведённые оценки отдельных задач получены на родственной версии bf16 и для fp32 указаны как ожидаемые. Области применения включают поиск по документам и отчётам; качество на английских наборах проверено лучше, чем на многоязычных. Лицензия — Apache 2.0.

EvoQwen2.5-VL-Retriever-7B-v1 — мультимодальная модель поиска по визуальным документам от ApsaraStackMaaS, дообученная на базе Qwen/Qwen2.5-VL-7B-Instruct с помощью подхода Evo-Retriever. Она использует многовекторное представление и позднее взаимодействие для сопоставления текстовых запросов с изображениями документов. Модель предназначена для поиска релевантных страниц и документов по естественно-языковому запросу, в том числе по сложному визуальному содержимому. Принимает изображения и текстовые запросы, выдаёт векторные представления для вычисления оценок релевантности. Веса содержат 7,1 млрд параметров, контекст — до 128 000 токенов; указаны английский язык и формат safetensors. Для версии 7B заявлена высокая точность на оценочных наборах, однако карточка не приводит численные результаты. Модель распространяется по лицензии Apache-2.0.

MiroThinker-v1.0-8B — открытая исследовательская агентная модель, разработанная MiroMind на базе Qwen3-8B и дообученная для рассуждений с использованием инструментов и поиска информации. Она предназначена для многошаговых исследовательских задач: модель может запрашивать внешнюю информацию, вызывать инструменты, проверять результаты и уточнять ход решения. В описании заявлена поддержка до 600 вызовов инструментов за задачу. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 7,6 млрд параметров и контекст до 262 144 токенов. Карточка сообщает об англоязычной версии; метаданные также отмечают диалоговый режим и интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии MIT. Карточка приводит результаты на исследовательских бенчмарках, однако качество зависит от подключённых инструментов, настроек рабочего процесса и вычислительных ресурсов. Для полноценного агентного сценария нужны совместимая среда и инструменты; сама модель не выполняет внешние действия без них.

OpenResearcher-30B-A3B — дообученная языковая модель для агентского глубокого исследования, разработанная командой OpenResearcher на базе NVIDIA-Nemotron-3-Nano-30B-A3B-Base-BF16. Модель обучали на 96 тысячах примеров OpenResearcher-Dataset с диалогами длиной более 100 ходов; датасет создан дистилляцией GPT-OSS-120B с использованием браузерных инструментов. Архитектура — Nemotron-H с причинным декодером. В метаданных указаны 1,9 млрд параметров и контекст до 262 144 токенов. Модель предназначена для многошагового поиска и синтеза информации, а также длительных исследовательских диалогов. Карточка сообщает о результате 54,8% на BrowseComp-Plus; это заявление разработчиков и оно само по себе не гарантирует аналогичного качества в других условиях. Для работы с внешними источниками требуется подходящая интеграция инструментов: наличие интерфейса вызова инструментов в метаданных не означает, что браузер входит в комплект модели. Репозиторий использует Transformers и формат Safetensors; лицензия — MIT.

Многоязычная модель Sentence Transformer, дообученная legalvn на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Архитектура основана на BERT: она кодирует предложения и абзацы в плотные векторы размерностью 384 и сопоставляет их косинусным сходством. В метаданных указано 124,3 млн параметров и контекст 512 токенов; карточка README задаёт максимальную длину последовательности 128 токенов. Модель предназначена для поиска семантически близких текстов и сравнения сходства предложений. Её можно использовать для семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Примеры обучающих данных включают вьетнамские вопросы и фрагменты документов, в том числе правовую тематику; это указывает на настройку под вьетнамские запросы и корпусные тексты. Модель выдаёт текстовые эмбеддинги, а не готовые ответы. Для оценки сходства применяется косинусная мера. Лицензия в предоставленных данных не указана.