/ Модель

Характеристики

Контекст
8 192 токена
Архитектура
nomic_bert · dense
Библиотека
transformers.js
Опубликована
21 июн 2026

coderank-transformersjs

ЭмбеддингиТекст → embedding3 профессии

ONNX-экспорт CodeRankEmbed для получения нормализованных эмбеддингов кода и поиска по нему в Transformers.js.

11скачиваний за 30 дней0лайковвеса обновлены21 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DannePanne/coderank-transformersjs — экспорт модели эмбеддингов кода CodeRankEmbed от nomic-ai в формате ONNX, совместимый с Transformers.js. Репозиторий предназначен для экспериментов с эмбеддингами в Cortex и использует задачу извлечения признаков. Для запросов следует добавлять префикс «Represent this query for searching relevant code: ». Векторы получают CLS-пулингом, нормализуют и формируют размерностью 768; заявленная длина контекста — 8192 токена. Экспорт включает единый файл ONNX без отдельного внешнего файла данных. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • поиск релевантных фрагментов кода по текстовому запросу
  • создание эмбеддингов кода для семантического поиска
  • индексация исходного кода для поиска по смыслу

Ограничения

Для эмбеддингов запросов требуется заданный в README префикс; экспорт предназначен для экспериментов с Cortex. Языки естественного языка и лицензия по предоставленным данным не определяются.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CodeRankEmbed Transformers.js ONNX

This repository contains a Transformers.js-compatible ONNX export of nomic-ai/CodeRankEmbed for Cortex embedding experiments.

Runtime contract

  • Task: feature-extraction
  • Pooling: cls
  • Normalize: true
  • Dimensions: 768
  • Cortex model id: use this repository id as CORTEX_EMBED_MODEL
  • Query embedding text must use the CodeRankEmbed instruction prefix: Represent this query for searching relevant code: <query>

CodeRankEmbed must use CLS pooling. Mean pooling produced materially different vectors in local validation. Code/passages should be embedded unchanged; the instruction prefix is for search queries only.

Expected layout

.
├── config.json
├── tokenizer.json
├── tokenizer_config.json
├── special_tokens_map.json
└── onnx/
    └── model.onnx

The ONNX model is saved as a single file so Transformers.js can fetch it from the Hub without requiring a separate external data sidecar.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js).

Класс архитектуры
NomicBertModel
Ревизия весов
ea61ad7

0 моделей