/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
8,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Embedding-8B
Библиотека
sentence-transformers
Опубликована
10 янв 2026

Octen-Embedding-8B-INT8

ЭмбеддингиТекст → embedding11 профессий

Octen-Embedding-8B-INT8 — текстовая embedding-модель, разработанная Octen на основе Qwen/Qwen3-Embedding-8B и дообученная методом LoRA.

1 712скачиваний за 30 дней7лайковвеса обновлены10 окт 2026

Бенчмарки

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

Публичные оценки14

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

  • CUREv1

    main_score

    Результат

    0,613

    Общий результат 0,7081Общий результат 0,6771Общий результат 0,6462
    MTEB

    Публичная таблицадругая ревизия

  • MIRACLRetrievalHardNegatives

    main_score

    Результат

    0,5404

    Общий результат 0,8078Общий результат 0,7214Общий результат 0,7043
    MTEB

    Публичная таблицадругая ревизия

  • FreshStackRetrieval

    main_score

    Результат

    0,5639

    MTEB

    Публичная таблицадругая ревизия

  • DS1000Retrieval

    main_score

    Результат

    0,706

    MTEB

    Публичная таблицадругая ревизия

  • WikiSQLRetrieval

    main_score

    Результат

    0,9865

    MTEB

    Публичная таблицадругая ревизия

  • FinQARetrieval

    main_score

    Результат

    0,7837

    MTEB

    Публичная таблицадругая ревизия

  • FinanceBenchRetrieval

    main_score

    Результат

    0,9321

    MTEB

    Публичная таблицадругая ревизия

  • HumanEvalRetrieval

    main_score

    Результат

    0,9977

    MTEB

    Публичная таблицадругая ревизия

  • LegalSummarization

    main_score

    Результат

    0,7582

    MTEB

    Публичная таблицадругая ревизия

  • AILAStatutes

    main_score

    Результат

    0,9451

    MTEB

    Публичная таблицадругая ревизия

  • MBPPRetrieval

    main_score

    Результат

    0,9383

    MTEB

    Публичная таблицадругая ревизия

  • AILACasedocs

    main_score

    Результат

    0,656

    MTEB

    Публичная таблицадругая ревизия

  • LegalQuAD

    main_score

    Результат

    0,7294

    MTEB

    Публичная таблицадругая ревизия

  • HC3FinanceRetrieval

    main_score

    Результат

    0,7536

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Она предназначена для семантического поиска, retrieval-сценариев, оценки сходства текстов и построения векторных представлений документов, запросов и кода. Заявлены прикладные области: юридические документы, финансовые отчёты и вопросы, медицинские диалоги и консультации, программирование и SQL-поиск.

Модель содержит около 8 млрд параметров, использует INT8-квантизацию через bitsandbytes и формирует embeddings размерностью 4096. README указывает поддержку английского, китайского и более чем 100 языков, включая языки программирования, а также мультиязычный, кросс-языковой и code retrieval. Заявлена работа с очень длинным контекстом: до 32 768 токенов в основных характеристиках, при этом в разделе Model Details указано значение 40 960 токенов. Память для INT8-версии оценивается примерно в 8 ГБ против около 16 ГБ для BF16-версии.

К сильным сторонам относятся высокая заявленная точность retrieval, поддержка специализированных доменов, мультиязычность, большая размерность embeddings и сниженное потребление памяти. На RTEB модель указана как лидер по состоянию на 12 января 2026 года со средним показателем 0,8045. Ограничение заключается в том, что INT8-квантизация не гарантирует ускорения инференса и на некоторых аппаратных платформах может работать немного медленнее BF16-версии; также следует учитывать расхождение в заявленной максимальной длине контекста. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Octen-Embedding-8B-INT8

Discord

Octen-Embedding-8B-INT8 is a text embedding model developed by Octen for semantic search and retrieval tasks. This model is fine-tuned from Qwen/Qwen3-Embedding-8B and supports multiple languages, providing high-quality embeddings for various applications.

Quantization: This is an INT8 quantized version using bitsandbytes. INT8 quantization significantly reduces memory footprint (~50% smaller), making it suitable for deployment on resource-constrained environments. Note that while memory usage is reduced, inference speed may not necessarily improve and could be slightly slower than the BF16 version on some hardware.

Key Highlights

🥇 RTEB Leaderboard Champion (as of January 12, 2026)

  • Octen-Embedding-8B ranks #1 on the RTEB Leaderboard with Mean (Task) score of 0.8045
  • Excellent performance on both Public (0.7953) and Private (0.8157) datasets
  • Demonstrates true generalization capability without overfitting to public benchmarks

Industry-Oriented Vertical Domain Expertise

  • Legal: Legal document retrieval
  • Finance: Financial reports, Q&A, and personal finance content
  • Healthcare: Medical Q&A, clinical dialogues, and health consultations
  • Code: Programming problems, code search, and SQL queries

Ultra-Long Context Support

  • Supports up to 32,768 tokens context length
  • Suitable for processing long documents in legal, healthcare, and other domains
  • High-dimensional embedding space for rich semantic representation

Multilingual Capability

  • Supports 100+ languages
  • Includes various programming languages
  • Strong multilingual, cross-lingual, and code retrieval capabilities

Open Source Model List

Model TypeModelSizeMax TokensEmbedding DimensionsHuggingFace Link
Text EmbeddingOcten-Embedding-0.6B0.6B32,7681024✅ Available
Text EmbeddingOcten-Embedding-4B4.0B32,7682560✅ Available
Text EmbeddingOcten-Embedding-8B7.6B32,7684096✅ Available

Model Family Design:

  • Octen-Embedding-8B: Best performance, RTEB #1, for high-precision retrieval
  • Octen-Embedding-4B: Best in 4B category, balanced performance and efficiency
  • Octen-Embedding-0.6B: Lightweight deployment, suitable for edge devices and resource-constrained environments

For API access, deployment solutions, and technical documentation, visit octen.ai.

Join our Discord community for questions, feedback, and the latest updates.


Experimental Results

RTEB Leaderboard (Overall Performance)

ModelEmbedding DimMax TokensMean (Public)Mean (Private)Mean (Task)
Octen-Embedding-8B4096327680.79530.81570.8045
voyage-3-large1024320000.74340.82770.7812
gemini-embedding-001307220480.72180.80750.7602
Octen-Embedding-4B2560327680.77470.79420.7834
MoD-Embedding2560327680.76420.79000.7758
Qwen3-Embedding-8B4096327680.73100.78380.7547
Octen-Embedding-0.6B1024327680.7241--
voyage-3.51024320000.71390.81020.7571
Cohere-embed-v4.015361280000.65340.79430.7166
jina-embeddings-v42048327680.66520.76640.7105
GritLM-7B4096327680.61870.73850.6724
text-embedding-3-large307281910.61100.71300.6567
e5-mistral-7b-instruct4096327680.50900.70910.5987
NV-Embed-v24096327680.58050.66910.6203
snowflake-arctic-embed-l-v2.0102481920.53950.70790.6150
multilingual-e5-large-instruct10245140.54780.68590.6097
gte-multilingual-base76881920.52910.66970.5921
text-embedding-3-small153681910.52600.66300.5874
bge-m3102481940.52160.67260.5893
Qwen3-Embedding-4B256032768-0.7711-
Qwen3-Embedding-0.6B102432768-0.7117-

Model Details

  • Base Model: Qwen/Qwen3-Embedding-8B
  • Model Size: 8B parameters (INT8 quantized)
  • Max Sequence Length: 40,960 tokens
  • Embedding Dimension: 4096
  • Languages: English, Chinese, and multilingual support
  • Training Method: LoRA fine-tuning
  • Quantization: INT8 (bitsandbytes)
  • Memory Footprint: ~8GB (vs ~16GB for BF16 version)

Usage

Using Sentence Transformers

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("Octen/Octen-Embedding-8B-INT8")

# Encode sentences
sentences = [
    "This is an example sentence",
    "Each sentence is converted to a vector"
]

embeddings = model.encode(sentences)
print(embeddings.shape)
# Output: (2, 4096)

# Compute similarity
from sentence_transformers.util import cos_sim
similarity = cos_sim(embeddings[0], embeddings[1])
print(f"Similarity: {similarity.item():.4f}")

Using Transformers

from transformers import AutoModel, AutoTokenizer
import torch
import torch.nn.functional as F

tokenizer = AutoTokenizer.from_pretrained("Octen/Octen-Embedding-8B-INT8", padding_side="left")
model = AutoModel.from_pretrained("Octen/Octen-Embedding-8B-INT8")
model.eval()

def encode(texts):
    inputs = tokenizer(texts, padding=True, truncation=True,
                      max_length=8192, return_tensors="pt")

    with torch.no_grad():
        outputs = model(**inputs)
        # Use last token embedding
        embeddings = outputs.last_hidden_state[:, -1, :]
        # Normalize embeddings
        embeddings = F.normalize(embeddings, p=2, dim=1)

    return embeddings

# Example usage
texts = ["Hello world", "你好世界"]
embeddings = encode(texts)
similarity = torch.matmul(embeddings[0], embeddings[1])
print(f"Similarity: {similarity.item():.4f}")

Recommended Use Cases

  • Semantic search and information retrieval
  • Document similarity and clustering
  • Question answering
  • Cross-lingual retrieval
  • Text classification with embeddings
  • Deployment on GPU-constrained environments

Known Issues

When encoding documents without any instruction prefix, you may encounter unexpected behavior due to an upstream issue in Qwen3-Embedding. To avoid this issue, we recommend adding "- " (dash followed by space) at the beginning of your text when encoding documents:

# Recommended: Add "- " prefix for document encoding
documents = ["- " + doc for doc in documents]
embeddings = model.encode(documents)

This workaround ensures consistent and expected embedding behavior.

Limitations

  • Performance may vary across different domains and languages
  • Very long documents (>40K tokens) require truncation
  • Optimized for retrieval tasks, not for text generation
  • INT8 quantization may introduce minor accuracy degradation compared to BF16 version
  • Inference speed may not improve despite reduced memory usage

License

This model is licensed under the Apache License 2.0.

This model is derived from Qwen/Qwen3-Embedding-8B, which is also licensed under Apache License 2.0.

Paper

For more details, please refer to our blog post: Octen Series: Optimizing Embedding Models to #1 on RTEB Leaderboard

Citation

If you find our work helpful, please consider citing:

@misc{octen2025rteb,
  title={Octen Series: Optimizing Embedding Models to #1 on RTEB Leaderboard},
  author={Octen Team},
  year={2025},
  url={https://octen-team.github.io/octen_blog/posts/octen-rteb-first-place/}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3Model
Ревизия весов
2220d20

0 моделей