/ Модель

Характеристики

Контекст
8 192 токена
Лицензия
MIT
Архитектура
colmodernvbert · dense
Базовая модель
colmodernvbert
Библиотека
fastembed
Опубликована
9 дек 2025

colmodernvbert

ЭмбеддингиТекст → embedding7 профессий

Qdrant/colmodernvbert — это ONNX-конверсия мультимодальной модели ColModernVBERT, разработанной авторами Paul Teiletche, Quentin Macé, Max Conti, Antonio Loison, Gautier Viaud, Pierre Colombo и Manuel Faysse.

1 109скачиваний за 30 дней7лайковвеса обновлены7 окт 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

Конверсию для эффективного запуска с FastEmbed выполнил Qdrant. Модель предназначена для визуального поиска по документам и задач извлечения релевантных страниц или изображений документов по текстовым запросам.

В основе модели — архитектура ModernVBERT, объединяющая текстовый энкодер ModernBERT на базе jhu-clsp/ettin-encoder-150m и визуальный энкодер SigLIP на базе google/siglip2-base-patch16-512. Проекционный слой преобразует представления к размерности 128. Модель содержит около 250 млн параметров, поддерживает контекст до 8192 токенов и обрабатывает изображения размером 512×512 после изменения размера процессором. Она рассчитана на раздельное кодирование изображений документов и текстовых запросов и интегрируется с мультимодальными API FastEmbed.

К сильным сторонам относятся компактный размер для класса визуальных моделей, поддержка эффективного CPU- и GPU-инференса через ONNX и конкурентоспособность на бенчмарках визуального поиска документов по сравнению с моделями, которые могут быть до десяти раз больше. Ограничения включают специализацию на поиске по визуальным документам, возможные небольшие отличия производительности ONNX-версии от PyTorch-реализации и отсутствие в карточке подробных сведений о поддерживаемых языках. Модель распространяется по лицензии MIT.

Для каких профессий подходит7

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

ColModernVBERT ONNX

This repository contains an ONNX export of the ModernVBERT/colmodernvbert model, converted by Qdrant for efficient inference with FastEmbed.

Original Model Authors: Paul Teiletche, Quentin Macé, Max Conti, Antonio Loison, Gautier Viaud, Pierre Colombo, Manuel Faysse

ONNX Conversion: Kacper Łukawski (Qdrant)

About This Repository

This is an ONNX-converted version of ColModernVBERT, optimized for deployment with FastEmbed. The original model was developed by the authors listed above and is described in detail in their paper.

What's Different:

  • Model format: PyTorch → ONNX
  • Optimization: Configured for efficient CPU/GPU inference
  • Integration: Ready for use with FastEmbed's multimodal embedding APIs

What's Preserved:

  • Model architecture and weights
  • Tokenizer and processor configurations
  • Image preprocessing pipeline
  • Embedding dimensions and behavior

Model Description

ColModernVBERT is a vision-language model based on the ModernVBERT architecture, designed for document retrieval tasks. The ModernVBERT paper demonstrates that this 250M-parameter model achieves state-of-the-art performance in its size class, matching models up to 10x larger on visual document retrieval benchmarks.

It combines:

  • ModernBERT text encoder (jhu-clsp/ettin-encoder-150m)
  • SigLIP vision encoder (google/siglip2-base-patch16-512)
  • Custom projection layer reducing to 128 dimensions

Model Details

  • Architecture: ColModernVBert
  • Projection Dimension: 128
  • Max Sequence Length: 8192 tokens
  • Image Size: 512x512 (resized by processor)
  • Image Token ID: 50407
  • Format: ONNX (exported from PyTorch)

Usage

This ONNX model is designed for use with FastEmbed for efficient document and query encoding.

With FastEmbed

from fastembed import LateInteractionMultimodalEmbedding
from PIL import Image

# Initialize the model
model = LateInteractionMultimodalEmbedding(
    model_name="Qdrant/colmodernvbert"
)

# Encode documents (images)
images = [Image.open("document1.png"), Image.open("document2.png")]
doc_embeddings = model.embed_image(images)

# Encode queries (text)
queries = ["What is the total amount?", "Find the invoice date"]
query_embeddings = model.embed_text(queries)

For more details on using this model with FastEmbed, see the FastEmbed documentation.

Original PyTorch Version

For the original PyTorch implementation with additional features, please refer to the original model repository and the colpali-engine library.

Performance

ColModernVBERT achieves competitive performance with models up to 10x larger on visual document retrieval tasks. For detailed benchmarks and evaluation results, please refer to the original paper and model card.

Note: ONNX inference performance may differ slightly from PyTorch due to optimizations and runtime differences. The model architecture and weights are preserved to maintain embedding quality.

License

This model is released under the MIT License, consistent with the original ColModernVBERT model.

Original Model License:

  • Copyright (c) 2025 Paul Teiletche, Quentin Macé, Max Conti, Antonio Loison, Gautier Viaud, Pierre Colombo, Manuel Faysse
  • Licensed under MIT License

ONNX Conversion:

  • Copyright (c) 2025 Qdrant
  • Licensed under MIT License

See the LICENSE file for the full license text.

Citation

If you use this model in your work, please cite the original ModernVBERT paper:

@misc{teiletche2025modernvbertsmallervisualdocument,
      title={ModernVBERT: Towards Smaller Visual Document Retrievers},
      author={Paul Teiletche and Quentin Macé and Max Conti and Antonio Loison and Gautier Viaud and Pierre Colombo and Manuel Faysse},
      year={2025},
      eprint={2510.01149},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2510.01149},
}

If you use this ONNX conversion specifically, you may also acknowledge:

@software{qdrant_colmodernvbert_onnx,
  title={ColModernVBERT ONNX - FastEmbed Integration},
  author={Qdrant},
  year={2025},
  url={https://huggingface.co/Qdrant/colmodernvbert},
  note={ONNX conversion of ModernVBERT/colmodernvbert}
}

Acknowledgments

This work builds upon the excellent ColModernVBERT model developed by Paul Teiletche, Quentin Macé, Max Conti, Antonio Loison, Gautier Viaud, Pierre Colombo, and Manuel Faysse. We thank them for releasing their work under the MIT License, enabling derivative works like this ONNX conversion.

The ONNX conversion was performed by the Qdrant team to enable efficient deployment through the FastEmbed library.

Как запустить

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

GPU в ailist

Универсальный рантайм · fastembed

Нельзя запустить

Библиотека «fastembed» рантаймом не поддерживается.

Класс архитектуры
ColModernVBert
Ревизия весов
b2e872d

0 моделей