/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Размер весов
1,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Embedding-0.6B
Библиотека
mlx
Опубликована
28 июл 2026

Qwen3-Embedding-0.6B-MLX-BF16

Генерация текстаТекст → текст9 профессий

Чекпойнт Qwen3-Embedding-0.6B в формате MLX BF16 для создания текстовых эмбеддингов и семантического поиска на Apple Silicon.

41скачиваний за 30 дней0лайковвеса обновлены28 июл 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

Это преобразованный в формат MLX BF16 чекпойнт Qwen3-Embedding-0.6B, опубликованный TiGa-RCE на Hugging Face. Он предназначен для создания текстовых эмбеддингов и семантического поиска; рассчитан на запуск на Apple Silicon через MLX или oMLX. Модель содержит около 507,6 млн параметров и поддерживает контекст до 32 768 токенов.

В локальном тесте извлечения информации чекпойнт верно ранжировал 24 из 24 пар запросов и документов, совпав по векторам с семейным эталоном BF16 при указанной схеме пулинга и нормализации. Это ограниченная инженерная проверка, а не результат MTEB и не гарантия качества на других данных. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск релевантных документов по смыслу запроса
  • создание эмбеддингов для текстового корпуса
  • сравнение семантической близости запросов и документов

Ограничения

Проверка качества ограничена 24 парами запросов и документов и не является оценкой MTEB или гарантией обобщения. Чекпойнт рассчитан на MLX/oMLX на Apple Silicon; показатели для CUDA и PyTorch к нему не относятся.

Для каких профессий подходит9

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

Qwen3-Embedding-0.6B — MLX BF16

BF16 reference checkpoint for this matched local sweep.

This is the BF16 MLX conversion checkpoint from a matched local embedding-quantization experiment. It is published with explicit lineage, calibration evidence where applicable, and the bounded evaluation result that accompanied the conversion.

Provenance and lineage

  • Upstream model: Qwen/Qwen3-Embedding-0.6B
  • Upstream revision recorded for publication: 97b0c614be4d77ee51c0cef4e5f07c00f9eb65b3
  • Revision evidence: exact source snapshot retained in the local Hugging Face download metadata
  • Direct parent: Qwen/Qwen3-Embedding-0.6B
  • Conversion rule: every quantized checkpoint branches directly from the family MLX BF16 checkpoint; no lossy checkpoint was used to create another.
  • Quantization: BF16 MLX conversion
  • Local conversion stack: oMLX 0.5.3, mlx-lm 0.31.3, MLX 0.32.0
  • Full collection: MLX Embedding Quantization Matrix

PROVENANCE.json contains machine-readable lineage and SHA-256 hashes for the published weight files. No importance matrix was used for this checkpoint.

Bounded local evaluation

RoleRetrieval smoke
BF16 reference24/24 top-1, MRR 1.0

The evaluation used 24 frozen query/document pairs, the upstream query instruction recipe, last-token pooling, L2 normalization, and direct comparison with vectors from the family BF16 checkpoint. This is an engineering smoke test, not MTEB and not a claim of universal quality. Retrieval success and representation fidelity are reported separately.

Runtime scope

This checkpoint targets Apple Silicon through MLX/oMLX. CUDA and PyTorch results are a separate control lane and must not be interpreted as measurements of MLX/Metal kernel performance.

License and attribution

Apache-2.0, following the upstream model card. The original model authors retain attribution for the upstream model; this repository contains a local MLX conversion or quantized derivative prepared by TiGa-RCE for reproducibility research.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
610005f

0 моделей