/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-Reranker-0.6B
Библиотека
gguf
Опубликована
9 мар 2026

Qwen3-Reranker-0.6B-GGUF-llama_cpp

Ранжирование текстаТекст → score9 профессий

Qwen3-Reranker-0.6B-GGUF-llama_cpp — это GGUF-конверсия модели Qwen3-Reranker-0.6B, разработанной командой Qwen и подготовленной Voodisss для запуска через llama.cpp.

8 291скачиваний за 30 дней11лайковвеса обновлены10 мар 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

Модель предназначена для переранжирования результатов поиска: она оценивает релевантность документов относительно запроса и может использоваться в семантическом поиске, retrieval-augmented generation (RAG), вопросно-ответных системах и дедупликации текстов.

Модель относится к классу reranker и имеет размер 0,6 млрд параметров. Она работает с текстовыми запросами и документами, поддерживает специальную классификацию релевантности yes/no и рассчитана на использование через endpoint /v1/rerank в llama-server с настройками pooling rank и embedding. В примере конфигурации указан контекст до 32768 токенов. Сведения о поддерживаемых языках в README не приведены.

Ключевое преимущество сборки — корректная конвертация специфичных для reranker компонентов, включая классификатор, метаданные ранжирования и chat template; благодаря этому она выдаёт осмысленные оценки релевантности, в отличие от некоторых GGUF-сборок, возвращающих некорректные значения. Для квантования Q4_K_M заявлено уменьшение размера примерно втрое по сравнению с F16 при потере качества около 0,3% на тесте MTEB AskUbuntuDupQuestions. Более низкие варианты Q4_0 и Q3_K_M снижают качество примерно на 2%, а Q2_K показывает существенную деградацию. Модель следует использовать именно через /v1/rerank, поскольку endpoint /v1/embeddings для reranker-моделей возвращает нулевые значения.

Модель распространяется по лицензии Apache 2.0.

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-Reranker-0.6B — GGUF (llama.cpp)

Working GGUF of Qwen/Qwen3-Reranker-0.6B for llama.cpp. Converted 2025-03-09 with the official convert_hf_to_gguf.py.

Other sizes: 0.6B (this) · 4B · 8B

Quantization quality comparison (Qwen3-Reranker-0.6B)

Benchmarked on MTEB AskUbuntuDupQuestions (361 queries) via llama-server /v1/rerank on RTX 3090. All quants produced from the same F16 source using llama-quantize.

QuantSizeNDCG@10MAP@10MRR@10Δ NDCG@10
F161.12 GB0.66880.51430.7317baseline
Q8_00.60 GB0.66770.51430.7329-0.2%
Q6_K0.46 GB0.66910.51560.7353+0.0%
Q5_K_M0.41 GB0.66710.51380.7377-0.3%
Q5_00.41 GB0.66780.51180.7423-0.2%
Q4_K_M0.37 GB0.66690.51200.7345-0.3%
Q4_00.36 GB0.65560.50100.7211-2.0%
Q3_K_M0.32 GB0.65510.50040.7354-2.1%
Q2_K0.28 GB0.47700.31040.5668-28.7%

Takeaway: Q4_K_M (0.37 GB) is the sweet spot for 0.6B — 3x smaller than F16 with only 0.3% quality loss. Below Q4_K_M, quality starts to degrade: Q4_0 and Q3_K_M drop ~2%, and Q2_K is unusable (-28.7%). Smaller models are more sensitive to quantization than larger ones.

Does it work?

Yes. Most community GGUFs of Qwen3-Reranker produce garbage scores (4.5e-23) because they're missing reranker-specific tensors. See llama.cpp #16407. This one works:

Doc 0 (relevant):   relevance_score = 0.98XX
Doc 1 (irrelevant): relevance_score = 0.00XX

Quick start

llama-server -m Qwen3-Reranker-0.6B-f16.gguf --reranking --pooling rank --embedding --port 8081
curl http://localhost:8081/v1/rerank \
  -H "Content-Type: application/json" \
  -d '{
    "query": "employment termination notice period",
    "documents": [
      "The Labour Code requires 30 calendar days written notice.",
      "Corporate tax rates for small enterprises."
    ]
  }'

Use /v1/rerank, not /v1/embeddings. The embeddings endpoint returns zeros for reranker models.

What's different about this GGUF?

The official convert_hf_to_gguf.py detects Qwen3-Reranker and does things naive converters skip:

  • Extracts cls.output.weight (the yes/no classifier) from lm_head
  • Sets pooling_type = RANK metadata
  • Bakes in the rerank chat template
  • Sets classifier.output_labels = ["yes", "no"]

Without these, llama-server has nothing to compute scores from.

models.ini example

[Qwen3-Reranker-0.6B-f16]
model = /path/to/Qwen3-Reranker-0.6B-f16.gguf
reranking = true
pooling = rank
embedding = true
ctx-size = 32768

For a full multi-model setup guide (embedding + reranking + chat on one server), see the llama-server Qwen3 guide.

Convert it yourself

pip install huggingface_hub gguf torch safetensors sentencepiece
python -c "from huggingface_hub import snapshot_download; snapshot_download('Qwen/Qwen3-Reranker-0.6B', local_dir='Qwen3-Reranker-0.6B-src')"
python convert_hf_to_gguf.py --outtype f16 --outfile Qwen3-Reranker-0.6B-f16.gguf Qwen3-Reranker-0.6B-src/

License

Apache 2.0 — same as the original model.

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
eb9ad47

0 моделей