/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
WeMM-Embedding-2B
Библиотека
gguf
Опубликована
30 авг 2026

WeMM-Embedding-2B-GGUF

Изображение и текст → текст10 профессий

WeMM-Embedding-2B-GGUF — GGUF-квантизированная версия мультимодальной модели эмбеддингов tencent/WeMM-Embedding-2B.

610скачиваний за 30 дней0лайковвеса обновлены30 авг 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 преобразования текста, изображений и видео в векторные представления, которые можно использовать для семантического поиска, сравнения смысловой близости, кластеризации и других задач, основанных на эмбеддингах. Для мультимодального ввода требуется отдельный визуальный проектор mmproj-WeMM-Embedding-2B-BF16.gguf.

Модель поддерживается в llama.cpp и доступна в вариантах BF16, Q8_0, Q6_K, Q5_K_M, Q4_K_M, IQ4_XS и IQ3_M. Выходом служит L2-нормализованный вектор размерности 2048; заявлена поддержка matryoshka-размерностей 64, 128, 256, 512, 1024 и 2048. README не указывает точный контекст, список поддерживаемых языков и архитектурные детали базовой модели. Для запуска доступны командная утилита llama-embedding и OpenAI-совместимый HTTP-сервер llama-server.

По результатам теста STS-B варианты Q8_0, Q6_K, Q5_K_M и IQ4_XS практически не уступают BF16 по качеству, поэтому подходят как компактные замены исходной версии. Q4_K_M демонстрирует небольшое снижение качества, а IQ3_M — наиболее заметную потерю точности и подходит главным образом при жёстких ограничениях по объёму хранения. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит10

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

WeMM-Embedding-2B — Quantization Quality (STS-B)

Evaluation set: STS-B test (1,379 sentence pairs, human similarity 0-5). Baseline: BF16 GGUF run in llama.cpp (same engine as all quants), so the measured difference reflects quantization error only.

ModelBits/WeightSize (MB)STS-B Spearman ρΔρ vs BF16Emb Cosine vs BF16Pair Cosine Pearson vs BF16
BF1616.004790.80.8360———
Q8_08.002551.30.8357+0.03%0.99971.0000
Q6_K5.801972.80.8358+0.03%0.99870.9999
Q5_K_M5.171760.00.8361-0.01%0.99560.9995
Q4_K_M4.851559.80.8310+0.60%0.98540.9984
IQ4_XS4.331471.40.8360+0.00%0.98550.9985
IQ3_M3.761277.30.8286+0.89%0.92630.9895

Metrics

  • STS-B Spearman ρ: rank correlation between model cosine similarities and human similarity scores. Higher is better.
  • Δρ vs BF16: relative drop of ρ against the BF16 baseline. Negative means the quant scored slightly above baseline (within noise).
  • Emb Cosine vs BF16: mean cosine similarity between each sentence's embedding and its BF16 counterpart (space fidelity). 1.0 = identical.
  • Pair Cosine Pearson vs BF16: Pearson correlation of per-pair cosine similarities vs BF16 (ranking fidelity). 1.0 = identical ordering.

Conclusion

  • Q8_0, Q6_K, Q5_K_M and IQ4_XS show negligible quality loss (|Δρ| < 0.05%, Emb Cosine > 0.985) and are safe drop-in replacements.
  • Q4_K_M (4.85 bpw) shows a small but visible drop (Δρ ≈ +0.60%, Emb Cosine 0.985) — notably worse than the equally-sized IQ4_XS, so prefer IQ4_XS or Q5_K_M over Q4_K_M when size is comparable.
  • IQ3_M (3.76 bpw) is the only variant with a clearly measurable drop (Δρ ≈ +0.89%, Emb Cosine 0.93); use only when storage is critical.

Usage (llama.cpp GGUF)

All files here are GGUF and run with llama.cpp. Replace the model file with the quant you downloaded. Use -ngl 999 to offload layers to GPU (omit or -ngl 0 for CPU-only).

Text embedding — command line

llama-embedding \
  -m WeMM-Embedding-2B-Q5_K_M.gguf \
  -p "Represent the meaning of this sentence." \
  --pooling last

Text embedding — HTTP server

llama-server \
  -m WeMM-Embedding-2B-Q5_K_M.gguf \
  --embedding \
  -ngl 999 --host 0.0.0.0 --port 8080

Then request embeddings via the OpenAI-compatible endpoint:

curl http://localhost:8080/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"input": "Represent the meaning of this sentence.", "model": "WeMM-Embedding-2B-Q5_K_M"}'

Multimodal (image / video) — HTTP server

The visual projector (mmproj-WeMM-Embedding-2B-BF16.gguf) is required for image and video inputs:

llama-server \
  -m WeMM-Embedding-2B-Q5_K_M.gguf \
  --mmproj mmproj-WeMM-Embedding-2B-BF16.gguf \
  --embedding \
  -ngl 999 --host 0.0.0.0 --port 8080

Send image/video inside the chat content the same way as the base model (interleave image/video before text).

Notes

  • Output is a 2048-dim L2-normalized vector; matryoshka truncation (e.g. --embd-normalize + slicing) follows the base model's matryoshka_dimensions [64, 128, 256, 512, 1024, 2048].
  • Q8_0 / Q4_K_M / BF16 are mirrored from DreamBlooms/WeMM-Embedding-2B-GGUF; Q6_K / Q5_K_M / IQ4_XS / IQ3_M were produced for this repo with llama-quantize from the same BF16 master.

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
9b09022

0 моделей