/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
29 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
rubert-tiny2
Опубликована
30 ноя 2025

rubert-tiny2-vllm

ЭмбеддингиТекст → embedding9 профессий

Компактный русско-английский BERT-энкодер для получения эмбеддингов предложений и оценки их семантического сходства с оптимизацией инференса под vLLM.

168скачиваний за 30 дней0лайковвеса обновлены1 дек 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

WpythonW выпустил версию cointegrated/rubert-tiny2, адаптированную для высокопроизводительного инференса эмбеддингов через vLLM. Это компактный BERT-энкодер на 29 млн параметров с контекстом до 2048 токенов. Модель формирует эмбеддинги предложений и подходит для сравнения их семантического сходства; заявлена численная эквивалентность эмбеддингов оригинальной модели при использовании float32.

При преобразовании веса не менялись: удалены ненужные головы предобучения, а архитектура приведена к BertModel для совместимости с vLLM. Оптимизированный инференс с пакетной обработкой подходит для сервисов семантического поиска и сопоставления текстов. Для точного совпадения с оригиналом автор рекомендует использовать float32.

Модель поддерживает русский и английский языки и распространяется по лицензии MIT. Для стандартного использования через PyTorch или Transformers автор рекомендует исходную модель cointegrated/rubert-tiny2.

Сценарии применения

  • семантический поиск по русскоязычным документам
  • поиск похожих предложений
  • ранжирование текстов по смысловому сходству
  • сопоставление запросов с фрагментами документов

Ограничения

Для численного совпадения с оригиналом требуется float32; README не приводит метрик качества или сравнительных результатов для других типов данных. Это формат для vLLM, а для стандартного PyTorch/Transformers автор рекомендует исходную модель.

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

rubert-tiny2-vllm

vLLM-optimized version of cointegrated/rubert-tiny2 for high-performance embedding inference.

This model produces numerically identical embeddings to the original while enabling speedup through vLLM's optimized kernels and batching.

Modifications

  • No weight changes - uses original query/key/value weights directly
  • vLLM automatically converts Q/K/V to fused qkv_proj format during loading
  • Removed pretraining heads (MLM/NSP) - not needed for embeddings
  • Changed architecture to BertModel for vLLM compatibility

Usage

vLLM Server

# IMPORTANT: Use fp32 for exact numerical match with original model
vllm serve WpythonW/rubert-tiny2-vllm --dtype float32

OpenAI-compatible API

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8000/v1",
    api_key="dummy"
)

response = client.embeddings.create(
    input="Привет мир",
    model="WpythonW/rubert-tiny2-vllm"
)
print(response.data[0].embedding[:5])

Transformers

import torch
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("WpythonW/rubert-tiny2-vllm")
model = AutoModel.from_pretrained("WpythonW/rubert-tiny2-vllm")

def embed_bert_cls(text, model, tokenizer):
    t = tokenizer(text, padding=True, truncation=True, return_tensors='pt')
    with torch.no_grad():
        model_output = model(**{k: v.to(model.device) for k, v in t.items()})
    embeddings = model_output.last_hidden_state[:, 0, :]
    embeddings = torch.nn.functional.normalize(embeddings)
    return embeddings[0].cpu().numpy()

print(embed_bert_cls('привет мир', model, tokenizer).shape)
# (312,)

Sentence Transformers

from sentence_transformers import SentenceTransformer

model = SentenceTransformer('WpythonW/rubert-tiny2-vllm')
sentences = ["привет мир", "hello world", "здравствуй вселенная"]
embeddings = model.encode(sentences)
print(embeddings.shape)

Validation Results

Comparison between vLLM and SentenceTransformers on identical inputs:

Max embedding difference: 3.375e-7
Mean embedding difference: 1.136e-7
Cosine similarity matrices: Identical (np.allclose with default tolerances)

This confirms bit-level equivalence within float32 precision limits.

Conversion

Full conversion notebook with validation: Google Colab

Conversion process:

  1. Load original cointegrated/rubert-tiny2 weights
  2. Remove bert. prefix from weight names
  3. Remove unused heads (cls., bert.pooler.)
  4. Keep query/key/value weights as-is (vLLM handles fusion automatically)

Tested on Google Colab Tesla T4 with:

  • vLLM 0.11.2
  • Transformers 4.57.2
  • PyTorch 2.9.0+cu126

Original Model

For standard PyTorch/Transformers usage, see the original model: cointegrated/rubert-tiny2

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
8cff888

0 моделей