/ Модель

Характеристики

Контекст
262 144 токена
Параметры
6,7 млрд
Лицензия
Apache 2.0
Архитектура
apertus · dense
Базовая модель
apertus-v1.5-swiss-embed-4.9b-bidir
Библиотека
sentence-transformers
Опубликована
21 авг 2026

apertus-v1.5-swiss-embed-4.9b-bidir-langmoe

ЭмбеддингиТекст → embedding8 профессий

Экспериментальная модель эмбеддингов Apertus с разрежанной проекцией экспертов для семантического и межъязыкового поиска, ориентированного на языки Швейцарии.

34скачиваний за 30 дней2лайкавеса обновлены24 авг 2026

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

Модель andreasmartin/apertus-v1.5-swiss-embed-4.9b-bidir-langmoe — экспериментальная модель эмбеддингов Sentence Transformers от автора репозитория, созданная адаптацией двунаправленной модели Apertus. В ней финальная плотная проекция заменена разрежанным слоем SparseMixtureOfExperts с семью экспертами и маршрутизацией Top-2; языковые метки экспертов описывают эксперимент, но сам слой не содержит языковой логики. Всего модель имеет около 4,93 млрд параметров, а в Sentence Transformers использует модули Transformer, Pooling, новую проекцию и Normalize.

Модель предназначена для построения эмбеддингов предложений, семантического и межъязыкового поиска, особенно для немецкого, английского, французского, итальянского и швейцарских языковых вариантов. Она обучена на 31 483 триплетах из Wikipedia и швейцарских наборов данных; README приводит внутренние диагностические результаты, а не внешние бенчмарки. Базовые представления замораживались и кэшировались при обучении, а голова MoE обучалась на последовательностях до 512 токенов. Несмотря на контекст базовой модели в 262 144 токена, качество MoE за пределами обучавшего контекста отдельно не проверено; README также указывает на необходимость trust_remote_code=True до регистрации модуля в Sentence Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • семантический поиск по немецким, английским, французским и итальянским текстам
  • межъязыковой поиск между языками Швейцарии
  • поиск по документам государственных органов Швейцарии
  • ранжирование предложений и текстовых фрагментов по смысловой близости

Ограничения

Внешние бенчмарки MTEB, MMTEB и MIRACL не представлены; опубликованы только внутренние диагностические результаты. Голова MoE обучалась на контексте до 512 токенов, поэтому качество на более длинном контексте не проверено; для загрузки может потребоваться trust_remote_code=True.

Для каких профессий подходит8

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

apertus-v1.5-swiss-embed-4.9b-bidir-langmoe

A Sentence Transformers retrieval model adapted from andreasmartin/apertus-v1.5-swiss-embed-4.9b-bidir by replacing the parent's final dense embedding projection with a learned sentence-level SparseMixtureOfExperts projection.

Architecture

existing Sentence Transformers embedding parent
    ↓
all modules before the parent's final Dense
    ↓
SparseMixtureOfExperts
    ├── learned linear router
    ├── softmax
    ├── Top-2
    └── weighted selected expert projections
    ↓
parent Normalize

This Swiss experiment uses 7 experts labelled ['de', 'en', 'fr', 'it', 'rm', 'gsw', 'shared']. The labels are experimental metadata; the MoE module itself contains no language-specific logic.

No router temperature is used.

PropertyValue
Total parameters4,929,328,175 (4.929B)
Active parameters / sentence4,908,356,655
Sparse MoE head parameters29,388,807
Active head parameters / sentence8,417,287
Router parameters28,679
Parameters / expert4,194,304
Experts7
Active experts / sentence2
Native embedding dimension1024
Matryoshka dimensions[1024, 768, 512, 256]
MoE training max length512 tokens
Inference max length1024 tokens
Sparse/reference max abs diff1.907e-06

Sentence Transformers usage

SparseMixtureOfExperts is currently exported as a repository-local candidate module. Until an equivalent module is registered upstream in Sentence Transformers, loading this experimental artifact requires trust_remote_code=True:

from sentence_transformers import SentenceTransformer

model = SentenceTransformer(
    "andreasmartin/apertus-v1.5-swiss-embed-4.9b-bidir-langmoe",
    trust_remote_code=True,
)

queries = model.encode_query([
    "Welche Aufgaben hat der Bundesrat?"
])

documents = model.encode_document([
    "Le Conseil fédéral est l'autorité exécutive suprême de la Confédération suisse.",
    "Der Nationalrat ist die grosse Kammer der Bundesversammlung.",
])

scores = model.similarity(queries, documents)
print(scores)

If SparseMixtureOfExperts becomes a registered Sentence Transformers module, the same conceptual architecture can be serialized without repository-local Python code and loaded without trust_remote_code=True.

Parent adaptation

PropertyValue
Existing embedding parentandreasmartin/apertus-v1.5-swiss-embed-4.9b-bidir
Parent revision38e8ef280c560d9c871d20e38ebd9e353e2500f0
Parent modules['Transformer', 'Pooling', 'Dense', 'Normalize']
Replaced modulefinal Dense projection
Preserved output normalizationyes

The parent was already an embedding model. This notebook does not create or modify a native backbone-level MoE LLM.

Training

The parent modules before the final Dense projection were frozen and their sentence representations cached. The original Dense projection initialized every expert, so the model starts from the parent's embedding transformation before experts specialize.

The retrieval objective is combined with:

  • optional weak router supervision from the declared language labels;
  • a load-balancing regularizer.

The declared language is not required at inference. Routing is computed from the sentence representation itself.

Training data:

eljuanina/VotingBooklets-Diamond-v1 is held-out evaluation-only.

Actual training set: 31,483 triplets.

See training_metadata.json for the exact training configuration, router_diagnostics.json for held-out routing counts, and data_manifest.json for immutable dataset revisions and processed-file hashes.

Internal retrieval diagnostics

These metrics are internal development diagnostics, not MTEB/MMTEB benchmark claims.

DiagnosticDimAccuracy@1Recall@10nDCG@10MRR@10
Swiss monolingual102487.29%95.00%0.91090.8984
Swiss monolingual51287.29%95.00%0.91090.8985
Swiss cross-lingual102433.75%99.38%0.71400.6183
Swiss cross-lingual51233.33%99.58%0.71210.6152

Monolingual evaluation queries: 480
Cross-lingual evaluation queries: 480

Router diagnostics

Recorded shared-expert Top-k selections in the held-out diagnostic: 15.

Limitations

  • The adapter currently targets existing Sentence Transformers parents ending in Dense -> Normalize.
  • Sparse routing occurs only at sentence-embedding projection level.
  • Language labels are weak supervision for this experiment, not an architectural requirement.
  • External MTEB/MMTEB/MIRACL and Swiss/domain-specific evaluation is required for comparative claims.
  • The MoE head was trained on cached representations up to 512 tokens. The packaged parent retains 1024-token inference capability, but quality beyond the MoE training context length has not yet been separately validated.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
ApertusModel
Ревизия весов
5e919f0

0 моделей