Характеристики

Контекст: 32 768 токенов
Параметры: 508 млн
Архитектура: qwen3 · dense
Базовая модель: Qwen3-Embedding-0.6B
Библиотека: sentence-transformers
Опубликована: 7 окт 2026

Ссылки

qwen3-emb-0.6b-reasonir-n2506-ckpt375

ЭмбеддингиТекст → embedding

Дообученная многоязычная модель Qwen3 для получения текстовых эмбеддингов и семантического поиска по запросам и документам.

101скачиваний за 30 дней0лайковвеса обновлены7 окт 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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 canho/qwen3-emb-0.6b-reasonir-n2506-ckpt375 — дообученная авторами репозитория canho модель текстовых эмбеддингов на базе Qwen/Qwen3-Embedding-0.6B. Это плотная архитектура Qwen3 с 507,6 млн параметров; модель рассчитана на создание векторных представлений запросов и документов для оценки семантического сходства и поиска. В обучении использованы ms-swift и функция потерь InfoNCE; опубликован чекпойнт после 375 шагов, выбранный по последнему шагу обучения, хотя наилучшая оценка на отложенной выборке была у чекпойнта на шаге 180.

Модель обучалась на 2 506 примерах из reasonir-data, включая высококачественные и VL-данные, с синтетическими сложными негативными примерами. Для запросов применяется префикс «Query:», документы подаются без префикса. Контекст — до 32 768 токенов. В карточке указан формат safetensors и библиотека Sentence Transformers; лицензия модели отдельно не указана, а данные обучения распространяются по CC-BY-NC-4.0.

Сценарии применения

семантический поиск по коллекции документов
ранжирование документов по релевантности запросу
поиск ответов в базе знаний
сравнение смыслового сходства текстов

Ограничения

Чекпойнт выбран после шага 375, однако наилучшая оценка на отложенной выборке была у чекпойнта шага 180. Данные обучения имеют лицензию CC-BY-NC-4.0; лицензия весов в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

canho/qwen3-emb-0.6b-reasonir-n2506-ckpt375

Qwen/Qwen3-Embedding-0.6B full fine-tuned with ms-swift InfoNCE, checkpoint at step 375 of 375 (epoch 5.00; best eval-loss checkpoint of the run so far: checkpoint-180).

Training data: reasonir/reasonir-data hq + vl pooled, 2,506 rows sampled with seed 42 (695 hq + 1,811 vl; 1 positive + 1 synthetic hard negative; hq positives filled from xlangai/BRIGHT documents, so hq overlaps the BRIGHT corpus). Data license cc-by-nc-4.0
Recipe: Qwen3-Embedding SWIFT.md (swift sft --task_type embedding --loss_type infonce), lr 6e-6 (cosine), 5 epochs, 2 GPUs x per-device 4 x grad-acc 4 = 32 queries/step, in-batch negatives across the 8 queries of a micro-batch, temperature 0.1, DeepSpeed ZeRO-3, bf16, 5% held out for eval, checkpoint every 20 steps, seed 42.
Query prompt (set in config_sentence_transformers.json, prepended to every query): 'Query:'; documents without a prompt.

from sentence_transformers import SentenceTransformer
m = SentenceTransformer("canho/qwen3-emb-0.6b-reasonir-n2506-ckpt375", processor_kwargs={"padding_side": "left"})
q = m.encode(["..."], prompt_name="query"); d = m.encode(["..."])

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: Qwen3ForCausalLM
Ревизия весов: 192a3ed