/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
MIT
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Embedding-0.6B
Библиотека
adapter-transformers
Опубликована
14 ноя 2025

Jasper-Token-Compression-600M

Сходство предложенийТекст → score

Двуязычная модель на базе Qwen3 для текстовых эмбеддингов и семантического поиска с динамическим сжатием токенов.

0скачиваний за 30 дней39лайковвеса обновлены19 ноя 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 оценки46

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MMarcoReranking

    main_score

    Результат

    0,3524

    MTEB

    Публичная таблицадругая ревизия

  • WisesightSentimentClassification.v2

    main_score

    Результат

    0,3093

    MTEB

    Публичная таблицадругая ревизия

  • TNews

    main_score

    Результат

    0,5704

    MTEB

    Публичная таблицадругая ревизия

  • MTOPDomainClassification

    main_score

    Результат

    0,9897

    Общий результат 0,861
    MTEB

    Публичная таблицадругая ревизия

  • CMedQAv2-reranking

    main_score

    Результат

    0,8859

    MTEB

    Публичная таблицадругая ревизия

  • STS12

    main_score

    Результат

    0,8607

    MTEB

    Публичная таблицадругая ревизия

  • AskUbuntuDupQuestions

    main_score

    Результат

    0,6844

    MTEB

    Публичная таблицадругая ревизия

  • ThuNewsClusteringS2S

    main_score

    Результат

    0,8407

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLRetrievalHardNegatives.v2

    main_score

    Результат

    0,7159

    MTEB

    Публичная таблицадругая ревизия

  • STS14

    main_score

    Результат

    0,8963

    MTEB

    Публичная таблицадругая ревизия

  • TwitterURLCorpus

    main_score

    Результат

    0,8891

    MTEB

    Публичная таблицадругая ревизия

  • MassiveScenarioClassification

    main_score

    Результат

    0,6965

    MTEB

    Публичная таблицадругая ревизия

  • TweetSentimentExtractionClassification

    main_score

    Результат

    0,7857

    MTEB

    Публичная таблицадругая ревизия

  • NTREXBitextMining

    main_score

    Результат

    0,0092

    Общий результат 0,852Общий результат 0,3802Общий результат 0,2
    MTEB

    Публичная таблицадругая ревизия

  • WebFAQBitextMiningQAs

    main_score

    Результат

    0,9738

    MTEB

    Публичная таблицадругая ревизия

  • AFQMC

    main_score

    Результат

    0,5607

    MTEB

    Публичная таблицадругая ревизия

  • FloresBitextMining

    Среднее по поднаборам

    Результат

    0,5576

    MTEB

    Расчёт каталогадругая ревизия

  • T2Reranking

    main_score

    Результат

    0,6754

    MTEB

    Публичная таблицадругая ревизия

  • HotpotQAHardNegatives

    main_score

    Результат

    0,7667

    MTEB

    Публичная таблицадругая ревизия

  • MedrxivClusteringS2S.v2

    main_score

    Результат

    0,4623

    MTEB

    Публичная таблицадругая ревизия

  • Waimai

    main_score

    Результат

    0,9005

    MTEB

    Публичная таблицадругая ревизия

  • ToxicConversationsClassification

    main_score

    Результат

    0,9106

    MTEB

    Публичная таблицадругая ревизия

  • CmedqaRetrieval

    main_score

    Результат

    0,4754

    MTEB

    Публичная таблицадругая ревизия

  • LegalQuAD

    main_score

    Результат

    0,3428

    MTEB

    Публичная таблицадругая ревизия

  • PAWSX

    main_score

    Результат

    0,4817

    MTEB

    Публичная таблицадругая ревизия

  • CMedQAv1-reranking

    main_score

    Результат

    0,8844

    MTEB

    Публичная таблицадругая ревизия

  • LegalSummarization

    main_score

    Результат

    0,6538

    MTEB

    Публичная таблицадругая ревизия

  • STS15

    main_score

    Результат

    0,9347

    MTEB

    Публичная таблицадругая ревизия

  • ClimateFEVERHardNegatives

    main_score

    Результат

    0,4603

    MTEB

    Публичная таблицадругая ревизия

  • LanguageClassification

    main_score

    Результат

    0,8978

    MTEB

    Публичная таблицадругая ревизия

  • OnlineShopping

    main_score

    Результат

    0,9456

    MTEB

    Публичная таблицадругая ревизия

  • STS17

    main_score

    Результат

    0,9342

    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackGamingRetrieval

    main_score

    Результат

    0,7085

    MTEB

    Публичная таблицадругая ревизия

  • SIB200ClusteringS2S

    main_score

    Результат

    0,3782

    MTEB

    Публичная таблицадругая ревизия

  • STSBenchmark

    main_score

    Результат

    0,9289

    MTEB

    Публичная таблицадругая ревизия

  • LegalBenchConsumerContractsQA

    main_score

    Результат

    0,8232

    MTEB

    Публичная таблицадругая ревизия

  • WebFAQBitextMiningQuestions

    main_score

    Результат

    0,9264

    MTEB

    Публичная таблицадругая ревизия

  • BQ

    main_score

    Результат

    0,7264

    MTEB

    Публичная таблицадругая ревизия

  • MultiLongDocRetrieval

    main_score

    Результат

    0,1834

    MTEB

    Публичная таблицадругая ревизия

  • AILACasedocs

    main_score

    Результат

    0,3627

    MTEB

    Публичная таблицадругая ревизия

  • Ocnli

    main_score

    Результат

    0,83

    MTEB

    Публичная таблицадругая ревизия

  • MultilingualSentiment

    main_score

    Результат

    0,8123

    MTEB

    Публичная таблицадругая ревизия

  • BibleNLPBitextMining

    main_score

    Результат

    0,4719

    MTEB

    Публичная таблицадругая ревизия

  • MKQARetrieval

    main_score

    Результат

    0,0546

    MTEB

    Публичная таблицадругая ревизия

  • StackExchangeClusteringP2P.v2

    main_score

    Результат

    0,5354

    MTEB

    Публичная таблицадругая ревизия

  • SICK-R

    main_score

    Результат

    0,853

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Jasper-Token-Compression-600M — двуязычная модель для создания текстовых эмбеддингов и семантического поиска из серии Jasper; разработчик в карточке описывает её как первую в серии с динамическим сжатием токенов. Модель содержит 507,6 млн параметров, основана на Qwen3-Embedding-0.6B и дообучена с помощью дистилляции векторов и контрастивного обучения. В README описан простой модуль сжатия: после слоя эмбеддингов применяется MLP, затем длина последовательности динамически сокращается адаптивным усреднением токенов. Для длинного текста заявлено сжатие до одной трети исходной длины, а также возможность сжатия примерно в 10 раз при сохранении качества.

Модель предназначена для поиска по смыслу и извлечения релевантных текстов на китайском и английском языках. Максимальный контекст по метаданным — 32 768 токенов, однако обучение дистилляции охватывало тексты длиной до 1 024 токенов. Автор отмечает, что качество извлечения уступает основным моделям и может снижаться на более длинных текстах; модуль сжатия пока реализован простым способом. Лицензия — MIT.

Сценарии применения

  • семантический поиск по китайским и английским текстам
  • извлечение релевантных документов по запросу
  • создание сжатых представлений длинных текстов для поиска
  • поиск по текстовым коллекциям с ограничением на объём токенов

Ограничения

Автор сообщает о заметном отставании качества поиска от основных моделей и ожидаемом ухудшении на текстах длиннее 1 024 токенов, поскольку дистилляция проводилась на текстах не длиннее этого порога. Механизм сжатия токенов описан как простая экспериментальная реализация.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Jasper-Token-Compression-600M

Introduction

Inspired by Deepseek-OCR, this is the first vector model in the Jasper and Stella series to use dynamic text token compression. Through the combination of vector distillation and contrastive learning, our model can compress text by 10x while still achieving excellent performance!

Original training codes: https://github.com/DunZhang/Jasper-Token-Compression-Training

Report: https://arxiv.org/abs/2511.14405

Wechat: zhdunt

X: https://x.com/dunn_zhang

Features

  • ⭐⭐⭐ Supports bilingual (Chinese and English)
  • ⭐⭐⭐⭐⭐⭐ Dynamic token compression - tested to achieve excellent results even when compressing text to 0.33x of original length
  • ⭐⭐⭐ Combines vector distillation with contrastive learning to further improve performance on retrieval tasks
  • ⭐⭐ 12 million unsupervised data distillation
  • ⭐⭐ 0.6B parameter size

Technical Details

Dynamic Text Token Compression

My implementation is very simple: After text passes through the word_embedding layer, it immediately goes through a Qwen3MLP (approximately 3 fully connected layers), then I calculate the compressed length, and finally use adaptive_avg_pool1d to compress tokens to that length.

The compression length calculation logic is as follows:

real_length = 1000  # Actual token count of the text
length_threshold = 80  # Compress only if exceeding this threshold
compression_ratio = 0.333
if real_length <= length_threshold:
    # No compression
    pass
else:
    target_length = int(length_threshold + (real_length - length_threshold) * compression_ratio)

For implementation details, please refer to the modeling_qwen3_jasper.py file in this directory.

Vector Distillation + Contrastive Learning

First, we compute teacher vectors for texts in the contrastive learning training set, then use the following three losses during training:

  1. Cosine loss: Standard vector distillation loss
  2. InfoNCE (hard loss): Standard contrastive learning loss function
  3. KL divergence (soft loss): KL divergence between student score matrix and teacher score matrix. The score matrix is the scores between query and all documents(i.e. positive doc, hard negative docs, other in-batch docs).

Evaluation

My prompt strategy and specific content are consistent with the QZhou model. Please refer to their evaluation script: https://github.com/Kingsoft-LLM/QZhou-Embedding

Usage

import torch
from sentence_transformers import SentenceTransformer

if __name__ == "__main__":
    model_name_or_path = "infgrad/Jasper-Token-Compression-600M"
    model = SentenceTransformer(
        model_name_or_path,
        model_kwargs={
            "torch_dtype": torch.bfloat16,
            "attn_implementation": "sdpa",  # We support flash_attention_2; sdpa; eager
            "trust_remote_code": True
        },
        trust_remote_code=True,
        tokenizer_kwargs={"padding_side": "left"},
        device="cpu",
    )

    queries = [
        "What is photosynthesis?",
        "Who invented the telephone?",
    ]
    documents = [
        "Photosynthesis is the process by which green plants use sunlight, carbon dioxide, and water to produce glucose and oxygen",
        "Alexander Graham Bell is credited with inventing the first practical telephone in 1876, receiving US patent number 174,465 for his device."
    ]
    # The smaller the compression_ratio parameter, the faster the speed, but the quality will correspondingly decrease.
    # Based on our parameter settings during training and test results, we recommend a range between 0.3-0.8.
    query_embeddings = model.encode(queries, prompt_name="query", normalize_embeddings=True, compression_ratio=0.3333)
    document_embeddings = model.encode(documents, normalize_embeddings=True, compression_ratio=0.3333)

    similarity = model.similarity(query_embeddings, document_embeddings)
    print(similarity)

Limitations and TODO

Retrieval performance

I found that distilled models struggle to approach the retrieval performance of teacher models, which is why I specifically used contrastive learning + distillation learning to enhance the student model. However, I found that while the enhanced model showed improvement on retrieval test sets, there is still a significant gap compared to mainstream models. Therefore, I believe that how to improve the retrieval performance of distilled models is a very necessary and valuable research direction.

More reasonable text token compression modules

There is limited research on text token compression currently, and I have only tried the simplest approach. I believe more reasonable text compression modules can definitely be found.

Text length

I only distilled texts up to 1024 tokens in length, so there should be performance degradation when text length exceeds 1024.

Citation

If you find our work worth citing, please use the following citation.


@misc{zhang2025jasperstelladistillationsota,
      title={Jasper and Stella: distillation of SOTA embedding models}, 
      author={Dun Zhang and Jiacheng Li and Ziyang Zeng and Fulong Wang},
      year={2025},
      eprint={2412.19048},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2412.19048}, 
}

@misc{zhang2025jaspertokencompression600mtechnicalreport,
      title={Jasper-Token-Compression-600M Technical Report}, 
      author={Dun Zhang and Ziyang Zeng and Yudong Zhou and Shuyang Lu},
      year={2025},
      eprint={2511.14405},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2511.14405}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · adapter-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
JasperV2Encoder
Ревизия весов
e137306

0 моделей