/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Reranker-0.6B
Библиотека
transformers.js
Опубликована
11 мар 2026

Qwen3-Reranker-0.6B-ONNX

Генерация текстаТекст → текст6 профессий

Qwen3-Reranker-0.6B-ONNX — ONNX-конверсия модели Qwen3-Reranker-0.6B из семейства Qwen, подготовленная сообществом onnx-community для использования с Transformers.js v4.

702скачиваний за 30 дней3лайкавеса обновлены12 мар 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

Это текстовая модель ранжирования, предназначенная для оценки релевантности документов поисковому запросу и последующей сортировки результатов, например в системах веб-поиска, семантического поиска и retrieval-augmented generation.

Модель основана на архитектуре CausalLM и оценивает релевантность не как обычный классификатор, а по логитам токенов «yes» и «no» на последней позиции последовательности. Поддерживаются варианты динамического 8-битного квантования и 4-битного квантования; ONNX-граф оптимизирован слиянием операций Grouped-Query Attention. Контекстное окно составляет 32K токенов, при этом для практического использования рекомендуется ограничивать длину 8192 токенами. Модель работает с текстовыми запросами и документами; сведения о точном наборе языков и параметрах обучения в README не приведены.

К сильным сторонам относятся компактный размер около 0,6 млрд параметров, возможность запуска в браузере и локальных приложениях через Transformers.js, а также ускорение на WebGPU и поддержка WASM/CPU. К ограничениям относятся отсутствие вариантов fp32 и fp16 в данном репозитории, зависимость от совместимости ONNX Runtime Web с используемыми операциями и необходимость корректно форматировать запрос, инструкцию и документ в специальный prompt. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит6

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

Qwen3-Reranker-0.6B (ONNX)

ONNX conversion of Qwen/Qwen3-Reranker-0.6B for use with Transformers.js v4.

The model is exported with ORT graph optimization (level 2), which fuses Qwen3's grouped-query attention into com.microsoft.GroupQueryAttention ops — the contrib op Transformers.js v4 uses for accelerated inference.

Available ONNX Variants

FileFormatNotes
onnx/model_quantized.onnxint8Dynamic int8 (MatMul/Gemm only)
onnx/model_q4.onnx4-bitcom.microsoft.MatMulNBits, block_size=32

Note: fp32 and fp16 variants are not provided because this model's weights exceed the ONNX single-file size limit and require external data files (model.onnx_data), which are not supported by ONNX Runtime Web (WASM/WebGPU).

How the Reranker Works

Qwen3-Reranker is a CausalLM-based reranker — not a classifier. It scores relevance by:

  1. Formatting query + document into a structured chat prompt
  2. Running the model and reading logits for "yes" / "no" tokens at the last token position
  3. Computing score = softmax([yes_logit, no_logit])[0]

Usage (Transformers.js v4)

import { AutoTokenizer, AutoModelForCausalLM } from "@huggingface/transformers";

const MODEL_ID = "onnx-community/Qwen3-Reranker-0.6B-ONNX";

const tokenizer = await AutoTokenizer.from_pretrained(MODEL_ID);
const model = await AutoModelForCausalLM.from_pretrained(MODEL_ID, {
  dtype: "q4",       // "q8" | "q4"
  device: "webgpu",  // or "wasm" / "cpu"
});

// Token IDs for binary scoring
const TOKEN_YES = tokenizer.convert_tokens_to_ids("yes");
const TOKEN_NO  = tokenizer.convert_tokens_to_ids("no");

const SYSTEM_PROMPT =
  'Judge whether the Document meets the requirements based on the Query and the Instruct provided. ' +
  'Note that the answer can only be "yes" or "no".';

function buildPrompt(query, doc, instruction = "Given a web search query, retrieve relevant passages that answer the query") {
  return (
    `<|im_start|>system\n${SYSTEM_PROMPT}<|im_end|>\n` +
    `<|im_start|>user\n<Instruct>: ${instruction}\n\n<Query>: ${query}\n\n<Document>: ${doc}<|im_end|>\n` +
    `<|im_start|>assistant\n<think>\n\n</think>\n`
  );
}

async function scoreDocument(query, doc) {
  const prompt = buildPrompt(query, doc);
  const inputs = tokenizer(prompt, { truncation: true, max_length: 8192 });
  const output = await model(inputs);

  // Extract logits for the last generated token
  const seqLen = output.logits.dims[1];
  const vocabSize = output.logits.dims[2];
  const lastLogits = output.logits.data.slice(
    (seqLen - 1) * vocabSize,
    seqLen * vocabSize
  );

  const yesScore = Math.exp(lastLogits[TOKEN_YES]);
  const noScore  = Math.exp(lastLogits[TOKEN_NO]);
  return yesScore / (yesScore + noScore);  // normalized probability
}

async function rerank(query, documents) {
  const scores = await Promise.all(documents.map(doc => scoreDocument(query, doc)));
  return documents
    .map((doc, i) => ({ doc, score: scores[i] }))
    .sort((a, b) => b.score - a.score);
}

// Example
const results = await rerank(
  "What is the capital of France?",
  [
    "Berlin is the capital of Germany.",
    "Paris is the capital and largest city of France.",
    "France is a country in Western Europe.",
  ]
);
console.log(results);
// [
//   { doc: "Paris is the capital...", score: 0.982 },
//   { doc: "France is a country...", score: 0.341 },
//   { doc: "Berlin is the capital...", score: 0.018 },
// ]

await model.dispose();

Notes

  • Padding: left-padded (configured in tokenizer_config.json)
  • Context window: 32K tokens; recommended max_length: 8192 for practical use
  • Custom instructions: A short task description (English, 1–5 words) improves accuracy by 1–5%
  • WebGPU: Recommended for best performance in browsers with Transformers.js v4
  • q4 format: Uses com.microsoft.MatMulNBits (ORT contrib op), natively supported in v4

Original Model

See Qwen/Qwen3-Reranker-0.6B for benchmarks, training details, and full documentation.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js), для GPU-рантайма нет весов.

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
9995c50

0 моделей