/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
443 млн
Лицензия
Своя лицензия
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-ColBERT-350M
Опубликована
18 июн 2026

LFM2.5-ColBERT-350M-int4

ЭмбеддингиТекст → embedding8 профессий

Квантованная 4-битная MLX-модель ColBERT для многоязычного поиска и ранжирования документов на Apple Silicon.

21скачиваний за 30 дней0лайковвеса обновлены18 июн 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

LFM2.5-ColBERT-350M-int4 — 4-битная квантованная версия многоязычной двунаправленной модели ColBERT от Liquid AI, подготовленная в формате MLX для Apple Silicon. Модель формирует 128-мерные векторы для каждого токена, а документы и запросы сопоставляет методом позднего взаимодействия MaxSim; для кодирования нужны маркеры [Q] и [D]. В метаданных указано 443,4 млн параметров и контекст до 128 000 токенов.

Модель предназначена для многоязычного поиска документов и ранжирования результатов. README приводит замеры на ограниченной выборке англоязычного NanoBEIR: квантованная версия сохранила в среднем 99,4% NDCG@10 относительно fp16 на использованных наборах. Для корректного получения векторов нужен специализированный загрузчик из репозитория: обычные причинные загрузчики LFM2 дают неверные эмбеддинги. Репозиторий создан на основе LiquidAI/LFM2.5-ColBERT-350M и лицензирован как other; конкретные условия следует сверять с карточкой базовой модели и файлами лицензии.

Сценарии применения

  • семантический поиск документов по запросу
  • ранжирование найденных документов по релевантности
  • построение мультиязычного поискового индекса
  • поиск по коллекциям документов на Apple Silicon

Ограничения

Для получения корректных векторов требуется специализированный загрузчик из репозитория и маркеры [Q] и [D]. Приведённые показатели качества относятся к небольшой выборке англоязычного NanoBEIR и не описывают полный многоязычный тест.

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

LFM2.5-ColBERT-350M-int4 (MLX, affine)

MLX affine (group_size=64, 4-bit) quantization of LiquidAI/LFM2.5-ColBERT-350M, a bidirectional LFM2.5 late-interaction (128-d per-token, MaxSim) for multilingual retrieval. Runs on Apple Silicon via MLX.

  • Weights: 199 MB (affine (group_size=64, 4-bit))
  • Encode throughput: 13242 tokens/sec (M-series, this benchmark)
  • Pooling / scoring: per-token Dense(1024→128), MaxSim late interaction
  • Prompts: [Q] / [D] markers (required — trained with them)

Retrieval quality — English NanoBEIR (4 datasets, 50 queries each)

DatasetNDCG@10 (fp16)NDCG@10 (int4)Recall@10 (fp16)Recall@10 (int4)
NanoNQ0.78610.77230.85000.8500
NanoFiQA20180.59680.59800.66640.6704
NanoSciFact0.79480.80670.91000.9100
NanoNFCorpus0.39980.38490.16080.1569
Mean0.64440.64050.64680.6468

Mean NDCG@10 retention vs fp16: 99.4% (fp16 0.6444 → int4 0.6405). fp16 baseline encode: 13149 tok/s.

Benchmarked on a fixed 4-dataset English NanoBEIR subset to measure the quantization quality delta vs fp16 (not the full multilingual suite — see the base model card for published numbers).

Usage (MLX)

# pip install mlx mlx-lm transformers
# This repo bundles `mlx_lfm2_encoder.py` — the bidirectional LFM2 encoder
# (CLS pooling / ColBERT MaxSim) that the stock causal LFM2 loaders do NOT provide.
import mlx.core as mx
from transformers import AutoTokenizer
from mlx_lfm2_encoder import load_model

tok = AutoTokenizer.from_pretrained(".", trust_remote_code=True)
model, _ = load_model(".", head="colbert")     # head: "embedding" or "colbert"

# ColBERT late interaction: per-token 128-d vectors + MaxSim
import numpy as np
def encode(texts, prefix):
    enc = tok([prefix + t for t in texts], return_tensors="np", padding=True,
              truncation=True, max_length=512)
    out = model(mx.array(enc["input_ids"]), mx.array(enc["attention_mask"]))
    mx.eval(out); arr = np.array(out.astype(mx.float32))
    mask = enc["attention_mask"].astype(bool)
    return [arr[i][mask[i]] for i in range(arr.shape[0])]  # list of (Li, 128)

q = encode(["who wrote hamlet"], "[Q] ")[0]
d = encode(["Hamlet is a tragedy written by William Shakespeare ..."], "[D] ")[0]
maxsim = (q @ d.T).max(axis=1).sum()  # late-interaction score

Why a bundled loader?

These are bidirectional encoders (non-causal attention + non-causal short-conv + per-token MaxSim). General-purpose causal LFM2 loaders produce wrong embeddings here, so this repo ships mlx_lfm2_encoder.py (validated to cosine ≥ 0.999 against the original transformers model). For the broader MLX embedding ecosystem see mlx-embeddings.

License

Inherits the LFM Open License v1.0 (lfm1.0) from the base model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Lfm2BidirectionalModel
Ревизия весов
285cd66

0 моделей