/ 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-mxfp8

ЭмбеддингиТекст → embedding8 профессий

Квантованный вариант LFM2.5-ColBERT-350M для многоязычного семантического поиска и ранжирования документов на Apple Silicon.

20скачиваний 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

Sahil Chachra подготовил 8-битную квантованную версию mxfp8 модели LiquidAI/LFM2.5-ColBERT-350M для запуска на компьютерах Apple Silicon через MLX. Это двунаправленный энкодер семейства LFM2.5 с поздним взаимодействием ColBERT: он строит 128-мерные векторы для каждого токена, а релевантность оценивается методом MaxSim. Модель предназначена для многоязычного семантического поиска и ранжирования документов; при кодировании запросов и документов нужны маркеры `[Q] ` и `[D] ` соответственно.

В README приведён тест на подмножестве английского NanoBEIR: среднее сохранение NDCG@10 относительно fp16 указано как 99,2%. Веса занимают 365 МБ; пропускная способность кодирования в приведённом тесте на устройстве M-series составляет 12 254 токена в секунду. Метаданные указывают 443,4 млн параметров и контекст до 128 000 токенов. Лицензия обозначена как `other`; условия её использования следует сверить с карточкой модели и базовой моделью.

Сценарии применения

  • поиск документов по смыслу на разных языках
  • ранжирование найденных документов относительно запроса
  • построение токеновых векторов для поискового индекса
  • локальный поиск по корпусу документов на компьютере Apple Silicon

Ограничения

Для корректного кодирования необходимо использовать маркеры `[Q] ` и `[D] ` и загрузчик для двунаправленных энкодеров; обычные причинные загрузчики LFM2 дают неверные векторы. Приведённые результаты качества относятся к небольшому английскому подмножеству NanoBEIR и не подтверждают качество на всём наборе многоязычных задач.

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-mxfp8 (MLX, mxfp8)

MLX mxfp8 (group_size=32, 8-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: 365 MB (mxfp8 (group_size=32, 8-bit))
  • Encode throughput: 12254 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 (mxfp8)Recall@10 (fp16)Recall@10 (mxfp8)
NanoNQ0.78610.76430.85000.8300
NanoFiQA20180.59680.61110.66640.6704
NanoSciFact0.79480.79970.91000.9100
NanoNFCorpus0.39980.38230.16080.1559
Mean0.64440.63940.64680.6416

Mean NDCG@10 retention vs fp16: 99.2% (fp16 0.6444 → mxfp8 0.6394). 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
8a6ff77

0 моделей