/ Модель

Характеристики

Контекст
8 194 токена
Параметры
453 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
bge-m3
Библиотека
sentence-transformers
Опубликована
19 фев 2025

arabic-english-bge-m3

ЭмбеддингиТекст → embedding9 профессий

sayed0am/arabic-english-bge-m3 — модель для семантического сходства и поиска по фрагментам текста, разработанная автором репозитория sayed0am на основе BAAI/bge-m3.

1 358скачиваний за 30 дней9лайковвеса обновлены25 окт 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 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

Она предназначена прежде всего для задач на арабском языке, включая sentence similarity, passage retrieval и построение арабских RAG-систем. В метаданных также указаны арабский и английский языки.

Модель представляет собой обрезанную версию BAAI/bge-m3 и примерно на 36,2% меньше исходной, что снижает требования к памяти. Для неё доступна ONNX-квантизованная версия размером около 363 МБ — примерно на 75% меньше обрезанной модели — с заявленным сохранением около 98% качества исходной. Модель поддерживает использование через Transformers, sentence-transformers и ONNX Runtime; размер контекста и точная архитектура в README не указаны.

Согласно README, модель заняла третье место в общем рейтинге и первое среди open source-моделей на The-Arabic-Rag-Leaderboard. Основное ограничение связано с сокращением словаря: токены, редко используемые в арабском языке, были удалены, поэтому модель может работать хуже с другими языками исходной мультиязычной BGE-M3. Модель распространяется по лицензии MIT.

Для каких профессий подходит9

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

🇸🇦 arabic-english-bge-m3

This model is a 36.2% smaller version of BAAI/bge-m3 for the Arabic language.

RANKED #3 in general and #1 Open source @ The-Arabic-Rag-Leaderboard

The ONNX quantized version is around 75% smaller (363 MB) than the pruned model, while retaining approximately 98% of the original model's quality.

This pruned model should perform similarly to the original model for Arabic language tasks with a much smaller memory footprint. However, it may not perform well for other languages present in the original multilingual model as tokens not commonly used in Arabic were removed from the original multilingual model's vocabulary.

Usage

You can use this model with the Transformers library:

from transformers import AutoModel, AutoTokenizer

model_name = "sayed0am/arabic-english-bge-m3"
model = AutoModel.from_pretrained(model_name, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True, use_fast=True)

Or with the sentence-transformers library:

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("sayed0am/arabic-english-bge-m3")

Using it with OpenAI embedding endpoint using infinity

#!/bin/bash

port=8000
model=sayed0am/arabic-english-bge-m3
volume=$PWD/data

docker run -it \
  -v $volume:/app/.cache \
  -p $port:$port \
  michaelf34/infinity:latest-cpu \
  v2 \
  --engine optimum \
  --model-id $model \
  --port $port \
  --url-prefix v1 \
  --api-key sk-123

Using ONNX

# pip install huggingface-hub
 
from huggingface_hub import snapshot_download

snapshot_download(repo_id="sayed0am/arabic-english-bge-m3",local_dir="arabic-english-bge-m3")
from optimum.onnxruntime import ORTModelForFeatureExtraction
from transformers import AutoTokenizer
import torch

# Make sure that you download the model weights locally to `bge-m3-onnx`
model = ORTModelForFeatureExtraction.from_pretrained("arabic-english-bge-m3", subfolder="onnx", provider="CUDAExecutionProvider") # omit provider for CPU usage.
tokenizer = AutoTokenizer.from_pretrained("arabic-english-bge-m3")
sentences = [
    "English: The quick brown fox jumps over the lazy dog.",
    "Arabic: الثعلب البني السريع يقفز فوق الكلب الكسول."
]
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt').to("cuda") # For CPU remove .to("cuda")

# Get the embeddings
out=model(**encoded_input,return_dict=True).last_hidden_state

# normalize the embeddings
dense_vecs = torch.nn.functional.normalize(out[:, 0], dim=-1)

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
XLMRobertaModel
Ревизия весов
8ea3c0c

0 моделей