/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,2 млрд
Архитектура
llama · dense
Базовая модель
sarashina2.2-1b
Опубликована
30 июл 2025

sarashina-embedding-v2-1b

ЭмбеддингиТекст → embedding9 профессий

Японская модель SB Intuitions преобразует тексты в векторы для семантического поиска, сравнения, ранжирования и кластеризации.

2 066скачиваний за 30 дней27лайковвеса обновлены21 авг 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 оценки28

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

  • AmazonCounterfactualClassification

    main_score

    Результат

    0,7474

    Общий результат 0,7539
    MTEB

    Публичная таблицаревизия совпадает

  • JaCWIRRetrieval

    main_score

    Результат

    0,8552

    MTEB

    Публичная таблицаревизия совпадает

  • SIB200Classification

    main_score

    Результат

    0,7966

    Общий результат 0,7882Общий результат 0,7798
    MTEB

    Публичная таблицаревизия совпадает

  • JapaneseSentimentClassification

    main_score

    Результат

    0,9473

    MTEB

    Публичная таблицаревизия совпадает

  • JSTS

    main_score

    Результат

    0,8588

    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalAbsIntroRetrieval.V2

    main_score

    Результат

    0,9954

    MTEB

    Публичная таблицаревизия совпадает

  • SIB200ClusteringS2S

    main_score

    Результат

    0,5126

    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalTitleAbsRetrieval.V2

    main_score

    Результат

    0,9804

    MTEB

    Публичная таблицаревизия совпадает

  • JaqketRetrieval

    main_score

    Результат

    0,7371

    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLReranking

    main_score

    Результат

    0,6429

    MTEB

    Публичная таблицаревизия совпадает

  • MrTidyRetrieval

    main_score

    Результат

    0,5916

    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalTitleIntroRetrieval.V2

    main_score

    Результат

    0,9782

    MTEB

    Публичная таблицаревизия совпадает

  • AmazonReviewsClassification

    main_score

    Результат

    0,4793

    Общий результат 0,481
    MTEB

    Публичная таблицаревизия совпадает

  • JaGovFaqsRetrieval

    main_score

    Результат

    0,7561

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,8071

    Общий результат 0,8056
    MTEB

    Публичная таблицаревизия совпадает

  • MewsC16JaClustering

    main_score

    Результат

    0,5305

    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLRetrieval

    main_score

    Результат

    0,6552

    MTEB

    Публичная таблицаревизия совпадает

  • JaCWIRReranking

    main_score

    Результат

    0,8634

    MTEB

    Публичная таблицаревизия совпадает

  • WRIMEClassification

    main_score

    Результат

    0,3277

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveIntentClassification

    main_score

    Результат

    0,7671

    Общий результат 0,7726
    MTEB

    Публичная таблицаревизия совпадает

  • LivedoorNewsClustering.v2

    main_score

    Результат

    0,5525

    MTEB

    Публичная таблицаревизия совпадает

  • JQaRAReranking

    main_score

    Результат

    0,6423

    MTEB

    Публичная таблицаревизия совпадает

  • JSICK

    main_score

    Результат

    0,8256

    MTEB

    Публичная таблицаревизия совпадает

  • MultiLongDocRetrieval

    main_score

    Результат

    0,448

    Общий результат 0,4578
    MTEB

    Публичная таблицаревизия совпадает

  • NLPJournalAbsArticleRetrieval.V2

    main_score

    Результат

    0,9858

    MTEB

    Публичная таблицаревизия совпадает

  • MintakaRetrieval

    main_score

    Результат

    0,4365

    MTEB

    Публичная таблицаревизия совпадает

  • ESCIReranking

    main_score

    Результат

    0,8394

    MTEB

    Публичная таблицаревизия совпадает

  • MultiLongDocReranking

    main_score

    Результат

    0,9284

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Sarashina-Embedding-v2-1B — японская модель эмбеддингов, разработанная SB Intuitions на основе Sarashina2.2-1B. Она преобразует предложения и абзацы в плотные векторы размерностью 1792 и предназначена для семантического поиска, сравнения текстов, ранжирования, кластеризации и классификации. Модель использует архитектуру Sentence Transformer с LlamaModel и пулингом по последнему токену; максимальная длина последовательности — 8192 токена. Для поиска рекомендуется добавлять к запросу инструкцию и префикс, а к документу — префикс `text:`.

Модель обучена контрастивным обучением в несколько этапов: на слабой разметке, затем с контролируемой настройкой, после чего веса двух вариантов были объединены. В README заявлен лучший средний результат среди 28 наборов JMTEB по оценке от 28 июля 2025 года. Модель ориентирована на японский язык. Лицензия Sarashina Model NonCommercial License Agreement ограничивает коммерческое использование.

Сценарии применения

  • семантический поиск по японским документам
  • поиск документов, релевантных запросу
  • сравнение смысловой близости японских текстов
  • ранжирование результатов поиска
  • кластеризация текстов по темам
  • классификация японских отзывов

Ограничения

Модель предназначена для японского языка, поэтому её не следует считать многоязычной. Лицензия запрещает коммерческое использование.

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

Sarashina-Embedding-v2-1B

日本語のREADME/Japanese README

"Sarashina-Embedding-v2-1B" is a Japanese text embedding model, based on the Japanese LLM "Sarashina2.2-1B". We trained this model with multi-stage contrastive learning. We achieved the state-of-the-art average score across 28 datasets in JMTEB (Japanese Massive Text Embedding Benchmark).(Benchmarked on July 28, 2025. )

This model maps sentences & paragraphs to a 1792-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and other applications.

Model Details

Model Description

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: LlamaModel 
  (1): Pooling({'word_embedding_dimension': 1792, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': True, 'include_prompt': False})
)

Usage

First install the Sentence Transformers library:

pip install sentence-transformers==4.0.2

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sbintuitions/sarashina-embedding-v2-1b")
# Run inference
query = [
      'task: クエリを与えるので、与えられたWeb検索クエリに答える関連文章を検索してください。\nquery: Sarashinaのテキスト埋め込みモデルはありますか?'
  ]
texts = [
      'text: 更級日記は、平安時代中期に菅原孝標女によって書かれた回想録です。',
      'text: Sarashinaは、SB Intuitionsが開発した日本語大規模言語モデルです。これまでに7B, 13B, 70B, 8x70Bのモデルが公開されています。',
      'text: サラシナエンベディングは日本語言語モデルをベースにした日本語埋め込みモデルです。'
]
query_embedding = model.encode(query)
text_embeddings = model.encode(texts)
# Get the similarity scores between the embeddings
similarities = model.similarity(query_embedding, text_embeddings)
print(similarities)
# tensor([[0.7403, 0.8651, 0.8775]])

How to add instructions and prefixes

For both the query and document sides, use different prefix formats. On the query side, add the prefix task: followed by instructions. (Only for STS task, both sentences are considered as query, and should be prefixed with the same instruction.)

  • Query Side: task: {Instrcution}\nquery: {Query}
  • Document Side: text: {Document}

Templates for instructions and prefixes

The table below provides instruction and prefix templates for five main tasks.

TaskQuery SideDocument Side
RetrievalRerankingtask: 質問を与えるので、その質問に答えるのに役立つ関連文書を検索してください。\nquery:text:
Clusteringtask: 与えられたドキュメントのトピックまたはテーマを特定してください。\nquery:-
Classificationtask: 与えられたレビューを適切な評価カテゴリに分類してください。\nquery:-
STStask: クエリを与えるので,もっともクエリに意味が似ている一節を探してください。\nquery:task: クエリを与えるので,もっともクエリに意味が似ている一節を探してください。\nquery:

Training

Sarashina-Embedding-v2-1B is created through the following three-stage learning process:

Stage 1: Weakly-supervised Learning

To build a general-purpose and high-performance embedding model for a wide range of domains, we employed contrastive learning using weak supervision data, which consists of our own web-crawled data and open datasets.

Step2: Supervised Fine-tuning

To further train the model to better understand the similarity between queries and documents, we performed fine-tuning using higher-quality data than that used in Stage 1. Additionally, we trained multiple models by modifying parts of the data.

Stage 3: Model Merging

To enhance performance, we merged the weights of the two models that yielded the highest JMTEB scores in Stage 2 through linear merging.

Evaluation Results (*) with JMTEB

ModelAvg.RetrievalSTSClassificationRerankingClustering
Sarashina-Embedding-v2-1B (This model)76.3876.4884.2277.1486.2852.56
cl-nagoya/ruri-v3-310m75.8576.0381.5977.6585.8450.52
sbintuitions/sarashina-embedding-v1-1b74.8774.5381.7177.2084.3650.30
OpenAI/text-embedding-3-large73.8671.9582.5277.2783.0651.82

(*) Evaluated on July 28, 2025.

License

This model is licensed under Sarashina Model NonCommercial License Agreement.

If you are interested in using this model for commercial purposes, please feel free to contact us through our contact page.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaModel
Ревизия весов
1f3408a

0 моделей