Характеристики

Контекст: 2 048 токенов
Параметры: 303 млн
Лицензия: Gemma
Архитектура: gemma3_text · dense
Базовая модель: embeddinggemma-300m
Библиотека: sentence-transformers
Опубликована: 6 сен 2025

Ссылки

embeddinggemma-300m-GGUF

ЭмбеддингиТекст → embedding9 профессий

embeddinggemma-300m-GGUF — это модель для создания векторных представлений текста, основанная на google/embeddinggemma-300m.

658скачиваний за 30 дней0лайковвеса обновлены12 сен 2025

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

Исходную модель разработала Google, а GGUF-версии подготовила Second State Inc. Модель предназначена для задач семантического сходства и других сценариев, где требуется сравнивать тексты по смыслу, включая поиск и работу с векторными индексами.

Модель поддерживает запуск через sentence-transformers и LlamaEdge, использует специальный режим embedding и имеет контекстное окно 2048 токенов. Доступны варианты размерности эмбеддингов 128, 256, 512 и 768. Репозиторий содержит квантованные GGUF-файлы размером примерно от 212 до 329 МБ, а также версию f16 размером 616 МБ. Квантование уменьшает требования к ресурсам, но может снижать качество: Q4_K_M, Q5_K_M и Q5_K_S обозначены как сбалансированные или рекомендуемые варианты, тогда как наиболее компактные версии имеют существенные потери качества.

README не содержит сведений о поддерживаемых языках, точной архитектуре, составе модальностей или конкретных наборах данных обучения. Модель распространяется по лицензии Gemma; условия лицензии следует учитывать при использовании.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

embeddinggemma-300m-Embedding-GGUF

Original Model

google/embeddinggemma-300m

Run with LlamaEdge

LlamaEdge version: v0.26.1 and above
Prompt template
- Prompt type: embedding
Context size: 2048
Embedding size: 128, 256, 512, 768

Run as LlamaEdge service

wasmedge --dir .:. --nn-preload default:GGML:AUTO:embeddinggemma-300m-f16.gguf \
  llama-api-server.wasm \
  --prompt-template embedding \
  --ctx-size 768 \
  --model-name embeddinggemma-300m

Quantized GGUF Models

Name	Quant method	Bits	Size	Use case
embeddinggemma-300m-Q2_K.gguf	Q2_K	2	212 MB	smallest, significant quality loss - not recommended for most purposes
embeddinggemma-300m-Q3_K_L.gguf	Q3_K_L	3	227 MB	small, substantial quality loss
embeddinggemma-300m-Q3_K_M.gguf	Q3_K_M	3	224 MB	very small, high quality loss
embeddinggemma-300m-Q3_K_S.gguf	Q3_K_S	3	218 MB	very small, high quality loss
embeddinggemma-300m-Q4_0.gguf	Q4_0	4	229 MB	legacy; small, very high quality loss - prefer using Q3_K_M
embeddinggemma-300m-Q4_K_M.gguf	Q4_K_M	4	236 MB	medium, balanced quality - recommended
embeddinggemma-300m-Q4_K_S.gguf	Q4_K_S	4	232 MB	small, greater quality loss
embeddinggemma-300m-Q5_0.gguf	Q5_0	5	242 MB	legacy; medium, balanced quality - prefer using Q4_K_M
embeddinggemma-300m-Q5_K_M.gguf	Q5_K_M	5	247 MB	large, very low quality loss - recommended
embeddinggemma-300m-Q5_K_S.gguf	Q5_K_S	5	243 MB	large, low quality loss - recommended
embeddinggemma-300m-Q6_K.gguf	Q6_K	6	260 MB	very large, extremely low quality loss
embeddinggemma-300m-Q8_0.gguf	Q8_0	8	329 MB	very large, extremely low quality loss - not recommended
embeddinggemma-300m-f16.gguf	f16	16	616 MB	very large, extremely low quality loss - not recommended

Quantized with llama.cpp b6397

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Класс архитектуры: Gemma3TextModel
Ревизия весов: e22086a