/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Embedding-0.6B
Опубликована
30 ноя 2025

Qwen3-Embedding-0.6B-INT8

ЭмбеддингиТекст → embedding10 профессий

Квантованная до INT8 многоязычная модель Qwen3 создаёт текстовые эмбеддинги для семантического поиска, сравнения документов и RAG.

151скачиваний за 30 дней2лайкавеса обновлены30 ноя 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

techAInewb/Qwen3-Embedding-0.6B-INT8 — восьмибитная квантованная версия многоязычной модели эмбеддингов Qwen3-Embedding-0.6B от Qwen. Она преобразует текст в векторы размерности 1024 для семантического поиска, сравнения документов, кластеризации, классификации и систем RAG. Модель построена на архитектуре Qwen3; в метаданных указано 507,6 млн параметров и контекст до 32 768 токенов. README сообщает о поддержке 29 языков и совместимости с экосистемой Hugging Face Transformers.

Квантование INT8 выполнено методом статического квантования Optimum Quanto с сохранением токенизатора. По данным README, размер модели снижен примерно на 37%, а качество эмбеддингов близко к исходной версии. Модель предназначена для текстовых входов и выдаёт векторные представления. Распространяется по лицензии Apache 2.0.

Сценарии применения

  • семантический поиск по документам
  • поиск фрагментов для RAG-системы
  • сравнение сходства текстов и документов
  • кластеризация текстовых коллекций
  • классификация текстов по эмбеддингам
  • сопоставление текстов на разных языках

Ограничения

По README, квантование может немного снизить точность эмбеддингов; модель может хуже работать на языках с меньшим объёмом данных и в узкоспециализированных областях. Оптимальное качество заявлено в пределах контекста 32 768 токенов.

Для каких профессий подходит10

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

Qwen3-Embedding-0.6B-INT8

This is an INT8 quantized version of Qwen/Qwen3-Embedding-0.6B, optimized for reduced memory usage while maintaining embedding quality.

Model Details

Model Description

  • Base Model: Qwen/Qwen3-Embedding-0.6B
  • Model Type: Text Embedding Model
  • Architecture: Qwen3 (595.8M parameters)
  • Quantization: INT8 using Optimum Quanto
  • License: Apache 2.0
  • Language(s): Multilingual (supports 29 languages)

Key Improvements

  • Memory Reduction: 37% smaller (1.19GB → 752MB)
  • Performance: Maintains 99%+ of original embedding quality
  • Compatibility: Full HuggingFace Transformers ecosystem support
  • Optimization: Static quantization with frozen weights for optimal inference

Usage

Basic Usage

from transformers import AutoModel, AutoTokenizer
import torch

# Load the quantized model
model = AutoModel.from_pretrained("techAInewb/Qwen3-Embedding-0.6B-INT8")
tokenizer = AutoTokenizer.from_pretrained("techAInewb/Qwen3-Embedding-0.6B-INT8")

# Generate embeddings
text = "This is an example sentence for embedding."
inputs = tokenizer(text, return_tensors="pt", max_length=32768, truncation=True)

with torch.no_grad():
    outputs = model(**inputs)
    # Mean pooling for sentence embedding
    embeddings = outputs.last_hidden_state.mean(dim=1)
    
print(f"Embedding shape: {embeddings.shape}")  # [1, 1024]

Advanced Usage with Device Management

import torch
from transformers import AutoModel, AutoTokenizer

device = "cuda" if torch.cuda.is_available() else "cpu"
model = AutoModel.from_pretrained("techAInewb/Qwen3-Embedding-0.6B-INT8").to(device)
tokenizer = AutoTokenizer.from_pretrained("techAInewb/Qwen3-Embedding-0.6B-INT8")

def get_embeddings(texts, batch_size=8):
    embeddings = []
    for i in range(0, len(texts), batch_size):
        batch = texts[i:i + batch_size]
        inputs = tokenizer(batch, padding=True, truncation=True, 
                          return_tensors="pt", max_length=32768).to(device)
        
        with torch.no_grad():
            outputs = model(**inputs)
            batch_embeddings = outputs.last_hidden_state.mean(dim=1)
            embeddings.append(batch_embeddings.cpu())
    
    return torch.cat(embeddings, dim=0)

# Example usage
texts = ["Hello world", "How are you?", "This is a test"]
embeddings = get_embeddings(texts)
print(f"Generated {embeddings.shape[0]} embeddings of dimension {embeddings.shape[1]}")

Technical Specifications

Quantization Details

  • Method: Optimum Quanto static quantization
  • Precision: Weights quantized from FP16 to INT8
  • Framework: HuggingFace Transformers + Optimum
  • Artifacts: SafeTensors format with complete tokenizer preservation

Performance Metrics

MetricOriginal (FP16)Quantized (INT8)Improvement
Model Size1.19 GB752 MB37% reduction
Memory Usage~1.2 GB RAM~800 MB RAM33% reduction
Inference SpeedBaseline~15% fasterSpeed boost
Embedding Quality100%99.1%+Minimal loss

Hardware Requirements

  • Minimum RAM: 1 GB
  • Recommended RAM: 2 GB (for batch processing)
  • CPU: Any modern CPU (x86_64, ARM64)
  • GPU: Optional (CUDA/ROCm/MPS support)

Model Architecture

Based on the Qwen3-0.6B architecture with:

  • Parameters: 595.8M
  • Hidden Size: 1024
  • Attention Heads: 16
  • Layers: 24
  • Vocabulary Size: 152,064
  • Max Position Embeddings: 32,768
  • Embedding Dimension: 1024

Training Data & Intended Use

This model inherits the training data and capabilities from the base Qwen3-Embedding-0.6B:

  • Training Data: Large-scale multilingual text corpus
  • Languages: 29 languages including English, Chinese, Spanish, French, German, Japanese, etc.
  • Use Cases:
    • Semantic search and retrieval
    • Document similarity
    • Clustering and classification
    • RAG (Retrieval Augmented Generation) systems
    • Cross-lingual text understanding

Limitations and Biases

  • Quantization Loss: Minor degradation in embedding precision (~0.9%)
  • Language Bias: May perform better on high-resource languages
  • Domain Limitations: Performance may vary on highly specialized domains
  • Context Length: Optimal performance within 32K token limit

Comparison with Original Model

Memory Usage Comparison

# Original model loading
original_model = AutoModel.from_pretrained("Qwen/Qwen3-Embedding-0.6B", torch_dtype=torch.float16)
# Approximate memory: 1.19 GB

# Quantized model loading  
quantized_model = AutoModel.from_pretrained("techAInewb/Qwen3-Embedding-0.6B-INT8")
# Approximate memory: 752 MB

Quality Retention

Extensive testing shows the quantized model maintains:

  • Semantic Similarity: 99.1% correlation with original embeddings
  • Clustering Performance: 98.7% maintained accuracy
  • Cross-lingual Tasks: 99.3% performance retention
  • Domain Transfer: 98.9% effectiveness across domains

Installation Requirements

pip install transformers torch safetensors optimum[quanto]

License

This quantized model inherits the Apache 2.0 license from the original Qwen3-Embedding-0.6B model.

Citation

If you use this quantized model, please cite both the original work and this quantization:

@misc{qwen3-embedding-int8,
  author = {techAInewb},
  title = {Qwen3-Embedding-0.6B-INT8: Optimized Quantized Embedding Model},
  year = {2025},
  publisher = {Hugging Face},
  url = {https://huggingface.co/techAInewb/Qwen3-Embedding-0.6B-INT8}
}

@article{qwen3-embedding-original,
  title={Qwen3 Technical Report},
  author={Qwen Team},
  journal={arXiv preprint arXiv:2506.05176},
  year={2025}
}

Acknowledgments

  • Qwen Team for the original high-quality embedding model
  • Optimum Quanto for the quantization framework
  • HuggingFace for the model hosting and ecosystem support

Support and Issues

For issues specific to this quantized version, please open an issue on the model's discussion page. For general Qwen3 model questions, refer to the original model repository.

Support My Work

Donations are greatly appreciated!

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
f974f47

0 моделей