/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Библиотека
sentence-transformers
Опубликована
15 янв 2026

PIXIE-Rune-v1.0

ЭмбеддингиТекст → embedding5 профессий

Модель TelePIX для создания текстовых эмбеддингов и семантического поиска, особенно по аэрокосмическим документам на корейском и английском языках.

369скачиваний за 30 дней12лайковвеса обновлены24 фев 2026

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 оценки23

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

  • CUREv1

    main_score

    Результат

    0,5294

    Общий результат 0,6188Общий результат 0,6153Общий результат 0,5814
    MTEB

    Публичная таблицадругая ревизия

  • NTREXBitextMining

    main_score

    Результат

    0,2365

    Общий результат 0,9869Общий результат 0,9733Общий результат 0,9527
    MTEB

    Публичная таблицадругая ревизия

  • WebFAQRetrieval

    main_score

    Результат

    0,7783

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLRetrievalHardNegatives

    main_score

    Результат

    0,6756

    Общий результат 0,7316Общий результат 0,7235Общий результат 0,7101
    MTEB

    Публичная таблицадругая ревизия

  • WebFAQBitextMiningQuestions

    main_score

    Результат

    0,9699

    MTEB

    Публичная таблицадругая ревизия

  • MassiveScenarioClassification

    main_score

    Результат

    0,6948

    MTEB

    Публичная таблицадругая ревизия

  • MultilingualSentimentClassification

    main_score

    Результат

    0,6858

    MTEB

    Публичная таблицадругая ревизия

  • BelebeleRetrieval

    main_score

    Результат

    0,9315

    Общий результат 0,8966
    MTEB

    Публичная таблицадругая ревизия

  • MrTidyRetrieval

    main_score

    Результат

    0,661

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLReranking

    main_score

    Результат

    0,616

    MTEB

    Публичная таблицадругая ревизия

  • MassiveIntentClassification

    main_score

    Результат

    0,637

    MTEB

    Публичная таблицадругая ревизия

  • ChatDoctorRetrieval

    main_score

    Результат

    0,5923

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLRetrieval

    main_score

    Результат

    0,7202

    MTEB

    Публичная таблицадругая ревизия

  • LanguageClassification

    main_score

    Результат

    0,3039

    MTEB

    Публичная таблицадругая ревизия

  • MKQARetrieval

    main_score

    Результат

    0,0692

    MTEB

    Публичная таблицадругая ревизия

  • MultiLongDocReranking

    main_score

    Результат

    0,491

    MTEB

    Публичная таблицадругая ревизия

  • MTOPIntentClassification

    main_score

    Результат

    0,6704

    MTEB

    Публичная таблицадругая ревизия

  • BibleNLPBitextMining

    main_score

    Результат

    0,9479

    MTEB

    Публичная таблицадругая ревизия

  • WebFAQBitextMiningQAs

    main_score

    Результат

    0,9695

    MTEB

    Публичная таблицадругая ревизия

  • SIB200Classification

    main_score

    Результат

    0,7111

    Общий результат 0,7426
    MTEB

    Публичная таблицадругая ревизия

  • AILACasedocs

    main_score

    Результат

    0,3562

    MTEB

    Публичная таблицадругая ревизия

  • LegalSummarization

    main_score

    Результат

    0,6723

    MTEB

    Публичная таблицадругая ревизия

  • FinanceBenchRetrieval

    main_score

    Результат

    0,7802

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

PIXIE-Rune-v1.0 — модель эмбеддингов на архитектуре XLM-RoBERTa, разработанная TelePIX Co., Ltd. и дообученная для семантического поиска на корейских и английских данных. Она рассчитана прежде всего на поиск информации в аэрокосмических документах, а также подходит для поиска по текстам общего назначения на корейском и английском языках.

Модель преобразует текст в векторы размерности 1024, нормализует их и поддерживает сравнение по косинусному сходству. В README указана максимальная длина последовательности 6144 токена, а метаданные указывают контекст до 8194 токенов. Доступны форматы safetensors и ONNX; в метаданных размер модели указан как 658,7 млн параметров.

Модель предназначена для семантического поиска, извлечения релевантных документов и построения систем поиска и ответов на вопросы по документам. Разработчик сообщает о результатах на аэрокосмическом бенчмарке STELLA и наборах поиска на корейском и английском языках. Лицензия — Apache-2.0.

Сценарии применения

  • семантический поиск по аэрокосмическим техническим отчётам
  • поиск релевантных документов по вопросу на корейском языке
  • англоязычный поиск по смыслу в корпусе документов
  • поиск доказательств и источников для проверки утверждений
  • извлечение документов для многошаговых ответов на вопросы
  • создание эмбеддингов для многоязычной поисковой системы

Ограничения

Оптимизирована прежде всего для корейского и английского поиска; качество на других языках в README не подтверждено. Для обработки длинных текстов учитывайте ограничение последовательности 6144 токена, указанное в README.

Для каких профессий подходит5

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

PIXIE-Rune-v1.0

PIXIE-Rune-v1.0 is an encoder-based embedding model trained on Korean and English information retrieval dataset, developed by TelePIX Co., Ltd. PIXIE stands for TelePIX Intelligent Embedding, representing TelePIX’s high-performance embedding technology. This model is specifically optimized for semantic retrieval tasks in Korean and English, and demonstrates strong performance in aerospace domain. Through extensive fine-tuning and domain-specific evaluation, PIXIE shows robust retrieval quality for real-world use cases such as document understanding, technical QA, and semantic search in aerospace and related high-precision fields. It also performs competitively across a wide range of open-domain Korean and English retrieval benchmarks, making it a versatile foundation for multilingual semantic search systems.

Model Description

  • Model Type: Sentence Transformer
  • Maximum Sequence Length: 6144 tokens
  • Output Dimensionality: 1024 dimensions
  • Similarity Function: Cosine Similarity
  • Language: Multilingual — optimized for high performance in Korean and English
  • Domain Specialization: Aerospace Information Retrieval
  • License: apache-2.0

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 6144, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, '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': False, 'include_prompt': True})
  (2): Normalize()
)

Quality Benchmarks

PIXIE-Rune-v1.0 is a multilingual embedding model specialized for Korean and English retrieval tasks. It delivers consistently strong performance across a diverse set of domain-specific and open-domain benchmarks in both languages, demonstrating its effectiveness in real-world semantic search applications. The table below presents the retrieval performance of several embedding models evaluated on a variety of Korean and English benchmarks. We report Normalized Discounted Cumulative Gain (nDCG@10) scores, which measure how well a ranked list of documents aligns with ground truth relevance. Higher values indicate better retrieval quality.

All evaluations were conducted using the open-source Korean-MTEB-Retrieval-Evaluators codebase to ensure consistent dataset handling, indexing, retrieval, and nDCG@10 computation across models.

Benchmark Overview and Dataset Descriptions

Model Name# paramsSTELLA (XL)MTEB (ko)BEIR (en)
telepix/PIXIE-Rune-v1.00.5B0.63450.76030.5872
nvidia/llama-embed-nemotron-8b8B0.71810.78130.6935
Qwen/Qwen3-Embedding-8B8B0.61540.78390.6701
Snowflake/snowflake-arctic-embed-l-v2.00.5B0.54480.73900.6006
BAAI/bge-m30.5B0.50560.74830.5573
Qwen/Qwen3-Embedding-0.6B0.6B0.47070.70170.5839
Octen/Octen-Embedding-0.6B0.6B0.46830.70570.5769
Salesforce/SFR-Embedding-Mistral7B0.4579N/AN/A
Alibaba-NLP/gte-multilingual-base0.3B0.40970.70840.5746
intfloat/multilingual-e5-large-instruct0.6B0.23840.7050N/A
jinaai/jina-embeddings-v30.5BN/A0.70880.4861
openai/text-embedding-3-largeN/AN/A0.6646N/A

To better interpret the evaluation results above, we briefly describe the characteristics and evaluation intent of each benchmark suite used in this comparison. Each benchmark is designed to assess different aspects of retrieval capability, ranging from domain-specific technical understanding to open-domain and multilingual generalization.

STELLA

STELLA is an aerospace-domain Information Retrieval (IR) benchmark constructed from NASA Technical Reports Server (NTRS) documents. It is designed to evaluate both:

  • Lexical matching ability (does the retriever benefit from exact technical terms? | TCQ)
  • Semantic matching ability (can the retriever match concepts even when technical terms are not explicitly used? | TAQ).

STELLA provides dual-type synthetic queries and a cross-lingual extension for multilingual evaluation while keeping the corpus in English.

6 Datasets of MTEB (Korean)

Descriptions of the benchmark datasets used for evaluation are as follows:

  • Ko-StrategyQA
    A Korean multi-hop open-domain question answering dataset designed for complex reasoning over multiple documents.
  • AutoRAGRetrieval
    A domain-diverse retrieval dataset covering finance, government, healthcare, legal, and e-commerce sectors.
  • MIRACLRetrieval
    A document retrieval benchmark built on Korean Wikipedia articles.
  • PublicHealthQA
    A retrieval dataset focused on medical and public health topics.
  • BelebeleRetrieval
    A dataset for retrieving relevant content from web and news articles in Korean.
  • MultiLongDocRetrieval
    A long-document retrieval benchmark based on Korean Wikipedia and mC4 corpus.

7 Datasets of BEIR (English)

Descriptions of the benchmark datasets used for evaluation are as follows:

  • ArguAna
    A dataset for argument retrieval based on claim-counterclaim pairs from online debate forums.
  • FEVER
    A fact verification dataset using Wikipedia for evidence-based claim validation.
  • FiQA-2018
    A retrieval benchmark tailored to the finance domain with real-world questions and answers.
  • HotpotQA
    A multi-hop open-domain QA dataset requiring reasoning across multiple documents.
  • MSMARCO
    A large-scale benchmark using real Bing search queries and corresponding web documents.
  • NQ
    A Google QA dataset where user questions are answered using Wikipedia articles.
  • SCIDOCS
    A citation-based document retrieval dataset focused on scientific papers.

Direct Use (Semantic Search)

from sentence_transformers import SentenceTransformer
  
# Load the model
model_name = 'telepix/PIXIE-Rune-v1.0'
model = SentenceTransformer(model_name)

# Define the queries and documents
queries = [
        "텔레픽스는 어떤 산업 분야에서 위성 데이터를 활용하나요?",
        "국방 분야에 어떤 위성 서비스가 제공되나요?",
        "텔레픽스의 기술 수준은 어느 정도인가요?",
]
documents = [
        "텔레픽스는 해양, 자원, 농업 등 다양한 분야에서 위성 데이터를 분석하여 서비스를 제공합니다.",
        "정찰 및 감시 목적의 위성 영상을 통해 국방 관련 정밀 분석 서비스를 제공합니다.",
        "TelePIX의 광학 탑재체 및 AI 분석 기술은 Global standard를 상회하는 수준으로 평가받고 있습니다.",
        "텔레픽스는 우주에서 수집한 정보를 분석하여 '우주 경제(Space Economy)'라는 새로운 가치를 창출하고 있습니다.",
        "텔레픽스는 위성 영상 획득부터 분석, 서비스 제공까지 전 주기를 아우르는 솔루션을 제공합니다.",
]

# Compute embeddings: use `prompt_name="query"` to encode queries!
query_embeddings = model.encode(queries, prompt_name="query")
document_embeddings = model.encode(documents)

# Compute cosine similarity scores
scores = model.similarity(query_embeddings, document_embeddings)

# Output the results
for query, query_scores in zip(queries, scores):
    doc_score_pairs = list(zip(documents, query_scores))
    doc_score_pairs = sorted(doc_score_pairs, key=lambda x: x[1], reverse=True)
    print("Query:", query)
    for document, score in doc_score_pairs:
        print(score, document)

License

The PIXIE-Rune-v1.0 model is licensed under Apache License 2.0.

Citation

@misc{TelePIX-PIXIE-Rune-v1.0,
  title={PIXIE-Rune-v1.0},
  author={TelePIX AI Research Team and Bongmin Kim},
  year={2026},
  url={https://huggingface.co/telepix/PIXIE-Rune-v1.0}
}

Contact

If you have any suggestions or questions about the PIXIE, please reach out to the authors at bmkim@telepix.net.

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
091fe5a

0 моделей