/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
12,3 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
sentence-transformers
Опубликована
17 июл 2026

qwen3-student-qwen3_compressed_distilled

ЭмбеддингиТекст → embedding9 профессий

Компактный мультиязычный энкодер Qwen3 для получения эмбеддингов предложений, сравнения их сходства, классификации и кластеризации.

11скачиваний за 30 дней0лайковвеса обновлены17 июл 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 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

yrrhall/qwen3-student-qwen3_compressed_distilled — компактный мультиязычный энкодер предложений на архитектуре Qwen3, созданный сжатием и двухэтапной дистилляцией Qwen/Qwen3-0.6B. Модель предназначена для получения векторных представлений текстов, сравнения сходства предложений, классификации и кластеризации. В README указаны сжатие в 48 раз, 4 слоя, размер скрытого состояния 448 и словарь из 7 341 токена; метаданные указывают 12,3 млн параметров и контекст до 40 960 токенов.

Модель поддерживает 18 языков: корейский, английский, японский, китайский, испанский, французский, немецкий, португальский, итальянский, русский, арабский, хинди, тайский, вьетнамский, индонезийский, турецкий, нидерландский и польский. В оценке MTEB приведено среднее значение 32,29%; результаты различаются по задачам, поэтому качество следует проверять на целевых данных. Для загрузки README показывает библиотеку Sentence Transformers и параметр trust_remote_code=True. Лицензия — Apache-2.0.

Сценарии применения

  • поиск семантически похожих предложений на нескольких языках
  • ранжирование текстов по сходству с запросом
  • кластеризация коротких текстов и документов
  • классификация текстов на основе эмбеддингов
  • построение компактного мультиязычного семантического поиска

Ограничения

В README средняя оценка MTEB составляет 32,29%, а результаты заметно различаются между задачами; проверьте качество на своих данных. README показывает загрузку с trust_remote_code=True.

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

qwen3_compressed_distilled (Distilled)

Compact multilingual sentence encoder compressed from Qwen/Qwen3-0.6B (48x compression).

Model Details

PropertyValue
Base modelQwen/Qwen3-0.6B
Architectureqwen3 (decoder)
Hidden dim448 (from 1024)
Layers4 (from 28)
Intermediate1344
Attention heads7
KV heads1
Vocab size7,341 (from 151,936)
Parameters~12.4M
Model size (FP32)47.1MB
Compression48x
DistilledYes (2-stage)

Quick Start

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("qwen3_compressed_distilled", trust_remote_code=True)

sentences = [
    "Hello, how are you?",
    "안녕하세요, 잘 지내세요?",
    "こんにちは、元気ですか?",
    "你好,你好吗?",
]

embeddings = model.encode(sentences)
print(embeddings.shape)  # (4, 448)

MTEB Evaluation Results

Overall Average: 32.29%

Task GroupAverage
Classification39.54%
Clustering29.66%
STS27.68%

Classification

TaskAverageDetails
AmazonCounterfactualClassification57.59%en: 61.01%, en-ext: 57.63%, de: 57.34%, ja: 54.4%
Banking77Classification33.06%default: 33.06%
ImdbClassification51.77%default: 51.77%
MTOPDomainClassification40.28%es: 49.82%, en: 49.41%, fr: 41.34%, th: 38.1%, de: 36.01%
MassiveIntentClassification18.75%zh-CN: 39.84%, en: 32.94%, ko: 31.09%, ja: 30.64%, fr: 28.88%
MassiveScenarioClassification22.01%zh-CN: 53.77%, en: 42.48%, ja: 41.01%, ko: 40.22%, es: 36.93%
ToxicConversationsClassification51.26%default: 51.26%
TweetSentimentExtractionClassification41.62%default: 41.62%

Clustering

TaskAverageDetails
ArXivHierarchicalClusteringP2P48.97%default: 48.97%
ArXivHierarchicalClusteringS2S49.66%default: 49.66%
BiorxivClusteringP2P.v27.42%default: 7.42%
MedrxivClusteringP2P.v219.2%default: 19.2%
MedrxivClusteringS2S.v220.79%default: 20.79%
StackExchangeClustering.v245.32%default: 45.32%
StackExchangeClusteringP2P.v233.99%default: 33.99%
TwentyNewsgroupsClustering.v211.97%default: 11.97%

STS

TaskAverageDetails
BIOSSES26.5%default: 26.5%
SICK-R36.86%default: 36.86%
STS1237.37%default: 37.37%
STS1322.61%default: 22.61%
STS1419.72%default: 19.72%
STS1537.43%default: 37.43%
STS1717.77%en-en: 37.23%, ko-ko: 33.84%, es-es: 32.55%, ar-ar: 28.19%, fr-en: 14.73%
STSBenchmark23.14%default: 23.14%

Distillation Impact

TaskBeforeAfterDelta
AmazonCounterfactualClassification53.9%57.59%+3.69%p
ArXivHierarchicalClusteringP2P46.3%48.97%+2.67%p
ArXivHierarchicalClusteringS2S46.53%49.66%+3.13%p
BIOSSES1.1%26.5%+25.4%p
Banking77Classification9.18%33.06%+23.88%p
BiorxivClusteringP2P.v25.86%7.42%+1.56%p
ImdbClassification50.25%51.77%+1.52%p
MTOPDomainClassification28.9%40.28%+11.38%p
MassiveIntentClassification15.91%18.75%+2.84%p
MassiveScenarioClassification17.94%22.01%+4.07%p
MedrxivClusteringP2P.v217.63%19.2%+1.57%p
MedrxivClusteringS2S.v218.42%20.79%+2.37%p
SICK-R22.32%36.86%+14.54%p
STS127.97%37.37%+29.4%p
STS1318.76%22.61%+3.85%p
STS1410.4%19.72%+9.32%p
STS1524.3%37.43%+13.13%p
STS1710.58%17.77%+7.19%p
STSBenchmark7.96%23.14%+15.18%p
StackExchangeClustering.v240.91%45.32%+4.41%p
StackExchangeClusteringP2P.v230.96%33.99%+3.03%p
ToxicConversationsClassification50.35%51.26%+0.91%p
TweetSentimentExtractionClassification34.47%41.62%+7.15%p
TwentyNewsgroupsClustering.v29.52%11.97%+2.45%p

Training

Stage 1: Model Compression

  • Teacher: Qwen/Qwen3-0.6B (28L, 1024d, 596M params)
  • Compression: Layer pruning → Hidden dim reduction → Vocab pruning
  • Result: 4L / 448d / 7,341 vocab

Stage 2: Two-Stage Knowledge Distillation

Compression ratio 48x requires progressive distillation:

  1. Stage 1: Teacher (596M) → Intermediate (~119M)
    • MSE + Cosine Similarity loss
    • MTEB task datasets (Classification/Clustering/STS)
  2. Stage 2: Intermediate → Final Student (12.4M)
    • Same training objective
    • AdamW (lr=2e-5, weight_decay=0.01), Cosine annealing

Supported Languages (18)

ko, en, ja, zh, es, fr, de, pt, it, ru, ar, hi, th, vi, id, tr, nl, pl

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
Qwen3Model
Ревизия весов
d1cefd6

0 моделей