Характеристики

Контекст: 40 960 токенов
Параметры: 7,6 млрд
Размер весов: 15,1 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3 · dense
Базовая модель: Qwen3-Embedding-8B
Библиотека: sentence-transformers
Опубликована: 13 ноя 2025

Ссылки

Hugging Face

zen-embedding

zenlm

ЭмбеддингиТекст → embedding9 профессий

Текстовая модель на базе Qwen3-Embedding-8B для создания эмбеддингов, семантического поиска и retrieval в системах RAG.

99скачиваний за 30 дней0лайковвеса обновлены14 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Zen Embedding — текстовая модель для построения плотных эмбеддингов, опубликованная zenlm как часть линейки Zen. Она перепакована из Qwen/Qwen3-Embedding-8B и не обучалась с нуля; репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой Sentence Transformers. Модель предназначена для поиска по смыслу, dense retrieval и систем RAG, где документы и запросы кодируются в векторы для поиска релевантного содержимого.

Метаданные указывают 7,6 млрд параметров и контекст до 40 960 токенов; среди языков карточки отмечены английский и китайский. Лицензия — Apache-2.0. Ограничения: карточка не приводит результатов сравнительных тестов качества или подробных рекомендаций по эксплуатации.

Сценарии применения

поиск релевантных документов по смыслу запроса
подбор похожих текстов и предложений
поиск по базе знаний для RAG-системы
плотное ранжирование кандидатов по близости эмбеддингов

Ограничения

В карточке нет сравнительных оценок качества или результатов бенчмарков, поэтому пригодность для конкретного сценария поиска следует проверять на собственных данных.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей 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.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Zen Embedding

8B-parameter text-embedding model for retrieval-augmented generation, semantic search, and dense retrieval. Part of the Zen embedding line.

Repackaged from Qwen/Qwen3-Embedding-8B (apache-2.0, Alibaba Qwen). Native HuggingFace safetensors, re-hosted under the Zen embedding line. Not trained from scratch — a permissively-licensed redistribution for the OSS-clean Zen model line.

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("zenlm/zen-embedding")
emb = model.encode(["The weather is lovely today.", "It's so sunny outside!"])
print(model.similarity(emb, emb))

Hosted via the Hanzo gateway (api.hanzo.ai) as zen-embedding.

GGUF build for CPU inference: zenlm/zen-embedding-8B-GGUF.

License

apache-2.0. Upstream: Qwen/Qwen3-Embedding-8B by Alibaba Qwen. This repository redistributes the weights under the same license.

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: Qwen3ForCausalLM
Ревизия весов: ca7811a