Характеристики

Контекст: 32 768 токенов
Параметры: 508 млн
Лицензия: Apache 2.0
Архитектура: qwen3 · dense
Базовая модель: Qwen3-Embedding-0.6B
Библиотека: sentence-transformers
Опубликована: 30 мая 2026

Ссылки

Hugging Face

zen-embedding-0.6B

zenlm

ЭмбеддингиТекст → embedding9 профессий

Текстовая модель семейства Qwen3 для создания эмбеддингов и семантического поиска в сценариях RAG.

117скачиваний 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 0.6B — текстовая модель для создания плотных эмбеддингов, разработанная в рамках линейки Zen и переупакованная из Qwen/Qwen3-Embedding-0.6B. Это дообученная модель семейства Qwen3 с 507,6 млн параметров, рассчитанная на получение векторных представлений текста для RAG, семантического поиска и плотного поиска по коллекциям документов. Модель работает с текстом, поддерживает английский и китайский языки и имеет контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Sentence Transformers.

Модель подходит для поиска релевантных фрагментов и сравнения текстов по смыслу. Выпущена по лицензии Apache-2.0. README описывает её как переупаковку исходной модели, а не обучение с нуля.

Сценарии применения

поиск релевантных документов для RAG
семантический поиск по коллекции текстов
сопоставление запросов с фрагментами документов
сравнение текстов по смыслу
построение плотного поискового индекса

Ограничения

Модель предназначена для текстовых эмбеддингов и поиска; README не описывает её как универсальную генеративную модель. Указанная поддержка языков ограничена английским и китайским.

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 II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Zen Embedding 0.6B

0.6B-parameter text-embedding model for retrieval-augmented generation, semantic search, and dense retrieval. Part of the Zen embedding line.

Repackaged from Qwen/Qwen3-Embedding-0.6B (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-0.6B")
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-0.6b.

GGUF build for CPU inference: zenlm/zen-embedding-0.6B-GGUF.

License

apache-2.0. Upstream: Qwen/Qwen3-Embedding-0.6B 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: a704d4b