/ Модель

Характеристики

Лицензия
openmdw-1.1
Базовая модель
Nemotron-3-Embed-1B-BF16
Библиотека
gguf
Опубликована
17 июл 2026

Nemotron-3-Embed-1B-Q4_K_M-GGUF

Сходство предложенийТекст → score9 профессий

Nemotron-3-Embed-1B-Q4_K_M-GGUF — независимо сконвертированная и квантованная версия NVIDIA Nemotron-3-Embed-1B-BF16, подготовленная zenmagnets для локального получения текстовых эмбеддингов в LM Studio и совместимых с llama.cpp средах.

82 706скачиваний за 30 дней6лайковвеса обновлены17 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Репозиторий не является официальным релизом NVIDIA и не связан с её поддержкой. Модель предназначена для семантического поиска, retrieval, RAG, извлечения признаков и reranking, но не для диалогов или генерации текста.

Модель распространяется в формате GGUF с квантованием Q4_K_M и занимает около 714,6 МиБ. Она формирует L2-нормализованные эмбеддинги размерностью 2048 и поддерживает заявленный максимальный контекст 262 144 токена, однако функционально проверялась только на контексте 4096 токенов; большие контексты требуют значительно больше памяти и не валидировались. Для retrieval рекомендуется использовать префиксы «query:» для запросов и «passage:» для документов. В README указана поддержка multilingual-сценариев, включая английский, русский, китайский, японский, корейский, арабский, немецкий, французский и другие языки.

К преимуществам относятся компактный размер, локальный запуск, нормализованные векторы, совместимость косинусного сходства и скалярного произведения, а также проверенная работа на Apple M3 Max с производительностью до 32,82 текста в секунду для пакетной обработки. Q4_K_M является lossy-квантованием и может менять оценки и ранжирование относительно BF16-версии; для этой квантованной модели не проводилась оценка качества MTEB/MMTEB. Модель распространяется по лицензии OpenMDW License Agreement 1.1; материалы исходной модели также включают компоненты под Apache 2.0.

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

Nemotron-3-Embed-1B Q4_K_M GGUF

An independently converted and quantized GGUF of NVIDIA's nvidia/Nemotron-3-Embed-1B-BF16, prepared for local embedding inference in LM Studio and llama.cpp-compatible runtimes.

This repository is not an official NVIDIA release and is not affiliated with or endorsed by NVIDIA.

File

FileQuantizationSizeSHA-256
nemotron-3-embed-1b-q4_k_m.ggufQ4_K_M749,352,096 bytes (714.6 MiB)9a74166f51dbc280073748fa199bea49283bd21f7f9280f2dec2b4d975ddfd1d

The model produces 2,048-dimensional, L2-normalized embeddings. Its GGUF metadata declares a 262,144-token maximum context. The release was functionally tested at a 4,096-token context; very large contexts were not validated and require substantially more memory.

Use with LM Studio

Download the GGUF from Files and versions, then drag it into LM Studio or place it in LM Studio's models directory. LM Studio should classify it as an embedding model.

Load it with a 4,096-token context and full GPU offload, start the local server, and call the OpenAI-compatible embeddings endpoint:

curl http://127.0.0.1:1234/v1/embeddings \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "nemotron-3-embed-1b-q4",
    "input": [
      "query: What is retrieval-augmented generation?",
      "passage: Retrieval-augmented generation adds retrieved documents to a model prompt."
    ]
  }'

The exact model identifier can differ if LM Studio assigns another load name; check http://127.0.0.1:1234/v1/models when needed.

Retrieval format

Use the prefixes specified by NVIDIA:

  • Queries: query: <text>
  • Documents: passage: <text>

Embeddings are normalized, so cosine similarity and dot product give equivalent rankings (within normal floating-point tolerance).

Conversion provenance

The conversion was mechanical. The model was not fine-tuned or otherwise trained. See QUANTIZATION.md for the reproducibility record and embedded metadata summary.

Validation

Validated on an Apple M3 Max with LM Studio 0.4.19 Build 2 and its llama.cpp runtime 2.25.2, using full GPU offload and a 4,096-token context.

CheckResult
Output dimensions2,048
L2 norm (three test vectors)1.00000002 / 1.00000001 / 0.99999997
Relevant query/passage cosine0.654999
Unrelated query/passage cosine0.044103
Median latency, one input30.46 ms
Median batch time, 32 inputs974.98 ms
Median batch throughput32.82 texts/s

Latency includes local HTTP and JSON serialization. These numbers are a runtime smoke test, not a retrieval-quality evaluation. Hardware, text length, context settings, and runtime versions affect performance.

Limitations

  • Q4_K_M is lossy and can change retrieval scores or rankings relative to the upstream BF16 model.
  • No MTEB/MMTEB accuracy evaluation was run on this quantization; consult NVIDIA's upstream model card for BF16 benchmark results.
  • This model is intended for embeddings, retrieval, semantic search, and reranking pipelines. It is not a chat or text-generation model.
  • Users remain responsible for evaluating model behavior, data handling, and suitability for their application.

License and attribution

The model materials are distributed under the OpenMDW License Agreement 1.1. The upstream model incorporates Ministral-3-3B-Instruct-2512 materials released under Apache 2.0.

This repository retains NVIDIA's LICENSE, NOTICE, and THIRD_PARTY_NOTICES.md. By using or distributing the model, you agree to the applicable license terms. NVIDIA retains ownership of its names and trademarks; their use here is solely to identify the upstream model.

Upstream resources

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
06df1fd

0 моделей