harrier-oss-v1-270m
קוד פתוחmicrosoftmit2026-03-30
microsoft עומדים גם מאחורי Sho, ויש עליו סקירה כאן.
מודל שיבוץ טקסט קל במיוחד שתומך בעברית ובחלון קלט חריג של 32 אלף טוקנים. הוא פותר בעיות חיפוש סמנטי במסמכים ארוכים ישירות על הברזל שלכם בלי עלויות ענן כבדות.
- 268Mפרמטרים
- 32,768טוקנים בהקשר
- 544 MBמשקל הקבצים
- 558,493הורדות בחודש
מה זה
מדובר במודל שיבוץ שמבוסס על ארכיטקטורת Gemma3TextModel עם 268 מיליון פרמטרים, שנועד לייצר וקטורים צפופים למשימות אחזור, סיווג, דמיון סמנטי ודירוג מחדש. מיקרוסופט אימנו אותו בלמידה ניגודית על נתונים רב־לשוניים, והגרסה הזו עברה זיקוק ידע ממודלים גדולים יותר בסדרה כדי לשמור על דיוק למרות המשקל הנמוך.
במבחן הביצועים של MTEB v2 הוא קיבל ציון של 66.5, שזה פער קטן מאוד לעומת גרסת ה־0.6B שעומדת על 69.0. היתרון הגדול שלו לעומת מודלים ותיקים באותו סדרי גודל הוא השילוב בין חלון קונטקסט מלא של 32,768 טוקנים לבין ממד וקטור קומפקטי של 640 בלבד, מה שחוסך מקום יקר בבסיסי נתונים וקטוריים.
מתאים ל
- חיפוש סמנטי במסמכים ארוכים
חלון הקלט של 32 אלף טוקנים מאפשר לקרוא קבצים שלמים בלי לקצוץ אותם לחתיכות קטנות מדי.
- אינדוקס חסכוני במסד וקטורי
וקטור ייצוג באורך 640 חוסך שטח אחסון ועלויות זיכרון בבסיסי נתונים בהשוואה למודלים כבדים.
- חיפוש מקומי על מחשבי קצה
משקל של חצי ג'יגה־בייט בלבד מאפשר להריץ מנוע חיפוש רב־לשוני ישירות במכשיר בלי שרת חיצוני.
איפה זה נופל
המודל מחייב שימוש בהנחיות טקסטואליות לפני השאילתה, ואם תשלחו שאילתות נקיות בלי הוראה מתאימה, הביצועים שלו ייפגעו באופן מורגש. זה מוסיף שכבת ניהול פרומפטים שצריך להטמיע בקוד שלכם. בנוסף, חלון של 32 אלף טוקנים עלול לפתות אתכם לדחוף מסמכי ענק בבת אחת, אבל פענוח של טקסטים ארוכים כאלה עלול לייצר צוואר בקבוק של זמני תגובה, במיוחד כשרצים על מעבד בלבד.
אותה משפחה
harrier-oss יצא ב־3 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.
שאלות
נפוצות
האם המודל מבין עברית בצורה טבעית?
עברית רשומה באופן רשמי ברשימת השפות הנתמכות שמיקרוסופט ציינו בכרטיס המודל. עם זאת, מומלץ לבדוק את איכות ההטמעה על אוצר המילים הספציפי שלכם, בעיקר אם מדובר במונחים מקצועיים או טקסטים לא מנוקדים.
חייבים להוסיף פרומפט לכל טקסט ששולחים אליו?
ההנחיה נדרשת רק לשאילתות החיפוש, ועליה להגדיר במשפט אחד מה המשימה כדי לשמור על רמת הדיוק. בצד של המסמכים שאתם מאנדקסים אין צורך להוסיף שום פרומפט, ושומרים את הטקסט הגולמי בלבד.
איך מריצים
המשקל הכולל של הקבצים הוא 544 מגה־בייט בלבד, כך שאפשר להריץ אותו ישירות דרך ספריית sentence-transformers על כל מעבד מודרני בלי להזדקק למאיץ גרפי ייעודי, או להחזיק אותו בזיכרון של כרטיס מסך פשוט לצד מודלים אחרים. הוא משתמש ב־last-token pooling עם נרמול L2, והספרייה מטפלת בזה בעצמה.
אם אתם שוקלים מתי לפנות ל־API חיצוני, זה קורה רק אם התשתית שלכם צריכה לשרת אלפי שאילתות בשנייה ואין לכם רצון לנהל שרתים. למודל הזה קיימות גרסאות כבדות יותר של 0.6B ו־27B שנותנות ציונים גבוהים יותר, אבל אם עובדים על חומרה מקומית או בקצה, הגרסה הזו נותנת את יחס הביצועים הטוב ביותר לגודל שלה.
from sentence_transformers import SentenceTransformer
m = SentenceTransformer("microsoft/harrier-oss-v1-270m")
v = m.encode(["שלום עולם"])הקבצים
11 קבצים במאגר, 544 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
רישיון MIT פתוח ומתירני לחלוטין. מותר לכם להשתמש בו לצרכים מסחריים, לשנות אותו, להפיץ אותו ולשלב אותו במוצרים סגורים בלי לשלם תמלוגים, כל עוד אתם שומרים על הודעת זכויות היוצרים המקורית של מיקרוסופט.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש