mxbai-embed-2d-large-v1

מה זה

מדובר במודל שפותח לחילוץ תכונות וייצוג וקטורי של טקסטים קצרים באנגלית. עם 24 שכבות ומשקל קבצים של 2.8 גיגה בייט, הוא יושב בקטגוריית הגודל הבינוני, מה שהופך אותו למהיר יחסית לטעינה ולעיבוד.

במדדי ההערכה הרשמיים של MTEB הוא מפגין ביצועים מעורבים שתלויים מאוד בסוג המשימה. בסיווג רגש הוא פוגע מצוין עם דיוק של מעל 93 אחוז בנתוני אמזון, אך בסיווג ביקורות מרובות קטגוריות הדיוק צונח לכ־46 אחוז. גם במשימות שליפה מורכבות בעולמות כמו מתמטיקה הביצועים הראשוניים שלו בינוניים למדי, בעוד שבשאלות טכניות כלליות או טיעונים הוא מחזיר תוצאות סבירות בהרבה.

מתאים ל

• שליפת שאלות ותשובות באנגלית

  מתאים לחיפוש סמנטי במאגרי ידע טכניים הודות לציון MRR של כ־76 אחוז בנתוני קהילה.

• סיווג תחושות ורגש בטקסט

  מגיע לדיוק של 93.2 אחוז בסיווג ביקורות קצרות באנגלית, יעיל לניתוח פידבק משתמשים.

• מדידת דמיון סמנטי בין משפטים

  מציג מתאם פירסון של כמעט 90 אחוז במדדי דמיון סמנטי מדעיים, מעולה להשוואת תקצירים.

איפה זה נופל

המגבלה המרכזית והבולטת ביותר היא תמיכה בשפה האנגלית בלבד. אם תזינו לו טקסטים בעברית תקבלו תוצאות גרועות, כי הוא לא אומן ולא נמדד עבור שפות אחרות.

מעבר לזה, חלון ההקשר מוגבל ל־512 טוקנים, כך שאי אפשר להזין לו מסמכים שלמים בלי לחתוך אותם לפסקאות קצרות מראש. תוצאות המדידה מראות גם חולשה ברורה באחזור נתונים טכניים עמוקים, למשל במתמטיקה ה־recall הראשוני שלו עומד על כ־15 אחוז בלבד, מה שמחייב בדיקה מקדימה קפדנית אם המידע שלכם מקצועי מאוד.

איך מריצים

אתם טוענים אותו ישירות דרך ספריית sentence-transformers הרגילה בפייתון, והוא תומך גם בגרסת transformers.js ישירות בדפדפן או בסביבות Node. כדי להריץ אותו בנוחות עם דיוק float16 לא צריך מפלצת, כרטיס מסך בסיסי עם 4 עד 6 גיגה בייט זיכרון יחזיק אותו בקלות, וגם מעבד מודרני יתמודד איתו אם נפח השאילתות נמוך.

הקריאה ל־API חיצוני עדיפה בעיקר אם אין לכם תשתית ענן פעילה ואתם לא רוצים לנהל שרת ייעודי עבור קבצים של 2.8 גיגה בייט. לכל שימוש אינטנסיבי שדורש זמני תגובה מהירים ללא תלות ברשת, הרצה מקומית תהיה זולה ופשוטה לתחזוקה.

from sentence_transformers import SentenceTransformer

m = SentenceTransformer("mixedbread-ai/mxbai-embed-2d-large-v1")
v = m.encode(["שלום עולם"])

הקבצים

17 קבצים במאגר, 2.8 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• onnx/model.onnx1.3 GB
• model.safetensors670.3 MB
• onnx/model_fp16.onnx668.8 MB
• onnx/model_quantized.onnx337.0 MB
• tokenizer.json711.4 KB
• vocab.txt231.5 KB
• README.md107.5 KB
• LICENSE10.8 KB
• .gitattributes1.5 KB
• tokenizer_config.json1.2 KB
• config.json758 B
• special_tokens_map.json695 B
• onnx/quantize_config.json674 B
• 1_Pooling/config.json297 B
• modules.json229 B
• config_sentence_transformers.json171 B
• sentence_bert_config.json53 B

הרישיון

הוא מופץ תחת רישיון apache-2.0. זה אומר שמותר להשתמש בו חופשי לצרכים מסחריים, לשנות אותו, להטמיע אותו במוצרים סגורים ולהפיץ אותו הלאה, כל עוד אתם שומרים על הודעת זכויות היוצרים והרישיון המקורי.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗