Qwen3-Reranker-4B

מה זה

זהו שלב הריראנקינג של משפחת Qwen3, שנבנה על בסיס מודל שפה עם 36 שכבות. המטרה שלו פשוטה: הוא מקבל שאילתה ומסמך, ומחזיר ציון התאמה מספרי. במקום להסתפק בהתאמה וקטורית פשוטה, הוא מנתח את שני הטקסטים יחד כ־CrossEncoder, כולל תמיכה בהוראות מותאמות אישית שמכוונות אותו למשימה ספציפית.

במבחני הביצועים הוא מציג קפיצה ברורה מול דגמי ה־0.6B וריראנקרים ותיקים אחרים. ב־MTEB-R הוא מקבל 69.76, ובמדד FollowIR הוא מגיע ל־14.84, תוצאה שאפילו עוקפת את גרסת ה־8B של אותה סדרה. זה מראה על יכולת טובה במיוחד להיצמד להנחיות שליפה מורכבות ולא רק להתאים מילות מפתח.

מתאים ל

• סינון תוצאות במערכות RAG

  דירוג מחדש של 100 הפסקאות הראשונות שהוחזרו משליפה וקטורית, להעלאת איכות המידע שנכנס להקשר.

• שליפת קטעי קוד

  התאמת שאילתות חיפוש לקוד מקור, משימה שבה הוא הגיע לציון של 81.20 במבחן MTEB-Code.

• חיפוש מבוסס הנחיות מורכבות

  מערכות שדורשות הוראה מפורשת על אופי המסמך המבוקש, תחום שבו הוא מצטיין לפי מדד FollowIR.

איפה זה נופל

למרות התמיכה הרשמית בלמעלה מ־100 שפות, המפתחים מציינים במפורש שאימון ההנחיות נעשה בעיקר באנגלית. הם ממליצים לכתוב את הוראות המשימה באנגלית גם כשעובדים עם שפות אחרות, מה שמחייב בדיקה יסודית אם אתם בונים על דירוג טקסטים בעברית. בנוסף, חוסר שימוש בהנחיה מותאמת מוריד את הביצועים ב־1% עד 5%, וההרצה כבדה משמעותית ממודלי 0.6B.

אותה משפחה

Qwen3-Reranker יצא ב־3 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך מריצים

המשקל בדיוק מקורי עומד על 7.5 גיגה בייט, כך שצריך כרטיס מסך עם לפחות 16 גיגה זיכרון כדי להריץ אותו בנוחות בלי להיחנק כשההקשר מתארך. טוענים אותו ישירות דרך Sentence Transformers עם CrossEncoder, אבל שימו לב לגרסת transformers, כי גרסאות ישנות מ־4.51.0 ייכשלו עם שגיאת מפתח.

אם נפח הבקשות שלכם נמוך מאוד או שאין לכם תשתית GPU זמינה להחזיק מודל כזה חי, עדיף להשתמש ב־API מנוהל. הרצה עצמית משתלמת כשיש עומס שוטף או כשהמסמכים רגישים ואסור להוציא אותם החוצה.

from transformers import pipeline

pipe = pipeline("text-ranking", model="Qwen/Qwen3-Reranker-4B")
print(pipe("שלום"))

הקבצים

17 קבצים במאגר, 7.5 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model-00001-of-00002.safetensors4.1 GB
• model-00002-of-00002.safetensors4.0 GB
• tokenizer.json11.4 MB
• vocab.json2.8 MB
• merges.txt1.7 MB
• model.safetensors.index.json32.8 KB
• README.md14.7 KB
• tokenizer_config.json9.7 KB
• .gitattributes1.6 KB
• chat_template.jinja741 B
• config.json727 B
• special_tokens_map.json613 B
• sentence_bert_config.json362 B
• config_sentence_transformers.json325 B
• modules.json280 B
• generation_config.json214 B
• 1_LogitScore/config.json57 B

הרישיון

הפרויקט מופץ תחת רישיון Apache 2.0. זהו רישיון קוד פתוח מתירני שמאפשר שימוש מסחרי, שינוי של הקוד והפצה פנימית או חיצונית, בתנאי ששומרים על הודעות זכויות היוצרים והרישיון המקורי.

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

הרישיון המלא בעמוד המודל ↗