来自 Hugging Face 的 AI 项目

Yalda Embedding

Yaldat · 工具包

把波斯语文本转成 1,024 维的嵌入向量，用于语义搜索和检索。适合需要把波斯语问题匹配到正确段落的开发者。

bge-small-en-v1.5-GGUF

unsloth · 工具包

把英文文本变成嵌入向量，用于搜索和检索，是一个 33.2M 参数的小型 GGUF 文件。适合在普通硬件上构建搜索或检索应用的开发者。

harrier-oss-v1-27b

microsoft · 工具包

把多种语言的文本转成嵌入向量，用于搜索、聚类、相似度、分类和重排序。适合做语义搜索或检索、并且能部署 27B 模型的开发者。

mSlideOn

lightonai · 工具包

把查询和文档变成可用倒排索引检索的稀疏向量，支持多种语言和长文本。这是一个 339M 参数的多语言检索模型，适合构建搜索的人。

hs-rerank-1

hindsight-ai · 工具包

给每份文档回答查询的程度打分，支持八种语言，输入最长 8,192 个 token，让搜索或记忆系统把最匹配的结果排在前面。适合构建检索功能的开发者。

UIBK-Embedding-v1

DataScience-UIBK · 工具包

用一个同时结合词元级匹配和整段文本匹配的模型，找出与查询最匹配的段落。这是因斯布鲁克大学发布的英语检索模型，适合构建搜索的人。

bge-small-en-v1.5

BAAI · 工具包

BAAI 的小型英文文本嵌入模型，把句子变成向量，用于搜索和检索。约 33M 参数，属于 FlagEmbedding 项目。

bge-base-en-v1.5

BAAI · 工具包

把英文文本转成用于搜索和检索的数字向量。这是 BAAI 的 109M 参数嵌入模型，适合通过 sentence-transformers 构建语义搜索或 LLM 检索的开发者。

pplx-embed-v2-late-0.6b

perplexity-ai · 工具包

用 ColBERT 风格的模型给查询与文本、图像和文档页面打分，每个词元保留一个小向量。适合为混合文档搭建搜索的开发者。

SPARSEUP

Linkup-Platform · 工具包

Linkup 推出的 188M 参数英文稀疏检索模型，把查询和文档变成带权重的词表用于搜索。它在 BEIR 上得 56.4 分，是 1.5 亿参数以下公开结果中最好的。

multilingual-e5-large

intfloat · 工具包

把约 100 种语言的文本变成 1024 个数字的向量，用于搜索、匹配和检索。这是 intfloat 基于 xlm-roberta-large 的 5.6 亿参数嵌入模型。

hs-embed-1

hindsight-ai · 工具包

把文本变成紧凑的向量，用于八种语言的搜索和匹配，输入最长 8,192 个 token。这是为 Hindsight 打造的 112M 小型嵌入模型，可在 CPU 或 GPU 上运行。

bekko-static-v1-slim-100k

flowercomputers · 工具包

用静态嵌入模型把文本变成 1024 维向量，词表精简到 25 种语言。不用 Transformer，就能快速做句子相似度和检索，可用 Python 或 Rust。

paraphrase-multilingual-MiniLM-L12-v2

sentence-transformers · 工具包

把句子和段落转成 384 个数字组成的向量，用于语义搜索、聚类和句子相似度，是 sentence-transformers 项目的多语言模型。适合构建搜索或匹配功能的开发者。

voyage-4-nano

MongoDB · 工具包

来自 Voyage 4 系列、3.46 亿参数的多语言文本嵌入模型，用于语义搜索和检索，向量大小可调。适合构建搜索和 RAG 系统的开发者。

SlideOn

lightonai · 工具包

LightOn 推出的英语稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索。适合做英文文本检索的搜索工程师和开发者。

nomic-embed-text-v1.5

nomic-ai · 工具包

把英文文本转成嵌入向量，用于搜索、聚类和分类，向量还可以截短。适合做检索应用的开发者。

Qwen3-Embedding-4B

Qwen · 工具包

把 100 多种语言的文字和代码变成向量，用于搜索、检索、分类和聚类，向量大小可调，还支持任务指令，适合构建搜索和 RAG 系统的开发者。

harrier-oss-v1-0.6b

microsoft · 工具包

把多种语言的文字变成数字向量，用于搜索、聚类和相似度匹配，是微软的 0.6B 嵌入模型，适合构建检索和排序工具的开发者。

AsteroRank-Lepton

Asteromorph · 工具包

为每份文档与搜索查询的相关度打分，可附带上下文，用来重新排序搜索结果。这是基于 Qwen3.5 构建的 4B 开放权重重排序模型，适合科学和通用搜索。

Qwen3-Reranker-0.6B

Qwen · 工具包

为每个段落回答查询的程度打分，把最好的段落排在搜索和检索系统的前面。这是覆盖 100 多种语言的 0.6B 文本重排模型，适合搭建搜索的开发者。

bge-reranker-v2-m3

BAAI · 工具包

判断一段文字对查询的回答程度，用来给搜索结果重新排序，支持多种语言。输入问题和文档，返回一个相关性分数。适合构建搜索和检索流程的人。

Qwen3-Embedding-8B

Qwen · 工具包

把文本变成向量，用于搜索、代码检索、分类和聚类，支持 100 多种语言。这是 Qwen 嵌入系列里的 8B 模型，向量大小可调，还支持任务指令。

KURE-Sparse-nano

nlpai-lab · 工具包

一个紧凑的韩英稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索，适合做韩语搜索的团队。

Qwen3-Embedding-0.6B

Qwen · 工具包

把文字转成数字向量，用于搜索、检索、分类和聚类，支持 100 多种语言，包括编程语言。是 Qwen3 Embedding 系列里最小的 0.6B 参数文本嵌入模型。

bge-m3

BAAI · 工具包

把 100 多种语言的文字转成向量用于搜索，从短句到 8192 词元的文档都行。一个模型同时支持稠密、多向量和稀疏检索。由 BAAI 发布。

all-MiniLM-L6-v2

sentence-transformers · 工具包

把句子和短段落变成 384 维向量，用于语义搜索、聚类和句子相似度。适合构建英文搜索或检索功能的开发者。

embeddinggemma-2

google · 工具包

Google DeepMind 的开源嵌入模型，把文字、代码、图片、视频和音频放进同一个 768 维向量空间，可在笔记本和手机上运行。适合构建搜索和检索的开发者。

MTEB-BR Leaderboard

MTEB-BR · 工具包

在原生巴西葡萄牙语任务上给文本嵌入模型排名，22 个任务评测了 93 个模型。这是一个静态榜单页，适合挑选葡萄牙语搜索模型的研究者和工程师。