nomic-embed-text-v1.5

nomic-embed-text-v1.5

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。

由 nomic-ai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：nomic-embed-text-v1.5 是一个有 137M 参数的文本嵌入模型。它把英文文本转成向量，让你能比较含义、搜索文档或给相似文本分组。它的向量支持 Matryoshka 缩放，也就是只保留每个向量的前一部分。

适合谁：它适合需要文本向量来做检索、分组或分类的开发者和数据团队。你需要懂一点 Python 才能运行它。

Industry | Who uses it | How they use it | Example
软件 | 检索应用开发者 | 用不同的前缀嵌入文档和用户问题 | 在一堆内部笔记上做一个搜索框
数据科学 | 分析师 | 嵌入文本来做聚类、找主题或去除近似重复 | 按主题给简短的反馈评论分组
机器学习 | 机器学习工程师 | 把向量当作分类器的输入特征 | 在嵌入向量之上训练分类器

需要处理其他语言文本的人可以跳过它，因为记录里只列了英语。

用在哪里：

• Windows、macOS 或 Linux 上的 Python
• sentence-transformers 库
• transformers 库，配合卡片里的池化代码
• 需要文档向量和查询向量的 RAG 流程

Use case | Who | What they get back
RAG 建索引和查询 | 应用开发者 | 文档向量和与之匹配的问题向量
聚类和去重 | 分析师 | 能把相似文本分组并暴露重复内容的向量
分类特征 | 机器学习工程师 | 分类器可以用来训练的向量

如何设置：

• 你电脑上的 Python
• sentence-transformers 库和 PyTorch
• 约 547 MB 的磁盘空间，用于 F32 权重

1. 安装 Hugging Face hub 软件包。
2. 下载模型文件。
3. 在 Python 里按名称加载模型。

pip install -U huggingface_hub

hf download nomic-ai/nomic-embed-text-v1.5

如何使用：你嵌入的每段文本都必须以任务前缀开头，告诉模型这个向量是做什么用的。要建索引的文本加文档前缀，问题加查询前缀，然后调用 encode。

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("nomic-ai/nomic-embed-text-v1.5")
sentences = ['search_query: Who is Laurens van Der Maaten?']
embeddings = model.encode(sentences)
print(embeddings)

要缩短向量，卡片的做法是先归一化，保留前 512 个值，再归一化一次。

import torch.nn.functional as F
from sentence_transformers import SentenceTransformer

matryoshka_dim = 512

model = SentenceTransformer("nomic-ai/nomic-embed-text-v1.5")
sentences = ['search_query: What is TSNE?', 'search_query: Who is Laurens van der Maaten?']
embeddings = model.encode(sentences, convert_to_tensor=True)
embeddings = F.layer_norm(embeddings, normalized_shape=(embeddings.shape[1],))
embeddings = embeddings[:, :matryoshka_dim]
embeddings = F.normalize(embeddings, p=2, dim=1)
print(embeddings)

Tool | What it does
search_document | 用于作为文档嵌入的文本的前缀，比如 RAG 索引
search_query | 用于作为问题嵌入的文本的前缀，这些问题可以由文档来回答
clustering | 用于想要分组、找主题或去重的文本的前缀
classification | 用于向量要喂给分类器的文本的前缀

示例：你在自己的文件上做一个问答应用。你在每个文本块前加文档前缀，在每个用户问题前加查询前缀，然后把两者都编码。每段文本都会变成一个可以比较的向量。

新手与专家：嵌入就是把一个句子变成一串数字，相似的句子得到相似的数字串。你可以先给一个带前缀的查询编码，然后打印结果。最容易犯的错误是忘记前缀。

在底层，这个模型用 Matryoshka 表示学习训练，所以前面的维度承载了大部分含义，你可以截断。卡片说它支持超过 2048 个词元的序列长度。卡片还提到同一团队的一个视觉模型，与这个模型共用向量空间。

给每段文本加任务前缀
用模型对文本编码
可选：把向量截短到 512 个值
归一化并比较向量

注意事项：

• License: Apache 2.0。
• Cost to run: 未提及。这些步骤不需要 API 密钥或付费服务。
• Data it reaches: 它从 Hugging Face Hub 下载文件。你的文本在你自己的机器上编码。
• Not for: 没有任务前缀的文本，卡片说模型必须带前缀。
• 较新版本的 transformers 和 sentence-transformers 不再需要为这个模型设置 trust_remote_code 参数。

Title: 权重大小，单位兆字节
F32: 547 MB
4-bit estimate: 68 MB

Hugging Face 上的数据（2026年11月13日）

• 任务：sentence similarity
• 框架：sentence-transformers
• 参数量：137M
• Weights: about 547 MB in F32; about 68 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：11,809,681
• 点赞：994
• 许可证：apache-2.0
• 语言：en
• Quantized versions: 40
• Fine-tunes: 42
• 标签：sentence-transformers, onnx, safetensors, nomic_bert, feature-extraction, sentence-similarity, mteb, transformers, transformers.js, model-index, text-embeddings-inference

链接

• 模型：https://huggingface.co/nomic-ai/nomic-embed-text-v1.5
• 文件：https://huggingface.co/nomic-ai/nomic-embed-text-v1.5/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download nomic-ai/nomic-embed-text-v1.5

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。