Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
在浏览器或 Docker 里运行的排行榜页面,给文本、图像、音频和视频的嵌入模型排名。适合选择嵌入模型的人。
MTEB Leaderboard 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download mteb/leaderboard --repo-type space --local-dir leaderboard cd leaderboard
MTEB Leaderboard 是一个用来比较嵌入模型的网页。它涵盖文本、图像、音频和视频的模型。你可以在线打开,也可以用 Docker 构建并运行自己的副本。
它适合需要挑选嵌入模型、想有一份排名作为起点的人,也适合好奇这类排行榜怎么托管的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| AI 研究 | 研究人员 | 并排比较嵌入模型 | 查找一个你已经关注的模型 |
| 软件 | 机器学习工程师 | 为自己的项目列出候选模型 | 在测试之前先比较几个候选 |
| 多模态 AI | 处理图像、音频或视频的开发者 | 寻找文本之外的模型 | 浏览为另一种媒体类型列出的模型 |
| 运维 | 平台工程师 | 研究这个排行榜如何容器化 | 阅读 Dockerfile 和 models.py |
如果你需要知道每个分数是怎么得出的,可以跳过它,因为来源没有给出方法。
| 使用场景 | 谁用 | 得到什么 |
|---|---|---|
| 找一个嵌入模型 | 工程师 | 一个可作为起点的模型排名视图 |
| 跨媒体比较 | 开发者 | 文本、图像、音频或视频模型的条目 |
| 运行私有副本 | 平台团队 | 在你机器上用容器运行的同一个页面 |
在线页面不需要准备任何东西。本地副本需要 Docker,以及用来获取文件的 Python 和 pip。
pip install -U huggingface_hub hf download mteb/leaderboard --repo-type space --local-dir leaderboard cd leaderboard docker build -t leaderboard . docker run -it -p 7860:7860 leaderboard
打开这个 Space 的页面,或者用上面最后一条命令启动容器,然后在你自己的机器上访问 7860 端口。接着在排行榜里找你关心的媒体类型。
docker run -it -p 7860:7860 leaderboard
你打开页面,找处理文本的模型。你比较其中几个的位置,再决定在自己的项目里试哪几个。
打开在线页面,往下浏览。嵌入模型把内容变成数字,让相似的东西彼此靠近,排行榜帮你挑选一个。
这个应用用 Docker 构建,在 7860 端口提供服务,主文件是 app.py。Hugging Face 上的副本运行在 cpu-upgrade 档位。仓库本身只有一个 Dockerfile、一个 README 和 models.py,来源没有说明页面的数据来自哪里。记录里提到许多模型,其中有 German_Semantic_STS_V2、MedEmbed-small-v0.1 和 FRIDA,还有一个叫 BioVITA 的数据集。
在浏览器或 Docker 里运行的排行榜页面,给文本、图像、音频和视频的嵌入模型排名。适合选择嵌入模型的人。
由 mteb 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:MTEB Leaderboard 是一个用来比较嵌入模型的网页。它涵盖文本、图像、音频和视频的模型。你可以在线打开,也可以用 Docker 构建并运行自己的副本。
适合谁:它适合需要挑选嵌入模型、想有一份排名作为起点的人,也适合好奇这类排行榜怎么托管的开发者。
行业 | 谁在用 | 怎么用 | 例子
AI 研究 | 研究人员 | 并排比较嵌入模型 | 查找一个你已经关注的模型
软件 | 机器学习工程师 | 为自己的项目列出候选模型 | 在测试之前先比较几个候选
多模态 AI | 处理图像、音频或视频的开发者 | 寻找文本之外的模型 | 浏览为另一种媒体类型列出的模型
运维 | 平台工程师 | 研究这个排行榜如何容器化 | 阅读 Dockerfile 和 models.py
如果你需要知道每个分数是怎么得出的,可以跳过它,因为来源没有给出方法。
用在哪里:
使用场景 | 谁用 | 得到什么
找一个嵌入模型 | 工程师 | 一个可作为起点的模型排名视图
跨媒体比较 | 开发者 | 文本、图像、音频或视频模型的条目
运行私有副本 | 平台团队 | 在你机器上用容器运行的同一个页面
如何设置:在线页面不需要准备任何东西。本地副本需要 Docker,以及用来获取文件的 Python 和 pip。
pip install -U huggingface_hub
hf download mteb/leaderboard --repo-type space --local-dir leaderboard
cd leaderboard
docker build -t leaderboard .
docker run -it -p 7860:7860 leaderboard
如何使用:打开这个 Space 的页面,或者用上面最后一条命令启动容器,然后在你自己的机器上访问 7860 端口。接着在排行榜里找你关心的媒体类型。
docker run -it -p 7860:7860 leaderboard
示例:你打开页面,找处理文本的模型。你比较其中几个的位置,再决定在自己的项目里试哪几个。
新手与专家:打开在线页面,往下浏览。嵌入模型把内容变成数字,让相似的东西彼此靠近,排行榜帮你挑选一个。
这个应用用 Docker 构建,在 7860 端口提供服务,主文件是 app.py。Hugging Face 上的副本运行在 cpu-upgrade 档位。仓库本身只有一个 Dockerfile、一个 README 和 models.py,来源没有说明页面的数据来自哪里。记录里提到许多模型,其中有 German_Semantic_STS_V2、MedEmbed-small-v0.1 和 FRIDA,还有一个叫 BioVITA 的数据集。
Docker 构建镜像
容器运行 app.py
页面在 7860 端口提供
你浏览排行榜
注意事项:
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| MTEB Leaderboard 本页 | 7,773 | docker | mit | |
| Open LLM Leaderboard共有 docker · leaderboard | 14,156 | docker | apache-2.0 | |
| UGI Leaderboard共有 docker · leaderboard | 2,199 | docker | apache-2.0 | |
| CADGenBench Leaderboard共有 docker · leaderboard | 90 | docker | apache-2.0 | |
| Microduck Sandbox共有 docker | 804 | docker | apache-2.0 | |
| Visualize Dataset (v2.0+ latest dataset format)共有 docker | 754 | docker | apache-2.0 |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。