Mindket

MTEB Leaderboard

新上架第 1 版 · 更新于

概览

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。

速览

你需要
  • Docker
  • Python 和 pip,用来获取文件
  • Windows、macOS 或 Linux
用在
  • 浏览器:打开 Hugging Face 上这个 Space 的页面
  • 你自己的 Windows、macOS 或 Linux 电脑上的 Docker
先运行
pip install -U huggingface_hub
hf download mteb/leaderboard --repo-type space --local-dir leaderboard
cd leaderboard

平台

Docker容器
Windows操作系统
macOS操作系统
Linux操作系统

关于

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

  • 浏览器:打开 Hugging Face 上这个 Space 的页面
  • 你自己的 Windows、macOS 或 Linux 电脑上的 Docker
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。

  • Docker
  • Python 和 pip,用来获取文件
  • Windows、macOS 或 Linux
  1. 安装 Hugging Face hub 库。
  2. 把 Space 的文件下载到名为 leaderboard 的文件夹。
  3. 进入该文件夹。
  4. 构建 Docker 镜像。
  5. 发布 7860 端口并运行容器,然后在浏览器里打开该端口。
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。

  1. Docker 构建镜像
  2. 容器运行 app.py
  3. 页面在 7860 端口提供
  4. 你浏览排行榜

注意事项

  • 硬件:Hugging Face 上的副本运行在 cpu-upgrade 档位。
  • 空缺:来源除了用途之外说得很少,所以这里没有描述打分方法和各列含义。
  • License:mit。
  • Cost to run:未提及。
  • Data it reaches:来源没有说明页面读取哪些数据。

README 和文件

README

MTEB Leaderboard

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。

简介

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:

  • 浏览器:打开 Hugging Face 上这个 Space 的页面
  • 你自己的 Windows、macOS 或 Linux 电脑上的 Docker
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。

  • Docker
  • Python 和 pip,用来获取文件
  • Windows、macOS 或 Linux
  1. 安装 Hugging Face hub 库。
  2. 把 Space 的文件下载到名为 leaderboard 的文件夹。
  3. 进入该文件夹。
  4. 构建 Docker 镜像。
  5. 发布 7860 端口并运行容器,然后在浏览器里打开该端口。
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:

  • 硬件:Hugging Face 上的副本运行在 cpu-upgrade 档位。
  • 空缺:来源除了用途之外说得很少,所以这里没有描述打分方法和各列含义。
  • License:mit。
  • Cost to run:未提及。
  • Data it reaches:来源没有说明页面读取哪些数据。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:7,773
  • 构建方式:docker
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/mteb/leaderboard
  • 文件:https://huggingface.co/spaces/mteb/leaderboard/tree/main

试用

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。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

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7,773dockermit
Open LLM Leaderboard共有 docker · leaderboard14,156dockerapache-2.0
UGI Leaderboard共有 docker · leaderboard2,199dockerapache-2.0
CADGenBench Leaderboard共有 docker · leaderboard90dockerapache-2.0
Microduck Sandbox共有 docker804dockerapache-2.0
Visualize Dataset (v2.0+ latest dataset format)共有 docker754dockerapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

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。

davidtsongShow HN: Playground for comparing embedding models on Wikipedia+book retrievalIntroducing embeds.ai: an embedding playground to compare how embedding models work on a real world use case (retrieval augmented generation for Wikipedia articles + Elad Gil's High growth handbook) A few weeks ago, Shreyan and I were looking for an embedding model to use for RAG. We eventually…5 分 · 11 条回复MTEB1/ The best embedding model you can afford to run can sit well down the MTEB leaderboard, because the ranking ignores size. A new Pareto tag now marks it: no model with the same or fewer active parameters has a higher average score. Hover it to see the size range it leads.2 赞 · 1 条回复levkkShow HN: We unified LLMs, vector memory, ranking, pruning models in one processThere is a lot of latency involved shuffling data for modern and complex ML systems in production. In our experience these costs dominate end-to-end user latency, rather than actual model or ANN algorithms, which unfortunately limits what is achievable for interactive applications. We've extended…4 分 · 1 条回复MTEB3/ Because scores change, we will rerun the audio and video models on the leaderboard with the new settings. If you submit new audio or video results, please use mteb 2.24.4 or later. Work by AdnanElAssadi.2 赞yokeeShow HN: SOTA Sentence Embeddings on MTEB Leaderboard3 分@qdrddr.bsky.socialHope to see its performance on MTEB leaderboard soon.yokeeUniversal AnglE Sentence Embedding: New SOTA on MTEB Leaderboard2 分 · 1 条回复Gunter RotsaertThe Hugging Face massive text embedding benchmark leaderboard.caprockText Embedding Benchmark (MTEB) Leaderboard1 分 · 1 条回复SurajSILT#00395: If you're looking for embedding models, consider looking at the MTEB Embedding Leaderboard on HuggingFace to see a wide selection of models across many benchmarks, as well as compare them with each other to see a good fit for your task: huggingface.co/spaces/mteb/...t4Ask HN: Help for Choosing an Embedding Model?I've tried looking and the MTEB leaderboard and tested a few, but I'm curious about your experiences! I'm looking for a model that would optimize for accuracy (finding relevant results), language support (as many as possible, English only is a no-no) and efficiency so I could potentially run it…1 分Gunter RotsaertThe Hugging Face massive text embedding benchmark leaderboard.

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

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。

新上架

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。

新上架

MusicGen Small

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。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

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。

新上架

EarthJev

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。

新上架

getting-over-it-rl-jax

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。

新上架