TomoroAI/tomoro-colqwen3-embed-4bは、高度なColPaliスタイルのマルチモーダル埋め込みモデルで、テキストクエリ、ビジュアルドキュメント（画像やPDFなど）、またはショートビデオをアラインされたマルチベクトル埋め込みにマッピングできます。このモデルは、Qwen3-VL-4B-InstructとQwen3-Embedding-4Bの長所を組み合わせ、ViDoReベンチマークテストで優れた性能を発揮し、同時に埋め込みに必要なスペースを大幅に削減します。

マルチモーダルTransformersその他

これはllm-compressorを使用してQwen/Qwen3-Embedding-0.6Bを圧縮したバージョンで、W8A8量子化方式を採用しています。このモデルは性能を維持しながら、格納と計算リソースの要件を大幅に削減し、リソースが制限された環境での特徴抽出タスクに適しています。

自然言語処理Safetensors多言語

これはQwen3-Embedding-0.6Bモデルを変換した4ビット量子化バージョンで、MLXフレームワーク用に最適化されています。

自然言語処理Mlx

Qwen3-Embedding-8Bはアリババの通義千問チームによって開発された80億パラメータのテキスト埋め込みモデルで、MLXライブラリを基に最適化されており、文の類似度計算とテキスト特徴抽出タスクに特化しています。

自然言語処理Mlx

Qwen3-Embedding-8BはQwenファミリーの最新の専用モデルで、テキスト埋め込みとソートタスク用に設計されており、Qwen3シリーズの密集型基礎モデルに基づいて構築され、卓越した多言語能力と長文理解能力を持っています。

自然言語処理Sentence-transformers

Qwen3-Embedding-4BはQwen3シリーズに基づいて構築されたテキスト埋め込みモデルで、テキスト埋め込みとソートタスクに特化して設計され、多言語テキスト処理やコード検索などの分野で優れた性能を発揮します。

自然言語処理Sentence-transformers

これはONNXに基づく量子化モデルで、Qwen/Qwen3-Embedding-0.6Bのuint8量子化バージョンであり、検索性能を維持しながらモデルサイズを削減しています。

自然言語処理Sentence-transformers

これはQwen/Qwen3-Embedding-8Bを基に変換された4ビットDWQ量子化バージョンで、MLXフレームワークに適した埋め込みモデルです。

自然言語処理Mlx

Qwen3 Embeddingモデルシリーズは通義ファミリーの最新の独自開発モデルで、テキスト埋め込みとソートタスク用に設計され、100種類以上の言語をサポートし、MTEB多言語ランキングで1位を獲得しています。

自然言語処理Sentence-transformers

これはGPTQ量子化を施したQwen3-Embedding-4Bモデルで、VRAM使用量が大幅に削減され、性能損失が少ない。

自然言語処理Sentence-transformers

Qwen3-Embedding-8BのGPTQ量子化バージョンで、VRAM要件を大幅に削減しながら高性能を維持します。

自然言語処理Sentence-transformers

Qwen3-Embedding-0.6BのGPTQ量子化バージョン。VRAM使用量が最適化され、性能損失が少ない。

自然言語処理Sentence-transformers

これはQwen3-Embedding-4Bモデルを変換した4ビット量子化バージョンで、MLXフレームワーク用に最適化されています。

自然言語処理Mlx

これはQwen3-Embedding-0.6Bモデルの4ビット深度量子化バージョンで、MLXフレームワーク用に最適化されています。このモデルは、効率的なテキスト埋め込み生成機能を提供し、さまざまな自然言語処理タスクに適しています。

自然言語処理Mlx