xAI多模態負責人藺旭東近日加入騰訊，任混元多模態內容生成算法負責人。他2018年畢業於清華，後赴哥倫比亞大學讀博，研究方向爲嵌入學習、視頻分析與生成模型；曾實習於騰訊、Facebook AI及谷歌，並第一作者參與Vx2Text框架研發，提升字幕生成能力。
MiniMax推出音樂生成模型MiniMax-Music3，輸入歌詞與音樂描述即可生成最長5分鐘完整歌曲，輸出32kHz、16-bit立體聲WAV。其採用分層自迴歸架構，兩模型分工：全局語言模型Global LLM參數8B，逐幀預測首個RVQ碼本，負責歌曲長程語義與結構變化；該模型由Qwen3-8B初始化，訓練時先讓嵌入層和輸出層適配音樂。
Anthropic簽署歐盟AI法案實踐準則，承諾自2026年8月起，所有新發布的Claude模型將在全球範圍嵌入內容標識，覆蓋API、Claude、Claude Code等全線產品。現有模型設過渡期並推進回溯適配。文本輸出採用隱式水印，不影響可讀性與內容含義。
Neon與Castform公司聯手，用強化學習訓練4B開源小模型，在文檔搜索上準確率媲美甚至超越GPT-5.6Sol，推理成本僅其百分之一。背後是搜索範式革新：從嵌入式向量匹配轉向智能體式搜索，讓模型自主執行檢索流程。
先進的多模態嵌入和重排名模型，支持文本、圖像和視頻。
Gemini Embedding 是一種先進的文本嵌入模型，通過 Gemini API 提供強大的語言理解能力。
多語言嵌入模型，用於視覺文檔檢索。
最新推出的多語言通用嵌入模型，在多個領域表現卓越。
Google
$0.49
輸入tokens/百萬
$2.1
輸出tokens/百萬
1k
上下文長度
Openai
$2.8
$11.2
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$1
$10
256
$6
$24
$2
$20
$4
$16
Baidu
128
Bytedance
$1.2
$3.6
4
TomoroAI
TomoroAI/tomoro-colqwen3-embed-4b是一款先進的ColPali風格多模態嵌入模型，能夠將文本查詢、視覺文檔（如圖像、PDF）或短視頻映射為對齊的多向量嵌入。該模型結合了Qwen3-VL-4B-Instruct和Qwen3-Embedding-4B的優勢，在ViDoRe基準測試中表現出色，同時顯著減少了嵌入佔用空間。
nightmedia
這是一個實驗性的量化大語言模型，採用Deckard（qx）量化方法，嵌入層為3位量化。該模型通過範數保持雙投影消除（NPBA）技術重構，不僅移除了安全限制機制，還增強了模型的認知深度和推理能力。
magiccodingman
這是一個實驗性的混合量化模型，採用MXFP4_MOE混合權重技術，在保持接近Q8精度的同時，實現了更小的文件大小和更高的推理速度。模型探索了MXFP4與高精度嵌入/輸出權重的組合，在密集模型上取得了精度近乎無損的優化效果。
這是一個基於Qwen3 4B模型的混合量化版本，採用MXFP4_MOE混合權重技術，在保持近乎無損精度的同時實現了更小的文件大小和更高的推理速度。該模型通過精心組合MXFP4和高精度嵌入/輸出權重，達到了接近Q8量化的精度水平，同時具備Q4-Q6級別的吞吐量。
sd2-community
Stable Diffusion v2-1-unclip是基於Stable Diffusion 2.1微調的擴散模型，能夠接受文本提示和CLIP圖像嵌入，用於創建圖像變體或與文本到圖像的CLIP先驗結合使用。
Tarka-AIR
Tarka-Embedding-350M-V1是一個擁有3.5億參數的文本嵌入模型，能夠生成1024維的密集文本表示。該模型針對語義相似性、搜索和檢索增強生成（RAG）等下游應用進行了優化，支持多種語言並具有長上下文處理能力。
ekacare
Parrotlet-e是一款先進的多語言醫學嵌入模型，專門針對印度各語言中的醫學術語進行優化。它基於BAAI/bge-m3進行微調，在超過1800萬對多語言醫學術語對上進行訓練，支持12種印度語言和英語，對臨床文檔中的縮寫、拼寫變體和口語表達具有很強的魯棒性。
AbstractPhil
MM-VAE Lyra是一個專門用於文本嵌入轉換的多模態變分自編碼器，採用幾何融合技術。它結合了CLIP-L和T5-base模型，能夠有效處理文本嵌入的編碼和解碼任務，為多模態數據處理提供創新解決方案。
samwell
NV-Reason-CXR-3B GGUF是NVIDIA NV-Reason-CXR-3B視覺語言模型的量化版本，專為邊緣設備部署優化。這是一個30億參數的模型，專注於胸部X光分析，已轉換為GGUF格式並進行量化處理，可在移動設備、桌面設備和嵌入式系統上高效運行。
labhamlet
WavJEPA是基於波形的聯合嵌入預測架構的音頻基礎模型，利用高級語義表示學習解決語音單元或標記級表示學習的不足。在眾多下游基準任務中顯著優於最先進的時域音頻基礎模型，同時所需計算資源大幅減少。
Tarka-Embedding-150M-V1是一個具有1.5億參數的嵌入模型，可生成768維的密集文本表示。它針對語義相似性、搜索和檢索增強生成（RAG）等多種下游應用進行了優化，專注於捕捉深層上下文語義，以支持跨不同領域的通用文本理解。
hetbhagatji09
這是一個基於MiniLM架構的輕量級句子嵌入模型，專門用於生成高質量的句子向量表示。模型採用MultipleNegativesRankingLoss進行訓練，在句子相似度計算和特徵提取任務上表現出色。
s3dev-ai
這是Google embeddinggemma-300m基礎模型的各種GGUF格式量化版本，專門為高效部署和不同場景使用而優化。該模型專注於句子嵌入和相似度計算任務。
nvidia
Llama Nemotron Embedding 1B模型是NVIDIA開發的專為多語言和跨語言文本問答檢索優化的嵌入模型，支持26種語言，能夠處理長達8192個標記的文檔，並可通過動態嵌入大小大幅減少數據存儲佔用。
KaLM-Embedding
KaLM-Embedding-V2.5是一款通用且輕量級的嵌入模型，通過卓越的訓練技術和數據，在同類規模模型中達到最優性能，甚至能與規模大3-26倍的模型相媲美。支持多語言和多種嵌入維度選擇。
pierre-tassel
Rapido NER 是一個強大的多語言命名實體識別器和實體嵌入模型，以貓 Rapido 命名。該模型提供強大的多語言 NER 性能，支持實體聚類和檢索，處理文檔內聚類以及長上下文等任務。
Rapido NER是一個強大的多語言命名實體識別和實體嵌入模型，支持55種語言，集成了編碼器、基於注意力的提及池化、類型投影層和條件隨機場解碼，專門用於解決命名實體識別領域的常見問題。
codefuse-ai
F2LLM是一個基於Qwen3-0.6B微調的開源文本嵌入模型，通過在600萬高質量查詢-文檔對上進行單階段訓練，實現了與當前最優模型相匹配的嵌入性能。該模型專門用於特徵提取任務，支持英文文本處理。
timm
這是一個基於DINOv3架構的視覺Transformer模型，採用小型(Small)配置，在LVD-1689M數據集上通過知識蒸餾訓練而成。該模型專門用於高效提取圖像特徵，支持圖像分類、特徵圖提取和圖像嵌入等多種計算機視覺任務。
MagicalAlchemist
BGE-M3是由BAAI開發的多功能文本嵌入模型，支持多語言、多粒度、多功能的文本表示學習，能夠同時處理稠密檢索、稀疏檢索和多向量檢索等多種檢索模式。
Claude Context是一個MCP插件，通過語義代碼搜索為AI編程助手提供整個代碼庫的深度上下文，支持多種嵌入模型和向量數據庫，實現高效代碼檢索。
Wren Engine是一個為MCP客戶端和AI代理設計的語義引擎，提供語義層支持，使AI能準確理解企業數據模型和業務邏輯。它支持多種數據源，嵌入MCP客戶端，確保數據交互的精確性和治理。
一個MCP服務器，通過向量嵌入和語義相似性為任何AI模型提供智能搜索Claude Agent Skills的能力，實現漸進式技能發現和跨平臺技能共享
該項目是一個基於Model Context Protocol (MCP)標準的文檔處理服務器，通過構建向量數據庫和MCP接口，使AI助手能夠訪問外部文檔資源，突破大語言模型的知識限制。項目包含文檔處理流水線和MCP服務端兩大組件，支持多種嵌入模型和文件格式，可應用於最新技術文檔查詢、私有代碼庫理解等場景。
一個基於MCP協議的語義代碼搜索服務器，支持OpenAI和Ollama兩種嵌入模型，能夠索引本地項目或Git倉庫，提供企業級的私有化代碼搜索解決方案。
Insights Knowledge Base (IKB) MCP Server 是一個即插即用的免費知識庫，內置10,000+高質量洞察報告，支持本地安全存儲和私有文檔解析。項目優化了數據處理效率，提供每週報告更新，並計劃未來集成嵌入模型和增強報告系統。
一個用於蘋果筆記語義搜索的MCP服務，支持本地嵌入模型、全文搜索和向量存儲。
一個基於FAISS的本地向量數據庫MCP服務器，提供文檔嵌入、語義搜索和RAG功能，支持多種文檔格式和自定義嵌入模型。
MCP聊天分析服務器是一個基於模型上下文協議(MCP)的服務，提供聊天對話的語義分析功能，包括向量嵌入搜索、知識圖譜構建和會話模式分析。
基於語義理解的代碼搜索MCP服務器，使用本地嵌入模型和向量數據庫實現智能代碼檢索，替代傳統文本搜索工具
MCPHub是一個可嵌入的模型上下文協議(MCP)解決方案，用於AI服務集成。它提供統一的配置和管理方式，支持多種AI框架（如OpenAI Agents、LangChain、Autogen），簡化MCP服務器與AI應用的連接。
基於PostgreSQL和Voyage嵌入模型的代碼語義搜索MCP服務器，提供代碼片段搜索、文件列表和內容檢索功能
一個MCP服務器項目，提供基於token數量自動選擇OpenAI O3或Google Gemini 2.5 Pro模型的服務，支持文件路徑遞歸嵌入提示詞，適用於代碼審查和複雜問題解決。
一個為OpenAI API實現的MCP服務器，提供標準化接口連接Augment與OpenAI語言模型，支持聊天補全、模型列表和嵌入生成等功能。
使用開源嵌入模型、向量數據庫和Gemini大語言模型構建的RAG系統，支持本地文檔處理與動態更新索引。
一個基於Qdrant向量數據庫的機器控制協議(MCP)服務器，支持文本存儲、語義搜索及FastEmbed嵌入模型集成。
該項目基於Nasdanika能力構建人工智能系統，專注於在資源集合（互連模型）上操作，通過“敘述者”處理器多角度描述模型元素及其關係，並利用嵌入和向量存儲實現語義搜索和RAG（檢索增強生成），同時支持OpenAI和Ollama的聊天完成功能。
esp-mcp-server是一個輕量級、可嵌入的HTTP服務器，為Espressif的AI輔助開發工具實現模型上下文協議(MCP)。
一個基於Node.js的向量搜索項目，使用LanceDB數據庫和Ollama嵌入模型實現文檔相似性搜索功能
Storm MCP服務器是一個開放協議，實現LLM應用與RAG數據源及工具的無縫集成，支持自定義嵌入模型和向量數據庫連接，提供上下文共享、工具系統、文件管理等功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
VIP會員
