IBM Granite Embedding English R2

Granite-Embedding-English-R2 zamienia fragment angielskiego tekstu w 768 liczb. Dokumenty o zbliżonym znaczeniu lądują w tej przestrzeni blisko siebie — i właśnie tak wyszukiwarka w serwisie, system odnajdywania dokumentów albo generowanie wspomagane wyszukiwaniem trafia na właściwy akapit, zanim model językowy w ogóle go zobaczy. Ten model nie rozmawia, nie odpowiada na pytania i nie tworzy żadnego tekstu. To większy z dwóch angielskich modeli, które IBM wydał w sierpniu 2025 roku, i w pomiarach producenta wygrywa niemal wszystko: 53,1 w wyszukiwaniu BEIR wobec 50,9 dla wersji 47-milionowej, 55,3 wobec 53,8 w wyszukiwaniu w kodzie, 40,7 wobec 39,8 w długich dokumentach i 56,7 wobec 48,1 w wyszukiwaniu w rozmowie wieloturowej — to najszersza różnica w tabeli, blisko dziewięciu punktów. Płaci za to tempem: 144 dokumenty na sekundę na jednej karcie H100 wobec 199 dla małego modelu. I prawie nikt go nie pobiera. W trzydziestu dniach do 1 września 2026 roku repozytorium pobrano około 59 tysięcy razy, wobec 5,75 miliona dla granite-embedding-small-english-r2. Lepszy model wybierany jest mniej więcej raz na dziewięćdziesiąt osiem pobrań szybszego. Ta proporcja mówi o produkcyjnym wyszukiwaniu więcej niż jakikolwiek ranking: model osadzeń pracuje przy każdym indeksowanym dokumencie i każdym zapytaniu, więc o wyborze decydują przepustowość i pamięć, na długo zanim ktokolwiek zajrzy do tabeli wyników. Architektura to ModernBERT — 22 warstwy, 12 głowic uwagi, warstwa pośrednia 1152, aktywacje GeGLU, pozycje rotacyjne, naprzemienne okna uwagi, słownik 50 368 tokenów uczony jednocześnie na kodzie i prozie, bez wyrazów wolnych. Okno kontekstu to 8192 tokeny. Model zastępuje poprzednie pokolenie, granite-embedding-125m-english, wypadając od niego lepiej przy podobnym tempie pracy. Tabela porównawcza IBM jest nietypowo szczera co do porażek. Wobec gte-modernbert-base, konkurenta o identycznej wielkości, Granite wyraźnie przegrywa w wyszukiwaniu w kodzie — 54,8 wobec 71,5 — a ogólną średnią wygrywa wyłącznie dzięki wyszukiwaniu w rozmowie, 57,6 wobec 36,8. Kto szuka modelu do przeszukiwania kodu, powinien przeczytać ten wiersz, zanim spojrzy na średnią. Z danych treningowych wyłączono zbiór MS MARCO, na którym zbudowana jest większość otwartych modeli osadzeń, bo jego licencja zabrania zastosowań komercyjnych; koder wstępnie uczono na firmowym zbiorze GneissWeb. Licencja to czysta Apache 2.0, bez wyłączeń terytorialnych i bez aneksu o dopuszczalnym użyciu. Wyłącznie angielski — polski tekst wymaga wielojęzycznej odmiany R2.

▸Wideo

Brak materiałów wideo.

▸Recenzje