ai-sage/Giga-Embeddings-instruct-480M-0826
sentence-similarity model by ai-sage
Older snapshot: check the original source for current information.
From the publisher
Model card & documentation
Source previewRead the publisher’s intended use, setup instructions, evaluations and limitations. The original model card is the source of truth.
Следующая итерация серии Giga-Embeddings. Модель текстовых эмбеддингов на основе архитектуры Qwen3, адаптированная под двунаправленное (encoder-style) внимание и обученная с контрастивной функцией потерь (InfoNCE). Модель строит плотные эмбеддинги предложений/абзацев для задач поиска (retrieval), семантического сравнения, классификации и кластеризации, показывая высокое качество на русском и английском языках. Модель обучалась с mean pooling + L2-нормализацией. Использование CLS/last-token пулинга даст неверные результаты. Если вы используете transformers напрямую, необходимо самостоятельно усреднить (mean-pool) по не-паддинговым токенам и затем применить L2-нормализацию (см. пример ниже). В примерах для sentence-transformers и vLLM это делается автоматически. Сравнивайте эмбеддинги через косинусную близость (скалярное произведение нормированных векторов). Модель обучалась в инструктивном стиле: для retrieval и других асимметричных задач необходимо добавлять инструкцию к запросу (query), а документы кодируются как есть, без инструкции. Формат: Для симметричных задач (STS, дедупликация) можно использовать общую инструкцию либо не использовать её вовсе. Инструкцию выбирают под конкретную задачу — единственного «правильного» промпта не существует. Важно отметить, что инструкцию нужно…
Read the full model card ↗ · Preview checked 2026-11-01T10:24:06.776Z
Inside the original model card — Document outline
- GigaChat 480M Bidirectional Embedding Model
- Пулинг и нормализация
- Инструктивность
- FAQ
- GigaChat 480M Bidirectional Embedding Model
- Pooling & normalization (important)
- Instructions / prompts
- FAQ
- Metrics
- Usage
- 1. Official SGLang Docker + apply the PR patch (recommended)
- 2. Build from source (no Docker)
Headings are captured from the source. Links open the publisher’s document, not a locally hosted copy.
Links from the model card
References supplied by the publisher, not independently verified endorsements. Check the destination before downloading files or entering credentials.
Documentation belongs to its respective authors. Reported project/model license: mit. A listing is not a grant of reuse or training rights. Confirm the document’s own terms at the source.
Model overview
ai-sage/Giga-Embeddings-instruct-480M-0826 is a sentence-similarity model repository published by ai-sage on Hugging Face. The source reports the sentence-transformers library.
This page summarizes Hub metadata. For intended use, training data, evaluation results and limitations, consult the original model card.
Model facts
- Task
- sentence-similarity
- Library
- sentence-transformers
- Recent downloads (30 days)
- 133,124
- Cumulative likes
- 28
- Hugging Face trending score
- 3
- Reported safetensors parameters
- 483,717,632
- Architecture
- Qwen3BidirectionalModel
- License
- mit
- Access
- Not gated by Hugging Face
- Created
- 2026-08-10T14:07:19.000Z
- Last modified
- 2026-09-14T11:15:40.000Z
Compatibility and lineage
Reported languages: ru, en
Base-model lineage was not included.
Parameter count is not a RAM/VRAM requirement. Check precision, quantization, context length and runtime compatibility in the model card; no hardware or API-cost claim is inferred here.
Use and evaluate
Check license terms and access requirements first. Review the model card’s documented loading instructions, evaluations and safety limitations. Benchmark scores are not imported by this directory, and popularity is not an accuracy ranking.
No model weights are downloaded or executed by AltAPIs. Never enable remote model code without reviewing it.
Source and freshness
Source: Hugging Face Hub. Metadata observed 2026-10-04T06:40:44.298Z. Daily imports are snapshots, not real-time monitoring.
Popularity and source listings do not establish security, suitability, licensing rights or benchmark performance.
Related models
sentence-transformers/all-MiniLM-L6-v2
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
sentence-transformers/all-mpnet-base-v2