Granite Embedding Multilingual R2: открытые 32K‑контекстные эмбеддинги под 100 М параметров
IBM выпустила Granite Embedding Multilingual R2 – модель с 32 K контекстом, 100 М параметров и лучшими показателями качества поиска среди моделей до 100 М.
Что представил IBM
14 мая 2026 года компания IBM анонсировала Granite Embedding Multilingual R2 – новую модель эмбеддингов, доступную в открытом репозитории Hugging Face под лицензией Apache 2.0. Модель ориентирована на задачи мультиязычного поиска и информационного извлечения и предлагает ряд уникальных характеристик:
- Размер: 97 М параметров, что делает её одной из самых лёгких моделей с высоким качеством.
- Контекст: поддержка до 32 000 токенов, позволяя обрабатывать длинные документы без фрагментации.
- Мультиязычность: покрытие более 100 языков, включая редкие и низко‑ресурсные.
- Качество: согласно внутренним бенчмарк‑тестам, модель достигает R‑Precision 0.88 на наборе MS MARCO multilingual, опережая все открытые модели в категории до 100 М параметров.
- Открытость: полностью открытый код и веса, возможность дообучения и интеграции в собственные пайплайны.
Как получить модель
Модель размещена в репозитории Hugging Face: ibm/granite-embedding-multilingual-r2. Для загрузки достаточно выполнить:
from transformers import AutoModel, AutoTokenizer
model = AutoModel.from_pretrained("ibm/granite-embedding-multilingual-r2")
tokenizer = AutoTokenizer.from_pretrained("ibm/granite-embedding-multilingual-r2")
Поддерживаются стандартные форматы вывода эмбеддингов, совместимые с FAISS, Milvus и другими векторными базами.
Сравнение с конкурентами
| Модель | Параметры | Контекст | Языки | R‑Precision | |--------|-----------|----------|-------|--------------| | Granite R2 | 97 M | 32 K | 100+ | 0.88 | | MiniLM‑E5‑v2 | 80 M | 8 K | 50 | 0.81 | | e5‑small‑v2 | 110 M | 16 K | 30 | 0.84 |
Перспективы
Открытая лицензия и небольшие требования к вычислительным ресурсам делают Granite R2 привлекательным выбором для стартапов, исследователей и компаний, которым нужен мультиязычный поиск в реальном времени без необходимости в дорогостоящих GPU‑кластерах.
Granite Embedding Multilingual R2 открывает путь к масштабируемому мультиязычному поиску даже при ограниченных ресурсах. Для разработчиков это шанс быстро построить векторные индексы с поддержкой длинных контекстов и сотен языков без лицензий. Студенты смогут экспериментировать с реальными задачами retrieval, а компании – интегрировать модель в чат‑боты и системы рекомендаций, минимизируя затраты на инференс.
