К содержимому
Языковые модели

AnankeEmbed-S

сверхлёгкая модель эмбеддингов без токенизатора

2 мин чтенияобновлено

AnankeEmbed-S от команды AMFORGE (AMEFORGE) преобразует поисковые запросы и документы в числовые векторы для семантического поиска и реранкинга. В основе лежит компактный двунаправленный Transformer на 6 слоёв с размерностью 384 (весит всего около 46,4 МБ в формате ONNX). Главная особенность — модель работает напрямую с сырыми байтами UTF-8 вообще без токенизатора (словаря фрагментов слов), поэтому не боится опечаток, эмодзи, программного кода и диакритических знаков. Подойдёт разработчикам локальных поисковых движков, RAG-систем (поиска по базам знаний) и приватных индексов с жёсткими ограничениями по памяти.

Ключевые особенности

  • Работа без токенизатора: принимает на вход напрямую байты UTF-8 (до 512 байт), сворачивая их патчами 4×4 в 128 позиций.
  • Поддержка Matryoshka (MRL): векторы можно обрезать с 256 до 128 или 64 измерений почти без потери качества поиска, экономя до 4 раз места в векторной базе.
  • Минимальный вес: готова к быстрому запуску на CPU и GPU через файл ananke-embed.onnx (46,4 МБ) или чекпоинт PyTorch (46,3 МБ).
  • Заявленные языки: английский и французский, при этом побайтовый вход переваривает произвольные символы.

Что можно сделать

  • Построить быстрый локальный семантический поиск или переранжирование выдачи по технической документации и фрагментам кода.
  • Сжать индекс векторной базы данных в 4 раза, выбрав размерность dim: 64 при отправке запросов к HTTP-эндпоинту serve.py.
  • Встроить лёгкий поиск прямо на CPU-сервер или в изолированный контур без тяжёлых зависимостей и сложной токенизации.

Пример

curl -X POST [http://127.0.0.1:8090/embed](http://127.0.0.1:8090/embed) \
  -H "Authorization: Bearer $ANANKE_EMBED_KEY" \
  -H "Content-Type: application/json" \
  -d '{"texts": ["fastapi background tasks"], "role": "query", "dim": 64}'
ПодробнееМетрики на Retrieval Benchmarks: при 64 измерениях MRR = 0.7974, Recall@1 = 0.7350, Recall@10 = 0.9155 (на 256 измерениях MRR = 0.7966, Recall@10 = 0.9165).
На внутреннем тесте Ananke Search Exam: examen_r1 = 0.70, examen_mrr = 0.791.
Обучение: 6,71 часа на одной NVIDIA A100-SXM4-80GB (лучший чекпоинт на шаге 38 000).
Ограничения: максимальная длина входа — 512 байт; обучена преимущественно на веб- и технических парах на английском языке.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # AMFORGE/anankesearch-embed-s
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download AMFORGE/anankesearch-embed-s --local-dir ~/models/anankesearch-embed-s
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к anankesearch-embed-s
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии anankesearch-embed-s — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

AMFORGE/anankesearch-embed-s
Автор
AMFORGE
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

tiny-embed-27m

tiny-embed-27m