К содержимому
Другое

Qwen3-Reranker-4B

мультиязычный реранкер на 4B параметров

2 мин чтенияобновлено

Модель оценивает релевантность пары «запрос — документ» и помогает точнее отсортировать результаты поиска. Она относится к серии Qwen3 Embedding, построена на базе плотной (dense) модели Qwen3-4B-Base (4.02B параметров, 36 слоёв) и работает с длинными фрагментами текста до 32k токенов. В отличие от обычных эмбеддинг-моделей, реранкер (модель переранжирования кандидатов после первичного поиска) принимает на вход сразу запрос и документ вместе с пользовательской инструкцией под конкретную задачу. Пригодится разработчикам поисковых движков, RAG-систем (поиска по базе знаний для ответов LLM) и инструментов навигации по коду.

Ключевые особенности

  • Поддерживает более 100 языков, включая языки программирования, а также кросс-языковой поиск.
  • Понимает пользовательские инструкции (Instruction Aware): добавление описания задачи под запрос повышает точность поиска на 1–5%.
  • Работает с контекстом до 32k токенов, что позволяет оценивать длинные документы целиком.
  • Легко комбинируется с эмбеддинг-моделями линейки Qwen3-Embedding (0.6B, 4B и 8B) в двухэтапном поиске.

Что можно сделать

  • Встроить вторым этапом в RAG-пайплайн через sentence_transformers, transformers или vLLM для пересортировки топ-кандидатов.
  • Построить поиск по технической документации и репозиториям с исходным кодом на нескольких языках.
  • Задавать кастомные инструкции под классификацию или тематическую фильтрацию документов вместо стандартного веб-поиска.

Пример

from sentence_transformers import CrossEncoder

model = CrossEncoder("Qwen/Qwen3-Reranker-4B")
pairs = [("What is the capital of China?", "The capital of China is Beijing.")]
scores = model.predict(pairs)
print(scores)
ПодробнееМетрики (поверх топ-100 от Qwen3-Embedding-0.6B): MTEB-R — 69.76, MMTEB-R — 72.74, MTEB-Code — 81.20, FollowIR — 14.84.
Для запуска через transformers требуется версия >= 4.51.0, для vLLM — версия >= 0.8.5; рекомендуется FlashAttention 2.
Авторы советуют писать кастомные инструкции на английском языке, так как модель обучалась преимущественно на англоязычных инструкциях.
Обсудить Telegram 0 22

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.5 GB · готовые файлы8.7 GB
  • FP8 / INT8рекомендуемвеса 3.7 GB4.6 GB
  • 4-bitвеса 2.1 GB2.8 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

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.

    # kaitemoreau/Qwen3-Reranker-4B
    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 kaitemoreau/Qwen3-Reranker-4B --local-dir ~/models/Qwen3-Reranker-4B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-Reranker-4B
  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.

Семья модели

Дообучение модели

Qwen/Qwen3-4B-Base

Новые посты про версии Qwen3-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

kaitemoreau/Qwen3-Reranker-4B
Автор
kaitemoreau
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии