К содержимому
Другое

Kervyn Rerank 100M Preview

лёгкий реранкер для текста и кода

2 мин чтенияобновлено

Модель решает задачу переранжирования поисковой выдачи: она одновременно читает запрос пользователя и найденный фрагмент документа, после чего выставляет им оценку релевантности. Это помогает поднять самый точный ответ на первое место поверх результатов векторного поиска, BM25 или гибридных систем. Модель построена по архитектуре cross-encoder (нейросеть, оценивающая пару «запрос — документ» целиком, а не по отдельности), насчитывает 104M параметров и обучена командой Kervyn-AI с нуля без дистилляции чужих моделей. В отличие от многих аналогов, она не портит поиск по исходному коду и работает в 2,8 раза быстрее на CPU, чем популярный bge-reranker-v2-m3. Пригодится разработчикам RAG-систем, корпоративных поисковиков и ассистентов по кодовой базе на английском и испанском языках.

Ключевые особенности

  • Компактность и скорость: всего 104M параметров (в 5 раз меньше bge-reranker-v2-m3), переранжирование топ-20 занимает 2,5 секунды на 8 vCPU против 7,1 секунды у конкурента.
  • Сохраняет качество поиска по коду: на бенчмарке CodeSearchNet Python поднимает метрику до 91,74, тогда как bge-reranker-v2-m3 просаживает её с 90,08 до 82,81.
  • Кросс-языковой поиск: поддерживает английский, испанский и запросы между ними (например, вопрос на испанском к тексту на английском).
  • Полностью с нуля под Apache-2.0: собственная архитектура (ModernBertForSequenceClassification, 12 слоёв × 768 с RoPE), токенизатор на ~24 600 токенов и весы без ограничений коммерческого использования.

Что можно сделать

  • Улучшить точность RAG-пайплайна: поставить вторым этапом после Kervyn Embeddings 100M или bge-m3, чтобы отбирать лучшие чанки из топ-20 перед подачей в LLM.
  • Настроить поиск по репозиториям и документации: использовать в инструментах поиска по Python-коду и техническим базам знаний без потери релевантности на сниппетах.
  • Дообучить под свой домен на обычной видеокарте: благодаря размеру 104M полный файнтюнинг через CrossEncoderTrainer из sentence-transformers помещается в пользовательскую GPU.

Пример

from sentence_transformers import CrossEncoder

reranker = CrossEncoder("Kervyn-AI/Kervyn-Rerank-100M-Preview", max_length=512)
query = "What notice period does the contract have?"
passages = ["Notice period is 30 calendar days.", "Payment is due within 15 days."]

scores = reranker.predict([(query, p) for p in passages])
ranked = [passages[i] for i in scores.argsort()[::-1]]
ПодробнееСредний nDCG@10 по 8 задачам: 94,45 поверх Kervyn Embeddings и 94,67 поверх bge-m3 (против 94,23 и 94,18 у bge-reranker-v2-m3), но на чисто текстовых задачах без кода уступает ему 0,7–1 балл.
Ограничение контекста: до 512 токенов суммарно на запрос и пассаж (запрос обрезается до 400 символов).
Обучение: предобучение на 48 млрд токенов (EN, ES, код) + списочное обучение на ~680 000 вопросов с 7 сложными негативами на каждый.
Ограничения: версия Preview (для фиксации весов используйте revision="v1"), динамическая квантизация int8 не рекомендуется — используйте fp32.
Обсудить Telegram 1 49

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.4 GB · готовые файлы0.9 GB
  • BF16веса 0.2 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.1 GB0.6 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 · F32 — от RTX 2060

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.

    # Kervyn-AI/Kervyn-Rerank-100M-Preview
    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 Kervyn-AI/Kervyn-Rerank-100M-Preview --local-dir ~/models/Kervyn-Rerank-100M-Preview
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Kervyn-Rerank-100M-Preview
  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

Новые посты про версии Kervyn-Rerank-100M-Preview — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Kervyn-AI/Kervyn-Rerank-100M-Preview
Автор
Kervyn-AI
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

491

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

Axon Image 2

Axon Image 2