Эмбеддинги MIT

E5 Mistral 7B

7B параметров · Transformer · Microsoft · 2023

Запустить на GPU HuggingFace →

VRAM по точности

Точность VRAM Качество Рекомендация
FP16 14 ГБ Максимальное Для продакшена
INT8 7 ГБ Хорошее
INT4/Q4 4 ГБ Приемлемое Для экспериментов

Совместимые GPU

GPU VRAM Поддерживает
Рек. NVIDIA RTX 4090
24 ГБ FP16, INT8, INT4 Арендовать
NVIDIA RTX 3090
24 ГБ FP16, INT8, INT4 Арендовать

Рекомендуемые фреймворки

vLLM

Быстрый старт

vllm 
docker run --gpus all -p 8000:8000 vllm/vllm-openai:latest \
  --model e5-mistral-7b-instruct \
  --quantization fp8

Характеристики модели

Технические параметры

Разработчик
Microsoft
Год выпуска
2023
Параметры
7B
Архитектура
Transformer
Лицензия
MIT

Применение

Semantic search RAG Document retrieval Question answering

E5 Mistral 7B — инструктивно настроенные эмбеддинги поверх Mistral-7B: модель заточена под парные шаблоны вроде query: / passage: и даёт очень сильные вектора для семантического поиска и RAG на «сложных» формулировках. Это уже не «маленький encoder», а полноценный 7B-бэкбон — выше качество, выше VRAM и латентность, чем у компактных bge/e5-small.

Запуск на cloudcompute.ru

Шаг 1 — Арендуйте GPU

Ориентир — от ~14 ГБ VRAM в fp16; надёжнее RTX 4090 или A100. Перейдите в каталог GPU.

Шаг 2 — Запустите TEI (Text Embeddings Inference)

docker run --gpus all -p 8080:80 \
  ghcr.io/huggingface/text-embeddings-inference:latest \
  --model-id intfloat/e5-mistral-7b-instruct

Если образ пожалуется на нехватку памяти, используйте свежий тег TEI с поддержкой нужной precision или уменьшите max-batch-tokens (см. документацию TEI).

Шаг 3 — Получите эмбеддинги

curl http://localhost:8080/embed \
  -H "Content-Type: application/json" \
  -d '{"inputs": "query: лучшие практики RAG для корпоративных документов"}'

Оптимизация

  • Соблюдайте префиксы query: и passage: из обучения E5 — иначе качество retrieval резко падает.
  • Нормализуйте вектора, если ваш индекс (FAISS/Milvus) это ожидает; для cosine часто достаточно L2-нормы на входе.