Эмбеддинги MIT

NV-Embed v2

7B параметров · Transformer · NVIDIA · 2024

Запустить на GPU HuggingFace →

VRAM по точности

Точность VRAM Качество Рекомендация
FP16 16 ГБ Максимальное Для продакшена
INT8 8 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 A100
80 ГБ FP16, INT8, INT4 Арендовать
NVIDIA H100 SXM
80 ГБ FP16, INT8, INT4 Арендовать

Рекомендуемые фреймворки

vLLM

Быстрый старт

vllm 
docker run --gpus all -p 8000:8000 vllm/vllm-openai:latest \
  --model NV-Embed-v2 \
  --quantization fp8

Характеристики модели

Технические параметры

Разработчик
NVIDIA
Год выпуска
2024
Параметры
7B
Архитектура
Transformer
Лицензия
MIT

Применение

Semantic search RAG Document retrieval Code search

NV-Embed v2 — эмбеддинговая модель NVIDIA, ориентированная на лидерство в retrieval-метриках (MTEB и родственные бенчмарки): сильна в поиске по документам, коду и длинным контекстам при правильной инструкции. Это тяжёлый 7B-класс: качество ближе к «топовым» открытым ретриверам, но и требования к VRAM выше, чем у компактных моделей. MIT-лицензия.

Запуск на cloudcompute.ru

Шаг 1 — Арендуйте GPU

Ориентир — от ~16 ГБ VRAM; разумный минимум — RTX 4090, для стабильного сервиса с батчами — A100 или H100. 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 nvidia/NV-Embed-v2

Шаг 3 — Получите эмбеддинги

curl http://localhost:8080/embed \
  -H "Content-Type: application/json" \
  -d '{"inputs": "def fib(n): return n if n < 2 else fib(n-1)+fib(n-2)"}'

Оптимизация

  • Сверьтесь с карточкой модели: часть сценариев требует инструкционных префиксов для query/document — без них метрики заметно проседают.
  • Для code search комбинируйте с дешёвым keyword-индексом (BM25): гибрид часто бьёт «чистый» векторный поиск.