Granite Embedding 311M Multilingual R2
IBM · ibm-granite/granite-embedding-311m-multilingual-r2
Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos
Qualidade
MTEB (Multilingual, v2)
Média por tarefa · 0 a 100 · maior é melhor · este modelo em destaque
- Cor = publicador
Fonte: dataset de resultados do MTEB (execuções independentes, CC0) · informado pelo publicador quando o model card é a única fonte · outros benchmarks e versões não entram
| MTEB (Multilingual, v2) | mean(task) · 768d | 55,96 | execução independente |
|---|
Informado pelo publicador
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Evaluation Results › Matryoshka Embeddings Performance); coluna “granite-embedding-311m-multilingual-r2”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Qualidade × memória
Sem par qualidade × memória comparável
As estimativas de memória de embeddings ficam em poucos GB, então um gráfico qualidade × memória não separaria estes modelos; o MTEB aparece acima.
Considere Granite Embedding 311M Multilingual R2 para busca semântica e recuperação: gera vetores de 768 dimensões a partir de texto.
O publicador não informa memória; a lista de hardware usa a estimativa de ~3 GB, um teto e não uma medição. PT-BR confirmado por uma fonte.
Roda em
Cabe na memória rápida 119
A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.
Mostrar todos os 119
Perfis de hardware agrupados pela estimativa de planejamento de embeddings (pesos de 8 bits, 20% de margem, 2 GB de reserva). Não é compatibilidade medida.
Velocidade medida
Nenhuma medição publicada para este checkpoint
A vazão (textos por segundo) só aparece quando uma fonte a publica com hardware, build e configuração. Nunca é estimada.
Como rodar
A estimativa de planejamento usa pesos de 8 bits, 20% de margem e 2 GB de reserva; é um teto, não uma medição.
- Roda em
- Sentence Transformers, Transformersfonte
- Idiomas · PT-BR
- Mais de 200 idiomas no pré-treino, suporte reforçado a 52 idiomas e código, português incluído (model card)PT-BR confirmado por uma fonte
Formas documentadas de rodar
Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.
pip install sentence_transformersfrom sentence_transformers import SentenceTransformer, util
model_path = "ibm-granite/granite-embedding-311m-multilingual-r2"
# Load the Sentence Transformer model
model = SentenceTransformer(model_path)
input_queries = [
'What is the tallest mountain in Japan?', # English query
'Wer hat das Lied Achy Breaky Heart geschrieben?', # German query
'ドイツの首都はどこですか?', # Japanese query
]
input_passages = [
"富士山は、静岡県と山梨県にまたがる活火山で、標高3776.12 mで日本最高峰の独立峰である。", # Japanese passage
"Achy Breaky Heart is a country song written by Don Von Tress. Originally titled Don't Tell My Heart and performed by The Marcy Brothers in 1991.", # English passage
"Berlin ist die Hauptstadt und ein Land der Bundesrepublik Deutschland. Die Stadt ist mit rund 3,7 Millionen Einwohnern die bevölkerungsreichste Kommune Deutschlands.", # German passage
]
# Cross-lingual retrieval: each query should score highest with its matching passage in a different language
query_embeddings = model.encode(input_queries)
passage_embeddings = model.encode(input_passages)
# calculate cosine similarity — expect high scores on the diagonal (EN→JA, DE→EN, JA→DE)
print(util.cos_sim(query_embeddings, passage_embeddings))
# output: tensor([[0.9393, 0.6899, 0.7627],
# [0.6780, 0.9598, 0.7062],
# [0.7818, 0.7342, 0.9172]])vllm serve ibm-granite/granite-embedding-311m-multilingual-r2 --task embed# Convert to GGUF
python convert_hf_to_gguf.py ibm-granite/granite-embedding-311m-multilingual-r2 \
--outfile granite-embedding-311m-multilingual-r2.gguf
# Generate embeddings
llama-embedding -m granite-embedding-311m-multilingual-r2.gguf -p "example text"Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / fonte
- ibm-granite/granite-embedding-311m-multilingual-r2
- Tarefa
- embeddings para busca (extração de características)
- Biblioteca na fonte
- Sentence Transformers, Transformers
- Licença dos pesos
- Apache 2.0
- Uso comercial
- Permitido Apache License 2.0 text (SPDX) · consultado em 2026-10-18texto da licença
- Base dos parâmetros
- Total de parâmetros dos safetensors no Hub (311,664,384, lido em 2026-10-07 na API do Hub); os publicadores arredondam no nome.
- Anunciado
- 2026-04-29
O card informa sequência de 32.768 tokens; os metadados do MTEB dizem 8.192. Vale o valor do card. Não encontrado na biblioteca do Ollama em 2026-10-07 (a página granite-embedding serve a primeira geração).
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Ficha do publicador
- Hugging Face model page / card · 2026-10-07
- Hugging Face API (parameters, licence, library) · 2026-10-07
- MTEB results dataset (CC0), scores computed by scripts/ingest-mteb-results.mjs · 2026-10-25
Fatos curados verificados: 2026-10-07. Cada valor cita sua fonte (a ficha do publicador ou o dataset de resultados do MTEB); estimativas vêm rotuladas como estimativas, e um valor que nenhuma fonte informa fica vazio. Um commit do repositório não é a data de lançamento do modelo.






























































