Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Snowflake Arctic Embed L v2.0

Snowflake · Snowflake/snowflake-arctic-embed-l-v2.0

Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos

MTEB (Multilingual, v2)57,0 / 100mean(task) · execução independente
Memória necessária~3 GBEstimativa 8 bits · não medida
Parâmetros0,57 BBase nos detalhes técnicos
Dimensões · contexto1.0248.192 tokens · Matryoshka 256

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

Benchmarks com fonte
MTEB (Multilingual, v2)mean(task) · 1024d57,03execução independente
2026-10-25
MTEB (eng, v2)mean(task) · 1024d63,60execução independente
2026-10-25

Informado pelo publicador

80 resultados · ficha de Snowflake · lida em 2026-10-25
MTEB AmazonCounterfactualClassification (en-ext) (en-ext; test; main_score)
67,039Classification
MTEB AmazonCounterfactualClassification (en) (en; test; main_score)
65,597Classification
MTEB AmazonPolarityClassification (default) (test; main_score)
74,257Classification
MTEB AmazonReviewsClassification (en) (en; test; main_score)
34,946Classification
MTEB ArguAna (default) (test; main_score)
59,146Retrieval
MTEB ArxivClusteringP2P (default) (test; main_score)
43,972Clustering
MTEB ArxivClusteringS2S (default) (test; main_score)
34,776Clustering
MTEB AskUbuntuDupQuestions (default) (test; main_score)
63,352Reranking
Todos os resultados informados80
MTEB BIOSSES (default) (test; main_score)
87,288STS
MTEB Banking77Classification (default) (test; main_score)
81,815Classification
MTEB BiorxivClusteringP2P (default) (test; main_score)
35,093Clustering
MTEB BiorxivClusteringS2S (default) (test; main_score)
30,221Clustering
MTEB CQADupstackAndroidRetrieval (default) (test; main_score)
55,799Retrieval
MTEB CQADupstackEnglishRetrieval (default) (test; main_score)
53,681Retrieval
MTEB CQADupstackGamingRetrieval (default) (test; main_score)
63,172Retrieval
MTEB CQADupstackGisRetrieval (default) (test; main_score)
44,759Retrieval
MTEB CQADupstackMathematicaRetrieval (default) (test; main_score)
32,823Retrieval
MTEB CQADupstackPhysicsRetrieval (default) (test; main_score)
50,312Retrieval
MTEB CQADupstackProgrammersRetrieval (default) (test; main_score)
47,769Retrieval
MTEB CQADupstackRetrieval (default) (test; main_score)
46,103Retrieval
MTEB CQADupstackStatsRetrieval (default) (test; main_score)
40,174Retrieval
MTEB CQADupstackTexRetrieval (default) (test; main_score)
33,937Retrieval
MTEB CQADupstackUnixRetrieval (default) (test; main_score)
46,831Retrieval
MTEB CQADupstackWebmastersRetrieval (default) (test; main_score)
45,539Retrieval
MTEB CQADupstackWordpressRetrieval (default) (test; main_score)
38,440Retrieval
MTEB ClimateFEVER (default) (test; main_score)
43,482Retrieval
MTEB DBPedia (default) (test; main_score)
43,37Retrieval
MTEB EmotionClassification (default) (test; main_score)
42,53Classification
MTEB FEVER (default) (test; main_score)
91,91Retrieval
MTEB FiQA2018 (default) (test; main_score)
45,49Retrieval
MTEB HotpotQA (default) (test; main_score)
68,151Retrieval
MTEB ImdbClassification (default) (test; main_score)
72,544Classification
MTEB MSMARCO (default) (dev; main_score)
44,856Retrieval
MTEB MTOPDomainClassification (en) (en; test; main_score)
93,532Classification
MTEB MTOPIntentClassification (en) (en; test; main_score)
67,791Classification
MTEB MassiveIntentClassification (en) (en; test; main_score)
71,456Classification
MTEB MassiveScenarioClassification (en) (en; test; main_score)
76,217Classification
MTEB MedrxivClusteringP2P (default) (test; main_score)
31,392Clustering
MTEB MedrxivClusteringS2S (default) (test; main_score)
28,241Clustering
MTEB MindSmallReranking (default) (test; main_score)
29,580Reranking
MTEB NFCorpus (default) (test; main_score)
35,344Retrieval
MTEB NQ (default) (test; main_score)
63,673Retrieval
MTEB QuoraRetrieval (default) (test; main_score)
89,021Retrieval
MTEB RedditClustering (default) (test; main_score)
51,209Clustering
MTEB RedditClusteringP2P (default) (test; main_score)
60,373Clustering
MTEB SCIDOCS (default) (test; main_score)
20,239Retrieval
MTEB SICK-R (default) (test; main_score)
73,989STS
MTEB STS12 (default) (test; main_score)
71,227STS
MTEB STS13 (default) (test; main_score)
80,441STS
MTEB STS14 (default) (test; main_score)
75,104STS
MTEB STS15 (default) (test; main_score)
82,868STS
MTEB STS16 (default) (test; main_score)
83,487STS
MTEB STS17 (en-en) (en-en; test; main_score)
84,544STS
MTEB STS17 (en-tr) (en-tr; test; main_score)
63,631STS
MTEB STS17 (it-en) (it-en; test; main_score)
76,881STS
MTEB STS17 (es-en) (es-en; test; main_score)
71,049STS
MTEB STS17 (nl-en) (nl-en; test; main_score)
78,271STS
MTEB STS17 (fr-en) (fr-en; test; main_score)
76,275STS
MTEB STS17 (en-de) (en-de; test; main_score)
79,311STS
MTEB STS17 (en-ar) (en-ar; test; main_score)
61,050STS
MTEB STS22 (en) (en; test; main_score)
68,062STS
MTEB STS22 (pl-en) (pl-en; test; main_score)
76,848STS
MTEB STS22 (zh-en) (zh-en; test; main_score)
70,789STS
MTEB STS22 (es-en) (es-en; test; main_score)
78,591STS
MTEB STS22 (de-en) (de-en; test; main_score)
55,110STS
MTEB STSBenchmark (default) (test; main_score)
79,189STS
MTEB SciDocsRR (default) (test; main_score)
78,750Reranking
MTEB SciFact (default) (test; main_score)
70,586Retrieval
MTEB SprintDuplicateQuestions (default) (test; main_score)
96,542PairClassification
MTEB StackExchangeClustering (default) (test; main_score)
63,404Clustering
MTEB StackExchangeClusteringP2P (default) (test; main_score)
36,289Clustering
MTEB StackOverflowDupQuestions (default) (test; main_score)
51,458Reranking
MTEB SummEval (default) (test; main_score)
30,514Summarization
MTEB TRECCOVID (default) (test; main_score)
83,866Retrieval
MTEB Touche2020 (default) (test; main_score)
29,499Retrieval
MTEB ToxicConversationsClassification (default) (test; main_score)
65,864Classification
MTEB TweetSentimentExtractionClassification (default) (test; main_score)
59,663Classification
MTEB TwentyNewsgroupsClustering (default) (test; main_score)
43,231Clustering
MTEB TwitterSemEval2015 (default) (test; main_score)
67,009PairClassification
MTEB TwitterURLCorpus (default) (test; main_score)
85,459PairClassification

Valores como impressos na ficha, com a configuração do próprio publicador. 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 para

Considere Snowflake Arctic Embed L v2.0 para busca semântica e recuperação: gera vetores de 1.024 dimensões a partir de texto.

Confira antes

O publicador não informa memória; a lista de hardware usa a estimativa de ~3 GB, um teto e não uma medição. Veja o formato de prompts em Como rodar. 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
Ollama, Sentence Transformersfonte
Prompts de consulta/documento
Somente consultas: prefixo “query: ”. Documentos: sem prefixo (model card).
Idiomas · PT-BR
74 idiomas nos metadados do card, português incluídoPT-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.

Sentence Transformers · ficha do modelo · Using Sentence Transformers
from sentence_transformers import SentenceTransformer

# Load the model
model_name = 'Snowflake/snowflake-arctic-embed-l-v2.0'
model = SentenceTransformer(model_name)

# Define the queries and documents
queries = ['what is snowflake?', 'Where can I get the best tacos?']
documents = ['The Data Cloud!', 'Mexico City of Course!']

# Compute embeddings: use `prompt_name="query"` to encode queries!
query_embeddings = model.encode(queries, prompt_name="query") 
document_embeddings = model.encode(documents)

# Compute cosine similarity scores
scores = model.similarity(query_embeddings, document_embeddings)

# Output the results
for query, query_scores in zip(queries, scores):
    doc_score_pairs = list(zip(documents, query_scores))
    doc_score_pairs = sorted(doc_score_pairs, key=lambda x: x[1], reverse=True)
    print("Query:", query)
    for document, score in doc_score_pairs:
        print(score, document)
Transformers · ficha do modelo · Using Huggingface Transformers
import torch
from transformers import AutoModel, AutoTokenizer

model_name = 'Snowflake/snowflake-arctic-embed-l-v2.0'
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name, add_pooling_layer=False)
model.eval()

query_prefix = 'query: '
queries  = ['what is snowflake?', 'Where can I get the best tacos?']
queries_with_prefix = ["{}{}".format(query_prefix, i) for i in queries]
query_tokens = tokenizer(queries_with_prefix, padding=True, truncation=True, return_tensors='pt', max_length=8192)

documents = ['The Data Cloud!', 'Mexico City of Course!']
document_tokens =  tokenizer(documents, padding=True, truncation=True, return_tensors='pt', max_length=8192)

# Compute token embeddings
with torch.no_grad():
    query_embeddings = model(**query_tokens)[0][:, 0]
    document_embeddings = model(**document_tokens)[0][:, 0]


# normalize embeddings
query_embeddings = torch.nn.functional.normalize(query_embeddings, p=2, dim=1)
document_embeddings = torch.nn.functional.normalize(document_embeddings, p=2, dim=1)

scores = torch.mm(query_embeddings, document_embeddings.transpose(0, 1))
for query, query_scores in zip(queries, scores):
    doc_score_pairs = list(zip(documents, query_scores))
    doc_score_pairs = sorted(doc_score_pairs, key=lambda x: x[1], reverse=True)
    #Output passages & scores
    print("Query:", query)
    for document, score in doc_score_pairs:
        print(score, document)

Escolher meu computador

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Tarefa
embeddings para busca (extração de características)
Biblioteca na fonte
Ollama, Sentence 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
568M na tabela do card, dos quais 303M não são de embedding; total de safetensors no Hub: 567.754.752, lido em 2026-10-07.
Anunciado
2024-12-04

O Ollama oferece como “snowflake-arctic-embed2” (568M). O card reporta truncamento para 256 dimensões com perda de qualidade abaixo de 3%; 1024 e 256 são os tamanhos tabulados.

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

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.