Ruri v3 は、ModernBERT‑Ja をベースに構築された最先端の日本語テキスト埋め込みモデルで、最大 8,192 トークン、100 k‑トークン語彙、FlashAttention 加速、37 M から 315 M の複数サイズに対応しています。
他の言語の説明
統計
2026年11月16日時点の統計
Hugging Face のダウンロード数(直近30日)
126,000
Hugging Face の Like 数
12
掲載日
2025年4月22日
ダウンロード数(直近30日)の推移
数値を表で見る
| 月 | DL(30日) |
|---|---|
| 2025年12月 | 40,000 |
| 2026年1月 | 22,000 |
| 2026年2月 | 129,000 |
| 2026年3月 | 212,000 |
| 2026年4月 | 275,000 |
| 2026年5月 | 126,000 |
| 2026年6月 | 224,000 |
| 2026年7月 | 199,000 |
| 2026年8月 | 269,000 |
| 2026年9月 | 315,000 |
| 2026年10月 | 180,000 |
| 2026年11月 | 126,000 |
各月の最後のスナップショットにおける、直近30日間のダウンロード数です。
同じカテゴリで人気のリソース
- ruri-v3-310mcl-nagoya634kRuri v3 は、ModernBERT‑Ja をベースとした最先端の日本語テキスト埋め込みモデルで、最大8,192トークンの入力、100Kトークンの語彙、FlashAttention で加速された推論、および高速な sentence‑transformer での使用のための複数サイズバリアントをサポートします。
- ruri-v3-130mcl-nagoya93kRuri v3は、ModernBERT‑Jaをベースに構築された最先端の日本語テキスト埋め込みモデルで、8192トークンまでのシーケンス、10万語の語彙、FlashAttentionに対応し、sentence‑transformers用に30 M〜310 Mパラメータのサイズでリリースされます。
- GLuCoSE-base-japkshatech31kGLuCoSEは、LUKEをベースに構築された日本語文埋め込みモデルであり、ウェブおよびNLI/検索データで訓練され、最大512トークンまでの768次元平均プールベクトルを出力します。類似度ベンチマークで0.864のSpearmanと0.818のPearsonを達成しています。
- plamo-embedding-1bpfnet486kPLaMo‑Embedding‑1B は、Preferred Networks が提供する日本語テキスト埋め込みモデルで、情報検索、分類、クラスタリングのために日本語テキストをベクトルに変換します。JMTEB ベンチマークで高い性能を示し、Apache v2.0 license の下で無料で利用できます。
- ruri-v3-70mcl-nagoya14kRuri v3は、8192トークンまでの高性能日本語テキスト埋め込み、100kトークン語彙、FlashAttentionサポート、および30 m–310 mの複数モデルサイズを備え、sentence‑transformersを介した効率的な推論とファインチューニングを可能にします。
- ruri-largecl-nagoya8kリリース準備済みのRuri v3日本語テキスト埋め込みモデル(30m–310m)のコレクションで、SentenceTransformerの使用ヒント、クエリ/パッセージプレフィックス、JMTEBベンチマーク結果を含み、他の日本語および多言語埋め込みと比較しています。
研究分野が近いリソース
chiVeWorksApplications179SudachiとNWJCを使用した日本語の単語埋め込み。GitHub共通: 表現学習・意味的テキスト処理
japanese-words-to-vectorsphilipperemy87GensimとMecabを使用した日本語のWord2vec(単語からベクトルへのアプローチ)手法。GitHub共通: 表現学習・意味的テキスト処理- japanese-splade-v2hotchpotch4k高性能日本語 SPLADE v2 は、WebUI demo を通じてスパース‑ベクトル変換と推論を可能にし、YAST でトレーニングを行い、YASEM 埋め込みを提供し、JMTEB ベンチマーク結果を報告します。共通: 表現学習・意味的テキスト処理
- sentence-bert-base-ja-mean-tokenssonoisa14k文埋め込みを生成するJapanese Sentence‑BERT (v1) モデルで、改良版v2が利用可能で、Hugging Face Transformers とカスタム SentenceBertJapanese クラスを使用したサンプル使用例があります。共通: 表現学習・意味的テキスト処理
lukestudio-ousia727LUKE -- 知識ベース埋め込みを用いた言語理解GitHub共通: 表現学習・意味的テキスト処理
fasttext-vs-word2vec-on-twitter-dataGINK0348fasttextとword2vecの比較と、実行スクリプト、学習スクリプトですGitHub共通: 表現学習・意味的テキスト処理