模型X
Bekko Embedding 开源两款 7.67M 与 24.93M 参数检索模型
Bekko Embedding 开源两款超小型多语言检索模型 文章发布了两款面向检索场景的多语言 embedding 模型：bekko-embedding-v1-a8m 和 bekko-embedding-v1-a25m，主打在 CPU 环境下也能高效运行。 Active Parameters：a8m 仅 7.67M，a25m 为 24.93M 总参数量：分别为 106M、123M 最大输入长度：8192 tokens MMTEB Multilingual v2 检索 18 任务：a8m 56.2，a25m 57.5 MMTEB Multilingual v2 全 131 任务：a8m 56.7，a25m 58.3 CPU 吞吐：在 Ryzen 9 7950X + OpenVINO 上，a8m 可达 364 docs/s 轻量 ONNX 包体：a8m 124 MiB，a25m 190 MiB 作者强调，小 embedding 模型在本地检索、索引构建、上下文探索等 agent 工作流里仍然很关键，尤其是没有 GPU、甚至在 Raspberry Pi 这类低配设备上运行时。文章还对比了当前开源多语言小模型的稀缺性，说明这条路线的实用价值。
