LightOn mLateOn
面向多语言、长文档与代码检索的ColBERT多向量模型，训练九种语言并声称可泛化到未训练语言。
最后核实：
https://huggingface.co/lightonai/mLateOn特点与限制
主要特点
- 307M参数的mmBERT-base骨干，输出128维多向量，按MaxSim相似度打分
- 查询与文档最大输入8192 tokens
- 官方模型卡Headline Results列出BEIR、MIRACL、MLDR与MTEB Code成绩，并称在BEIR得分高于同表全部对比模型
- 提供PyLate与Sentence Transformers两种官方用法，索引可用官方FastPlaid
使用边界
- 多向量（ColBERT）表示的索引体积与检索算力通常高于单向量模型，需要MaxSim/PLAID类检索栈支持。
- 官方成绩为发布方模型卡自评，且MIRACL与MLDR使用目标语言子集口径；本站未复现。
- 训练脚本仓库位于GitHub，模型卡未声明其代码许可，本条目按未核实处理。
模型信息
- 家族与版本
- LateOn / mLateOn
- 输入与输出
- 文本 → 向量
- 公开参数规模
- 0.307B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方模型卡称该型号为307M参数的ColBERT多向量检索模型，骨干为mmBERT-base（模型卡标注307M parameters）；未另列激活或有效参数口径。 参数来源
- 原生上下文
- 8,192 tokens
- 扩展上下文
- 未提供
- 语言声明
- 九种训练语言：英语、法语、德语、意大利语、西班牙语、葡萄牙语、瑞典语、挪威语、阿拉伯语、官方称可泛化到检索训练未出现的语言与字符集（如西里尔字母、日语），未给出完整语言清单；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- 未核实
- 训练资料
- 模型卡披露训练数据构成：多语精编预训练数据2.16B文本对加英语665M对（合计2.8B对训练混合物，含220M跨语言对），微调混合物16.3M样本，采用NV-Retriever方法过滤并叠加mxbai-rerank-large-v2交叉编码器蒸馏，逐语言公开数据集链接；未公开可直接复核的完整原始语料。
能力依据
模型变体：专用版；家族与版本：LateOn / mLateOn
向量检索
BEIR · nDCG@1057.56分（0–100）BEIR（英语通用域检索；模型卡未列出逐数据集版本） · 英语MIRACL · nDCG@1065.61分（0–100）MIRACL（目标语言子集，仅含与训练目标语言重叠的语言；模型卡标注MIRACL tgt） · 多语言（目标语言子集）MLDR · nDCG@1087.69分（0–100）MLDR（目标语言子集；模型卡标注MLDR tgt） · 多语言（目标语言子集）查看评估与来源收起补充信息
向量检索
BEIR · nDCG@1057.56分（0–100）BEIR（英语通用域检索；模型卡未列出逐数据集版本） · 英语
MIRACL · nDCG@1065.61分（0–100）MIRACL（目标语言子集，仅含与训练目标语言重叠的语言；模型卡标注MIRACL tgt） · 多语言（目标语言子集）
MLDR · nDCG@1087.69分（0–100）MLDR（目标语言子集；模型卡标注MLDR tgt） · 多语言（目标语言子集）
发布方模型卡报告：BEIR nDCG@10 57.56、MIRACL目标语言子集65.61（全语言67.04）、MLDR目标语言子集87.69（全语言77.92）、MTEB Code 73.48，覆盖英语通用检索、多语检索、长文档与代码检索。全部为发布方自评且未披露运行条件，不能视为独立复测；多向量部署成本也高于单向量模型。
已有依据支持
- 同一张表并列BEIR、MIRACL、MLDR与MTEB Code，并给出对比模型的参数规模，便于定位成绩口径。
- 官方明确标注MIRACL tgt与MLDR tgt为目标语言子集口径，同时列出全语言数值。
- 模型卡披露训练数据构成、过滤方法与开源数据集链接。
证据限制
- 所有成绩由模型发布方运行；MTEB结果仓库收录有该型号（revision 1a3f1d70）的检索分项文件，但执行者与运行配置未在本批次核实，未导入，不构成独立佐证。
- 成绩对应的模型revision、编码精度、硬件与评测运行日期未披露，本站未复现。
- MIRACL tgt/MLDR tgt子集口径与全语言榜位不能混用；只部署部分表示会偏离这些数值。
BEIR · nDCG@10
57.56 分（0–100）官方报告 · LightOn（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- lightonai/mLateOn / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- BEIR（英语通用域检索；模型卡未列出逐数据集版本） / 未提供
- 基准 / 报告版本
- mLateOn模型卡 Headline Results 表（NDCG@10）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；模型卡Headline Results表报告mLateOn的BEIR为57.56，同表列出LateOn（57.22）、BGE-M3（48.78）等对照；该表未说明BEIR包含的数据集版本、编码精度与硬件条件，评测运行日期未披露；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- lighton / lighton-mlateon-model-card
- 来源
- https://huggingface.co/lightonai/mLateOn
- 来源使用说明
- 引用来源；许可：未提供；仅引用LightOn官方模型卡表中的少量成绩并保留来源链接；不复制整表或基准数据，涉及基准与数据集继续适用各自许可。 查看说明
- 比较状态
- 不可比：来源未披露足以复现和统一对齐的完整模型revision、编码配置与基准子集构成；该结果仅记录发布方模型卡口径，不加入跨型号比较组。
MIRACL · nDCG@10
65.61 分（0–100）官方报告 · LightOn（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- lightonai/mLateOn / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MIRACL（目标语言子集，仅含与训练目标语言重叠的语言；模型卡标注MIRACL tgt） / 未提供
- 基准 / 报告版本
- mLateOn模型卡 Headline Results 表（NDCG@10）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；模型卡Headline Results表报告MIRACL tgt为65.61；表注说明MIRACL tgt与MLDR tgt只包含与训练目标语言重叠的语言，同表全语言MIRACL为67.04。表未披露模型revision、编码精度与硬件，评测运行日期未披露；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- lighton / lighton-mlateon-model-card
- 来源
- https://huggingface.co/lightonai/mLateOn
- 来源使用说明
- 引用来源；许可：未提供；仅引用LightOn官方模型卡表中的少量成绩并保留来源链接；不复制整表或基准数据，涉及基准与数据集继续适用各自许可。 查看说明
- 比较状态
- 不可比：来源未披露足以复现和统一对齐的完整模型revision、编码配置与语言子集构成；该结果仅记录发布方模型卡口径，不加入跨型号比较组。
MLDR · nDCG@10
87.69 分（0–100）官方报告 · LightOn（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- lightonai/mLateOn / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MLDR（目标语言子集；模型卡标注MLDR tgt） / 未提供
- 基准 / 报告版本
- mLateOn模型卡 Headline Results 表（NDCG@10）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；模型卡Headline Results表报告MLDR tgt为87.69；表注说明MLDR tgt只包含与训练目标语言重叠的语言，同表全语言MLDR为77.92。官方称长文档优势来自晚交互的多语泛化与ColBERT对长上下文的适配。表未披露模型revision、编码精度与硬件，评测运行日期未披露；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- lighton / lighton-mlateon-model-card
- 来源
- https://huggingface.co/lightonai/mLateOn
- 来源使用说明
- 引用来源；许可：未提供；仅引用LightOn官方模型卡表中的少量成绩并保留来源链接；不复制整表或基准数据，涉及基准与数据集继续适用各自许可。 查看说明
- 比较状态
- 不可比：来源未披露足以复现和统一对齐的完整模型revision、编码配置与语言子集构成；该结果仅记录发布方模型卡口径，不加入跨型号比较组。
MTEB Code · nDCG@10
73.48 分（0–100）官方报告 · LightOn（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- lightonai/mLateOn / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MTEB Code（代码检索） / 未提供
- 基准 / 报告版本
- mLateOn模型卡 Headline Results 表（NDCG@10）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；模型卡称该成绩仅使用微调阶段的代码数据（using only fine-tuning-stage code data）；同表列出 voyage-4-nano（76.43）、Qwen3-Embedding-0.6B（73.75）等对照。表未披露MTEB Code的具体任务子集、revision与运行条件，评测运行日期未披露；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- lighton / lighton-mlateon-model-card
- 来源
- https://huggingface.co/lightonai/mLateOn
- 来源使用说明
- 引用来源；许可：未提供；仅引用LightOn官方模型卡表中的少量成绩并保留来源链接；不复制整表或基准数据，涉及基准与数据集继续适用各自许可。 查看说明
- 比较状态
- 不可比：来源未披露足以复现和统一对齐的完整模型revision、编码配置与代码基准子集构成；该结果仅记录发布方模型卡口径，不加入跨型号比较组。
运行条件与获取
PyLate
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；内存、显存和速度取决于运行时、精度、输入长度与硬件，不将参数量或文件大小换算为资源保证。
内存：未核实；显存：未核实。
依赖：pylate。
STEP 01 安装 PyLate
按官方模型卡 Usage 章节安装 PyLate 库。
pip install -U pylateSTEP 02 加载模型并建立检索流程
按官方示例用 models.ColBERT 加载 lightonai/mLateOn，用 PLAID 建立索引并检索，或直接用 rank.rerank 对已有候选重排；本站未下载权重或执行模型，需在目标设备验证。
Sentence Transformers
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；多向量编码的显存占用随输入长度与批大小增长，不在无来源估算时填写资源数值。
内存：未核实；显存：未核实。
依赖：sentence-transformers>=6.0.0。
STEP 01 安装支持多向量的 Sentence Transformers
按官方示例安装带 MultiVectorEncoder 的版本。
pip install "sentence-transformers>=6.0.0"STEP 02 加载并编码
按官方示例用 MultiVectorEncoder("lightonai/mLateOn") 分别 encode_query 与 encode_document，再用 similarity 计算 MaxSim 分数；本站未下载权重或执行模型，需在目标设备验证。