Nomic Embed Text v1.5
采用 Matryoshka 表示学习的英语文本嵌入模型，可把 768 维向量截断到 64–512 维以压缩存储，支持最长 8192 tokens 输入。
最后核实：
https://huggingface.co/nomic-ai/nomic-embed-text-v1.5特点与限制
主要特点
- 768 维向量，采用 Matryoshka 表示学习，可截断到 512/256/128/64 维（模型卡对照表给出各档 MTEB 平均分）
- 最大输入 8192 tokens：训练最大 2048，按官方说明用 rope_parameters（rope_theta 1000.0、rope_type dynamic、factor 2.0）与 tokenizer model_max_length=8192 即可原生扩展
- 查询与文档需添加 search_query:/search_document: 指令前缀，另有 clustering:/classification: 前缀用于相应任务
- Apache-2.0 权重，官方称训练代码与训练数据在 contrastors 仓库完整发布
- 模型卡提供 Sentence Transformers、Transformers、Transformers.js、Infinity 与 Nomic API 等多种用法
使用边界
- 模型卡的 MTEB 对照表为发布方自评平均分，未披露评测运行日、模型 revision 与完整编码配置，本站未复现。
- 768 维以下截断会带来性能下降（模型卡列出 64 维时 MTEB 平均 56.10），需按任务在存储与效果间权衡。
- 检索、聚类与分类必须使用对应指令前缀，缺失或误用会导致性能下降（模型卡 Important 提示）。
- 默认 tokenizer 上限为 2048 tokens，需按官方说明配置 rope_parameters 才能扩展到 8192。
- MTEB 结果仓库收录有该型号（revision b0753ae7）的多批次社区提交记录（含 SkMTEB、LMEB 等，提交者身份不一），运行配置未核实，未导入。
模型信息
- 家族与版本
- Nomic Embed / v1.5
- 输入与输出
- 文本 → 向量
- 公开参数规模
- 0.137B（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
- 官方技术报告（Nomic Embed Text Technical Report，arxiv.org/abs/2402.01613）称 nomic-embed-text-v1 为 137M 参数模型，并说明自 BERT base 改造（RoPE、SwiGLU 等）后编码器为 137M 参数；v1.5 模型卡称其为 v1 的改进（同架构叠加 Matryoshka 表示学习）但未单列参数，核对当日 HF 仓库主权重张量合计 136,731,648（约 136.7M），与 137M 口径一致。 参数来源
- 原生上下文
- 8,192 tokens
- 扩展上下文
- 未提供
- 语言声明
- 英语（模型卡语言标签为 en；训练与评测以英语为主）；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
- 模型卡披露训练起点为长上下文 BERT（nomic-bert-2048），经无监督对比预训练（StackExchange、Quora 问答对、Amazon 评论标题-正文、新闻摘要等弱相关文本对）与高质量标注数据微调两阶段，并称训练数据已完整发布（contrastors 仓库）；本记录未逐项复核数据文件。
能力依据
模型变体：专用版；家族与版本：Nomic Embed / v1.5
向量检索
MTEB · MTEB 平均分（768 维）62.28分（0–100）MTEB 平均分（模型卡口径，法院/检索等任务集概要） · 英语MTEB · MTEB 平均分（512 维截断）61.96分（0–100）MTEB 平均分（模型卡口径，512 维截断） · 英语MTEB · MTEB 平均分（256 维截断）61.04分（0–100）MTEB 平均分（模型卡口径，256 维截断） · 英语查看评估与来源收起补充信息
向量检索
发布方模型卡报告 8192 SeqLen 下 768 维 MTEB 平均 62.28，并给出 512/256/128/64 维截断档位（61.96/61.04/59.34/56.10），展示 Matryoshka 表示学习的存储与效果权衡；所有成绩为发布方自评且未披露运行条件，不能视为独立复测。
- 模型卡在同一张表列出全部 Matryoshka 档位成绩，可直接评估截断到 256/512 维的代价。
- 官方称训练代码与训练数据在 contrastors 仓库完整发布，并使用开源蒸馏与对比训练流程。
- Apache-2.0 权重与 8192 tokens 长输入，便于在英语检索与长文档场景本地部署。
- 成绩由模型发布方运行，来源未披露评测运行日期、模型 revision 与硬件条件，本站未复现。
- MTEB 结果仓库存在该型号的多批次社区提交（如 SkMTEB、LMEB 等），提交者和运行配置未经核实，未导入，不构成独立佐证。
- 默认 2048 token 上限与 8192 需要额外 rope 配置，部署时容易忽略；前缀误用会显著降低效果。
MTEB · MTEB 平均分（768 维）
62.28 分（0–100）官方报告 · Nomic AI（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- nomic-ai/nomic-embed-text-v1.5 / 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 平均分（模型卡口径，法院/检索等任务集概要） / 未提供
- 基准 / 报告版本
- nomic-embed-text-v1.5 模型卡 Adjusting Dimensionality 表
- 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 Adjusting Dimensionality 表列出 nomic-embed-text-v1.5 在 SeqLen 8192 下 768 维 MTEB 62.28、512 维 61.96、256 维 61.04、128 维 59.34、64 维 56.10（同表 nomic-embed-text-v1 为 62.39）；该表未披露评测运行日、模型 revision 与编码配置；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
- nomic-ai / nomic-embed-text-v1-5-model-card
- 来源
- https://huggingface.co/nomic-ai/nomic-embed-text-v1.5
- 来源使用说明
- 引用来源；许可：未提供；仅引用 Nomic 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，MTEB 等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、编码配置与评测运行条件；该结果仅记录发布方模型卡口径，不加入跨型号比较组。
MTEB · MTEB 平均分（512 维截断）
61.96 分（0–100）官方报告 · Nomic AI（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- nomic-ai/nomic-embed-text-v1.5 / 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 平均分（模型卡口径，512 维截断） / 未提供
- 基准 / 报告版本
- nomic-embed-text-v1.5 模型卡 Adjusting Dimensionality 表
- 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 Adjusting Dimensionality 表列出 nomic-embed-text-v1.5 在 SeqLen 8192、512 维截断下 MTEB 61.96；该表未披露评测运行日、模型 revision 与截断后的归一化细节（官方示例为 layer_norm 后截断再归一化）；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
- nomic-ai / nomic-embed-text-v1-5-model-card
- 来源
- https://huggingface.co/nomic-ai/nomic-embed-text-v1.5
- 来源使用说明
- 引用来源；许可：未提供；仅引用 Nomic 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，MTEB 等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、编码配置与评测运行条件；该结果仅记录发布方模型卡口径，不加入跨型号比较组。
MTEB · MTEB 平均分（256 维截断）
61.04 分（0–100）官方报告 · Nomic AI（模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- nomic-ai/nomic-embed-text-v1.5 / 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 平均分（模型卡口径，256 维截断） / 未提供
- 基准 / 报告版本
- nomic-embed-text-v1.5 模型卡 Adjusting Dimensionality 表
- 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 Adjusting Dimensionality 表列出 nomic-embed-text-v1.5 在 SeqLen 8192、256 维截断下 MTEB 61.04（官方称存储降至约三分之一）；该表未披露评测运行日、模型 revision 与截断后的归一化细节；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
- nomic-ai / nomic-embed-text-v1-5-model-card
- 来源
- https://huggingface.co/nomic-ai/nomic-embed-text-v1.5
- 来源使用说明
- 引用来源；许可：未提供；仅引用 Nomic 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，MTEB 等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、编码配置与评测运行条件；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
Sentence Transformers
系统支持未提供 · Safetensors / PyTorch · 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：sentence-transformers。
STEP 01 安装依赖
安装 sentence-transformers（模型卡未给出安装命令，版本需与目标环境匹配）；transformers 5.5.0 与 sentence-transformers 5.3.0 起该文本系列不再需要 trust_remote_code=True。
STEP 02 加载模型并按任务加前缀编码
按官方示例用 SentenceTransformer("nomic-ai/nomic-embed-text-v1.5") 加载；文档与查询分别加 search_document:/search_query: 前缀（另有 clustering:/classification:）；需要截断维度时按示例先 layer_norm 再取前 matryoshka_dim 列并归一化。需要 8192 tokens 时按官方说明配置 tokenizer 的 model_max_length=8192 与 rope_parameters。本站未下载权重或执行模型，需在目标设备验证。
Infinity
系统支持未提供 · PyTorch（官方示例 float16） · 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；官方示例假定 NVIDIA GPU 与容器环境，未给出显存数字，不换算资源保证。
内存：未核实；显存：未核实。
依赖：Docker、NVIDIA GPU（官方示例使用 --gpus all）。
STEP 01 用官方示例启动推理服务
模型卡给出的 Infinity 0.0.70 启动命令，需要 Docker、NVIDIA GPU 与 HF_TOKEN；未执行或验证该命令，命令中的挂载路径与端口可按环境调整。
docker run --gpus all -v $PWD/data:/app/.cache -e HF_TOKEN=$HF_TOKEN -p "7997":"7997" michaelf34/infinity:0.0.70 v2 --model-id nomic-ai/nomic-embed-text-v1.5 --revision "main" --dtype float16 --batch-size 8 --engine torch --port 7997 --no-bettertransformerSTEP 02 请求嵌入
服务启动后按 Infinity 的 OpenAI 兼容接口请求嵌入；文本仍需按任务加 search_query:/search_document: 前缀。本站未执行或验证。