「サラシナ埋め込み」、頭に一行足すだけで検索用にも分類用にも
- 公開
- 正式公開 2025-07-30（技術ブログは2025-08-20）
- 作り手
- SB Intuitions
- 対応
- Hugging Face
- 言語
- 日本語
- 価格
- 記載なし（Sarashina Model NonCommercial License）
どんなアプリか
Sarashina-Embedding-v2-1B は、日本語の大規模言語モデル「Sarashina2.2-1B」をベースにした日本語のテキスト埋め込みモデルです。文や段落を1,792次元のベクトルに変換し、意味の近さの比較、意味検索、言い換えの抽出、文章の分類、クラスタリングなどに使えると説明されています。
We trained this model with multi-stage contrastive learning.
SB Intuitions、Hugging Face のモデルカード
使い方の特徴は、クエリと文書で付ける前置きを分けることです。クエリ側には「task:」に続けて指示文を、文書側には「text:」を付けます。モデルカードには検索・リランキング、クラスタリング、分類、STS（文の意味の近さ）の5つの主なタスク向けに、日本語の指示文の型が載っています。STS では両方の文をクエリとして扱い、同じ指示文を付けます。
入力できる長さは8,192トークンまでで、類似度はコサイン類似度で測ります。モデルカードでは、Python の Sentence Transformers ライブラリを入れて読み込む手順が示されています。
学習は3段階です。自社でクロールしたウェブのデータと公開データセットによる弱教師ありの対照学習、より質の高いデータでの追加学習を経て、日本語の埋め込みの評価セット JMTEB で点数の高かった2つのモデルの重みを合成しています。
モデルカードによると、JMTEB の28データセットの平均点で、2025年7月28日の評価時点の最高水準を記録したとしています。同じ表では、このモデルの平均は76.38です。
同じ分野のアプリ
| 名前 | 型 | 仕掛け | 対応 | 料金 |
|---|---|---|---|---|
| Sarashina-Embedding-v2-1B | 日本語埋め込み | Sarashina2.2-1B がベース。クエリに用途別の指示文を付ける | Hugging Face | 記載なし（非商用ライセンス） |
| Ruri v3 | 日本語埋め込み | 日本語 ModernBERT が土台。30M〜310M の4サイズと専用リランカー | Hugging Face（オープンウェイト） | 無料（Apache 2.0） |
| PLaMo-Embedding-1B | 日本語埋め込み | PFN が開発した 1B パラメータの埋め込みモデル | Hugging Face（オープンウェイト） | 無料（Apache 2.0、商用利用可） |
入れる前に
ライセンスは Sarashina Model NonCommercial License Agreement です。商用で使いたい場合は、問い合わせページから連絡するよう案内されています。
モデルの大きさは約10億パラメータで、重みは F32 で公開されています。