F2LLM-v2開(kāi)源：讓語(yǔ)言不再是障礙，讓AI觸手可及

在 RAG（檢索增強(qiáng)生成）、語(yǔ)義搜索和大規(guī)模數(shù)據(jù)分析的浪潮中，嵌入模型（Embedding Model）是不可或缺的底層基石。然而，當(dāng)前的 Embedding 研究正面臨兩大挑戰(zhàn)：

1. 英語(yǔ)中心化偏見(jiàn)：多數(shù)模型在英文以及中文上表現(xiàn)強(qiáng)悍，但在其他中低資源語(yǔ)言上力不從心。
2. 透明度鴻溝：頂尖模型（如 Gemini、Qwen3-Embedding 等）多為閉源 API 或僅開(kāi)放權(quán)重，其訓(xùn)練數(shù)據(jù)和方法論往往秘而不宣，嚴(yán)重阻礙了開(kāi)源社區(qū)的復(fù)現(xiàn)與進(jìn)化。

針對(duì)這些痛點(diǎn)，螞蟻集團(tuán)聯(lián)合上海交通大學(xué)正式發(fā)布并開(kāi)源了 F2LLM-v2。這不僅是一個(gè)性能霸榜的工具，更是對(duì)“開(kāi)源透明”和“語(yǔ)言普惠”的一次深度踐行。

開(kāi)源地址： GitHub:https://github.com/codefuse-ai/CodeFuse-Embeddings[1] Hugging Face:https://huggingface.co/collections/codefuse-ai/f2llm[2]

與市面上許多閉源接口或黑盒模型不同，F(xiàn)2LLM 團(tuán)隊(duì)始終堅(jiān)持開(kāi)源精神。

這一次，團(tuán)隊(duì)精心構(gòu)建了一個(gè)包含6000萬(wàn)高質(zhì)量樣本的訓(xùn)練語(yǔ)料庫(kù)，涵蓋282種自然語(yǔ)言和40多種編程語(yǔ)言。最重要的是，這些數(shù)據(jù)全部源自公開(kāi)資源，且團(tuán)隊(duì)公開(kāi)了完整的訓(xùn)練配方、中間檢查點(diǎn)以及相關(guān)代碼。

這種全方位透明度不僅方便研究者復(fù)現(xiàn)，更為全球開(kāi)發(fā)者構(gòu)建真正包容、多語(yǔ)種的 AI 應(yīng)用提供了肥沃的土壤。

2. 霸榜 11 項(xiàng) MTEB，定義多語(yǔ)言 SOTA

F2LLM-v2 在 MTEB（最權(quán)威的大規(guī)模文本嵌入評(píng)測(cè)基準(zhǔn)）上的表現(xiàn)堪稱(chēng)驚艷。其14B與8B版本在 11 個(gè) MTEB 分支榜單上摘得桂冠。

無(wú)論是歐洲語(yǔ)言、斯堪的納維亞語(yǔ)系，還是波斯語(yǔ)、越南語(yǔ)等中低資源語(yǔ)言，F(xiàn)2LLM-v2 均刷新了 SOTA 記錄。特別是在代碼搜索領(lǐng)域，F(xiàn)2LLM-v2 延續(xù)了 CodeFuse 家族的強(qiáng)項(xiàng)，與團(tuán)隊(duì)數(shù)月前開(kāi)源的代碼專(zhuān)用嵌入模型 C2LLM 并列第一，成為開(kāi)發(fā)者構(gòu)建智能化代碼庫(kù)檢索的首選。

3. 全尺寸布局：從 80M 到 14B 的極致覆蓋

為了適應(yīng)從邊緣設(shè)備到大型數(shù)據(jù)中心的全場(chǎng)景需求，F(xiàn)2LLM-v2 推出了8 種不同尺寸的模型：

• 輕量級(jí)（80M / 160M / 330M）：適用于對(duì)延遲極其敏感的終端應(yīng)用。
• 主流級(jí)（0.6B / 1.7B / 4B）：兼顧性能與效率。
• 重型（8B / 14B）：為企業(yè)級(jí)檢索系統(tǒng)提供最高精度的語(yǔ)義表征。

值得關(guān)注的是，通過(guò)模型剪枝和知識(shí)蒸餾技術(shù)，小尺寸模型在推理效率大幅提升的同時(shí)保留了強(qiáng)大性能，打破了“小模型無(wú)高性能”的迷思。

同時(shí)，F(xiàn)2LLM-v2 家族的所有模型均支持套娃式表征，任意截取輸出嵌入的開(kāi)頭維度即可獲得接近全維度的性能。這為開(kāi)發(fā)者在存儲(chǔ)成本和檢索速度之間提供了極大的靈活權(quán)衡空間。

4. 結(jié)語(yǔ)：共同打造一個(gè)更包容、更透明的 AI 世界

F2LLM-v2 不僅僅是一個(gè)技術(shù)報(bào)告中的數(shù)字，它代表了開(kāi)源社區(qū)的一種力量——不依賴(lài)封閉數(shù)據(jù)與技術(shù)，依然能做出世界頂級(jí)性能的模型。

無(wú)論你是正在構(gòu)建多語(yǔ)言 RAG 系統(tǒng)的開(kāi)發(fā)者，還是專(zhuān)注于向量表征的研究者，F(xiàn)2LLM-v2 都是一個(gè)值得點(diǎn)贊和深入挖掘的開(kāi)源寶庫(kù)。

立刻加入開(kāi)源社區(qū)，共同探索 F2LLM-v2 的無(wú)限可能！

1. https://github.com/codefuse-ai/CodeFuse-Embeddings
2. https://huggingface.co/collections/codefuse-ai/f2llm