Granite Embedding
La familia de modelos de embeddings de texto empresariales de IBM para recuperación
Granite Embedding es la familia de modelos de embeddings de texto de IBM para recuperación y búsqueda semántica, pensada para encajar en sistemas RAG empresariales en watsonx o en infraestructura propia. La variante multilingüe de 278 millones de parámetros cubre doce idiomas, entre ellos inglés, alemán, japonés, árabe y chino, y produce vectores de 768 dimensiones a partir de entradas de hasta 512 tokens. IBM lo entrenó con fine-tuning contrastivo, destilación de conocimiento y fusión de modelos, sobre una mezcla de conjuntos abiertos de pares de relevancia y datos propios seleccionados, con preferencia por fuentes de licencia permisiva y apta para empresas. Como el resto de la línea Granite, los modelos de embeddings salen bajo Apache 2.0 y se distribuyen por Hugging Face, Ollama e IBM watsonx. Compiten con otras familias abiertas de embeddings, como BGE y GTE, en benchmarks de recuperación, y ponen el acento en el cumplimiento y en unos datos de entrenamiento trazables para clientes regulados.