-
Notifications
You must be signed in to change notification settings - Fork 0
Models Web reranker
Mike edited this page May 28, 2026
·
1 revision
Режим: Web. Категория: Reranker / переранжирование.
Всего моделей: 7.
| Поле | Значение |
|---|---|
| Название | Xenova/bge-reranker-large |
| Label | bge reranker large |
| Категория | Reranker / переранжирование |
| Runtime/backend | transformers |
| Вес | 0.29 GB catalog size, ~300 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 300 MB; memory/VRAM около 360 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 872 MB+ свободной VRAM/RAM и 812 MB+ disk cache |
| HF link | Xenova/bge-reranker-large |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in | улучшение качества RAG и search-ranking после первичного vector search |
| Поле | Значение |
|---|---|
| Название | tss-deposium/bge-reranker-v2-m3-onnx-int8 |
| Label | bge reranker v2 m3 |
| Категория | Reranker / переранжирование |
| Runtime/backend | transformers |
| Вес | 0.29 GB catalog size, ~300 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 300 MB; memory/VRAM около 360 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 872 MB+ свободной VRAM/RAM и 812 MB+ disk cache |
| HF link | tss-deposium/bge-reranker-v2-m3-onnx-int8 |
| Доступные quantizations | auto |
| Краткое описание | ONNX/WebGPU artifact marker |
| Best in | улучшение качества RAG и search-ranking после первичного vector search |
| Поле | Значение |
|---|---|
| Название | onnx-community/gte-multilingual-reranker-base |
| Label | gte multilingual reranker base |
| Категория | Reranker / переранжирование |
| Runtime/backend | transformers |
| Вес | 0.29 GB catalog size, ~300 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 300 MB; memory/VRAM около 360 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 872 MB+ свободной VRAM/RAM и 812 MB+ disk cache |
| HF link | onnx-community/gte-multilingual-reranker-base |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in | улучшение качества RAG и search-ranking после первичного vector search |
| Поле | Значение |
|---|---|
| Название | jinaai/jina-reranker-v2-base-multilingual |
| Label | jina reranker v2 base multilingual |
| Категория | Reranker / переранжирование |
| Runtime/backend | transformers |
| Вес | 0.29 GB catalog size, ~300 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 300 MB; memory/VRAM около 360 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 872 MB+ свободной VRAM/RAM и 812 MB+ disk cache |
| HF link | jinaai/jina-reranker-v2-base-multilingual |
| Доступные quantizations | auto |
| Краткое описание | ONNX/WebGPU artifact marker |
| Best in | улучшение качества RAG и search-ranking после первичного vector search |
| Поле | Значение |
|---|---|
| Название | Xenova/ms-marco-TinyBERT-L-2-v2 |
| Label | ms marco TinyBERT L 2 v2 |
| Категория | Reranker / переранжирование |
| Runtime/backend | transformers |
| Вес | 0.29 GB catalog size, ~300 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 300 MB; memory/VRAM около 360 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 872 MB+ свободной VRAM/RAM и 812 MB+ disk cache |
| HF link | Xenova/ms-marco-TinyBERT-L-2-v2 |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in | улучшение качества RAG и search-ranking после первичного vector search |
| Поле | Значение |
|---|---|
| Название | onnx-community/Qwen3-Reranker-0.6B-ONNX |
| Label | Qwen3 Reranker 0.6B |
| Категория | Reranker / переранжирование |
| Runtime/backend | transformers |
| Вес | 0.56 GB catalog size, ~570 MB disk/cache |
| Параметры | 0.6B |
| Минимальные требования | small - ноутбук или небольшой GPU; disk >= 570 MB; memory/VRAM около 684 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 1196 MB+ свободной VRAM/RAM и 1082 MB+ disk cache |
| HF link | onnx-community/Qwen3-Reranker-0.6B-ONNX |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in | улучшение качества RAG и search-ranking после первичного vector search |
| Поле | Значение |
|---|---|
| Название | Xenova/bge-reranker-base |
| Label | BGE Reranker base |
| Категория | Reranker / переранжирование |
| Runtime/backend | transformers |
| Вес | 0.42 GB catalog size, ~430 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | small - ноутбук или небольшой GPU; disk >= 430 MB; memory/VRAM около 850 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 1362 MB+ свободной VRAM/RAM и 942 MB+ disk cache |
| HF link | Xenova/bge-reranker-base |
| Доступные quantizations | q8 |
| Краткое описание | Catalog entry for Reranker / переранжирование. |
| Best in | улучшение качества RAG и search-ranking после первичного vector search |
- xlocllm
- Quickstart
- About
- Functions Python
- Functions TypeScript
- Use cases
- Examples Python
- Examples TypeScript
- Shared GPU mode
-
Models catalog
- Models The best
- Models Full model list
- Models Use your model
- For native mode
- Models Native LLM tiny small
- Models Native LLM medium
- Models Native LLM large
- Models Native embedding
- Models Native reranker
- Models Native translator
- Models Native tts
- Models Native vlm
- Models Native asr
- Models Native ocr
- Models Native image-classification
- Models Native object-detection
- Models Native image-segmentation
- Models Native depth-estimation
- Models Native document-layout
- Models Native table-detection
- Models Native document-qa
- Models Native language-id
- Models Native audio-classification
- Models Native text-classification
- Models Native ner
- Models Native zero-shot-text
- Models Native summarization
- Models Native text2text
- Models Native code
- For webgpu mode
- For web mode
- Models Web LLM
- Models Web embedding
- Models Web reranker
- Models Web translator
- Models Web tts
- Models Web vlm
- Models Web asr
- Models Web ocr
- Models Web image-classification
- Models Web object-detection
- Models Web image-segmentation
- Models Web depth-estimation
- Models Web document-layout
- Models Web table-detection
- Models Web document-qa
- Models Web zero-shot-image
- Models Web language-id
- Models Web audio-classification
- Models Web text-classification
- Models Web ner
- Models Web zero-shot-text
- Models Web summarization
- Models Web text2text
- Models Web code
- Dev