Linkup 开源 SparseUp：149M 参数稀疏检索模型登顶 BEIR-13

Linkup Research（LightOn 旗下）于 09-17 开源稀疏嵌入模型 SparseUp（模型名 linkup-sparseup-embed-v1，许可证 Apache 2.0），定位为 DenseOn、LateOn 之外缺失的稀疏检索拼图。模型仅 149M 参数，基于 ModernBERT 骨干、同数据训练，在 BEIR-13 上取得 56.4 nDCG@10，官方称其为该参数规模下已知最强的公开稀疏检索器。Sentence Transformers 维护者 tomaarsen 高调点赞并配套生态支持，发布当日引发密集讨论。

已确认

• 模型由 Linkup 发布（研究团队含 thibaultformal 等），权重开放，许可证 Apache 2.0（m1、m6、m8）
• 参数量 149M，骨干为 ModernBERT，同 backbone 同数据训练（m1、m11、m12）
• BEIR-13 上 56.4 nDCG@10，为已知同规模最强，并大幅超越现有模型（m1、m9、m12）
• Sentence Transformers 新增 SparseEncoder 接口，SparseUp 完全兼容，几行代码即可从 Hugging Face Hub 加载上手（m7、m11）

争议与生态背景

• antoinechaffin 认为社区可用的开源稀疏嵌入模型仍然很少，新模型对生态是好事（m2）；prithivida 对此提出异议，称自己两年多前就发布了 SpladePP 系列开源稀疏检索模型（Apache-2.0），累计下载 450 万，已被 chromaDB、haystack 等主流向量库集成，并非空缺（m10）
• tomaarsen 补充 SBERT 官方文档的稀疏编码模型盘点：SPLADE（如 naver/splade）之外还有多个 MIT 许可选择，SparseEncoder 一行代码即可加载（m7）

配套科普

tomaarsen 在发布线程中科普稀疏嵌入模型：向量维度通常等于词表大小，约 99% 的位置为 0，只有少数激活维度（SPLADE 类方法）。稀疏性带来两大好处：存储只需保存非零项因而便宜，且激活维度对应具体词元、可解释性强（m3、m4、m5）。

为什么重要

• 开源 + 小参数量 + BEIR 领先成绩，降低了生产级稀疏检索的采用门槛
• 主流框架（Sentence Transformers）第一时间提供原生 SparseEncoder 支持，说明社区认可度较高
• 稀疏检索在存储成本与可解释性上相对稠密向量有独特优势；不过围绕「开源稀疏模型稀缺」的表述，社区内已有不同声音，此前确有 SpladePP 等可用选择

2026-09-17 ~ 2026-09-18 · 12 条相关

• 【源头】Linkup 开源 SPARSEUP：<150M 参数登顶 BEIR-13 稀疏检索，Apache 2.0 — antoine_chaffin · 2026-09-17
• Linkup 开源 SparseUp 稀疏检索模型：150M 以下 BEIR 最强 — tomaarsen · 2026-09-17
• 什么是稀疏嵌入模型：维度等于词表大小，99% 为零 — tomaarsen · 2026-09-17
• 稀疏嵌入模型解析：99% 维度为零，存储便宜还可解释 — tomaarsen · 2026-09-17
• 【源头】Sentence Transformers 推出 SparseEncoder：稀疏嵌入几行代码上手 — tomaarsen · 2026-09-17
• SPLADE 作者回应质疑：开源稀疏模型已获 450 万下载并被主流向量库集成 — prithivida · 2026-09-17
• 开源稀疏嵌入模型稀缺,两年前发布的模型已获 450 万下载 — antoine_chaffin · 2026-09-17
• SBERT 文档盘点开源稀疏编码模型:SPLADE 之外还有多个 MIT 许可选择 — tomaarsen · 2026-09-17
• Linkup 开源 SPARSEUP：150M 稀疏检索模型 BEIR-13 得 56+ — antoine_chaffin · 2026-09-17
• Linkup 发布开源稀疏检索器 SPARSEUP：<150M 参数 BEIR-13 得 56+ — antoine_chaffin · 2026-09-17
• Linkup 开源 SPARSEUP:150M 以下最强稀疏检索器大幅超越现有模型 — antoine_chaffin · 2026-09-18

另有 1 条近重复转述:tomaarsen