MinishLab Releases Blink Static Embeddings for Fast CPU Retrieval
MinishLab 于 11 月 18 日发布 Blink 系列静态嵌入模型,包含英文版 blink-8M(约 7.68M 参数,float32 权重约 31MB)和多语言版 blink-multilingual-64M(支持 100+ 语言),两者均输出 256 维向量并以 MIT 协议开源。据 tomaarsen 转述的发布与评测信息,模型原理是查表取 token 向量后平均并归一化,无需深度推理,因此可在纯 CPU 环境下高速生成向量,适合低成本、低延迟的检索场景。
已确认
- 模型家族与规模:blink-8M(英文,约 7.68M 参数,约 31MB float32 权重)与 blink-multilingual-64M(100+ 语言),输出维度均为 256 维
- 开源协议为 MIT,可直接配合 Sentence Transformers 使用,也支持通过 model2vec 生态加载
- 评测数据(tomaarsen 转述 MinishLab 官方结果):blink-8M 在 MTEB 上取得 55.35 平均分,同规模领跑;blink-multilingual-64M 在 MMTEB 的 131 个任务上平均分 51.60,超过参数量翻倍的 potion-multilingual-128M
为什么重要
- 静态嵌入以查表+平均的方式替代 Transformer 前向计算,在 CPU 上几乎“秒出”向量,模型体积仅数十 MB,大幅降低部署门槛,适合边缘设备与高吞吐批处理场景
- 在参数量减半的情况下仍超越上一代 potion 系列模型,显示静态嵌入技术在性价比上持续进步,为预算受限的检索应用提供了新选项
2026-11-18 ~ 2026-11-18 · 5 related posts
Primary sources
- MinishLab ships Blink static embedding models: 8M and 64M params, fast CPU retrieval — tomaarsen ·
- blink-multilingual-64M scores 51.60 on MMTEB, beating potion-128M with half the parameters — tomaarsen ·
- MinishLab's Blink: 8M-param static embeddings top MTEB at 55.35, run on 31MB CPU weights — tomaarsen ·
- [source] MinishLab ships Blink static embedding models: 8M and 64M params, fast CPU retrieval — tomaarsen · 2026-11-18
- [source] MinishLab's Blink: 8M-param static embeddings top MTEB at 55.35, run on 31MB CPU weights — tomaarsen · 2026-11-18
- [source] blink-multilingual-64M scores 51.60 on MMTEB, beating potion-128M with half the parameters — tomaarsen · 2026-11-18
- minishlab ships blink CPU embedding models; benchmarks show 3.6x faster single queries — tomaarsen · 2026-11-18
1 near-duplicate retellings: tomaarsen