Granite Embedding 278M Multilingual
Mehrsprachiges Embedding-Modell aus IBMs erster Generation (278M, 12 Sprachen inkl. Deutsch, Apache-2.0) – in Ollama als granite-embedding:278m.
- Hersteller
- IBM
- Lizenz
- Apache-2.0
- Betrieb
- Lokal (On-Premise)
- Herkunft
- USA (Armonk, NY)
- Architektur
- Dense Encoder (XLM-RoBERTa-artig), 12 Layer, Hidden 768, CLS-Pooling
- Veröffentlichung
- 18.12.2024
- Parameter gesamt
- 278 Mio.
- Aktive Parameter
- 278 Mio.
- Kontextfenster
- 512 Tokens
Überblick
granite-embedding-278m-multilingual ist das größte mehrsprachige Modell aus IBMs erster Embedding-Generation (Granite Embedding R1), veröffentlicht am 18. Dezember 2024 zusammen mit Granite 3.1 unter Apache-2.0. Es deckt zwölf Sprachen ab, darunter Deutsch, und erzeugt Vektoren mit 768 Dimensionen. In Ollama ist es als granite-embedding:278m verfügbar, nicht als Standard-Tag.
Technische Eckdaten
- 278 Mio. Parameter, XLM-RoBERTa-artiger Encoder: 12 Layer, Hidden Size 768, 12 Attention-Heads, Vokabular rund 250.000 Token
- Ausgabe: 768 Dimensionen, CLS-Pooling
- Eingabe: 512 Token
- Sprachen (12): Englisch, Deutsch, Spanisch, Französisch, Japanisch, Portugiesisch, Arabisch, Tschechisch, Italienisch, Koreanisch, Niederländisch, Chinesisch
- Kein Aufgabenpräfix nötig
- Training laut IBM-Paper: hauseigenes XLM-RoBERTa-artiges Modell, auf 100 Sprachen vortrainiert, danach kontrastives Training und Selbstdestillation
Use Cases
- Suche und RAG über deutsche und gemischt deutsch-englische Wissensbestände
- Sprachübergreifende Suche innerhalb der zwölf Sprachen
- Lokale Pipelines mit Ollama, wenn ein mehrsprachiges Modell mit Apache-2.0 und dokumentierter Datenherkunft gefragt ist
Stärken & Grenzen
Stärken
- Deutsch ausdrücklich abgedeckt: MTEB German (4 Aufgaben) 71,2 laut IBM
- Apache-2.0 mit dokumentierter, unternehmensfreundlich lizenzierter Datenherkunft
- Keine Präfixe, dadurch einfache Integration
- Direkt in Ollama verfügbar (563 MB, FP16)
Grenzen
- Nur 512 Token Kontext; Dokumente müssen in kurze Abschnitte zerlegt werden
- Keine Matryoshka-Kürzung dokumentiert
- Auf zwölf Sprachen beschränkt
- Laut IBM-Paper schwächer bei Chinesisch (MTEB Chinese 45,2)
- Technisch überholt durch Granite Embedding 311M Multilingual R2 (April 2026): 32.768 Token, 52 Sprachen, Matryoshka, allerdings nicht in Ollama
Benchmarks: Quellenlage
Herstellerangaben aus der Hugging-Face-Model-Card (die Zahl in Klammern ist die Anzahl der Aufgaben):
| MIRACL (18) | Mintaka (8) | MTEB English (15) | MTEB German (4) | MTEB Spanish (2) | MTEB French (5) | MTEB Japanese (2) | MTEB Arabic (1) | MTEB Korean (1) | MTEB Chinese (8) |
|---|---|---|---|---|---|---|---|---|---|
| 58,3 | 23,2 | 48,2 | 71,2 | 52,6 | 54,1 | 61,7 | 64,2 | 71,8 | 45,2 |
MTEB English (15) entspricht dem Retrieval-Teil (BEIR). Über alle englischen Aufgabentypen nennt der technische Report (arXiv 2502.20204) einen Durchschnitt von 56,1. IBM nennt keine MTEB-Version; es ist die ältere Suite, nicht MTEB v2.
Hinweis: Artificial Analysis und BenchLM vermessen keine Embedding-Modelle und führen Granite Embedding nicht (Stand 10.10.2026). Das Modell ist im offiziellen MTEB-Paket registriert; eine Platzierung im Leaderboard ließ sich nicht auslesen.
Gut zu wissen
- Ollama:
granite-embedding:278m=278m-fp16(563 MB, 512 Token). Ohne Tag lädt Ollama das englische 30M-Modell. - Reihe: Granite Embedding R1 umfasst außerdem 30M English, 125M English und 107M Multilingual
- Nachfolger: Granite Embedding 311M Multilingual R2