The Decoder • 112일 전

마이크로소프트 빙, 오픈소스 임베딩 모델 'Harrier' 공개

IMP

8/10

핵심 요약

마이크로소프트 빙 팀이 100개 이상의 언어를 지원하고 3만 2천 토큰의 컨텍스트 길이를 갖춘 오픈소스 임베딩 모델 'Harrier'를 공개했습니다. 이 모델은 다국어 벤치마크에서 OpenAI, Amazon 등의 폐쇄형 모델을 제치고 1위를 차지하며 뛰어난 성능을 입증했습니다. 검색 및 AI 에이전트의 정보 검색 성능을 크게 높일 이 기술은 Hugging Face를 통해 3가지 버전으로 제공됩니다.

번역된 본문

마이크로소프트 빙 팀(네, 실제입니다)이 오픈소스 임베딩 모델인 "Harrier"를 공개했습니다. Harrier는 100개 이상의 언어를 지원하고 32,000 토큰의 컨텍스트 윈도우를 제공하며, 20억 건 이상의 예제 데이터와 GPT-5(추정)의 합성 데이터를 통해 학습되었습니다. 해당 팀에 따르면, Harrier는 다국어 MTEB v2 벤치마크에서 1위를 차지했으며 OpenAI 및 Amazon의 독점 모델을 능가하는 성능을 보여줍니다.

[순위 및 성능 비교 표] 순위 (보르다 순위) | 모델명 | 제로샷(Zero-shot) | 액티브(Active) 파라미터 수 (B) | 전체 파라미터 수 (B) | 임베딩 차원 | 최대 토큰 수 1 | harrier-oss-v1-27b | 78% | 25.6 | 27.0 | 5376 | 131072 2 | KaLM-Embedding-Gemma3-12B-2511 | 73% | 10.8 | 11.8 | 3840 | 32768 3 | llama-embed-nemotron-8b | 99% | 7.0 | 7.5 | 4096 | 32768 4 | Qwen3-Embedding-8B | 99% | 6.9 | 7.6 | 4096 | 32768 5 | gemini-embedding-001 | 99% | - | - | 3072 | 2048 6 | Qwen3-Embedding-4B | 99% | 3.6 | 4.0 | 2560 | 32768 7 | Octen-Embedding-8B | 99% | 6.9 | 7.6 | 4096 | 32768 8 | F2LLM-v2-14B | 88% | 13.2 | 14.0 | 5120 | 40960 9 | F2LLM-v2-8B | 88% | 6.9 | 7.6 | 4096 | 40960 10 | harrier-oss-v1-0.6b | 78% | 0.440 | 0.596 | 1024 | 32768

27억 파라미터를 갖춘 기본 모델 외에도 성능이 낮은 하드웨어에서도 구동할 수 있도록 설계된 0.6B 및 270M 두 가지 소형 변형 모델이 함께 공개되었습니다. 이 세 가지 모델은 모두 MIT 라이선스에 따라 Hugging Face에서 사용할 수 있습니다. 앞으로 팀은 이 기술을 빙(Bing)과 새로운 AI 에이전트용 그라운딩 서비스에 통합할 계획입니다.

임베딩 모델은 AI 시스템이 정확한 답변을 제공하기 위해 필요한 정보를 검색, 추출 및 구성하는 역할을 담당합니다. 마이크로소프트에 따르면, AI 에이전트가 독립적으로 더 복잡하고 다단계인 작업을 수행함에 따라 이러한 모델들의 중요성이 점점 커지고 있습니다.

[광고 및 구독 안내 본문 생략] 출처: Microsoft Bing Blog

원문 보기

원문 보기 (영어)

Microsoft's Bing team open-sources "Harrier" embedding model Matthias Bastian View the LinkedIn Profile of Matthias Bastian Apr 7, 2026 Microsoft's Bing team (yes, really) has released "Harrier," an open-source embedding model. Harrier supports more than 100 languages, offers a 32,000-token context window, and was trained on over two billion examples plus synthetic data from GPT-5. According to the team, Harrier takes the top spot on the multilingual MTEB v2 benchmark and outperforms proprietary models from OpenAI and Amazon. Rank (Borda) Model Zero-shot Active Params (B) Total Params (B) Embedding Dim Max Tokens 1 harrier-oss-v1-27b 78% 25.6 27.0 5376 131072 2 KaLM-Embedding-Gemma3-12B-2511 73% 10.8 11.8 3840 32768 3 llama-embed-nemotron-8b 99% 7.0 7.5 4096 32768 4 Qwen3-Embedding-8B 99% 6.9 7.6 4096 32768 5 gemini-embedding-001 99% 3072 2048 6 Qwen3-Embedding-4B 99% 3.6 4.0 2560 32768 7 Octen-Embedding-8B 99% 6.9 7.6 4096 32768 8 F2LLM-v2-14B 88% 13.2 14.0 5120 40960 9 F2LLM-v2-8B 88% 6.9 7.6 4096 40960 10 harrier-oss-v1-0.6b 78% 0.440 0.596 1024 32768 Alongside the full 27-billion-parameter model, the team released two smaller variants— 0.6B and 270M —designed to run on less powerful hardware. All three models are available on Hugging Face under the MIT license . Going forward, the team plans to integrate the technology into Bing and into new grounding services for AI agents . Embedding models handle the searching, retrieving, and organizing of information AI systems need for accurate answers. According to Microsoft, they're becoming increasingly critical as AI agents independently take on more complex, multi-step tasks. Ad DEC_D_Incontent-1 Ad AI News Without the Hype – Curated by Humans As a THE DECODER subscriber , you get ad-free reading, our weekly AI newsletter , the exclusive "AI Radar" Frontier Report 6× per year , access to comments, and our complete archive. Subscribe now Source: Microsoft Bing Blog Ask about this article… Search

마이크로소프트 임베딩 모델 오픈소스 빙 MTEB