Heim
Das Microsoft Bing-Team veröffentlicht das 27B-Embedding-Modell „Harrier“ als Open Source und führt damit die Benchmarks für mehrsprachige Modelle an
Am 7. April kündigte das Bing-Team von Microsoft die Open-Source-Veröffentlichung einer neuen Modellreihe für Wort-Embeddings namens „Harrier“ an, die darauf ausgelegt ist, die zugrunde liegende Logik der globalen Suche, des Informationsabrufs und von KI-Agenten neu zu gestalten. Die Harrier-Reihe umfasst drei Versionen, wobei das Flaggschiff-Modell „27B“ im mehrsprachigen MTEB-v2-Benchmark die wichtigsten proprietären Modelle von OpenAI, Amazon und Google Gemini übertrifft und sich damit den ersten Platz sichert.

Die technische Grundlage dieses Modells entspricht hohen Industriestandards: Harrier unterstützt über 100 Sprachen mit einem Kontextfenster von bis zu 32.000 Tokens. Für das Training verwendete Microsoft über 2 Milliarden Beispiele aus der Praxis und integrierte synthetische Daten aus GPT-5 für das verstärkende Lernen. Diese hochwertige Datenmischung verschafft Harrier einen deutlichen Vorteil beim Verstehen komplexer Kontexte und beim Umgang mit langen Texten. Neben der Vollversion mit 27 Milliarden Parametern veröffentlichte Microsoft auch kleinere Varianten mit 0,6 Milliarden und 2,7 Milliarden Parametern, um unterschiedlichen Rechenumgebungen gerecht zu werden; alle sind auf Hugging Face unter der MIT-Lizenz als Open Source verfügbar.
Einbettungsmodelle sind für die Organisation und das Abrufen von Informationen in KI-Systemen unerlässlich, und ihre Leistung wirkt sich direkt auf die Genauigkeit von RAG-Systemen (Retrieval-Augmented Generation) aus. Microsoft beabsichtigt, diese Technologie in die Bing-Suchmaschine und in neue Grounding-Dienste für KI-Agenten zu integrieren. Da KI zunehmend autonomere, mehrstufige Aufgaben übernimmt, bietet die Veröffentlichung von Harrier als Open-Source-Projekt Entwicklern nicht nur eine leistungsstarke Alternative zu proprietären Modellen, sondern markiert auch einen bedeutenden Meilenstein für das Open-Source-Ökosystem im Bereich der semantischen Repräsentation und beschleunigt damit den Einsatz von KI-Agenten in mehrsprachigen, globalen Umgebungen weiter.
Verwandter Artikel
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
Google testet den Remy AI Agent für Gemini, da der Fokus auf die Benutzerkontrolle verlagert wird
Laut Business Insider testet Google Remy, einen neuen KI-Personalagenten für Gemini. Dieses Tool soll Aufgaben im Auftrag von Nutzern ausführen und sowohl professionelle Arbeitsabläufe als auch tägliche Routinen optimieren.Derzeit wird Remy in einer
So beheben Sie Core Web Vitals für bessere SEO-Rankings
Berichtskartenkommentare mit KI-Tools optimierenEinführungKI-Tools zur Generierung von BerichtskartenkommentarenMagic SchoolAlmanac AIChat GPTNutzung von Magic School zur Generierung von BerichtskartenkommentarenAnmeldung bei Magic SchoolAuswahl des
Empfehlungen zu verwandten Spezialthemen
Kommentare (1)
Finally, an open-source embedding model that actually challenges the big players! Harrier's 27B parameters look promising for multilingual tasks, especially if it improves retrieval accuracy without the usual proprietary lock-in. Microsoft is pushing boundaries here, but let's see how it performs in real-world edge cases. Excited to test it out on some niche datasets! 🚀
Am 7. April kündigte das Bing-Team von Microsoft die Open-Source-Veröffentlichung einer neuen Modellreihe für Wort-Embeddings namens „Harrier“ an, die darauf ausgelegt ist, die zugrunde liegende Logik der globalen Suche, des Informationsabrufs und von KI-Agenten neu zu gestalten. Die Harrier-Reihe umfasst drei Versionen, wobei das Flaggschiff-Modell „27B“ im mehrsprachigen MTEB-v2-Benchmark die wichtigsten proprietären Modelle von OpenAI, Amazon und Google Gemini übertrifft und sich damit den ersten Platz sichert.

Die technische Grundlage dieses Modells entspricht hohen Industriestandards: Harrier unterstützt über 100 Sprachen mit einem Kontextfenster von bis zu 32.000 Tokens. Für das Training verwendete Microsoft über 2 Milliarden Beispiele aus der Praxis und integrierte synthetische Daten aus GPT-5 für das verstärkende Lernen. Diese hochwertige Datenmischung verschafft Harrier einen deutlichen Vorteil beim Verstehen komplexer Kontexte und beim Umgang mit langen Texten. Neben der Vollversion mit 27 Milliarden Parametern veröffentlichte Microsoft auch kleinere Varianten mit 0,6 Milliarden und 2,7 Milliarden Parametern, um unterschiedlichen Rechenumgebungen gerecht zu werden; alle sind auf Hugging Face unter der MIT-Lizenz als Open Source verfügbar.
Einbettungsmodelle sind für die Organisation und das Abrufen von Informationen in KI-Systemen unerlässlich, und ihre Leistung wirkt sich direkt auf die Genauigkeit von RAG-Systemen (Retrieval-Augmented Generation) aus. Microsoft beabsichtigt, diese Technologie in die Bing-Suchmaschine und in neue Grounding-Dienste für KI-Agenten zu integrieren. Da KI zunehmend autonomere, mehrstufige Aufgaben übernimmt, bietet die Veröffentlichung von Harrier als Open-Source-Projekt Entwicklern nicht nur eine leistungsstarke Alternative zu proprietären Modellen, sondern markiert auch einen bedeutenden Meilenstein für das Open-Source-Ökosystem im Bereich der semantischen Repräsentation und beschleunigt damit den Einsatz von KI-Agenten in mehrsprachigen, globalen Umgebungen weiter.
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
So beheben Sie Core Web Vitals für bessere SEO-Rankings
Berichtskartenkommentare mit KI-Tools optimierenEinführungKI-Tools zur Generierung von BerichtskartenkommentarenMagic SchoolAlmanac AIChat GPTNutzung von Magic School zur Generierung von BerichtskartenkommentarenAnmeldung bei Magic SchoolAuswahl des
Finally, an open-source embedding model that actually challenges the big players! Harrier's 27B parameters look promising for multilingual tasks, especially if it improves retrieval accuracy without the usual proprietary lock-in. Microsoft is pushing boundaries here, but let's see how it performs in real-world edge cases. Excited to test it out on some niche datasets! 🚀











