Publié par codefuse-ai le 9 mars 2026, F2LLM-v2-0.6B est un modèle d'embedding dense multilingue de 596 millions de paramètres, distribué sous licence ouverte Apache 2.0. Il couvre plus de 200 langues, avec une attention particulière aux langues disposant de ressources moyennes ou faibles.

Publié le 9 mars 2026 par codefuse-ai, F2LLM-v2-1.7B est un modèle d’embedding dense de 2 milliards de paramètres, tous actifs. Généraliste et multilingue, il prend en charge plus de 200 langues, avec une attention particulière aux langues disposant de ressources moyennes ou faibles. Sa…

Publié par codefuse-ai le 9 mars 2026, F2LLM-v2-14B est un modèle d’embedding dense de 14 milliards de paramètres, tous actifs. Il produit des vecteurs de 5 120 dimensions et appartient à une famille multilingue couvrant plus de 200 langues, avec un accent sur les langues disposant de…

Publié le 9 mars 2026 par codefuse-ai, F2LLM-v2-160M est un modèle d’embedding dense de 159 millions de paramètres, tous actifs. Il transforme les textes en vecteurs de 640 dimensions, extraits de l’état caché du dernier jeton EOS puis normalisés en L2.

Publié le 9 mars 2026 par codefuse-ai, codefuse-ai/F2LLM-v2-330M est un modèle d’embedding généraliste et multilingue de 334 millions de paramètres. Il produit des représentations denses de 896 dimensions et couvre plus de 200 langues, avec un accent sur celles disposant de ressources…

Publié le 9 mars 2026 par codefuse-ai, F2LLM-v2-4B est un modèle d’embedding dense de 4 milliards de paramètres, tous actifs. Il convertit les textes en vecteurs de 2 560 dimensions, calculés à partir de l’état caché du dernier jeton EOS puis normalisés en L2.

Publié le 9 mars 2026 par codefuse-ai, F2LLM-v2-80M est un modèle d’embedding généraliste et multilingue de 80 millions de paramètres, tous actifs. Issu de l’élagage et de l’entraînement d’un modèle de base de 0,6 milliard de paramètres, il prend en charge plus de 200 langues.

Publié le 9 mars 2026 par codefuse-ai, F2LLM-v2-8B est un modèle d'embedding dense de 8 milliards de paramètres, tous actifs. Il convertit les textes en vecteurs de 4 096 dimensions, obtenus à partir du dernier jeton EOS puis normalisés en L2.

Publié par codefuse-ai le 22 décembre 2025 sous licence ouverte Apache 2.0, codefuse-ai/C2LLM-0.5B est un modèle d’embedding dense de 497 millions de paramètres. Fondé sur Qwen2.5-Coder, il produit des vecteurs de 896 dimensions et emploie PMA, un pooling par attention multi-tête.

Publié par codefuse-ai le 22 décembre 2025 sous licence ouverte Apache 2.0, C2LLM-7B est un modèle d’embedding dense de 8 milliards de paramètres, tous actifs. Construit sur Qwen2.5-Coder, il représente chaque entrée par un vecteur de 3 584 dimensions.

Publié par codefuse-ai le 18 septembre 2025, F2LLM-0.6B est un modèle d’embedding dense de 596 millions de paramètres, distribué sous licence ouverte Apache 2.0. Il transforme les textes en vecteurs de 1 024 dimensions, normalisés en L2 à partir de l’état caché du dernier token.

Publié par codefuse-ai le 18 septembre 2025, F2LLM-1.7B est un modèle d’embedding dense de 2 milliards de paramètres, tous actifs. Il transforme les textes en vecteurs de 2 048 dimensions. Distribué sous licence ouverte Apache 2.0, il peut être auto-hébergé et intégré avec Sentence…