01O que ele sabe fazer
- Apache 2.0 (uso comercial livre)
- Multilíngue
- Contexto nativo de 128k
- Pensado para RAG e pesquisa semântica
- —Modelo de embeddings — não gera texto (não é um chat LLM)
- —Sem tag Ollama oficial — uso via SDK Python / sentence-transformers
- —Integrar em um pipeline RAG completo
04Instalar
Instale Ollama para seu SO. Verifique o modelo e sua quantização antes do download. Comece com 4096 tokens de contexto, depois verifique a alocação com ollama ps. Um comando abaixo não é prova de teste executado na sua máquina.
02Memória necessária
Quantidade aproximada de VRAM da GPU necessária para executar este modelo, incluindo a memória adicional para um contexto de 4k tokens. Para um contexto mais longo, adicione ~1 GB a cada 8k tokens.
Qual hardware usar para Granite Embedding Multilingual R2?
Para executar Granite Embedding Multilingual R2 localmente com quantização Q4, você precisa de aproximadamente 4.1 GB de VRAM. Uma opção para comparar: RTX 5060 Ti 16 GB — mantenha uma margem para o sistema e o contexto; verifique a compatibilidade do motor com a GPU.
Links afiliados — comissão possível sem custo adicional para você, recomendação independente. Como Parceiro Amazon, QualLLM obtém lucro com compras que atendem às condições exigidas.
Em deslocamento: Granite Embedding Multilingual R2 também roda em um Notebook RTX (16 GB de VRAM) →
Seu ChatGPT privado e gratuito na sua máquina em 1 hora — LM Studio, Ollama, Open WebUI, seus documentos, sem nuvem.
- Espaço online vitalício
- PDF + arquivos
- Atualizações vitalícias
03Velocidade estimada
Tokens gerados por segundo em Q4_K_M, contexto 4k. Acima de 20 t/s, a leitura é confortável. Abaixo de 10 t/s, é apenas para testar.