Harrier-OSS-v1 (270M, 0.6B, 27B)とは？
Harrier-OSS-v1は、Microsoftによるオープンな多言語テキスト埋め込みモデルのファミリーで、2026年3月30日にMITライセンスでharrier-oss-v1-270m、harrier-oss-v1-0.6b、harrier-oss-v1-27bの3サイズが公開されました。埋め込みモデルはテキストを数値の列に変換し、意味の近いものが近くに来るようにするもので、検索、クラスタリング、分類に使われます。MicrosoftのBingチームによれば、Harrierは同社のE5、Multilingual E5、GritLMの研究を土台にしています。
3つともデコーダーのみのモデルで、最後のトークンの状態を埋め込みとして使い、最大32,768トークンを読み、100以上の言語に対応します。ベクトルの次元数は640、1,024、5,376です。270Mと27BはGoogleのGemma 3アーキテクチャ、0.6BはQwen3を使っており、小さい2つは大きなモデルから蒸留されました。学習には20億組を超える弱教師ありのペアと1,000万組を超える精選ペアが使われ、GPT-5による合成データも含まれます。
Harrier-OSS-v1 (270M, 0.6B, 27B)は使う価値があるか？
Harrier-OSS-v1は、Microsoftの多言語テキスト埋め込みの比較で、公開しているすべてのサイズで首位に立っています。Microsoftによれば、27Bは131タスクの平均である多言語MTEB v2で74.3を記録し、2026年4月6日時点でリーダーボードの首位、従来の最高値72.3を2ポイント上回りました。同じ比較でOpenAIのtext-embedding-3-largeは58.92、GoogleのマルチモーダルなGemini Embedding 2は69.9だったため、69.0の0.6Bでさえ、Microsoftの表にある有料APIの大半を上回ります。
多くの購入者にとって重要なのは小型モデルです。0.6Bは69.0でQwen3-Embedding-0.6Bの64.3を、270Mは66.5でEmbeddingGemma-270mの61.2を上回ります。IBM自身がGranite R2の論文で行った比較も一致しており、多言語MTEB検索で270Mは66.4を記録し、IBMのモデルを含め、テストされた500M（5億）パラメータ未満の他のすべてのモデルを上回りました。過去1か月のHugging Faceでのダウンロード数は0.6Bが約230,000、27Bが約7,450です。
27Bは研究向けの旗艦モデルです。270億パラメータあるため、BF16では重みだけで約54 GBが必要で、5,376次元のベクトルは0.6Bの1,024次元の5倍のストレージを使い、テキスト専用です。多くのチームは、すべてのクエリの背後に置くモデルではなく、教師モデルやオフラインでの再ランキングの補助として使うことになるでしょう。
注意点：Microsoftはホスト型のエンドポイントを提供していないため、トークン単位で支払う選択肢はなく、Foundry経由のAzureなどで自分で動かす必要があります。クエリには1文のタスク指示が必要で、ないと精度が落ちます。モデルカードにはベクトルを短くする方法の記載がなく、リーダーボードの数値は公開されたプロンプトを使ったMicrosoft自身の計測です。
結論：Harrier 0.6Bは、2026年に自社データで最初に試すべき多言語テキスト埋め込みモデルです。27Bに手を伸ばすのは、数ポイントの再現率が大きなGPUに見合う場合だけにし ましょう。
真価を発揮する場面
20言語の出品を扱う欧州のマーケットプレイスの検索エンジニア
購入者が自分の言語で検索し、別の言語で書かれた出品を見つけられるようにする
GPU 1枚でharrier-oss-v1-0.6bを使って出品を埋め込み、クエリはweb_search_queryプロンプトで変換します。1,024次元のベクトルでインデックスを抑えられ、MITなのでライセンス審査も不要です。
社内ナレッジアシスタントを作る銀行のMLチーム
埋め込みAPIに文書を送らずに検索品質を上げる
0.6Bまたは270Mを既存のハードウェアでセルフホストするか、銀行のAzureテナント内にFoundryのカタログからデプロイします。文書は銀行自身のコンピューティングから出ません。
専門分野向けの埋め込みモデルを作る研究グループ
自分たちの分野で小型モデル用の学習ラベルを作る
Microsoftが小型Harrierで与えたのと同じ教師役として27Bをオフラインで使い、クエリと文書のペアを採点させ、その後本番用の小型モデルをファインチューニングしま す。
導入前に確認すること
- 導入
- pip install sentence-transformersを行い、microsoft/harrier-oss-v1-0.6bを読み込んで、クエリはprompt_name='web_search_query'（または独自の'Instruct: ... Query:'プロンプト）で、文書はプロンプトなしで変換します。
- 連携
- Sentence TransformersとTransformers。公開された評価用プロンプト付きのmtebパッケージ。Hugging FaceからMicrosoft Foundryへのワンクリックデプロイ。
- データとプライバシー
- MITライセンスなので、重みは自由にセルフホストや改変ができ、文書は自社ハードウェアに留まります。Microsoftによれば、学習データにはGPT-5が生成した合成例が含まれます。
- 大規模利用時のコスト
- 重みは無料です。270Mと0.6Bは控えめなGPUで動きますが、27BはBF16でアクティベーションを除いて約54 GBのアクセラレータメモリが必要で、ベクトルは0.6Bの5.25倍のストレージを使います。
- 制限
- テキストのみ。1入力32,768トークン。最終トークンのプーリングのため、Sentence Transformersを使わない場合はパディングの側が重要。クエリには指示が必要。ベクトルサイズは640、1,024、5,376で固定。
良い点
- 27Bが多言語MTEB v2で74.3の首位（2026年4月6日）
- 69.0の0.6Bと66.5の270Mがそれぞれのサイズクラスで首位
- 3サイズすべてMITライセンス
- 32,768トークンの入力、100以上の言語
気になる点
- テキストのみ
- Microsoftのホスト型APIなし
- 27Bは重みに約54 GBが必要で、5,376次元のベクトルを保存
- クエリに指示プロンプトが必要
- ベクトルの切り詰めについて記載なし
おすすめの人
多言語テキスト検索をセルフホストし、ライセンスの制約なしにパラメータあたり最高のオープンな精度を求めるチーム。
Harrier-OSS-v1 (270M, 0.6B, 27B)の代替
Harrier-OSS-v1 (270M, 0.6B, 27B)：よくある質問
- Harrier-OSS-v1 (270M, 0.6B, 27B)は使う価値があるか？
- Harrierは重要なリーダーボードで最も正確なオープン多言語テキスト埋め込みモデルであり、注目すべきはむしろ小型サイズです。 評価は5点満点中4.5点です。
- Harrier-OSS-v1 (270M, 0.6B, 27B)の料金は？
- MITで無料。Microsoftによるホスト型APIはありません。Foundryのカタログから自社のAzureコンピューティングにデプロイでき、通常のコンピューティング料金がかかります。
- Harrier-OSS-v1 (270M, 0.6B, 27B)の欠点は？
- テキストのみ; Microsoftのホスト型APIなし; 27Bは重みに約54 GBが必要で、5,376次元のベクトルを保存; クエリに指示プロンプトが必要; ベクトルの切り詰めについて記載なし.
- Harrier-OSS-v1 (270M, 0.6B, 27B)は誰に向いているか？
- 多言語テキスト検索をセルフホストし、ライセンスの制約なしにパラメータあたり最高のオープンな精度を求めるチーム。
- チームや本番環境でHarrier-OSS-v1 (270M, 0.6B, 27B)を使うと費用はいくらか？
- 重みは無料です。270Mと0.6Bは控えめなGPUで動きますが、27BはBF16でアクティベーションを除いて約54 GBのアクセラレータメモリが必要で、ベクトルは0.6Bの5.25倍のストレージを使います。
- Harrier-OSS-v1 (270M, 0.6B, 27B)は企業データを扱っても安全か？
- MITライセンスなので、重みは自由にセルフホストや改変ができ、文書は自社ハードウェアに留まります。Microsoftによれば、学習データにはGPT-5が生成した合成例が含まれます。
- Harrier-OSS-v1 (270M, 0.6B, 27B)の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はQwen3-Embedding and Qwen3-Reranker, Nemotron 3.5 Embed (1B and 8B), Granite Embedding Multilingual R2 (311M and 97M), EmbeddingGemma 2 、 Jina Embeddings v5です。
回答確認日：2026年11月7日
Harrier-OSS-v1 (270M, 0.6B, 27B)の開発元の方へ：この評価をサイトに掲載できます
