O que é Granite Embedding Multilingual R2 (311M and 97M)?
Granite Embedding Multilingual R2 é um par de pequenos modelos abertos de embeddings de texto da IBM, lançados em 29 de abril de 2026 sob Apache 2.0: granite-embedding-311m-multilingual-r2, com vetores de 768 dimensões, e granite-embedding-97m-multilingual-r2, com 384. Um modelo de embeddings transforma texto em números para que um sistema de busca relacione uma pergunta aos trechos que a respondem. Eles substituem os modelos multilíngues R1 da IBM de 2024 e se juntam aos modelos R2 só em inglês de 2025.
Ambos são codificadores no desenho ModernBERT com vocabulário de 262.000 tokens, leem até 32.768 tokens (64 vezes os 512 do R1) e cobrem mais de 200 idiomas, com treino extra de recuperação para 52 deles e para nove linguagens de programação. O 311M pode encurtar seus vetores para 512, 384, 256 ou 128 dimensões. A IBM diz que todos os dados de treino têm licenças permissivas e passaram por sua revisão interna de liberação de dados, e oferece builds ONNX e OpenVINO junto com os pesos em PyTorch.
Granite Embedding Multilingual R2 (311M and 97M) vale a pena?
Granite Embedding Multilingual R2 conquista seu lugar pela procedência dos dados e pelo contexto longo, não pela posição no leaderboard. A IBM informa 65,2 na recuperação MTEB multilíngue para o 311M, 13 pontos acima do antecessor R1, e 60,3 para o 97M. Na própria tabela da IBM de modelos abertos com menos de 500 milhões de parâmetros, o 311M fica em segundo, atrás do harrier-oss-v1-270m da Microsoft com 66,4 e à frente do Jina v5 text nano com 63,3 e do EmbeddingGemma 300M com 62,5.
Documentos longos são sua vitória mais clara. No benchmark LongEmbed, o 311M marca 71,7 contra 65,0 do Harrier 270M, 63,6 do nano da Jina e 55,4 do EmbeddingGemma, o que faz sentido com sua janela de 32.768 tokens. É mais fraco em código e inglês: o modelo nano da Jina marca 71,2 no MTEB de código contra 63,9 do Granite, e 58,8 na recuperação em inglês contra 52,6.
O 97M é a opção de velocidade. A IBM o mede a 2.534 documentos por segundo numa H100 contra 1.828 do 311M, e ele supera o multilingual-e5-small em 9,4 pontos quase na mesma velocidade. Os vetores encurtados do 311M aguentam bem: passar de 768 para 128 dimensões reduz a recuperação multilíngue só de 63,9 para 62,5 na tabela da IBM, uma economia de armazenamento de seis vezes.
O porém: todas as comparações aqui são da IBM, feitas pela equipe da IBM, e a vazão depende das versões das bibliotecas. A IBM observa que o Transformers 5.8.0 removeu a otimização sem preenchimento do ModernBERT, derrubando o 311M de 2.960 para 1.828 documentos por segundo em relação à versão 4.57.6. O Ollama ainda não roda modelos ModernBERT, e ele só trabalha com texto.
Nossa opinião: em empresas reguladas em que a procedência dos dados de treino é uma questão de compras, o Granite R2 é um sim fácil; onde só a precisão conta, os modelos pequenos do Harrier são um pouco melhores e também têm licença permissiva.
Onde ele se destaca
Uma gestora de conhecimento numa seguradora europeia
Buscar em condições gerais longas em uma dúzia de idiomas sem API externa
Gere embeddings de seções inteiras de até 32.768 tokens com o 311M num servidor de CPU via ONNX ou OpenVINO; a afirmação da IBM de que todos os dados de treino têm licença permissiva encurta a revisão de compras.
Um engenheiro de plataforma que opera RAG para 40 equipes internas
Segurar o custo de armazenamento de vetores em dezenas de milhões de trechos
Guarde os vetores do 311M cortados para 256 dimensões, um terço dos 768 completos, o que na tabela da IBM custa cerca de 0,4 ponto de precisão na recuperação multilíngue.
Um desenvolvedor adicionando busca semântica a um app de documentos local
Entregar um modelo de embeddings que rode rápido no hardware do cliente sem GPU
Empacote o modelo 97M com o ONNX Runtime; com 384 dimensões e 97 milhões de parâmetros, ele é pequeno o bastante para rodar ao lado do aplicativo, e o Apache 2.0 permite redistribuição.
Antes de decidir
- Configuração
- pip install sentence-transformers e carregue ibm-granite/granite-embedding-311m-multilingual-r2; passe backend='onnx' ou 'openvino' para usar os builds otimizados incluídos. FlashAttention 2 é opcional.
- Integrações
- Sentence Transformers, Transformers, ONNX Runtime (CPU, CUDA, TensorRT, DirectML), OpenVINO, endpoint de embeddings do vLLM, llama.cpp após conversão para GGUF; não Ollama.
- Dados e privacidade
- Apache 2.0. A IBM diz que os dados de treino vêm de pares públicos com licença permissiva, dados técnicos internos da IBM e dados sintéticos gerados pela IBM, tudo passando por um processo de liberação de governança. Auto-hospedado, os documentos ficam no seu hardware.
- Custo em escala
- Os pesos são gratuitos e os modelos são pequenos; numa H100 a IBM mediu 1.828 documentos por segundo para o 311M e 2.534 para o 97M a 512 tokens, então um índice de 10 milhões de trechos leva cerca de 1,5 hora com o 311M.
- Limites
- Só texto; 32.768 tokens por entrada; encurtamento de vetores só no 311M; velocidade cai no Transformers 5.8.0 em relação ao 4.57.6; o treino reforçado de recuperação cobre 52 dos mais de 200 idiomas.
O que é bom
- Apache 2.0, com dados de treino que a IBM diz terem licença permissiva e estarem liberados
- Contexto de 32.768 tokens; 71,7 no LongEmbed nos testes da IBM
- O 97M processa 2.534 documentos por segundo numa H100
- Os vetores do 311M encolhem para 128 dimensões com pouca perda
- Builds ONNX e OpenVINO para CPU e hardware Intel
O que não é
- Segundo atrás do Harrier 270M em recuperação multilíngue (65,2 contra 66,4)
- Atrás do Jina v5 nano em código e recuperação em inglês
- Todos os benchmarks são da IBM
- Sem suporte no Ollama
- Só texto
Ideal para
Empresas que precisam de um modelo de embeddings multilíngue pequeno, com procedência de dados clara, para busca em documentos longos.
Alternativas ao Granite Embedding Multilingual R2 (311M and 97M)
Granite Embedding Multilingual R2 (311M and 97M): perguntas frequentes
- Granite Embedding Multilingual R2 (311M and 97M) vale a pena?
- Granite Embedding R2 é o modelo de embeddings pequeno que um departamento jurídico aprova rápido, embora o 270M do Harrier o supere de leve em precisão. Damos nota 3.9 de 5.
- Quanto custa Granite Embedding Multilingual R2 (311M and 97M)?
- Gratuito sob Apache 2.0. As fichas dos modelos não listam endpoint hospedado; hospede por conta própria em CPU ou GPU.
- Quais são as desvantagens de Granite Embedding Multilingual R2 (311M and 97M)?
- Segundo atrás do Harrier 270M em recuperação multilíngue (65,2 contra 66,4); atrás do Jina v5 nano em código e recuperação em inglês; todos os benchmarks são da IBM; sem suporte no Ollama; só texto.
- Para quem Granite Embedding Multilingual R2 (311M and 97M) é indicado?
- Empresas que precisam de um modelo de embeddings multilíngue pequeno, com procedência de dados clara, para busca em documentos longos.
- Quanto custa Granite Embedding Multilingual R2 (311M and 97M) para uma equipe ou em produção?
- Os pesos são gratuitos e os modelos são pequenos; numa H100 a IBM mediu 1.828 documentos por segundo para o 311M e 2.534 para o 97M a 512 tokens, então um índice de 10 milhões de trechos leva cerca de 1,5 hora com o 311M.
- Granite Embedding Multilingual R2 (311M and 97M) é seguro para dados da empresa?
- Apache 2.0. A IBM diz que os dados de treino vêm de pares públicos com licença permissiva, dados técnicos internos da IBM e dados sintéticos gerados pela IBM, tudo passando por um processo de liberação de governança. Auto-hospedado, os documentos ficam no seu hardware.
- Quais são as melhores alternativas ao Granite Embedding Multilingual R2 (311M and 97M)?
- As alternativas mais próximas que analisamos são Harrier-OSS-v1 (270M, 0.6B, 27B), EmbeddingGemma 2, Jina Embeddings v5, Qwen3-Embedding and Qwen3-Reranker e all-MiniLM-L6-v2.
Respostas verificadas em 7 de nov. de 2026.