mxbai-embed-large-v1是Mixedbread AI开发的顶级英文嵌入模型，能将文本转换为语义向量，适用于RAG、语义搜索、文本相似性分析及文本分类等NLP任务。

Nomic Embed Text v1是一款开源、完全可审计的文本嵌入模型，具备8192 token的上下文窗口，在多种嵌入基准测试中表现优于OpenAI Ada-002等模型，提供开放权重、训练代码和数据，适用于长上下文场景的语义搜索、聚类及可审计嵌入管道。

Qwen3 Embedding是Qwen系列最新专有模型，专为文本嵌入和排序任务设计，支持119种语言，提供0.6B、4B、8B等多种尺寸模型，适用于文本检索、代码检索、分类、聚类、平行文本挖掘等高级任务。

Qwen3 Embedding是Qwen系列最新专有模型，专为文本嵌入和排序任务设计，提供0.6B、4B和8B多种尺寸，具备出色的多语言能力、长文本理解和推理技能，适用于文本检索、代码检索、分类、聚类等任务。

暂无描述

Embedding Gemma是Google DeepMind推出的最先进文本嵌入模型，能将文本转换为捕获语义含义的密集向量嵌入，适用于检索增强生成(RAG)、语义搜索和相似性任务。

基于CLIP的多模态嵌入服务微服务，通过OpenAI兼容API提供视频、图像和文本的高维语义嵌入，支持跨模态检索、视觉搜索和内容推荐，优化性能与可扩展性，适用于云及边缘环境部署。

Embedding Gemma是Google DeepMind推出的最先进文本嵌入模型，基于Gemma架构创建高质量文本向量表示，能捕捉语义含义，适用于检索增强生成（RAG）、语义搜索及相似性任务，为嵌入类应用提供强大基础。

Granite Embedding Multilingual是IBM开发的2.78亿参数编码器式XLM-RoBERTa风格密集双编码器模型，可生成768维高质量多语言文本嵌入，优化用于12种主要语言的语义相似性、检索和搜索任务，遵循Apache 2.0许可。

Intel优化的轻量级文本嵌入容器，基于UAE-Large-v1蒸馏，使用sentence-transformers和Intel Extension for Pytorch，适用于NLP任务，23M参数，输入序列长度512，输出嵌入大小512，MTEB检索和STS任务准确率分别为46%和82%。

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

基于nextcloud:apache修改的Docker镜像，支持SMB/CIFS协议以访问网络共享资源。

暂无描述

暂无描述

暂无描述

基于rocker/tidyverse构建的自定义大型R语言Docker镜像

由Embedl维护的优化vLLM容器镜像，提供高性能大型语言模型(LLM)部署运行环境。

用于管理C/C++嵌入式ARM项目持续集成的工具集合。

Image to build all-the-things

用于嵌入式系统的CI工具助手，支持Linux amd64、Cortex-M、ESP32、ESP8266及AVR 8位平台，集成工具链、编译器、调试和分析工具，简化持续集成流程。