Snowflake Arctic Embed（スノーフレークアークティックエンベッド）

Snowflake Arctic Embedは、データウェアハウス大手Snowflakeが2024年4月にオープンソースで公開したテキスト埋め込みモデルシリーズだ。リリース時にMTEBの英語Retrievalベンチマークでトップを獲得し、企業向けRAGシステム構築の有力な選択肢として注目を集めた。

Arctic Embedシリーズのサイズ展開

Arctic Embedの大きな特徴は用途に合わせた5つのサイズバリエーションだ。

最大トークン長はいずれも512トークン（8,192ではない点に注意）。

Apache 2.0ライセンスの意義

Snowflake Arctic EmbedはApache 2.0ライセンスで公開されている。これは以下を意味する。

• 商用製品への組み込み自由
• 改変・再配布自由
• ソースコード公開義務なし
• 特許訴訟リスク低

OpenAI APIや商用Voyage AIと異なり、一度ダウンロードすれば追加コストゼロで大量処理できる。

実装例（sentence-transformers）

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("Snowflake/snowflake-arctic-embed-m")

documents = [
    "自作PCの電源容量の選び方",
    "DDR5メモリとDDR4の速度比較",
    "M.2 NVMe SSDのフォームファクター"
]

doc_embeddings = model.encode(
    documents,
    prompt_name="passage",
    batch_size=32
)

query_embedding = model.encode(
    "PCの電源は何ワット必要？",
    prompt_name="query"
)

Snowflake Cortex Searchとの統合

Arctic EmbedはSnowflakeのマネージドRAGサービス「Cortex Search」のバックエンドとして使用されている。Snowflakeデータウェアハウス内のテーブルデータをそのままベクトル化・検索できるため、データ移動なしでエンタープライズRAGを構築できる。

競合モデルとの使い分け

2025年のArctic Embed 2.0

2025年にはArctic Embed 2.0シリーズがリリースされ、最大入力長が1024トークンに拡張された。多言語サポートも強化され、英語特化から汎用モデルへと進化している。

よくある質問

Q1: Arctic EmbedとBGE-M3はどちらが良い？ 英語のみ・短文中心なら速度・精度バランスでArctic Embed-l。多言語・長文・ハイブリッド検索が必要ならBGE-M3を選ぶ。

Q2: Snowflakeのアカウントがなくても使える？ 使える。HuggingFaceから直接ダウンロードしてローカル実行可能。

Q3: 日本語の精度は？ 英語特化設計のため日本語精度は限定的。2025年のArctic Embed 2.0で改善されたが、日本語主体ならBGE-M3が安定している。

まとめ

• Apache 2.0ライセンス・商用無料
• xs〜335mの5サイズで用途別選択可能
• MTEBで公開当時トップ水準
• Snowflake Cortex Searchのバックエンド
• 日本語は苦手・英語文書に最適