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

MTEB English Retrieval (NDCG@10):
  Arctic Embed L:         54.9
  text-embedding-3-large: 54.9（同水準）
  E5-large-v2:            50.6
  BGE-large-en:           51.5

-- Snowflake SQL でテキスト埋め込み生成
SELECT 
  article_id,
  SNOWFLAKE.CORTEX.EMBED_TEXT_1024(
    'snowflake-arctic-embed-l-v2.0',
    article_content
  ) AS content_embedding
FROM articles
WHERE language = 'ja';

-- ベクトル類似検索
SELECT 
  article_id,
  VECTOR_COSINE_SIMILARITY(
    content_embedding,
    SNOWFLAKE.CORTEX.EMBED_TEXT_1024(
      'snowflake-arctic-embed-l-v2.0',
      '自作PCのCPU選び方'
    )
  ) AS similarity
FROM articles
ORDER BY similarity DESC
LIMIT 10;

from sentence_transformers import SentenceTransformer

model = SentenceTransformer(
    "Snowflake/snowflake-arctic-embed-l-v2.0",
    trust_remote_code=True
)

# クエリと文書の埋め込み
queries = ["自作PCに最適なCPUは何か？"]
documents = [
    "Core i5-14600KはコストパフォーマンスでRyzen 5 7600Xと競合する...",
    "Ryzen 7 7700Xは8コアで動画編集やゲームに適しており...",
]

query_embs = model.encode(queries, prompt_name="query")
doc_embs = model.encode(documents)

scores = query_embs @ doc_embs.T  # 内積でコサイン類似度
print(scores)  # [[0.87, 0.72]]