Microsoftは2026年4月7日、Bing Blogでオープンソースのテキスト埋め込みモデルシリーズ「Harrier」を公開した。検索、取得、ランキング、文脈整理を支える埋め込み層を強化するもので、同社は多言語ベンチマーク「MTEB v2」で2026年4月6日時点の首位を獲得したとしている。

焦点は、回答生成の前段にある基盤の強化だ。Microsoftは、AIシステムが質問応答から複数ステップで動くエージェントへ広がる中で、埋め込みモデルが検索精度、文脈保持、メモリ、ランキング、オーケストレーションの品質を左右する基盤になっていると説明している。

AD

Harrierの位置付けとシリーズ構成

Harrierは、Microsoftが「最新のオープンソーステキスト埋め込みモデルシリーズ」と位置付けるモデル群である。発表では、100超の言語に対応し、32kコンテキストウィンドウを備え、各入力から固定長の埋め込みを生成するとしている。ベクトル検索システムへ組み込みやすい構成を意識した設計だ。

シリーズ構成としては、主力モデルの「Harrier-OSS-v1-27B」に加え、小型の「Harrier-OSS-v1-0.6b」と「Harrier-OSS-v1-270m」が用意された。Microsoftはこの2つを低性能デバイス向けとして紹介している。

項目内容
モデル名Harrier
位置付けMicrosoftの最新オープンソーステキスト埋め込みモデルシリーズ
対応言語100超
コンテキスト長32k
出力固定長の埋め込み
主力モデルHarrier-OSS-v1-27B
小型モデルHarrier-OSS-v1-0.6b、Harrier-OSS-v1-270m
小型モデルの用途低性能デバイス向け

ここで重要なのは、大型モデルだけでなく、小型モデルも含めてシリーズとして公開した点である。Microsoftは埋め込み品質の改善を主張する一方で、展開先の計算資源に応じた構成も並行して示した形だ。

学習データは20億件超、GPT-5による合成データも利用

学習面では、多言語テキストペアを複数ソースから集めるデータパイプラインを構築し、GPT-5を使って多様な合成データを生成したという。これにより、コントラスト事前学習向けに20億件超の弱教師ありデータ、ファインチューニング向けに1000万件超の高品質データを用意したとしている。

学習工程発表内容
データ収集多言語テキストペアを複数ソースから収集
合成データ生成GPT-5などの最先端モデルで多言語テキストペアを大規模生成
事前学習用データ20億件超の弱教師ありデータ
ファインチューニング用データ1000万件超の高品質データ
品質管理厳格なフィルタリングと、必要に応じたLLMによる書き換え
小型モデルの強化主力モデルを教師にした知識蒸留

Microsoftは性能向上の柱として、大規模なコントラスト事前学習とファインチューニング、合成データ生成、知識蒸留の3点を挙げている。特に小型モデルには知識蒸留を適用し、大型の教師モデルから学習信号を移したとしている。発表文では、これまでのE5、Multilingual E5、E5-mistral、GritLMの流れを踏まえた発展形とも説明している。

AD

多言語MTEB v2では27Bが首位、小型版も上位に入る

評価には多言語ベンチマークのMTEB v2が使われた。Microsoftによれば、Harrier-OSS-v1-27Bは2026年4月6日時点で1位に立った。加えて、0.6bと270mの小型版も上位に入っている。

モデル131タスク平均スコアBorda Count Rank
MMTEB leaderboard SoTA72.3–
Harrier-OSS-v1-27B74.31
multilingual-e5-large-inst63.2–
Qwen3-Embedding-0.6B64.3–
Harrier-OSS-v1-0.6b69.010
Embeddinggemma-270m61.2–
Harrier-OSS-v1-270m66.515

この表では、27Bが首位に置かれているだけでなく、0.6bと270mも比較対象より高いスコアで示されている。Microsoftはこれをオープンソース埋め込みモデル間での優位性として打ち出している。なお、Borda Count Rankについては、2026年3月16日時点の仮想順位であり、将来の投稿で変わりうると明記されている。

Microsoftはプロプライエタリモデルとの比較も示した

発表では、主要なプロプライエタリモデルとの比較表も掲載された。MTEB MultilingualのMean(Task)で見ると、Harrier-OSS-v1-27Bが最上位に置かれている。

モデルMTEB Multilingual Mean(Task)
OpenAI text-embedding-3-large58.92
Amazon.titan-embed-text-v260.37
Harrier-OSS-v1-270m66.55
Gemini Embedding 168.33
Harrier-OSS-v1-0.6b69.01
Gemini Embedding 2 (Multi-modal)69.9
Harrier-OSS-v1-27B74.27

この比較では、0.6bがGemini Embedding 1を上回り、27Bが表中で最も高い数値となっている。Microsoftは埋め込み品質と効率の両面で最前線にあると述べているが、ここで示されているのは同社が提示した評価結果である。運用面での採用判断に必要な配布条件、推論コスト、提供形態などは、この発表本文では詳しく触れられていない。

AD

今回の公開が示すMicrosoftの狙い

Harrierの発表で目立つのは、埋め込みモデル単体の性能向上よりも、それをグラウンディング基盤全体の再設計につなげようとしている点である。Microsoftは検索、取得、ランキング、文脈選択をエージェント時代の基盤技術として捉えており、Harrierはその中核を担うモデル群として位置付けられている。

27Bの主力モデルだけでなく、0.6bと270mの小型版までそろえて公開した構成からも、研究成果の提示にとどまらず、実際の配備先を意識した展開を進めていることがうかがえる。今後は新しいgroundingサービスやBingへの反映がどのような形で具体化するかが焦点になるが、今回の発表は、MicrosoftがAIエージェントの性能を支える層として埋め込みモデルを改めて重視していることをはっきり示したと言えそうだ。

Sources