Qdrant· info@qdrant.tech (Andrey Vasnetsov)·· 19 小时前AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
Qdrant 实测 UltraBERT-Embed-150M：32K 单向量检索能否取代分块
UltraBERT Fits 32K Tokens in One Vector. RIP Chunking?
AI 导读
Qdrant 用 DMIS Lab 的 UltraBERT-Embed-150M（151M 参数、支持 32K token 输入、输出 768 维向量）在 LongEmbed 五项任务和 MLDR 的 20 万篇维基文章上对比整篇单向量与 512-token 分块检索。
来源：Qdrant · qdrant.tech