Microsoftは2026年4月7日(米国時間)、Bing公式ブログで、テキスト埋め込みモデルシリーズ「Harrier」をオープンソース化したと発表しました。AIエージェントの応答を情報源に根拠付ける「グラウンディング」の中核を担うモデルで、多言語MTEB-v2ベンチマークで1位(2026年4月6日時点)を獲得。100以上の言語と32Kのコンテキストウィンドウに対応し、低スペックデバイス向けの小型モデル2種も合わせて提供されます。同じ技術に基づく新しいグラウンディングサービスの開発も進めており、Bingへの導入も予定しています。

埋め込みモデルとグラウンディングの重要性

AIシステムが質問に答える段階から行動する段階へ進化する中で、適切な情報を適切なタイミングと文脈で提供する「グラウンディング」(根拠付け)は、あらゆるAIエージェントへのユーザーの信頼を支える基盤能力だとしています。その中心にあるのが、多様な情報源を横断して情報を検索・取得・整理・接続し、一貫した意味のある応答へつなげる埋め込みモデルです。

本番システムでは、強力な埋め込みは初回検索の質の向上による事実精度の向上、再試行の削減とコンテキストの縮小による低遅延・低コスト、マルチステップタスクでの安定したエージェント動作につながります。エージェントの時代には、埋め込みは検索の部品にとどまらず、記憶・ランキング・オーケストレーションの基盤層になると位置づけています。

Harrierの概要

• ▸位置づけ — エージェント型Webを支えるために構築された、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
• ▸ベンチマーク — 多言語MTEB-v2ベンチマークで1位(2026年4月6日時点)
• ▸対応言語 — 100以上
• ▸コンテキストウィンドウ — 32K
• ▸出力形式 — 入力ごとに固定サイズの埋め込みを生成し、ベクトル検索システムとシームレスに統合可能

技術概要

• ▸学習データ — 複数ソースから多言語テキストペアを収集し、GPT-5で幅広い合成データを生成。対照事前学習用に20億件超の弱教師ありデータ、ファインチューニング用に1,000万件超の高品質データを構築し、必要に応じてLLMでデータをフィルタリング・書き換え
• ▸大規模な対照事前学習とファインチューニング — 両段階でデータ規模を拡大することで一貫した性能向上を確認
• ▸合成データ生成 — GPT-5などのフロンティアモデルを活用し、多様な合成戦略で多言語テキストペアを大規模に生成
• ▸知識蒸留 — フラッグシップモデルを教師として小型の埋め込みモデルの性能を強化。LLMベースのリランカーが高品質な学習信号を生成し、ノイズの多いデータを効率的に除去
• ▸先行研究 — E5、Multilingual E5、E5-mistral、GritLMなどの自社のテキスト埋め込み研究を発展

評価結果

• ▸Harrier-OSS-v1-27B — 131タスクの平均スコア74.3で、従来のMMTEBリーダーボード最高値72.3を上回り1位
• ▸Harrier-OSS-v1-0.6b — 平均69.0で、Qwen3-Embedding-0.6B(64.3)やmultilingual-e5-large-inst(63.2)を上回る
• ▸Harrier-OSS-v1-270m — 平均66.5で、Embeddinggemma-270m(61.2)を上回る。0.6bと270mは低スペックデバイス向けに学習した小型モデル
• ▸商用モデルとの比較 — 27B版はOpenAI text-embedding-3-large(58.92)やGemini Embedding 2(69.9)などを上回り、埋め込みの品質と効率でフロンティア水準で運用しているとする

今後の展開

Harrierは単なるモデル公開ではなく、エージェント時代に向けた次世代グラウンディングシステム構築という、より広い取り組みの一環と位置づけられています。同じ中核技術に基づき、より良い検索品質、より強い意味理解、より堅牢な文脈選択を大規模に提供する新しいグラウンディングサービスを開発中で、これらの成果はBingにも導入され、実際のユーザー体験に反映される予定です。