# Ternlight：一个 7 MB 的嵌入模型，在浏览器 CPU 上跑，不调接口

> 原标题：Ternlight – 7 MB embedding model that runs in browser (WASM)

- 来源：Hacker News 首页
- 发布时间：2026-07-06T23:06:31.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/42785
- 原文：https://ternlight-demo.vercel.app/

## 摘要

Ternlight 把文本嵌入模型压缩到 7 MB，通过 WASM 直接在浏览器 CPU 上运行，单次 embed 调用约 5 毫秒。它打包成一个 npm 包，没有模型下载步骤，也不依赖服务端。另外还有一个 5 MB 的 mini 版本，演示里用它给 React 文档做了语义搜索。正文没披露模型架构细节、训练数据，也没给出 React 文档之外的检索质...

## 推荐理由

一个 7 MB 的嵌入模型通过 WASM 在浏览器 CPU 上跑，零服务端依赖，对前端和边缘场景的实用价值很直接。我会先打个折，因为正文没披露模型架构、训练数据，也没给出 React 文档之外的检索质量对比——这些缺口让“好用”还缺一块拼图，所以重要性停在 72。

## 锐评

Ternlight 把文本嵌入模型压到了 7 MB，通过 WASM 在浏览器 CPU 上跑，单次 embed 调用大约 5 毫秒。它打包成一个 npm 包，没有模型下载步骤，也不依赖服务端，还有一个 5 MB 的 mini 版本。这对不想搭后端、又需要在客户端做语义搜索的开发者来说，部署成本确实低。

但正文没披露模型架构细节和训练数据，只给了一个 React 文档的搜索演示。这意味着我们不知道它在多语言、长文本或者专业领域文档上的检索质量怎么样。7 MB 的体积听起来很省，但如果召回率在复杂场景下掉得厉害，实际能用到的范围就窄了。另外，演示里也没提索引规模变大后延迟会不会涨。

我会先打个折：如果只是给个人项目或文档站加个离线搜索，这个方案挺轻量。但要在生产环境里替代服务端嵌入模型，还得等作者放出基准测试结果，尤其是不同语言和文本长度下的召回率对比。