BGE-M3 (Multilingual)

EmbeddingsIkke tilgængelig

af Communitybge-m3-multilingual

BAAI multilingual embedding model covering 100+ languages with an 8192-token context. M3 stands for its multi-functionality (dense, sparse and ColBERT-style multi-vector retrieval), multilinguality and multi-granularity over long documents. Returns 1024-dim dense vectors and is a strong open choice for cross-lingual and long-text retrieval.

Se alternativer Sammenlign

Status: Ikke tilgængelig
Kontekst: 8.192 tokens
Input → output: Tekst → Vektor
Udvikler: Community
Opdateret: 23. september 2026

BGE-M3 (Multilingual) er i øjeblikket utilgængelig

Du kan stadig læse detaljerne på denne side. Vælg en af de tilgængelige alternativer nedenfor for at køre en sammenlignelig model med det samme.

Gå til alternativer

Sammenlignelige modeller

Alle i denne kategori

OpenAI text-embedding-3-largeOpenAI
OpenAI's highest-quality embedding model. Returns 3072-dim vectors by default and supports reducing dimensions via the dimensions parameter. Outperforms text-embedding-3-small and the older ada-002 on MTEB and multilingual MIRACL retrieval benchmarks, for cases where accuracy matters more than cost.
0,156 US$/1M in
Sammenlign BGE-M3 (Multilingual) og OpenAI text-embedding-3-large
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 US$/1M in
Sammenlign BGE-M3 (Multilingual) og OpenAI text-embedding-3-small

Playground

Prøv BGE-M3 (Multilingual)

Input & resultat

Derzeit nicht verfügbar

Ikke tilgængelig i øjeblikket.

Playground'en er deaktiveret. Du finder sammenlignelige modeller i samme kategori: Se alternativer

Text

0 / 8.000

Text to embed (any of 100+ languages, up to long documents)

Sammenlign med (valgfrit)

Kører modellen to gange (faktureres to gange).

⌘/Ctrl + Enter

Resultat

Vektoren vises her.

Denne kørsel

Ingen pris – ikke tilgængelig i øjeblikket.

Ny her?

10 gratis credits (0,10 US$) når du tilmelder dig med Google

Kan bruges 24 timer efter tilmelding, op til 5 kørsler pr. dag og højst 2 credits pr. kørsel. Andre login-metoder starter uden credits.

Om BGE-M3 (Multilingual)

Kort sagtFra 23. september 2026

BGE-M3 (Multilingual) er en model af Community i kategorien Embeddings. BGE-M3 (Multilingual) er i øjeblikket ikke tilgængelig på Railwail. Kontekstvinduet indeholder 8.192 tokens.

bge-m3 from the Beijing Academy of Artificial Intelligence is a single model that supports three retrieval modes at once: dense embeddings, sparse lexical weights and ColBERT-style multi-vector matching. It handles more than 100 languages and inputs up to 8192 tokens, which makes it suitable for long-document and cross-lingual retrieval where shorter English-only models fall short. The dense output is 1024-dim. Through the Hugging Face feature-extraction pipeline you get the dense embedding, which mean-pools or uses the [CLS] vector depending on configuration; it is widely used as an open multilingual retrieval backbone.

Priser

Ikke tilgængelig i øjeblikket. Der er i øjeblikket ingen pris for denne model, så den kan ikke køres.

API

Kald BGE-M3 (Multilingual) med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

bge-m3-multilingualAPI-dokumentation Få en API-nøgle

I øjeblikket utilgængelig

Modellen har ingen bekræftet pris eller er deaktiveret; API-kald afvises.

Specifikationer

Model-ID: bge-m3-multilingual
Udvikler: Community
Kategori: Embeddings
Input: Tekst
Output: Vektor
Kontekstvindue: 8.192 tokens
Katalogelement opdateret: 23. september 2026

Inputparametre

Inputs og indstillinger fra modellens inputskema. Eksemplet i API-afsnittet viser, hvilke af dem API'en accepterer.

ParameterTypeStandardTilladte værdier

inputspåkrævet
Text to embed (any of 100+ languages, up to long documents)
Type: Tekst
Standard: –
Tilladte værdier: op til 8.000 tegn

Anvendelsestilfælde

Relaterede vejledninger

Embedding Models for Search & Science

Alle modeller i Embeddings

Ofte stillede spørgsmål

Hvad er BGE-M3 (Multilingual)?

BGE-M3 (Multilingual) er en model fra Community i kategorien Embeddings. Den er opført på Railwail, men kan ikke køres i øjeblikket.

Hvad koster BGE-M3 (Multilingual) på Railwail?

BGE-M3 (Multilingual) kan ikke køres på Railwail i øjeblikket, så der er ingen aktuel pris. Tilgængelige alternativer med priser er angivet længere nede på denne side.

Hvad er kontekstvinduet for BGE-M3 (Multilingual)?

Kontekstvinduet for BGE-M3 (Multilingual) indeholder 8.192 tokens.

Hvor hurtig er BGE-M3 (Multilingual)?

Der er endnu ikke nok målte kørsler af BGE-M3 (Multilingual) på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.

Er BGE-M3 (Multilingual) bedre end OpenAI text-embedding-3-large?

Det afhænger af opgaven. BGE-M3 (Multilingual) (Community) og OpenAI text-embedding-3-large (OpenAI) er begge modeller i kategorien Embeddings. Sammenligningssiden viser deres priser og specifikationer side om side.

Sammenlign BGE-M3 (Multilingual) og OpenAI text-embedding-3-large

Kan jeg bruge BGE-M3 (Multilingual) lige nu?

Ikke tilgængelig i øjeblikket. Siden forbliver online; tilgængelige alternativer fra samme kategori er angivet længere nede.

Alle modeller via én API

En API-nøgle til alle modeller på Railwail. Forbrug debiteres fra forudbetalte credits, 1 credit = 0,01 US$.

Få API-nøgle Se alle modeller