BGE Large EN v1.5

EmbeddingsNeprieinama

iš Communitybge-large-en-v1-5

BAAI (Beijing Academy of AI) open-weight English embedding model with 335M parameters. Returns 1024-dim vectors and was a top MTEB English retrieval model on release. The v1.5 update improved similarity distribution so it works well without a query instruction prefix for symmetric tasks. A widely used open alternative to hosted embeddings.

Peržiūrėti alternatyvas Palyginti

Būsena: Neprieinama
Kontekstas: 512 žetonų
Įvestis → išvestis: Tekstas → Vektorius
Kūrėjas: Community
Atnaujinta: 2026 m. rugsėjo 23 d.

BGE Large EN v1.5 šiuo metu neprieinamas

Šiame puslapyje galite perskaityti išsamią informaciją. Norėdami iš karto paleisti panašų modelį, pasirinkite vieną iš žemiau pateiktų prieinamų alternatyvų.

Į alternatyvas

Panašūs modeliai

Visi šioje kategorijoje

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 USD/1M įv
Palyginti BGE Large EN v1.5 ir 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 USD/1M įv
Palyginti BGE Large EN v1.5 ir OpenAI text-embedding-3-small

Žaidimų aikštelė

Išbandyti BGE Large EN v1.5

Įvestis ir rezultatas

Šiuo metu neprieinamas

Šiuo metu nepasiekiama.

Žaidimų aikštelė išjungta. Panašius modelius rasite toje pačioje kategorijoje: Peržiūrėti alternatyvas

Text

0 / 4 000

Text to embed

Palyginti su (pasirinktinai)

Modelis vykdomas du kartus (išrašyta du kartus).

⌘/Ctrl + Enter

Rezultatas

Vektorius pasirodo čia.

Šis paleidimas

Nėra kainos – šiuo metu neprieinama.

Naujas čia?

10 nemokami kreditai (0,10 USD), kai užsiregistruojate naudodami Google

Galima naudoti 24 valandų po registracijos, iki 5 paleidimų per dieną ir daugiausia 2 kreditų per paleidimą. Kiti prisijungimo būdai pradedami be kreditų.

Apie BGE Large EN v1.5

TrumpaiNuo 2026 m. rugsėjo 23 d.

BGE Large EN v1.5 yra Community modelis iš Embeddings kategorijos. BGE Large EN v1.5 šiuo metu nėra prieinamas per Railwail. Konteksto langas saugo 512 žetonų.

bge-large-en-v1.5 from the Beijing Academy of Artificial Intelligence is a BERT-large-based English embedding model producing 1024-dim vectors with a 512-token limit. The v1.5 release recalibrated the cosine-similarity distribution so scores spread more usefully across the range, and it no longer strictly requires the retrieval instruction prefix for symmetric similarity. It ranked at the top of the MTEB English leaderboard when released and remains a common open-weight default for RAG and semantic search. Served through Hugging Face with the feature-extraction pipeline; for asymmetric retrieval prepend the recommended query instruction to questions.

Kainos

Šiuo metu nepasiekiama. Šiuo metu šiam modeliui nėra nustatytos kainos, todėl jo negalima paleisti.

API

Iškvieskite BGE Large EN v1.5 naudodami savo Railwail API raktą. Šioje užklausoje naudokite šią modelio ID:

bge-large-en-v1-5Peržiūrėti API dokumentaciją Gauti API raktą

Šiuo metu nepasiekiama

Modelis neturi patikrintos kainos arba yra išjungtas; API skambučiai atmetami.

Specifikacijos

Modelio ID: bge-large-en-v1-5
Kūrėjas: Community
Kategorija: Embeddings
Įvestis: Tekstas
Išvestis: Vektorius
Konteksto langas: 512 žetonų
Katalogo įrašas atnaujintas: 2026 m. rugsėjo 23 d.

Įvesties parametrai

Įvestys ir nustatymai iš modelio įvesties schemos. API sekcijoje pateiktas pavyzdys rodo, kuriuos iš jų priima API.

ParametrasTipasNumatytasisLeidžiamos reikšmės

inputsprivalomas
Text to embed
Tipas: Tekstas
Numatytasis: –
Leidžiamos reikšmės: iki 4 000 simbolių

Žymos

embedding
retrieval
rag
huggingface
bge
baai
open-weights
english
mteb

Panaudojimo atvejai

Susiję vadovai

Embedding Models for Search & Science

Visi Embeddings modeliai

Dažnai užduodami klausimai

Kas yra BGE Large EN v1.5?

BGE Large EN v1.5 yra Community modelis iš Embeddings kategorijos. Jis yra Railwail kataloge, tačiau šiuo metu negali būti paleistas.

Kiek kainuoja BGE Large EN v1.5 Railwail?

BGE Large EN v1.5 šiuo metu negali būti paleistas Railwail, todėl nėra dabartinės kainos. Toliau šiame puslapyje pateikiamos galimos alternatyvos su kainomis.

Koks yra BGE Large EN v1.5 konteksto langas?

BGE Large EN v1.5 konteksto langas saugo 512 žetonų.

Koks yra BGE Large EN v1.5 greitis?

BGE Large EN v1.5 Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.

Ar BGE Large EN v1.5 geriau nei OpenAI text-embedding-3-large?

Tai priklauso nuo užduoties. BGE Large EN v1.5 (Community) ir OpenAI text-embedding-3-large (OpenAI) yra abu modeliai iš Embeddings kategorijos. Palyginimo puslapyje jų kainos ir specifikacijos rodomos viena šalia kitos.

Palyginti BGE Large EN v1.5 ir OpenAI text-embedding-3-large

Ar dabar galiu naudoti BGE Large EN v1.5?

Šiuo metu nepasiekiama. Puslapis lieka aktyvus; toliau pateikiamos galimos alternatyvos iš tos pačios kategorijos.

Visi modeliai per vieną API

Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.

Gauti API raktą Peržiūrėti visų modelių