BGE-M3 (Multilingual)

EmbeddingsNav pieejams

no 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.

Skatīt alternatīvas Salīdzināt

Statuss: Nav pieejams
Konteksts: 8192 marķieri
Ievade → Izvade: Teksts → Vektors
Izstrādātājs: Community
Atjaunināts: 2026. gada 23. septembris

BGE-M3 (Multilingual) pašlaik nav pieejams

Jūs joprojām varat lasīt detaļas šajā lapā. Izvēlieties vienu no pieejamajām alternatīvām zemāk, lai uzreiz palaistu salīdzināmu modeli.

Uz alternatīvām

Salīdzināmi modeļi

Visi šajā kategorijā

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 $/1M ievade
Salīdzināt BGE-M3 (Multilingual) un 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 $/1M ievade
Salīdzināt BGE-M3 (Multilingual) un OpenAI text-embedding-3-small

Spēļu laukums

Izmēģiniet BGE-M3 (Multilingual)

Ievade un rezultāts

Pašlaik nav pieejams

Pašlaik nav pieejams.

Spēļu laukums ir atspējots. Salīdzināmus modeļus varat atrast vienā kategorijā: Skatīt alternatīvas

Text

0 / 8000

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

Salīdzināt ar (neobligāti)

Palaiž modeli divas reizes (norēķināts divas reizes).

⌘/Ctrl + Enter

Rezultāts

Vektors parādīsies šeit.

Šis palaišanas gadījums

Nav cenas – pašlaik nav pieejams.

Jauns šeit?

10 bezmaksas kredīti (0,10 $), reģistrējies ar Google

Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem.

Par BGE-M3 (Multilingual)

ĪsumāUz 2026. gada 23. septembris

BGE-M3 (Multilingual) ir Community modelis kategorijā Embeddings. BGE-M3 (Multilingual) pašlaik nav pieejams Railwail platformā. Konteksta logs satur 8192 žetonus.

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.

Cenas

Pašlaik nav pieejams. Šim modelim pašlaik nav cenas, tāpēc to nevar palaist.

API

Izsauciet BGE-M3 (Multilingual) ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

bge-m3-multilingualAPI dokumentācija Iegūt API atslēgu

Pašlaik nav pieejams

Modelim nav pārbaudītas cenas vai tas ir deaktivizēts; API izsaukumi tiek noraidīti.

Specifikācijas

Modeļa ID: bge-m3-multilingual
Izstrādātājs: Community
Kategorija: Embeddings
Ievade: Teksts
Izvade: Vektors
Konteksta logs: 8192 marķieri
Kataloga ieraksts atjaunināts: 2026. gada 23. septembris

Ievades parametri

Ievades un iestatījumi no modeļa ievades shēmas. Piemērs API sadaļā parāda, kurus no tiem API pieņem.

ParametrsTipsNoklusējumsAtļautās vērtības

inputsobligāts
Text to embed (any of 100+ languages, up to long documents)
Tips: Teksts
Noklusējums: –
Atļautās vērtības: līdz 8000 rakstzīmēm

Tagi

embedding
retrieval
rag
huggingface
bge
baai
multilingual
long-context
open-weights

Lietošanas gadījumi

Saistītie ceļveži

Embedding Models for Search & Science

Visi modeļi: Embeddings

Bieži uzdotie jautājumi

Kas ir BGE-M3 (Multilingual)?

BGE-M3 (Multilingual) ir Community izstrādāts modelis Embeddings kategorijā. Tas ir uzskaitīts Railwail katalogā, bet pašlaik to nevar palaist.

Cik maksā BGE-M3 (Multilingual) Railwail?

BGE-M3 (Multilingual) pašlaik nevar tikt palaists Railwail, tāpēc nav pašreizējās cenas. Pieejamās alternatīvas ar cenām ir norādītas tālāk šajā lapā.

Kāds ir BGE-M3 (Multilingual) konteksta logs?

BGE-M3 (Multilingual) konteksta logs satur 8192 žetonus.

Cik ātrs ir BGE-M3 (Multilingual)?

Railwail platformā BGE-M3 (Multilingual) vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai BGE-M3 (Multilingual) ir labāks par OpenAI text-embedding-3-large?

Tas ir atkarīgs no uzdevuma. BGE-M3 (Multilingual) (Community) un OpenAI text-embedding-3-large (OpenAI) ir abi modeļi Embeddings kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt BGE-M3 (Multilingual) un OpenAI text-embedding-3-large

Vai es varu izmantot BGE-M3 (Multilingual) tieši tagad?

Pašlaik nav pieejams. Lapa paliek tiešsaistē; pieejamās alternatīvas no vienas kategorijas ir norādītas tālāk.

Visi modeļi caur vienu API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.

Iegūt API atslēgu Skatīt visus modeļus