BGE-M3 (Multilingual)

EmbeddingsNiet beschikbaar

van 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.

Alternatieven bekijken Vergelijken

Status: Niet beschikbaar
Context: 8.192 tokens
Invoer → Uitvoer: Tekst → Vector
Ontwikkelaar: Community
Bijgewerkt: 23 september 2026

BGE-M3 (Multilingual) is momenteel niet beschikbaar

Je kunt de details op deze pagina nog steeds lezen. Kies een van de beschikbare alternatieven hieronder om direct een vergelijkbaar model uit te voeren.

Naar alternatieven

Vergelijkbare modellen

Alle in deze categorie

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.
US$ 0,156/1M in
BGE-M3 (Multilingual) en OpenAI text-embedding-3-large vergelijken
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.
US$ 0,024/1M in
BGE-M3 (Multilingual) en OpenAI text-embedding-3-small vergelijken

Playground

BGE-M3 (Multilingual) proberen

Invoer & resultaat

Momenteel niet beschikbaar

Momenteel niet beschikbaar.

De playground is uitgeschakeld. Vergelijkbare modellen vind je in dezelfde categorie: Alternatieven bekijken

Text

0 / 8.000

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

Vergelijken met (optioneel)

Voert het model twee keer uit (twee keer berekend).

⌘/Ctrl + Enter

Resultaat

De vector verschijnt hier.

Deze uitvoering

Geen prijs – momenteel niet beschikbaar.

Nieuw hier?

10 gratis credits (US$ 0,10) wanneer je je aanmeldt met Google

Bruikbaar 24 uur na aanmelding, tot 5 uitvoeringen per dag en maximaal 2 credits per uitvoering. Andere aanmeldmethoden starten zonder credits.

Over BGE-M3 (Multilingual)

SamengevatPer 23 september 2026

BGE-M3 (Multilingual) is een model van Community in de categorie Embeddings. BGE-M3 (Multilingual) is momenteel niet beschikbaar op Railwail. Het contextvenster bevat 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.

Prijzen

Momenteel niet beschikbaar. Er is momenteel geen prijs voor dit model, dus het kan niet worden uitgevoerd.

API

Roep BGE-M3 (Multilingual) aan met je Railwail API-sleutel. Gebruik deze model-ID in het verzoek:

bge-m3-multilingualAPI-documentatie API-sleutel ophalen

Momenteel niet beschikbaar

Het model heeft geen geverifieerde prijs of is gedeactiveerd; API-aanroepen worden geweigerd.

Specificaties

Model-ID: bge-m3-multilingual
Ontwikkelaar: Community
Categorie: Embeddings
Invoer: Tekst
Uitvoer: Vector
Contextvenster: 8.192 tokens
Catalogusitem bijgewerkt: 23 september 2026

Invoerparameters

Invoeren en instellingen uit het invoerschema van het model. Het voorbeeld in de API-sectie toont welke daarvan de API accepteert.

ParameterTypeStandaardToegestane waarden

inputsVerplicht
Text to embed (any of 100+ languages, up to long documents)
Type: Tekst
Standaard: –
Toegestane waarden: tot 8.000 tekens

Gebruiksscenario's

Gerelateerde handleidingen

Embedding Models for Search & Science

Alle modellen in Embeddings

Veelgestelde vragen

Wat is BGE-M3 (Multilingual)?

BGE-M3 (Multilingual) is een model van Community in de categorie Embeddings. Het staat in de Railwail-catalogus, maar kan momenteel niet worden uitgevoerd.

Hoeveel kost BGE-M3 (Multilingual) op Railwail?

BGE-M3 (Multilingual) kan momenteel niet op Railwail worden uitgevoerd, dus er is geen huidige prijs. Beschikbare alternatieven met prijzen staan verderop op deze pagina.

Wat is het contextvenster van BGE-M3 (Multilingual)?

Het contextvenster van BGE-M3 (Multilingual) bevat 8.192 tokens.

Hoe snel is BGE-M3 (Multilingual)?

Er zijn nog niet genoeg gemeten runs van BGE-M3 (Multilingual) op Railwail om een uitvoeringstijd op te geven. Dit hangt af van de invoer, de instellingen en de belasting bij de provider.

Is BGE-M3 (Multilingual) beter dan OpenAI text-embedding-3-large?

Dat hangt van de taak af. BGE-M3 (Multilingual) (Community) en OpenAI text-embedding-3-large (OpenAI) zijn beide modellen in de categorie Embeddings. De vergelijkingspagina toont hun prijzen en specificaties naast elkaar.

BGE-M3 (Multilingual) en OpenAI text-embedding-3-large vergelijken

Kan ik BGE-M3 (Multilingual) nu gebruiken?

Momenteel niet beschikbaar. De pagina blijft online; beschikbare alternatieven uit dezelfde categorie staan verderop.

Alle modellen via één API

Één API-sleutel voor elk model op Railwail. Gebruik wordt afgerekend via vooraf gekochte credits, 1 credit = US$ 0,01.

API-sleutel ophalen Alle modellen bekijken