BGE-M3 (Multilingual)

EmbeddingsIkke tilgjengelig

av 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 tilgjengelig
Kontekst: 8 192 tokens
Input → output: Tekst → Vektor
Utvikler: Community
Oppdatert: 23. september 2026

BGE-M3 (Multilingual) er for øyeblikket utilgjengelig

Du kan fortsatt lese detaljene på denne siden. Velg ett av de tilgjengelige alternativene nedenfor for å kjøre en sammenlignbar modell med en gang.

Gå til alternativer

Sammenlignbare modeller

Alle i denne kategorien

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 inn
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 USD/1M inn
Sammenlign BGE-M3 (Multilingual) og OpenAI text-embedding-3-small

Playground

Prøv BGE-M3 (Multilingual)

Inndata og resultat

Ikke tilgjengelig for øyeblikket

Ikke tilgjengelig for øyeblikket.

Lekeplassen er deaktivert. Du finner sammenlignbare modeller i samme kategori: Se alternativer

Text

0 / 8 000

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

Sammenlign med (valgfritt)

Kjører modellen to ganger (fakturert to ganger).

⌘/Ctrl + Enter

Resultat

Vektoren vises her.

Denne kjøringen

Ingen pris – ikke tilgjengelig for øyeblikket.

Ny her?

10 gratis credits (0,10 USD) når du registrerer deg med Google

Kan brukes 24 timer etter registrering, opptil 5 kjøringer per dag og maksimalt 2 credits per kjøring. Andre påloggingsmetoder starter uten credits.

Om BGE-M3 (Multilingual)

Kort sagtPer 23. september 2026

BGE-M3 (Multilingual) er en modell fra Community i kategorien Embeddings. BGE-M3 (Multilingual) er for øyeblikket ikke tilgjengelig på Railwail. Kontekstvinduet inneholder 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 tilgjengelig for øyeblikket. Det er ingen pris for denne modellen for øyeblikket, så den kan ikke kjøres.

API

Ring BGE-M3 (Multilingual) med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

bge-m3-multilingualAPI-dokumentasjon Få en API-nøkkel

Ikke tilgjengelig for øyeblikket

Modellen har ingen verifisert pris eller er deaktivert; API-kall blir avvist.

Spesifikasjoner

Modell-ID: bge-m3-multilingual
Utvikler: Community
Kategori: Embeddings
Inndata: Tekst
Utdata: Vektor
Kontekstvindu: 8 192 tokens
Katalogoppføring oppdatert: 23. september 2026

Inndataparametere

Inndataer og innstillinger fra modellens inndataskjema. Eksemplet i API-delen viser hvilke av dem APIen godtar.

ParameterTypeStandardTillatte verdier

inputsobligatorisk
Text to embed (any of 100+ languages, up to long documents)
Type: Tekst
Standard: –
Tillatte verdier: opptil 8 000 tegn

Merkelapper

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

Brukstilfeller

Relaterte veiledninger

Embedding Models for Search & Science

Alle modeller i Embeddings

Ofte stilte spørsmål

Hva er BGE-M3 (Multilingual)?

BGE-M3 (Multilingual) er en modell fra Community i kategorien Embeddings. Den er oppført på Railwail, men kan ikke kjøres for øyeblikket.

Hvor mye koster BGE-M3 (Multilingual) på Railwail?

BGE-M3 (Multilingual) kan ikke kjøres på Railwail for øyeblikket, så det finnes ingen gjeldende pris. Tilgjengelige alternativer med priser er oppført lenger ned på denne siden.

Hvor stort er kontekstvinduet til BGE-M3 (Multilingual)?

Kontekstvinduet til BGE-M3 (Multilingual) inneholder 8 192 tokens.

Hvor rask er BGE-M3 (Multilingual)?

Det finnes ennå ikke nok målte kjøringer av BGE-M3 (Multilingual) på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.

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

Det avhenger av oppgaven. BGE-M3 (Multilingual) (Community) og OpenAI text-embedding-3-large (OpenAI) er begge modeller i kategorien Embeddings. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.

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

Kan jeg bruke BGE-M3 (Multilingual) akkurat nå?

Ikke tilgjengelig for øyeblikket. Siden forblir online; tilgjengelige alternativer fra samme kategori er oppført lenger ned.

Alle modeller gjennom én API

Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.

Få API-nøkkel Se alle modeller