bge-m3 (1024‑өлшемді эмбеддингтер)

нейрожелі

bge-m3 сөйлемдерді, абзацтарды және үлкен құжаттарды 1024‑өлшемді тығыз векторлық кеңістікке кодтайды. Модель көптілді retrieval, семантикалық іздеу және үлкен мәтінмәндері бар қолданбаларға оңтайландырылған жоғары сапалы семантикалық эмбеддингтерді қалыптастырады. VPN-сіз рубльмен оңай төлеу және жылдам интеграция үшін BotHub арқылы қолжетімді.

Басты бет

/

Модельдер

/

Embedding моделдері

/

bge-m3 (1024‑өлшемді эмбеддингтер)

Сипаттамалары

Кіріс деректер
мәтін
Нәтиже
векторлар (эмбеддингтер)
Контекст өлшемі
8 194 токен
Вектор өлшемділігі
1 024
1,09 ₽

Промптың құны

(1М токенге қарай)

*Бағалар API-ді ECO-провайдерлер арқылы қолданғанда көрсетілген.
bge-m3 (1024‑өлшемді эмбеддингтер) үшін API және код үлгісіБіз OpenAI API-іне толық қолжетімділікті ұсынамыз. Біздің барлық соңғы нүктелер OpenAI-мен толық сәйкес келеді, оларды плагиндермен де, SDK арқылы өз бағдарламаңызды әзірлегенде де қолдануға болады.API кілтін жасау
import OpenAI from 'openai';
const openai = new OpenAI({
  apiKey: '<your bothub access token>',
  baseURL: 'https://openai.bothub.chat/v1'
});

async function main() {
  const response = await openai.embeddings.create({
    model: 'bge-m3',
    input: 'The food was delicious and the waiter...',
    encoding_format: 'float'
  });

  const embedding = response.data[0].embedding;

  console.log(embedding);
}
main();
illustaration

Қалай жұмыс істейді bge-m3 (1024‑өлшемді эмбеддингтер)?

BotHub-та bge-m3-ті сынап көріңіз — іздеу мен талдауға арналған жылдам семантикалық эмбеддингтер, рубльмен төлеу.

bge-m3 (1024‑өлшемді эмбеддингтер) туралы жиі қойылатын сұрақтар

Генерация нәтижелерін коммерциялық мақсатта пайдалана аласыз. Жасалған контентке барлық құқық сізге тиесілі. Жалғыз шектеу: сұрауда үшінші тараптардың авторлық құқықпен қорғалған материалдары пайдаланылмағанына көз жеткізіңіз. Кіріс деректерінің құқықтарын сақтау жауапкершілігі пайдаланушыға жүктеледі.

BGE M3 — эмбеддингтер генерациялауға арналған модель: мәтінді векторлық көріністерге түрлендіреді, семантикалық іздеуге, RAG, кластерлеуге, ұсыныстарға және құжаттарды индекстеуге сәйкес келеді. Оны векторлық базалармен және мағынасы бойынша іздеу жүйелерімен интеграциялау үшін қолданасыз.

BGE M3 сандық векторларды — эмбеддингтерді — API арқылы сандар массиві түрінде қайтарады. Модель 8192 токенге дейінгі мәтінді қабылдайды және векторлық ДБ-да (Qdrant, pgvector және т.б.) сақтауға және іздеуге ыңғайлы векторлық көріністі есептейді.

Біздің деректерде BGE M3 жауап бермес бұрын ойланатыны туралы ақпарат жоқ. Бұл мәтіннің семантикалық көріністерін құратын эмбеддингтер моделі, ол қадамдық ойлауды генерацияламайды; логикалық тізбектерді әдетте генерациялау моделі жүзеге асырады, эмбеддингтер емес.

Біздің деректерде модельдің function calling немесе құрылымдалған JSON-ды қолдайтыны туралы ақпарат жоқ. BGE M3 эмбеддингтерді сандар массиві ретінде қайтарады; функцияларды шақырумен және JSON қалыптастырумен интеграция әдетте API‑клиент немесе инфрақұрылым деңгейінде жүзеге асады.

Біздің деректерде мәтіннен басқа кіріс деректерін қабылдау туралы ақпарат жоқ. BGE M3 EMBEDDING деп белгіленген, сондықтан мәтіндік эмбеддингтермен жұмыс істеу қарастырылған; егер мультимодальдылық қажет болса, модель сипаттамаларын нақтылаңыз немесе арнайы мультимодальды эмбеддингтерді қолданыңыз.

Бізде BGE M3-тің орыс тілін түсіну сапасы туралы расталған деректер жоқ. Бұл эмбеддинг‑модель болғандықтан, оның орыс тілі үшін дәлдігі оқыту деректеріне және токендеуге байланысты; әдеттегі тапсырмалар бойынша өз тестілеуіңізді жүргізуді ұсынамыз.

Қолдау қызметі10:00-ден 18:00-ге дейін МСК жұмыс істейміз