固定版本资料核对 · 2026-10-19
用途、接入与验证要点
BGE-M3 将文本编码为检索表示，适合多语言知识库召回，支持稠密、稀疏和多向量检索。它负责找资料，答案仍需其他环节组织。
- 适配工具
- FlagEmbedding 的 BGEM3FlagModel；稠密向量也可按作者说明使用 Sentence Transformers。
- 仓库文件格式
- .bin、.onnx、.pt
- 配置中的架构
- XLMRobertaModel
- 本版本许可
- MIT
按本固定版本模型卡与许可文件核对使用、修改和分发条件。
用自己的材料做一次核对
下面是编写的任务输入与输出类型说明，并非本站推理实测结果。
练习输入
查询：报销需要哪些资料？候选资料：需提交发票和审批记录；另一段介绍库房盘点时间。
输出与核对
得到查询与资料的检索表示，再比较相关性；相似度数值需要实际运行，不能把分数当事实可信度。
使用限制与环境确认
- 仅编码和检索，不直接完成生成式问答；知识库分段与检索评估仍需另做。
- 稠密、稀疏与多向量输出是不同接口，接入工具应匹配所用模式。
- 按自己的设备、精度、输入长度和框架验证资源占用；这里没有本站实测的显存、速度或并发保证。
查看本版本资料文件核对记录
来源：Hugging Face · 固定提交：5617a9f61b028005a4858fdac845db406aefb181
原作者仓库 · 核对的说明文件 · config.json
已读取文件大小：687 字节
SHA-256：26159e7ad065073448460117eb24b7a4572f6f4e78eadff65dc0a11c052449fa
此记录验证资料文件读取，不代表完整权重下载或模型推理测试。不同来源的提交号不能混用。
适合用来做什么
先找出与问题相关的文档，再交给聊天模型组织答案。
可用于按需求寻找相关内容，不局限于相同关键词。
适合需要处理中文、英文等多语言文本的检索系统。
将句子或文档编码后，计算其相似程度。
主要参数与能力
- 稠密向量维度
- 1024
- 最大输入长度
- 8192 tokens
- 语言覆盖
- 100 多种语言
- 检索方式
- 稠密、稀疏、多向量
tokens 不等于汉字数；实际处理速度和资源需求与文本长度、批量大小及运行方式有关。
下载后怎么使用
作者提供 FlagEmbedding 用法，也支持通过 sentence-transformers 等工具生成稠密向量。下载的是原仓库文件，并非可双击使用的软件；还需配置推理工具和检索流程。
本页没有实测你的设备，不标注未经验证的最低显存或速度。它不是对话模型，也不能单独保证检索结果一定相关。
资料依据：国内镜像模型说明 · 整理日期：2026-09-17。场景说明是能力应用示例，不是本站性能测试结果。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。