固定版本资料核对 · 2026-11-13
用途、接入与验证要点
BGE-Code-v1 将自然语言问题与代码片段编码为向量，可用于按功能寻找代码、代码文档匹配和中英文代码检索。它负责召回候选代码，不会直接执行或修复代码。
- 适配工具
- 按模型卡使用 FlagEmbedding 的 FlagLLMModel 或 Sentence Transformers；查询带任务指令，代码资料分别编码。若加载方式要求 trust_remote_code，应先审阅对应固定版本代码。
- 仓库文件格式
- .safetensors
- 配置中的架构
- Qwen2Model
- 本版本许可
- Apache-2.0
固定版本模型卡标注 Apache-2.0；被检索代码的许可与仓库访问权限需要分别核对。
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：查找把日期字符串转换为日期对象的 Python 函数。候选资料包含日期解析、价格计算和文件排序三个脱敏函数；保留函数实现、说明与文件位置。
输出与核对
比较查询与三个候选片段的相关性，检查日期解析函数能否被召回，再人工核对格式和异常处理。相似度不是单元测试结果，也不能证明找到的函数可直接用于当前项目。
使用限制与环境确认
- 查询指令应描述实际检索任务；作者示例中的 SQL 指令不能直接套到所有代码库。
- 向量召回不验证执行效果、接口契约或授权情况；返回片段仍需代码审查和项目测试。
- 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：bd67852057c5d7ddcc7b8234d9d6c410117ed851
原作者仓库 · 核对的说明文件 · config.json
已读取文件大小：711 字节
SHA-256：fa661128c559d1657bfc2a2467286d1e17b5f9eb36ffa01eac5a6ee6d99c1ed9
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。
模型介绍
中文整理# FlagEmbedding 模型卡片
模型用途
BGE-Code-v1是基于LLM的代码嵌入模型，支持代码检索、文本检索和多语言检索。
## 主要能力
- *优秀的代码检索性能**：模型展现出卓越的代码检索能力，支持英语和中文的自然语言查询，以及20种编程语言。
- *强大的文本检索能力**：模型保持了与同规模文本嵌入模型相当的强劲文本检索能力。
- *广泛的多语言支持**：BGE-Code-v1提供全面的多语言检索能力，在英语、中文、日语、法语等多种语言上表现优异。
运行要求
使用FlagEmbedding时，默认会使用所有可用GPU进行编码。如需选择特定GPU，请设置os.environ["CUDA_VISIBLE_DEVICES"]。如需禁用所有GPU，可设置os.environ["CUDA_VISIBLE_DEVICES"]=""
基本用法
提供三种使用方式：FlagEmbedding、Sentence Transformers和HuggingFace Transformers。
## 评估结果
BGE-Code-v1在CoIR和CodeRAG基准测试上均达到了最先进的性能。
- *CoIR基准测试平均分**：BGE-Code-v1得分81.77，优于CodeXEmbed-2B（75.65）、CodeXEmbed-7B（78.20）、Voyage-Code-002（78.53）等对比模型。
- *CodeRAG基准测试平均分**：BGE-Code-v1得分72.8，优于SFR（67.0）、Jina-v2-code（65.4）、CodeXEmbed-2B（64.6）、Voyage-Code-002（63.7）等对比模型。
许可证
如发现该仓库有用，请考虑给个star并引用。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
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。