bge-small-zh-v1.5

bge-small-zh-v1.5

把中文文本变成稠密向量，用于搜索、分类、聚类和语义匹配。这是 BAAI 的 24M 参数 BGE 嵌入模型，MIT 许可证，F32 下约 96 MB。

由 BAAI 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：bge-small-zh-v1.5 是 BAAI 的小型中文文本嵌入模型，属于 FlagEmbedding 项目。它把一段文本映射成一小串数字，称为稠密向量。这些向量可用于检索、分类、聚类和语义搜索，也可以放进 LLM 应用使用的向量数据库。1.5 版的发布是为了让相似度分数的分布更合理，并让不加指令前缀的检索效果更好。

适合谁：如果你是为中文文本构建搜索或检索的开发者，想要一个下载小、运行快的模型，它就适合你。

行业 | 谁在用 | 怎么用 | 例子
搜索 | 构建文档搜索的团队 | 对文档和查询做嵌入，再比较向量 | 找到和一个问题相关的中文段落
客户支持 | 把问题匹配到答案的团队 | 对已保存的答案做嵌入，再查找最接近的一条 | 把客户的问题匹配到一条存好的回复
AI 应用 | 为 LLM 构建检索的开发者 | 把向量存进向量数据库 | 在询问模型之前取出相关的中文笔记

如果你的文本不是中文，可以跳过它，因为 Hugging Face 只列出了这个模型支持中文。

用在哪里：

• 使用 transformers 库的 Python 脚本
• 向量数据库和 Langchain 这类 LLM 工具，模型卡说它可以配合 BGE 模型使用
• 装有 Python 的 Windows、macOS 和 Linux

用例 | 谁 | 得到什么
语义搜索 | 搜索开发者 | 距离远近反映含义是否相近的向量
聚类 | 数据分析师 | 把相似文本分到一组的向量
分类 | 机器学习工程师 | 可用来训练小型分类器的特征

如何设置：
你需要先准备：

• Windows、macOS 或 Linux 上的 Python
• 模型卡使用说明部分提到的库
• 约 96 MB 的磁盘空间，用来放 F32 权重

1. 安装或更新 Hugging Face 下载客户端。
2. 把模型文件下载到你的电脑。
3. 按模型卡使用说明部分加载模型。
4. 对几句中文做嵌入，并比较向量。

pip install -U huggingface_hub
hf download BAAI/bge-small-zh-v1.5

如何使用：你把中文句子交给模型，每句得到一个向量。向量越接近，含义越接近。这里的文字在使用说明部分之前就被截断了，所以代码以及查询前缀是否有帮助，请参考完整的模型卡。

工具 | 作用
FlagEmbedding | BAAI 的项目，包含这个模型的代码、使用方法和微调
bge-reranker models | 交叉编码器，对嵌入模型返回的前几条结果重新排序，更准确但更慢
C-MTEB | 由 31 个测试数据集组成的中文嵌入模型基准
Langchain | 模型卡说它内置了对 BGE 模型的支持的框架
Query instruction | 检索查询的可选前缀，列在模型卡的模型表里

示例：你对三条已保存的中文答案和一个客户问题做嵌入。你把问题的向量和每个答案的向量比较，取最接近的答案作为最佳匹配。

新手与专家：嵌入把一句话变成数字，让含义相近的内容靠得近。可以先对两个相关的句子和一个不相关的句子做嵌入，再看哪一对最接近。

对熟悉这个领域的读者来说，这是一个稠密嵌入模型，模型卡说它的重排模型更准确但效率更低。模型卡建议用重排模型对嵌入模型返回的前几条结果重新排序。1.5 版针对的是第一版的相似度分布问题。

输入中文文本
模型把它变成向量
向量被比较或存储
返回最接近的匹配
重排模型可以对前几条结果重新排序

注意事项：

• 截断：这里的文字在模型卡的模型表中间结束，没有包含使用说明和评测。
• 版本：1.5 的模型目标是更合理的相似度分布。
• 重排：模型卡建议用重排模型对嵌入模型返回的前几条结果重新排序。
• 语言：Hugging Face 列出的是中文。
• 大小：24M 参数，F32 下约 96 MB。
• 版本：Hugging Face 列出别人做的 11 个量化版本和 12 个微调版本。
• License: MIT。
• Cost to run: 未提及。权重在 F32 下约 96 MB。
• Data it reaches: 你在自己机器上嵌入的文本。这里的文字没有提到联网使用。
• Not for: 其他语言的文本，因为模型卡单独列出了英文模型。

Hugging Face 上的数据（2026年11月13日）

• 任务：feature extraction
• 框架：transformers
• 参数量：24M
• Weights: about 96 MB in F32; about 12 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：2,944,941
• 点赞：171
• 许可证：mit
• 语言：zh
• Quantized versions: 11
• Fine-tunes: 12
• 标签：transformers, pytorch, safetensors, bert, feature-extraction, text-embeddings-inference

链接

• 模型：https://huggingface.co/BAAI/bge-small-zh-v1.5
• 文件：https://huggingface.co/BAAI/bge-small-zh-v1.5/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download BAAI/bge-small-zh-v1.5

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。