bge-m3

bge-m3

把 100 多种语言的文字转成向量用于搜索，从短句到 8192 词元的文档都行。一个模型同时支持稠密、多向量和稀疏检索。由 BAAI 发布。

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-M3 是 BAAI 发布的嵌入模型，把文字转成向量，方便你搜索和比较段落。它的三大特点是多功能、多语言和多种输入长度。

一个模型提供三种检索方式：稠密、多向量和稀疏。它支持 100 多种语言，你给它的文字可以是一个短句，也可以是长达 8192 词元的长文档。

适合谁：适合构建多语言文字的搜索、问答或检索增强生成的开发者，也适合比较检索方法的研究者。

Industry | Who uses it | How they use it | Example
软件 | 构建 RAG 系统的团队 | 把文档和查询做成嵌入用于检索 | 跨语言找出相关段落
企业搜索 | 知识库构建者 | 把问题匹配到长文档 | 搜索最长 8192 词元的文件
研究 | 检索研究者 | 测试稠密、稀疏和多向量模式 | 把混合检索和单一模式对比

如果你需要会写文字的模型，可以跳过它，因为它只生成用于匹配的向量和词元权重。

用在哪里：

• 使用 sentence-transformers 或 FlagEmbedding 项目的 Python 程序
• Milvus 和 Vespa 之类的向量数据库，卡片说它们支持它的混合检索
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件

Use case | Who | What they get back
语义搜索 | 搜索开发者 | 跨语言按含义匹配的稠密向量
关键词式匹配 | 使用混合检索的团队 | 类似 BM25 的稀疏词元权重
长文档检索 | 知识库团队 | 最长 8192 词元输入的嵌入

如何设置：

• Python 和 pip
• 用来运行模型的 sentence-transformers 或 FlagEmbedding 库
• 如果想存储和搜索向量，需要一个向量数据库

1. 安装 Hugging Face 工具。
2. 下载模型文件。
3. 照模型卡片和 FlagEmbedding 项目，获取生成嵌入的代码。

pip install -U huggingface_hub
hf download BAAI/bge-m3

如何使用：用这个模型为你的文档和查询生成嵌入，然后比较它们。卡片推荐先混合检索、再重排序的流程。

Mode | What it does
稠密检索 | 比较整段文字的向量来看含义
多向量检索 | 每段文字保留多个向量，匹配更细
稀疏检索 | 给出类似 BM25 的词元权重，生成稠密嵌入时不用额外成本
重排序 | 检索之后用重排序模型过滤选出的文字

示例：你把一批多种语言的文档做成嵌入，再把一个问题也做成嵌入，按相似度给文档排序。然后用 bge-reranker 之类的重排序模型过滤靠前的结果，让准确度更高。

新手与专家：如果你刚接触嵌入，可以把这个模型看作把每段文字变成一串数字的工具，含义相近的文字，数字也靠得近。先给两个句子做嵌入再比较。

如果你熟悉这个领域，一个检查点就覆盖稠密、多向量和稀疏检索，所以不用第二个模型就能混合嵌入信号和词法信号。卡片推荐把混合检索和交叉编码器重排序搭配使用。

用 BGE-M3 给文档做嵌入
用稠密和稀疏信号检索
在混合检索里合并结果
用交叉编码器重排序

注意事项：

• Hugging Face 列出了别人做的 313 个量化版本和 597 个微调版本
• 卡片还列出相关模型，包括 bge-m3-unsupervised、bge-m3-retromae 和只支持英文的 bge-large-en-v1.5

Title: 最大输入长度，单位词元
bge-m3: 8192 词元
bge-m3-unsupervised: 8192 词元
bge-large-en-v1.5: 512 词元

• License: MIT
• Cost to run: 没有提到
• Data it reaches: 你做嵌入的文字，以及你下载的文件
• Not for: 生成文字，因为它产出的是向量和词元权重

Hugging Face 上的数据（2026年11月13日）

• 任务：sentence similarity
• 框架：sentence-transformers
• 最近 30 天下载：29,282,167
• 点赞：3,989
• 许可证：mit
• Quantized versions: 314
• Fine-tunes: 597
• 标签：sentence-transformers, pytorch, onnx, xlm-roberta, feature-extraction, sentence-similarity, text-embeddings-inference

链接

• 模型：https://huggingface.co/BAAI/bge-m3
• 文件：https://huggingface.co/BAAI/bge-m3/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-m3

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。