bge-small-en-v1.5

bge-small-en-v1.5

BAAI 的小型英文文本嵌入模型，把句子变成向量，用于搜索和检索。约 33M 参数，属于 FlagEmbedding 项目。

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-en-v1.5 是 BAAI 的小型英文嵌入模型。它把一个句子或段落变成一串数字组成的向量，让意思相近的文本在向量空间里靠得更近。它有 33.4M 参数，属于 FlagEmbedding 项目，该项目以面向语言模型的检索为核心。

适合谁：适合用英文构建搜索、问答或检索增强应用、想用轻量模型的开发者。它体积小，在配置一般的硬件上也容易运行。

行业 | 谁在用 | 怎么用 | 例子
软件 | 应用开发者 | 给产品加上语义搜索 | 嵌入帮助文章，并把它们与用户的问题匹配
AI 应用 | 检索增强工具的构建者 | 为语言模型取回相关段落 | 嵌入一组文档，再查找最接近的片段
数据工作 | 分析师 | 把相似的文本归到一起 | 按含义对客服工单聚类
研究 | 自然语言处理研究人员 | 微调或比较嵌入模型 | 从这个小模型出发，用你自己的文本对训练它

如果你需要其他语言或很长的文本，可以跳过它。模型卡把更多语言、更长输入和其他检索方法指向 bge-m3。

用在哪里：

• Windows、macOS 和 Linux 上的 Python，通过 sentence-transformers 库
• 比较向量的检索流水线
• 重排序环境，模型卡建议对排名靠前的结果使用它的重排序模型

Use case | Who | What they get back
语义搜索 | 开发者 | 可用来比较并找出最接近文本的向量
为语言模型做检索 | AI 构建者 | 与问题最相似的段落
聚类 | 分析师 | 含义相近的文本分组

如何设置：你需要 Python 和少量磁盘空间。

• Windows、macOS 或 Linux 上的 Python
• sentence-transformers 库
• F32 权重约 133 MB

1. 如果还没有 Python，先安装它。
2. 安装 Hugging Face hub 工具。
3. 下载模型文件，或者让你的库按名称自动获取。

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

如何使用：这里看到的那部分模型卡没有代码。实际用法是通过 sentence-transformers 按名称加载模型，把你的文本编码成向量，再比较向量，按相似度排序。

示例：你把一个用户问题和一组帮助文章编码，然后比较向量。与问题最接近的文章会排在最前面。

新手与专家：嵌入就是用一串数字代表一段文本的含义。比较两串数字，就能知道两段文本有多相像。第一步很小：嵌入两个你知道相关的句子和一个不相关的句子，看看哪一对得分最接近。

1.5 版让相似度分数的分布更均匀，并在不加指令时提升检索效果。模型卡称 2023 年发布的小型和基础型号在同等规模的模型中表现最好。为了得到更好的排序，模型卡建议对嵌入模型返回的靠前结果再运行一个 bge 重排序模型。

按名称加载模型
把你的文本编码成向量
比较向量的相似度
排序或取回最接近的文本

注意事项：

• 这是一个英文模型，有 33.4M 参数。
• 别人已经发布了 41 个量化版本和 555 个微调版本。
• 模型卡列出了 FlagEmbedding 的其他部分，包括重排序模型、长上下文工作和一个基准。
• License: MIT。
• Cost to run: 未提及。
• Data it reaches: 你嵌入的文本，以及从 Hugging Face 下载的文件。
• Not for: 英文以外的语言，对此模型卡建议用 bge-m3。

Hugging Face 上的数据（2026年11月13日）

• 任务：feature extraction
• 框架：sentence-transformers
• 参数量：33.4M
• Weights: about 133 MB in F32; about 17 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：45,750,548
• 点赞：671
• 许可证：mit
• 语言：en
• Quantized versions: 42
• Fine-tunes: 556
• 标签：sentence-transformers, pytorch, onnx, safetensors, bert, feature-extraction, sentence-similarity, transformers, mteb, model-index, text-embeddings-inference

链接

• 模型：https://huggingface.co/BAAI/bge-small-en-v1.5
• 文件：https://huggingface.co/BAAI/bge-small-en-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-en-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。