AI TOOLS RADAR
Senden
Alle Modelle / BAAI
baai logo
baai

BAAI: bge-m3

Beschreibung der Quelle (Englisch)

The bge-m3 embedding model encodes sentences, paragraphs, and long documents into a 1024-dimensional dense vector space, delivering high-quality semantic embeddings optimized for multilingual retrieval, semantic search, and large-context applications.

Quelle bei OpenRouter ansehen Hugging Face
Überblick

Modellspezifikationen

Kontext
8.194 tokens
Maximale Ausgabe
7.374 tokens
Architektur
text->embeddings
Tokenizer
Other
Wissensstand
Nicht angegeben
Moderiert
Nein
OPENROUTER

Vollständige Preise

Mit OpenRouter synchronisierte Preise; Tokenpreise gelten pro eine Million Token.

Eingabe
$0.01
pro 1 Mio. Token
API

Schnellstart

Setzen Sie OPENROUTER_API_KEY lokal. Python benötigt requests; JavaScript läuft in Node.js. Bewahren Sie den Schlüssel auf dem Server auf.

API-Dokumentation

curl --fail-with-body https://openrouter.ai/api/v1/embeddings \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"baai/bge-m3","input":"Your text here"}'
Fähigkeiten und Modalitäten

Eingabe → Ausgabe

Eingabe
text
Ausgabe
embeddings
API

Unterstützte API-Parameter

Verfügbare Anbieter

2 Anbieter

Geprüft: 16. September 2026

Live-Anbieter bei OpenRouter

Verfügbarkeit, Latenz, Durchsatz und Routing ändern sich laufend. Aktuelle Betriebsdaten stehen auf der Quellseite.

OpenRouter

Parasail

Nicht angegeben
Kontext
8K
Maximale Ausgabe
7K
Eingabe
$0.01
Ausgabe
Kostenlos
Cache-Lesen
Nicht angegeben
Cache-Schreiben
Nicht angegeben

DeepInfra

fp32
Kontext
8K
Maximale Ausgabe
7K
Eingabe
$0.01
Ausgabe
Kostenlos
Cache-Lesen
Nicht angegeben
Cache-Schreiben
Nicht angegeben
baai

2 Modelle

Alle Modelle
baai logobaai

BAAI: bge-base-en-v1.5

The bge-base-en-v1.5 embedding model converts English sentences and paragraphs into 768-dimensional dense vectors, delivering efficient, high-quality semantic embeddings optimized for retrieval, semantic search, and document-matching workflows. This version (v1.5) features...

Kontext
1K
Eingabe
text
Ausgabe
embeddings
Eingabe: $0.005pro 1 Mio. Token
Modelldetails ansehen →
baai logobaai

BAAI: bge-large-en-v1.5

The bge-large-en-v1.5 embedding model maps English sentences, paragraphs, and documents into a 1024-dimensional dense vector space, delivering high-fidelity semantic embeddings optimized for semantic search, document retrieval, and downstream NLP tasks...

Kontext
1K
Eingabe
text
Ausgabe
embeddings
Eingabe: $0.01pro 1 Mio. Token
Modelldetails ansehen →