AI TOOLS RADAR
投稿
すべてのモデル / BAAI
baai logo
baai

BAAI: bge-base-en-v1.5

出典の説明（英語）

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...

OpenRouterで出典を見る Hugging Face
概要

モデル仕様

コンテキスト
512 tokens
最大出力
460 tokens
アーキテクチャ
text->embeddings
トークナイザー
Other
知識カットオフ
情報なし
モデレーション
いいえ
OPENROUTER

料金の詳細

OpenRouterと同期した料金です。トークン料金は100万トークン単位です。

入力
$0.005
100万トークンあたり
API

クイックスタート

ローカルにOPENROUTER_API_KEYを設定してください。Pythonにはrequestsが必要です。JavaScriptはNode.jsで実行し、キーはサーバー側で管理してください。

APIドキュメント

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-base-en-v1.5","input":"Your text here"}'
機能とモダリティ

入力 → 出力

入力
text
出力
embeddings
API

対応APIパラメータ

利用可能なプロバイダー

1 プロバイダー

確認日: 2026年9月16日

OpenRouterでプロバイダーを見る

可用性、遅延、スループット、ルーティングは常時変化します。最新情報は出典ページで確認してください。

OpenRouter

DeepInfra

情報なし
コンテキスト
1K
最大出力
0K
入力
$0.005
出力
無料
キャッシュ読込
情報なし
キャッシュ書込
情報なし
baai

2 モデル

すべてのモデル
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...

コンテキスト
1K
入力
text
出力
embeddings
入力: $0.01100万トークンあたり
モデル詳細を見る →
baai logobaai

BAAI: bge-m3

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.

コンテキスト
8K
入力
text
出力
embeddings
入力: $0.01100万トークンあたり
モデル詳細を見る →