baai

BAAI: bge-m3

Name: BAAI: bge-m3
Creator: baai
Published: 2025-11-18T00:06:12.000Z

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. Priced at $0.01 per M tokens. 8,194 token context window, maximum output of 8,194 tokens. Higher uptime with 2 providers.

OpenRouterで出典を見る Hugging Face

概要

モデル仕様

コンテキスト: 8,194 tokens
最大出力: 7,374 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: $0.01

API

クイックスタート

OpenRouterのOpenAI互換APIでこのモデルIDを呼び出します。

curl 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"}'

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

frequency_penaltylogit_biasmax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p

利用可能なプロバイダー

2 プロバイダー

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

Parasail

unknown

コンテキスト: 8K
最大出力: 7K
入力: $0.010
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

DeepInfra

fp32

コンテキスト: 8K
最大出力: 7K
入力: $0.010
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

モデル

すべてのモデル

baai

公開日 2025/11/18

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...

コンテキスト: 1K
入力: text
出力: embeddings

入力: $0.0050出力: 無料100万トークンあたり

モデル詳細を見る →

baai

公開日 2025/11/18

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: $0.010出力: 無料100万トークンあたり

モデル詳細を見る →