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.

Zobacz źródło w OpenRouter Hugging Face

Przegląd

Specyfikacja modelu

Kontekst: 8194 tokens
Maksymalne wyjście: 7374 tokens
Architektura: text->embeddings
Tokenizer: Other
Granica wiedzy: Brak danych
Moderowany: Nie

OPENROUTER

Pełny cennik

Stawki zsynchronizowane z OpenRouter, za milion tokenów.

Wejście: $0.01

API

Szybki start

Wywołaj ten model przez zgodne z OpenAI API OpenRouter.

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"}'

Możliwości i modalności

Wejście → Wyjście

Wejście

text

Wyjście

embeddings

API

Obsługiwane parametry API

frequency_penaltylogit_biasmax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p

Dostępni dostawcy

2 dostawców

Dostawcy na żywo w OpenRouter

Dostępność, opóźnienie, przepustowość i routing stale się zmieniają. Aktualne dane są na stronie źródłowej.

OpenRouter

Parasail

unknown

Kontekst: 8K
Maksymalne wyjście: 7K
Wejście: $0.010
Wyjście: Bezpłatnie
Odczyt pamięci podręcznej: Brak danych
Zapis pamięci podręcznej: Brak danych

DeepInfra

fp32

Kontekst: 8K
Maksymalne wyjście: 7K
Wejście: $0.010
Wyjście: Bezpłatnie
Odczyt pamięci podręcznej: Brak danych
Zapis pamięci podręcznej: Brak danych

baai

modele

Wszystkie modele

baai

Opublikowano 18 lis 2025

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...

Kontekst: 1K
Wejście: text
Wyjście: embeddings

Wejście: $0.0050Wyjście: Bezpłatnieza milion tokenów

Zobacz szczegóły modelu →

baai

Opublikowano 18 lis 2025

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...

Kontekst: 1K
Wejście: text
Wyjście: embeddings

Wejście: $0.010Wyjście: Bezpłatnieza milion tokenów

Zobacz szczegóły modelu →