Source: https://ailoot.ai/models/ms/baai-bge-m3/
Canonical: https://ailoot.ai/models/ms/baai-bge-m3/
Language: ms

# BAAI: bge-m3

[Markdown](https://ailoot.ai/models/ms/baai-bge-m3/index.md) · [JSON](https://ailoot.ai/models/ms/baai-bge-m3/facts.json)

## [BAAI: bge-m3](https://ailoot.ai/models/ms/baai-bge-m3/)

BAAI BGE-M3 menyokong perolehan dense, sparse lexical dan multi-vector dalam lebih 100 bahasa. Output dense-nya mempunyai 1024 dimensi, dan tetingkap 8192 tokennya menampung ayat hingga dokumen lebih panjang tanpa arahan pertanyaan wajib.

- [**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `baai/bge-m3`](https://ailoot.ai/models/ms/baai-bge-m3/#method-0)

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

BGE-M3 ialah model pemerolehan semula berbilang bahasa BAAI yang direka berdasarkan tiga jenis kepelbagaian: pelbagai fungsi pemerolehan semula, pelbagai bahasa dan panjang input berbeza. Pengeluar mendokumenkan sokongan untuk lebih daripada seratus bahasa dan input sehingga 8192 token. Model bersepadunya boleh menyediakan vektor padat, pemberat leksikal jarang dan perwakilan berbilang vektor, maka reka bentuk pemerolehan semula boleh memilih atau menggabungkan lebih daripada satu jenis bukti.

#### Tiga perwakilan untuk pemerolehan semula

Mod padat memetakan teks kepada satu vektor 1024 dimensi. Ia menyokong perbandingan makna yang diwakili oleh pertanyaan dan petikan. Mod jarang memberikan pemberat kepada token yang hadir dalam teks untuk pemadanan leksikal. Mod berbilang vektor mewakili teks dengan beberapa vektor dan menggunakan interaksi ala ColBERT untuk membandingkan pertanyaan dan dokumen pada peringkat lebih terperinci.

Output ini mempunyai peranan berbeza dalam indeks carian. Vektor padat menyediakan satu perwakilan untuk petikan; peta pemberat token jarang mengekalkan isyarat leksikal; beberapa vektor menyediakan struktur perbandingan berbeza. Contoh pengeluar menunjukkan pengembalian perwakilan terpilih dan pengiraan skor untuk pasangan teks. Jadikan perwakilan serta kaedah penskoran terpilih sebagai bahagian tugas pemerolehan semula yang ditentukan dengan sengaja.

#### Teks berbilang bahasa dan penyediaan input

BGE-M3 tidak memerlukan penambahan arahan pemerolehan semula yang digunakan model BGE terdahulu. Sediakan pertanyaan dan petikan sumber sebenar secara langsung. Koleksi pengetahuan berbilang bahasa boleh mengekalkan setiap petikan dalam bahasa asalnya, bersama pengecam dokumen dan locale. Gunakan soalan pengguna sebenar daripada campuran bahasa sasaran ketika memeriksa hasil.

Tugas praktikal ialah mencari penerangan dasar, bantuan produk atau dokumentasi teknikal yang disimpan dalam beberapa bahasa. Kekalkan nama, nombor model dan istilah yang penting bagi soalan. Perwakilan leksikal boleh membantu mengekalkan padanan istilah itu, manakala perwakilan padat membekalkan bukti semantik. Petikan yang diperoleh semula perlu merangkumi teks dan lokasi sumber yang boleh diperiksa pembaca.

#### Dokumen lebih panjang dan aras perincian

Tetingkap input 8192 token membolehkan model mewakili bahan daripada ayat pendek hingga dokumen lebih panjang. Pilih aras perincian berdasarkan jawapan yang patut dikembalikan carian. Bahagian lengkap boleh mengekalkan takrif dan pengecualiannya; petikan lebih kecil boleh memudahkan pencarian arahan tertentu. Tetingkap panjang memungkinkan pilihan itu, tetapi vektor tetap dikaitkan dengan bahan yang benar-benar dikodkan.

Pastikan setiap petikan dipautkan kepada dokumen induk dan versinya. Untuk laporan panjang, kekalkan tajuk dan penerangan sekeliling bagi angka atau kesimpulan berkaitan. Jangan bergantung pada tajuk hasil carian sahaja apabila bukti berada dalam isi. Jika sumber berubah, simpan metadata yang mencukupi untuk mengemas kini perwakilan pemerolehan semula yang sepadan.

#### Skor hibrid dan penggunaan hiliran

Pengeluar mengesyorkan pemerolehan semula hibrid diikuti peringkat penyusunan semula kedudukan yang berasingan. Contohnya mengira skor padat, jarang dan berbilang vektor serta membentuk gabungan berwajaran. Pilih gabungan berdasarkan soalan dan kosa kata koleksi; pemberat yang ditunjukkan dalam contoh bukan tetapan sejagat untuk setiap korpus.

Hasil berguna ialah set calon dengan petikan sumber yang kekal tersedia, bersama perwakilan dan kaedah penentuan kedudukan yang direkodkan. Penyusun semula kedudukan berasingan boleh memperhalus set itu dan peringkat penjanaan teks berasingan boleh menggunakan kandungan petikan. Keupayaan jarang dan berbilang vektor BGE-M3 ialah mod model pengeluar; embedding padat, output leksikal dan skor pasangan merupakan artifak berbeza, bukannya tatasusunan yang boleh saling ditukar ganti.

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `baai/bge-m3`

[`baai/bge-m3`](https://ailoot.ai/models/ms/#m=baai%2Fbge-m3&route=Ultra&caller=baai%2Fbge-m3&fmt=embeddings)

BAAI /`baai/bge-m3`

### Pengenalan

BAAI BGE-M3 menyokong perolehan dense, sparse lexical dan multi-vector dalam lebih 100 bahasa. Output dense-nya mempunyai 1024 dimensi, dan tetingkap 8192 tokennya menampung ayat hingga dokumen lebih panjang tanpa arahan pertanyaan wajib.

Input yang diterima

Teks · token\_ids

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings`

Input

`text`, `token_ids`

Output

`embedding`

Konteks

8,194 tokens

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had baai/bge-m3 | Lalai— |
| Medan`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif. Bajet input: Maksimum: 8,194 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token | Lalai— |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float | Lalaifloat |
| Medan`dimensions` | Jenis`integer` | KeperluanTidak disokong | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`session_id` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`trace` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`provider` | Jenis`object` | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input |
| Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Kontrakfloat |
| Parameter`dimensions_override` | Kontrakfalse |
| Parameter`max_input_budget_units` | Kontrak8194 |
| Parameter`multimodal_objects` | Kontrakfalse |
| Parameter`material_types` | Kontraktext, token\_ids |

Kitar hayat: `synchronous_json`

Simpan setiap indeks dan dimensi vektor.

Nama model multimodal tidak bermakna objek imej dibenarkan pada laluan khusus ini.

### Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas

Kadar standard Apabila mod pantas dipilih

Mod flex

Kadar standard Apabila mod flex dipilih

Usaha penaakulan maksimum

Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default

#### Kadar Ailoot

#### Harga mengikut konfigurasi

| Konfigurasi | Jadual kadar | Caj |
| --- | --- | --- |
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input **$0.00004** / 1K token Output · Token output **$0** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token |

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Pembenaman

curlPython SDK

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "baai/bge-m3", "input": ["First document", "Second document"]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

```python
from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='baai/bge-m3',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
```

### Terima dan simpan hasil

#### Ailoot Ultra · Pembenaman

json

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor bersama indeksnya. Bilangan vektor mesti sama dengan bilangan input; dimensi mesti konsisten.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`object` | Jenisstring |
| Medan`model` | Jenisstring |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\] |
| Medan`usage` | Jenisobject |

Ralat dan langkah seterusnya

| Respons | Syarat | Langkah seterusnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |

### Alias

#### Alias model

**Ailoot Ultra** [`baai/bge-m3`](https://ailoot.ai/models/ms/#m=baai%2Fbge-m3&route=Ultra&caller=baai%2Fbge-m3&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

[`baai/bge-m3`](https://ailoot.ai/models/ms/#m=baai%2Fbge-m3&route=Ultra&caller=baai%2Fbge-m3&fmt=embeddings)

FAQ · BAAI: bge-m3

Apakah input dan hasil yang tersedia?

`POST /v1/embeddings` · `baai/bge-m3`: `text`, `token_ids` → `embedding`

Apakah medan yang digunakan oleh permintaan?

`POST /v1/embeddings` · `baai/bge-m3`: `model`, `input`, `encoding_format`, `provider`

Apakah had yang terpakai?

`POST /v1/embeddings` · `baai/bge-m3`: `ctx`: `8194`; `input.budget.maximum`: `8194` (bait UTF8); `input.min_items`: `1`

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

## Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

## Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan

Pilih pelan berdiskaun untuk permintaan berkala anda.

Kod promosi sehingga 50%

Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.

Perbelanjaan dalam sejarah

Model, token dan jumlah disimpan bagi setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/)

## Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial

Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.

Lesen penjual semula

Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.

Dokumen pada laman

Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

[Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.