Source: https://ailoot.ai/models/pt-pt/baai-bge-m3/ Canonical: https://ailoot.ai/models/pt-pt/baai-bge-m3/ Language: pt-pt # BAAI: bge-m3 [Markdown](https://ailoot.ai/models/pt-pt/baai-bge-m3/index.md) · [JSON](https://ailoot.ai/models/pt-pt/baai-bge-m3/facts.json) ## [BAAI: bge-m3](https://ailoot.ai/models/pt-pt/baai-bge-m3/) BAAI BGE-M3 suporta recuperação densa, lexical esparsa e multivetor em mais de 100 línguas. A saída densa tem 1024 dimensões e a janela de 8192 tokens acomoda desde frases até documentos mais longos, sem exigir uma instrução de consulta. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `baai/bge-m3`](https://ailoot.ai/models/pt-pt/baai-bge-m3/#method-0) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. O BGE-M3 é o modelo multilingue de recuperação da BAAI, concebido em torno de três tipos de versatilidade: múltiplas funções de recuperação, múltiplas línguas e diferentes comprimentos de entrada. O fabricante documenta suporte para mais de cem línguas e entradas até 8192 tokens. O seu modelo unificado pode fornecer vetores densos, pesos lexicais esparsos e representações multivetoriais, pelo que um desenho de recuperação pode selecionar ou combinar mais do que um tipo de evidência. #### Três representações para a recuperação O modo denso mapeia um texto num único vetor de 1024 dimensões. Permite comparar o significado representado por uma consulta e por uma passagem. O modo esparso atribui pesos aos tokens presentes no texto para correspondência lexical. O modo multivetorial representa um texto com vários vetores e utiliza uma interação ao estilo ColBERT para comparar a consulta e o documento a um nível mais fino. Estas saídas têm papéis diferentes num índice de pesquisa. Um vetor denso fornece uma representação para uma passagem; um mapa esparso de pesos de tokens retém sinais lexicais; múltiplos vetores fornecem uma estrutura de comparação diferente. Os exemplos do produtor mostram como devolver as representações selecionadas e calcular pontuações para pares de textos. Trate a representação escolhida e o método de pontuação como uma parte deliberada da tarefa de recuperação. #### Texto multilingue e preparação da entrada O BGE-M3 não exige a adição da instrução de recuperação utilizada pelos modelos BGE anteriores. Prepare diretamente a consulta e as passagens de origem efetivas. Uma coleção de conhecimento multilingue pode manter cada passagem na sua língua original, com o identificador do documento e a respetiva variante linguística. Utilize perguntas reais de utilizadores, na combinação de línguas pretendida, ao verificar os resultados. Uma tarefa prática é pesquisar explicações de políticas, ajuda de produtos ou documentação técnica disponíveis em várias línguas. Mantenha os nomes, números de modelo e termos que importam para a pergunta. Uma representação lexical pode ajudar a preservar a correspondência nesses termos, enquanto uma representação densa fornece evidência semântica. A passagem recuperada deve incluir o texto e a localização na fonte que o leitor pode inspecionar. #### Documentos mais longos e granularidade A janela de entrada de 8192 tokens permite ao modelo representar material desde frases curtas até documentos mais longos. Escolha a granularidade em função da resposta que a pesquisa deve devolver. Uma secção completa pode preservar uma definição e as suas exceções; uma passagem mais pequena pode facilitar a localização de uma instrução específica. Uma janela longa torna essas escolhas possíveis, mas o vetor continua associado ao material efetivamente codificado. Mantenha cada passagem ligada ao seu documento principal e à respetiva versão. Num relatório extenso, preserve o título e a explicação envolvente da figura ou da conclusão relevante. Não se baseie apenas no título de um resultado de pesquisa quando a evidência está no corpo do texto. Se a fonte mudar, guarde metadados suficientes para atualizar as representações de recuperação correspondentes. #### Pontuações híbridas e utilização a jusante O fabricante recomenda uma recuperação híbrida seguida de uma fase separada de reordenação. Os seus exemplos calculam pontuações densas, esparsas e multivetoriais e formam combinações ponderadas. Selecione a combinação em função das perguntas e do vocabulário da coleção; um peso apresentado num exemplo não é uma definição universal para todos os corpora. Um resultado útil é um conjunto de candidatos cujas passagens de origem continuam disponíveis, com a representação e o método de ordenação registados. Um reordenador separado pode refinar esse conjunto, e uma fase separada de geração de texto pode utilizar o conteúdo das passagens. As capacidades esparsa e multivetorial do BGE-M3 são modos do modelo do produtor; o embedding denso, a saída lexical e a pontuação de pares são artefactos distintos, e não matrizes intercambiáveis. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `baai/bge-m3` [`baai/bge-m3`](https://ailoot.ai/models/pt-pt/#m=baai%2Fbge-m3&route=Ultra&caller=baai%2Fbge-m3&fmt=embeddings) BAAI /`baai/bge-m3` ### Introdução BAAI BGE-M3 suporta recuperação densa, lexical esparsa e multivetor em mais de 100 línguas. A saída densa tem 1024 dimensões e a janela de 8192 tokens acomoda desde frases até documentos mais longos, sem exigir uma instrução de consulta. Entradas aceites Texto · token\_ids Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Entrada `text`, `token_ids` Saída `embedding` Contexto 8194 tokens Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites baai/bge-m3 | Predefinição— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Lote homogéneo não vazio. Os IDs de tokens são números inteiros não negativos. Orçamento de entrada: Máximo: 8194 · Unidade de texto: bytes UTF8 · Unidade de tokens: elementos do array de tokens | Predefinição— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float | Predefiniçãofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNão suportado | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options rejeitado | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, input | | Parâmetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parâmetro`encoding_format` | Contratofloat | | Parâmetro`dimensions_override` | Contratofalse | | Parâmetro`max_input_budget_units` | Contrato8194 | | Parâmetro`multimodal_objects` | Contratofalse | | Parâmetro`material_types` | Contratotext, token\_ids | Ciclo de vida: `synchronous_json` Guarde o índice e a dimensão de cada vetor. O nome do modelo multimodal não permite objetos de imagem neste caminho exato. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração | Configuração | Tabela de tarifas | Custo | | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada **$0.00004** / 1K tokens Saída · Tokens de saída **$0** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${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) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Embeddings json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Guarde cada vetor com o respetivo índice. O número de vetores tem de ser igual ao número de entradas; as dimensões têm de ser consistentes. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`baai/bge-m3`](https://ailoot.ai/models/pt-pt/#m=baai%2Fbge-m3&route=Ultra&caller=baai%2Fbge-m3&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`baai/bge-m3`](https://ailoot.ai/models/pt-pt/#m=baai%2Fbge-m3&route=Ultra&caller=baai%2Fbge-m3&fmt=embeddings) FAQ · BAAI: bge-m3 Que entradas e resultados estão disponíveis? `POST /v1/embeddings` · `baai/bge-m3`: `text`, `token_ids` → `embedding` Que campos utiliza o pedido? `POST /v1/embeddings` · `baai/bge-m3`: `model`, `input`, `encoding_format`, `provider` Que limites se aplicam? `POST /v1/embeddings` · `baai/bge-m3`: `ctx`: `8194`; `input.budget.maximum`: `8194` (bytes UTF8); `input.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.