BAAI: bge-m3

BAAI BGE-M3 поддерживает плотный, разреженный лексический и многовекторный поиск более чем на 100 языках. Плотный выход имеет 1024 измерения, а окно в 8192 токена вмещает как предложения, так и более длинные документы без обязательной инструкции к поисковому запросу.

Ailoot Ultra · Эмбеддинги POST /v1/embeddings baai/bge-m3

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

BGE-M3 — многоязычная поисковая модель BAAI, созданная вокруг трёх видов универсальности: нескольких поисковых функций, нескольких языков и разных длин входа. Производитель документирует поддержку более ста языков и входов до 8192 токенов. Единая модель может предоставлять плотные векторы, разреженные лексические веса и многовекторные представления, поэтому в поиске можно выбирать или сочетать несколько видов свидетельств.

Три представления для поиска

Плотный режим отображает текст в один 1024-мерный вектор. Он поддерживает сравнение смысла, представленного запросом и фрагментом. Разреженный режим назначает веса присутствующим в тексте токенам для лексического сопоставления. Многовекторный режим представляет текст несколькими векторами и использует взаимодействие в стиле ColBERT для сравнения запроса и документа на более детальном уровне.

Эти выходы имеют разные роли в поисковом индексе. Плотный вектор предоставляет одно представление фрагмента; разреженное отображение весов токенов сохраняет лексические сигналы; несколько векторов дают другую структуру сравнения. Примеры производителя показывают возврат выбранных представлений и вычисление оценок для пар текстов. Рассматривайте выбранное представление и метод оценивания как осознанную часть поисковой задачи.

Многоязычный текст и подготовка входа

BGE-M3 не требует добавления поисковой инструкции, использовавшейся ранними моделями BGE. Готовьте запрос и реальные исходные фрагменты напрямую. Многоязычная коллекция знаний может сохранять каждый фрагмент на исходном языке с идентификатором документа и локалью. Используйте реальные вопросы пользователей из целевого сочетания языков при проверке результатов.

Практическая задача — искать пояснения правил, помощь по продукту или техническую документацию на нескольких языках. Сохраняйте имена, номера моделей и термины, важные для вопроса. Лексическое представление может помогать сохранять совпадение по этим терминам, а плотное — предоставлять семантические свидетельства. Извлечённый фрагмент должен включать текст и местоположение источника, которые читатель может проверить.

Более длинные документы и размер фрагментов

Входное окно 8192 токена позволяет модели представлять материал от коротких предложений до более длинных документов. Выбирайте размер фрагментов вокруг ответа, который должен вернуть поиск. Целый раздел может сохранять определение и его исключения; меньший фрагмент может облегчить нахождение конкретной инструкции. Длинное окно делает эти варианты возможными, но вектор остаётся связанным с реально закодированным материалом.

Сохраняйте связь каждого фрагмента с родительским документом и версией. Для длинного отчёта сохраняйте заголовок и окружающее объяснение соответствующего показателя или вывода. Не полагайтесь только на заголовок результата поиска, когда свидетельства находятся в основном тексте. Если источник меняется, сохраняйте достаточно метаданных для обновления соответствующих поисковых представлений.

Гибридные оценки и последующее использование

Производитель рекомендует гибридный поиск с последующим отдельным этапом перерангирования. Его примеры вычисляют плотные, разреженные и многовекторные оценки и формируют взвешенные комбинации. Выбирайте комбинацию с учётом вопросов и словаря коллекции; вес из примера не является универсальной настройкой для любого корпуса.

Полезный результат — набор кандидатов с доступными исходными фрагментами и зафиксированными представлением и методом ранжирования. Отдельный реранкер может уточнить этот набор, а отдельный этап генерации текста — использовать содержимое фрагментов. Разреженные и многовекторные возможности BGE-M3 — режимы модели у производителя; плотный эмбеддинг, лексический вывод и оценка пары являются разными артефактами, а не взаимозаменяемыми массивами.

Ailoot Ultra · Эмбеддинги POST /v1/embeddings baai/bge-m3

baai/bge-m3

BAAI /baai/bge-m3

Начало

Допустимые входные данные: Текст · token_ids
Результаты: embedding

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Эмбеддинги POST /v1/embeddings

Входные данные: text, token_ids
Результат: embedding
Контекст: 8 194 tokens
Выходной формат: json

Поле	Тип	Требование	Значения и ограничения	По умолчанию
Поле`model`	Тип`string`	ТребованиеОбязательно	Значения и ограничения baai/bge-m3	По умолчанию—
Поле`input`	Тип`string\|string[]\|integer[]\|integer[][]`	ТребованиеОбязательно	Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 8 194 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов	По умолчанию—
Поле`encoding_format`	Тип`string`	ТребованиеНеобязательно	Значения и ограничения float	По умолчаниюfloat
Поле`dimensions`	Тип`integer`	ТребованиеНе поддерживается	Значения и ограничения Минимум: 1	По умолчанию—
Поле`user`	Тип`json_value`	ТребованиеНеобязательно	Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели.	По умолчанию—
Поле`session_id`	Тип`json_value`	ТребованиеНеобязательно	Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели.	По умолчанию—
Поле`trace`	Тип`json_value`	ТребованиеНеобязательно	Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели.	По умолчанию—
Поле`provider`	Тип`object`	ТребованиеНеобязательно	Значения и ограничения Условия: provider.options отклоняется	По умолчанию—

Сочетания входных материалов

text_to_embedding

Параметры и жизненный цикл метода

Параметр	Контракт
Параметр`content_type`	Контрактapplication/json
Параметр`required`	Контрактmodel, input
Параметр`input_shapes`	Контрактstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Параметр`encoding_format`	Контрактfloat
Параметр`dimensions_override`	Контрактfalse
Параметр`max_input_budget_units`	Контракт8194
Параметр`multimodal_objects`	Контрактfalse
Параметр`material_types`	Контрактtext, token_ids

Жизненный цикл: synchronous_json

Сохраняйте индекс и размерность каждого вектора.

Название мультимодальной модели не означает допуск объектов изображений на этом конкретном маршруте.

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим: Стандартный тариф При выборе быстрого режима
Режим flex: Стандартный тариф При выборе режима flex
Максимальная интенсивность рассуждений: Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

Конфигурация	Шкала ставок	Плата
КонфигурацияБазовые ставки за токены	Шкала ставокБазовая ставка	Плата Вход · Входные токены $0.00004 / 1K токенов Выход · Выходные токены $0 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Эмбеддинги

curlPython SDK

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

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)

Получить и сохранить результаты

Ailoot Ultra · Эмбеддинги

json

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте каждый вектор с его индексом. Число векторов должно совпадать с числом входных элементов; размерности должны быть согласованы.

Если нужно проверить исходный ответ

Отдельный эндпоинт заданий эмбеддингов не вводится.

Поля ответа

Поле	Тип
Поле`object`	Типstring
Поле`model`	Типstring
Поле`data[].index`	Типinteger
Поле`data[].embedding`	Типfinite float[]
Поле`usage`	Типobject

Ошибки и дальнейшие шаги

Ответ	Условие	Следующий шаг
Ответ400 · `invalid_request_error`	УсловиеНеверные обязательные поля, представление материалов или значение параметра	Следующий шагИсправьте указанные поля перед новым запросом на создание.

Псевдонимы

Псевдонимы моделей

Ailoot Ultra baai/bge-m3

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

baai/bge-m3

FAQ · BAAI: bge-m3

Какие входные данные и результаты доступны?: POST /v1/embeddings · baai/bge-m3: text, token_ids → embedding
Какие поля использует запрос?: POST /v1/embeddings · baai/bge-m3: model, input, encoding_format, provider
Какие ограничения действуют?: POST /v1/embeddings · baai/bge-m3: ctx: 8194; input.budget.maximum: 8194 (байты UTF8); input.min_items: 1

BAAI: bge-m3

BAAI: bge-m3

Три представления для поиска

Многоязычный текст и подготовка входа

Более длинные документы и размер фрагментов

Гибридные оценки и последующее использование

Начало

Доступно в Ailoot · входные данные и методы

Тарифы

Ставки Ailoot

Цены по конфигурациям

Примеры запросов

Ailoot Ultra · Эмбеддинги

Получить и сохранить результаты

Ailoot Ultra · Эмбеддинги

Сохраняйте все готовые результаты

Если нужно проверить исходный ответ

Псевдонимы

Псевдонимы моделей

Псевдонимы путей метода

Связанные ID для вызова

Компания и портфель её проектов

Покупайте токены со скидкой.

Подключайте API к продукту, который вы продаёте.