baai
BAAI: bge-m3
baai/bge-m3
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
baai/bge-m3 es un modelo multilingüe de embeddings de texto de BAAI que produce vectores densos de 1024 dimensiones para entradas de hasta 8192 tokens según su ficha; el catálogo de OpenRouter indica 8194. Según la documentación del proveedor, el mismo codificador también admite recuperación dispersa con pesos léxicos y multivector (ColBERT), con cobertura de más de 100 idiomas. Los resultados publicados proceden principalmente del proveedor y de una evaluación comunitaria que este cita, por lo que conviene validarlos con cargas de trabajo propias. La ficha indica licencia MIT.[1][2]
Puntos fuertes
- Un único codificador admite los modos de recuperación denso, disperso (pesos léxicos) y multivector (ColBERT), lo que permite recuperación híbrida sin un modelo léxico separado.[2]
- El proveedor indica cobertura de más de 100 idiomas y entradas que van de frases cortas a documentos largos de hasta 8192 tokens.[1][2]
- Produce embeddings densos de 1024 dimensiones; el catálogo de OpenRouter lista su modalidad como texto a embeddings.[1][2]
Limitaciones
- Es solo un modelo de embeddings: produce vectores y no genera texto.[1][2]
- Los resultados publicados son reportados por el proveedor o por evaluaciones comunitarias que este cita; el propio proveedor señala que BM25 sigue siendo una línea base competitiva, especialmente en documentos largos, por lo que se necesita validación independiente con tus datos.[2]
- El proveedor indica que la inferencia en media precisión (fp16) acelera el cómputo a costa de una ligera degradación del rendimiento.[2]
Dónde utilizarlo
- Candidato razonable para búsqueda semántica multilingüe y recuperación sobre documentos largos.[1][2]
- Vale la pena evaluarlo para recuperación híbrida en pipelines RAG; el proveedor sugiere combinar la recuperación con un re-ranker para mayor precisión.[2]
- Potencialmente útil cuando se desean pesos léxicos estilo BM25 y embeddings densos desde un solo modelo.[2]
Fuentes
- [1] OpenRouter catalog · BAAI: bge-m3Fuentes consultadas: 13 nov 2026
- [2] Model documentation · BAAI: bge-m3Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
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.
Especificaciones
- ID del modelo
- baai/bge-m3
- ID canónico
- baai/bge-m3-20251117
- Creador
- baai
- Añadido a OpenRouter
- 18.11.2025
- Longitud de contexto
- 8,194
- Modalidad
- text->embeddings
- Modalidades de entrada
- text
- Modalidades de salida
- embeddings
- Precio por token
- USD por 1M de tokens: entrada $0.010 / salida $0
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | — |
| Escritura | Sin medición | — |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | salida: embeddings |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Parasail | 8,194 | $0.010 | $0 | — | — | 100% |
| DeepInfrafp32 | 8,192 | $0.010 | $0 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.