BGE v1 and v1.5 are series of encoder only models base on BERT. They achieved best performance among the models of the same size at the time of release. The first group of BGE models was released in Aug 2023. The bge-large-en and bge-large-zh ranked 1st on MTEB and C-MTEB benchmarks at the time released.

Mar 5, 2025 · bge系列，有2个模型推荐，分别是：BGE-M3 和 BGE-large-zh-v1.5 模型，需要根据具体需求和场景进行权衡。 多语言支持： BGE-M3支持超过100种语言，适合需要处理多语言文本的场景。 长文本处理能力： 能够处理长达8192个token的输入，适合需要处理长文档的场景。 检索能力： 集成了稠密检索、稀疏检索和多向量检索功能，适用于语义搜索、关键字搜索和重排序等任务。 灵活性： 支持多种检索方式（如语义相似性搜索），适合复杂的自然语言处理任务。 …

Feb 10, 2025 · BGE （BAAI General Embedding）和 BGE-Reranker 是北京智源人工智能研究院（BAAI）发布的两个用于文本表示和排序的模型。 BGE 主要用于文本向量化，以便进行高效的向量检索，而 BGE-Reranker 主要用于候选检索结果的精细排序，提升检索的精度。

3/6/2025: 🔥🔥 Introduce BGE-VL (HF repo), State-Of-The-Art multimodal embedding models to support Any visual search applications (everything, including text-to-image, image-to-text, image&prompt-to-image, text-to-image&text, and more)! They are released under the MIT license and are completely free for both academic and commercial use.

为加快解决大模型的制约问题，近日，智源发布 最强开源可商用中英文语义向量模型BGE（BAAI General Embedding），在中英文语义检索精度与整体语义表征能力均超越了社区所有同类模型，如OpenAI 的text embedding 002等。

先说结论吧，我选了四款模型，分别是 gte-large-zh、bge-large-zh-v1.5、m3e-base、tao8k。 下述结论仅供参考，不一定科学，而且过渡依赖大模型 (虽然每个小Embedding模型面对的数据都是一样的)，不具备实质参考价值，只表示在某一些知识体系场景下，其适用性。

Dec 16, 2024 · BGE-large-zh-v1.5是由BAAI（Beijing Academy of Artificial Intelligence）开发的一款中文嵌入模型。 该模型基于Transformer架构，专门设计用于句子级别的特征提取和相似度计算。 BGE-large-zh-v1.5在多个基准测试中表现出色，尤其是在中文语境下的任务中，如句子相似度、文本检索和问答系统。 BERT-base-zh：BERT（Bidirectional Encoder Representations from Transformers）是由Google开发的一款预训练语言模型，BERT-base-zh是其在中文语境下的 …

ge-large-zh-v1.5 和 Pro/BAAI/bge-m3 是两种不同的模型，主要区别在于架构、性能和应用场景。 以下是它们的对比： 1. 模型架构. 基于Transformer架构，专注于中文文本的嵌入表示。 参数量较大，适合处理复杂语义任务。 可能是更先进的版本，架构可能经过优化，参数量或层数有所调整。 可能引入了新技术，如稀疏注意力机制或混合精度训练。 2. 性能. 在中文文本分类、相似度计算等任务上表现良好。 适合需要高精度语义理解的任务。 性能可能更优，尤其是在大规模数据集 …

bge is short for BAAI general embedding. [1]: If you need to search the relevant passages to a query, we suggest to add the instruction to the query; in other cases, no instruction is needed, just use the original query directly. In all cases, no instruction needs to be added to passages.

Aug 19, 2024 · 在中文世界，智源研究院的 BGE 是比较有名的开源embedding model，本篇博文即对BGE的论文 -- C-Pack: Packaged Resources To Advance General Chinese Embedding [2]进行解读。 BGE的目标是 做中文世界的通用embedding模型 。 通用，意味着 用一个模型，支持所有的embedding使用场景 ，包括但不限于：retrieval、re-rank、clustering、classification、pair-classification等任务。 BGE从两个方面来达成这个目标：