Bge m3
7900°
BAAI | modello di embedding | licenza MIT | 4.3 GB come torrent. Recupero denso + sparso + multi-vettore in un unico checkpoint. Mirror completo di BAAI/bge-m3. Per maggiori dettagli si rimanda al nostro repo github: https://github.com/FlagOpen/FlagEmbedding
Guide per questo modello
Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro
Cos'è The Hugging Bay? Un indice specchio per modelli open e come verificare un download con i suoi hash
Pesi aperti vs open source vs solo API: cosa puoi davvero fare
Come Installare Ollama e Usare un'IA Locale (Windows, Mac, Linux)
Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)
Note del capitano
Note del 2026-10-13
BGE-M3 è un modello di embedding di BAAI che integra retrieval denso, retrieval sparso e retrieval multi-vettore (stile ColBERT) in un unico checkpoint. Questa triplice capacità in un solo modello è il motivo principale per sceglierlo rispetto a un embedder più semplice. È adatto a sviluppatori che costruiscono sistemi di ricerca, pipeline RAG o qualsiasi sistema che richieda retrieval flessibile senza gestire più modelli.
Conosciuto per
- Tre modalità di retrieval — denso, sparso, multi-vettore — in un solo checkpoint.
- Licenza MIT: permissiva per uso commerciale e di ricerca.
- Download da 4,3 GB, disponibile come mirror torrent.
- Supportato da BAAI, lo stesso laboratorio dietro la famiglia più ampia di embedding BGE.
Attenzione a
- È un modello di embedding, non generativo — produce vettori, non testo.
- Lo stato dei pesi aperti è indicato come incerto su questa pagina; verifica direttamente il repository BAAI prima di usarlo.
- Nessuna scheda modello pubblicata qui; consulta il GitHub di FlagEmbedding per dettagli completi su uso e prestazioni.
Ideale per
Prompt da provare
Confronta similarità tra frasi
Ho due frasi: 'L'architettura transformer ha rivoluzionato l'NLP' e 'I meccanismi di attenzione hanno cambiato il funzionamento dei modelli linguistici.' Usando gli embedding densi di BGE-M3, spiega come calcoleresti la loro similarità coseno e cosa mi direbbe un punteggio di 0,85 rispetto a 0,40 sulla relazione semantica.
Progetta una pipeline di retrieval RAG
Sto costruendo un sistema di generazione aumentata da retrieval su un corpus di 50.000 documenti tecnici. Spiegami come usare insieme le tre modalità di retrieval di BGE-M3 — denso, sparso e multi-vettore — quando ciascuna è più utile e come combinare i loro punteggi al momento della query.
Scegli la modalità di retrieval giusta
Le mie query di ricerca sono brevi parole chiave come 'campo data fattura' ma i miei documenti sono lunghi contratti legali. Quale delle modalità di retrieval di BGE-M3 — denso, sparso o multi-vettore — dovrei pesare maggiormente e perché? Quali sono i compromessi di ciascuna per questo caso d'uso?
Confronta con
- Claude Opus 5.5Modello solo APIContesto di 1,000,000 token · Input $4.00/M, output $20.00/M
- Claude Fable 5.1Modello solo APIContesto di 1,000,000 token · Input $10.00/M, output $50.00/M
- GPT-6 AstraModello solo APIContesto di 1,050,000 token · Input $10.00/M, output $50.00/M
- Gemini 4 ArgonModello solo APIContesto di 1,048,576 token · Input $2.00/M, output $10.00/M
Altri modelli di testo da baai
Domande frequenti
- Posso eseguire BGE-M3 localmente?
- Il modello è disponibile come download torrent da 4,3 GB e ha licenza MIT, quindi puoi eseguirlo sul tuo hardware; consulta il GitHub di FlagEmbedding per la configurazione di inferenza consigliata.
- Cosa rende BGE-M3 diverso dagli altri modelli di embedding?
- La maggior parte dei modelli di embedding supporta solo retrieval denso; BGE-M3 aggiunge retrieval sparso e multi-vettore (stile ColBERT) nello stesso checkpoint, permettendoti di scegliere o combinare modalità senza caricare modelli separati.
- È un modello di chat o generativo?
- No — BGE-M3 è un modello di embedding che converte testo in vettori per ricerca e retrieval; non genera risposte testuali.
Verdetto del capitanoSe ti servono tutte e tre le modalità di retrieval senza il sovraccarico di modelli separati, BGE-M3 è la scelta pratica.
Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #76 Hottest Text / LLM text model
Not this creator?
Get your own badge
Tendenza di popolarità di bge m3
Punteggio di calore, ultimi 12 mesi
Punteggio di popolarità
7,900°
Questa settimana
n/a
Non ancora rilasciato/tracciato
Questo mese
n/a
Non ancora rilasciato/tracciato
Ultimo anno
n/a
Non ancora rilasciato/tracciato
7,000°
Floor
La scala va da 0° a 9.999°. Tutto ciò che sta sotto 7,000° è riservato ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete. 7,000° è dove iniziano i dati misurati: un modello con dati reali ma quasi nessun download sta al floor, e le misurazioni riempiono i gradi sopra di esso. Il floor non dice nulla sul modello; solo i gradi sopra lo fanno, e sono quelli che distinguono un modello dall'altro.
+900°
Seeder torrent
1 persone continuano a servire i pesi via torrent o mirror ospitati. Servire un file costa banda reale e indica che i pesi sono ancora richiesti, quindi ogni seeder conta come 1,000 download nel termine download.
Mostra dettagli
Ogni numero su questo sito può essere verificato. Il punteggio heat di questo modello è 7,900°, ed è costruito un ingrediente alla volta, con il totale progressivo dopo ogni passaggio: il floor, i gradi che ogni fonte aggiunge, il bonus per il tipo di modello e cosa toglie l'età dei suoi pesi. I colori corrispondono alle bande del grafico sopra. Il glossario alla fine definisce ogni termine.
- 1Inizia dal floor.Perché 7,000° e non zero: la scala va da 0° a 9.999°, e la parte sotto 7,000° è riservata ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete e non superare mai un modello con dati. 7,000° è dove iniziano i dati misurati. Un modello con dati reali ma quasi nessun download sta qui; tutto ciò che segue è misurazione, e lo spazio sopra il floor contiene dieci passi decuplici nei download a 300° ciascuno. Il floor è uguale per ogni modello, quindi non decide nulla; lo fanno i gradi sopra di esso.7,000°totale in corso
- 2Aggiungi i download.1,000 equivalenti di download in totale, da Seeder torrent. Dieci volte i download aggiungono lo stesso 300°, quindi la dimensione conta ma non domina mai il punteggio.+900°7,900°totale in corso
- =Il punteggio heat.Dove si posiziona questo modello in ogni lista di questo sito. Niente altro lo modifica.7,900°
Glossario: i termini usati qui
- Punteggio heat
- Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
- Soglia minima
- I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
- Equivalenti di download
- Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
- Scala logaritmica
- Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
- Like
- Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
- Tasso di adozione
- Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
- Misurato e stimato
- Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
- Seeder
- Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
- AI Horde
- Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
- Siti di generazione
- Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
- Token OpenRouter
- Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modello completo (checkpoint)
- I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
- LoRA e embedding
- Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
- Famiglia e pesi
- La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
- Età
- Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
- Boost famiglia
- Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
- Punteggio stand-in
- Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
- Novità! (periodo di grazia)
- Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
- Tendenza
- Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
- Modello tipico
- Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.
Come si è mosso questo modello rispetto al resto del catalogo: la sua crescita in download, like e utilizzo in ogni periodo, misurata rispetto alla crescita tipica dei modelli nello stesso periodo, con il suo punteggio di popolarità al momento. Sopra la crescita tipica indica un aumento, sotto una diminuzione. Il passato è ricostruito dai totali di oggi, dal primo giorno del modello e dalla sua velocità di download misurata quando ci sono due letture; un modello che non esisteva all'inizio del periodo mostra n/a.
Esegui in locale
Come installare
Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro
13 Ott 2026
Torrents
baai/bge-m3
pytorch_model.bin
onnx/model.onnx_data
colbert_linear.pt
onnx/model.onnx
sparse_linear.pt
I torrent sono condivisi peer to peer dai seeders; ModelTrends.ai non ospita file. Apri il link magnet con un client BitTorrent e confronta il checksum del file finito con quello nella scheda.
Bge m3 è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.
Sfoglia per famiglia di modelli
Modelli Text / LLM
434
Modelli Anima
528
Modelli Chroma
19
Modelli Fibo
2
Modelli Flux
1,496
Modelli Flux 2 / Klein
1,239
Modelli Flux 3
3
Modelli Moss
3
Modelli Iris
1
Modelli MiniMax H3
364
Modelli Hunyuan
204
Modelli Ideogram
20
Modelli Krea2
717
Modelli Qwen
20
Modelli Qwen2
47
Modelli Ltx2
153