BAAI/bge-m3 可本地运行做 RAG 向量化
热点事件持续更新
BAAI/bge-m3 可本地运行做 RAG 向量化
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
博主万笑佛介绍，智源研究院的 BAAI/bge-m3 以 MIT 协议开源可商用，下载到本地后，在 Python 里用几行代码即可完成 RAG 向量化，无需额外依赖和服务。该模型支持 100+ 种语言和 8192 token 长文本，一次推理可同时输出稠密向量、稀疏权重和 ColBERT 式多向量；参数 569M，稠密向量 1024 维，文件约 2.27 GB。 万笑佛称，该模型在 CPU 上也能运行，只是速度较慢；在 CPU 上运行时必须设置 use_fp16=False。
AI 根据报道生成 · 1 小时前更新
最新进展10月19日 18:14
BAAI/bge-m3 实战：一个模型搞定 RAG 向量化，Python 直接跑报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- 博客园BAAI/bge-m3 实战：一个模型搞定 RAG 向量化，Python 直接跑
智源研究院的 BAAI/bge-m3 以 MIT 协议开源可商用，支持 100+ 种语言、8192 token 长文本，一次推理可同时输出稠密向量、稀疏权重和 ColBERT 式多向量。模型参数 569M、稠密向量 1024 维、文件约 2.27 GB，CPU 上也能运行。安装 FlagEmbedding 后几行 Python 代码即可完成本地向量化。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。