BGE-M3
Free.ai (self-hosted)
·
embeddings
·
~100 tokens per call
BGE-M3 je an ugrađivanje modela izgrađen od BAAI. Najjača na Text embeddings, semantic search. Free.ai GPU-a — radi besplatno protiv vašeg dnevnog token poola (100 tokens po pozivu). Objavljeno pod licencom MIT - komercijalna upotreba dozvoljena pod licencom Free.ai.
Korištenje putem API
OpenAI-kompatibilni REST API. Generiraj ključ i pozovi ovaj model u sekundi.
curl -X POST https://api.free.ai/v1/image/generate/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"bge-m3","prompt":"your prompt here"}'Često postavljana pitanja
BGE-M3 pretvara tekst u gusti vektor (lista float-ova) koji hvata značenje. Koristite ga za semantičko pretraživanje, grupiranje, preporuke, generiranje poboljšano prikupljanjem (RAG), i bilo koji zadatak gdje je "je li ovaj tekst sličan tom tekstu" važno.
Tipična dimenzija je 384, 768, 1024 ili 1536 zavisno od modela. BGE-M3 emitira 1024-dim; OpenAI Ada emitira 1536. API odgovor uključuje dimenziju tako da vaš vektor DB izabire pravi indeks.
Moderni modeli ugrađivanja (uključujući većinu opcija na Free.ai) su obučeni na 100+ jezika. Cross-language retrieval works - search in English, match documents in Spanish.
512 do 8192 znakova zavisno od modela. Duži unosi su skraćeni - razdvajaju dugotrajne dokumente u paragrafe prije ugrađivanja.
BGE-M3 radi na našim vlastitim GPU-ovima i jedan je od najjeftinijih alata - oko ~100 žetona po pozivu izvlači se iz vašeg dnevnog besplatnog bazena. $5 = 200K žetona.
Da - POST lista nizova znakova u /v1/embeddings/ i BGE-M3 vraća listu vektora u istom redoslijedu. Veličina serije do 2048 po zahtjevu.
L2-normalizirano po defaultu - kosinus sličnost = proizvod tačaka. Proslijedite `normalize=false` ako želite sirove vektore za drugačiju udaljenost metrike.
Any - Pinecone, Weaviate, Qdrant, Chroma, pgvector, FAISS, LanceDB. BGE-M3 vraća običan JSON float; DB nikad ne vidi model.
Yes - POST to /v1/embeddings/ with model="BGE-M3". OpenAI-compatible response shape, so existing client libraries work unchanged. /api/ has the full reference.
Modeli koji su sami hostirani čuvaju vaš tekst na našim GPU-ovima i odbacuju ga nakon povratka poziva. Premium prolazi kroz DPA. Ne treniramo na vašim ulazima.
Sub-100ms za kratki tekst na self-hosted, 100-500ms na premium. Batch calls scale roughly linearly - 1,000 chunks complete in 2-10 seconds.
Da, Free.ai dozvoljava komercijalnu upotrebu ugradnji, izgradnju produkcijskih pretraga, RAG cjevovoda, sistema preporuka bez naknade po vektorima.