模型介绍
Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding. FlagEmbedding can map any text to a low-dimensional dense vector which can be used for tasks like retrieval, classification, clustering, or semantic search. And it also can be used in vector databases for LLMs.
下方摘要由共用资料处理模型依据来源整理,非本站实测;选型结论请结合原始资料和实际业务验证。
主要特点
- 专为中文文本优化的轻量级嵌入模型
- 支持将文本映射为低维稠密向量,适用于检索、分类、聚类和语义搜索等任务
- 兼容向量数据库,可作为大语言模型(LLM)的嵌入组件
局限与注意事项
暂无足够来源支持具体缺点结论。请重点验证实际任务表现、时延、数据政策、许可与版本生命周期。
来源报价与费用分析
同一模型在不同渠道、地区和配置下可能采用不同价格。下表独立保留各渠道报价,不将渠道价格视为厂商官方统一价格。
| 来源 / 渠道 | 输入 | 输出 | 计费单位 | 采集时间 |
|---|---|---|---|---|
| 暂未取得可核验报价,请查阅来源渠道。 | ||||
按月估算基础 Token 费用
预估不包含缓存优惠、阶梯定价、多模态附加费用、网络检索、税费及推理额外输出。
公开评测与运行配置
暂无已采集的可核验公开评分。模型未上榜不代表能力较低。
查看完整已收录榜单 →常见问题
该模型是否支持英文或其他语言?
资料中仅明确提及对中文(zh)的支持,未说明多语言能力。
bge-small-zh-v1.5 的许可协议是什么?
该模型采用 MIT 许可协议。
模型是否开源?在哪里可以获取训练细节?
模型开源,更多细节(如训练方法)请参考其 GitHub 仓库 FlagEmbedding。
开放权重是否代表可以免费商用?
不一定。应核对具体版本许可证、商用门槛和使用政策。自部署还会产生算力和维护成本。
这些价格是实时结算价格吗?
不是实时结算价格,而是带采集时间的来源报价快照。请到对应渠道核对当前版本、区域、折扣和计费方式。
资料来源与可追溯记录
许可证:mit。模型介绍与第三方评测均以原来源的具体版本和方法为准。