bge-m3 重新上线，同步配套一份实测调优文档
智源研究院开源的多语言向量模型，1024 维、8192 token 上下文、覆盖 100+ 语种，走标准 /v1/embeddings 端点，定价 $0.01 / 1M tokens，是 text-embedding-3-small 的一半。上线前我们做了一轮完整实测：中文检索质量与后者同档，中文分词效率还高一倍多（约 2.1 字/token），单价与 token 数两项叠加后，同一批中文语料的实际花费约为 1/5。
有两个坑建议接入前先看一眼：它的相似度分数带比 OpenAI 整体高约 0.13，从 OpenAI 迁过来的阈值必须重新标定；用 LangChain 接入时务必设 check_embedding_ctx_length=False，否则默认发出去的是 tiktoken 的 token id，接口照样返回 200，中文召回率实测会从 80% 掉到 15%。
选型对照、切块粒度、阈值标定、批量与并发建议，都写进了新页：向量检索实战调优
← 返回实时动态 · 📚 按月归档