The bge-m3 embedding model encodes sentences, paragraphs, and long documents into a 1024-dimensional dense vector space, delivering high-quality semantic embeddings optimized for multilingual retrieval, semantic search, and large-context applications.
ID для подключения по API: baai/bge-m3
[API: prompt]× Очистить полеЗдесь появится текстовый ответ модели, когда запрос будет выполнен.
Пока пусто
Здесь появится история твоих запросов к bge-m3 — промт, результат и дата каждой генерации. Войди, чтобы начать копить историю.
Пример запроса
Полная документация и ключ доступны после регистрации.
Цена считается по фактическому расходу токенов/секунд.
«Сравни плюсы и минусы удалённой и офисной работы для команды из 5 чело…»
Реальные примеры от пользователей появятся здесь после первых генераций.