BGE-M3 vs. Granite Embedding R2: Welches Embedding-Modell sollten Sie nutzen?

BGE-M3 ist ein einziges multilinguales 568M-Modell mit dichter, sparsamer und Multi-Vektor-Suche; Granite Embedding R2 sind vier kleine Modelle mit bis zu 32K Kontext. Vergleichen Sie Größe und Passung.

  • Aktualisiert

Fazit. Wählen Sie BGE-M3 für einen erprobten multilingualen Alleskönner und Granite Embedding R2, wenn kleine Größe, langer Kontext oder eine dokumentierte Trainingsdaten-Politik zählen. BGE-M3 (Januar 2024, MIT) ist ein einziges 568M-Modell für über 100 Sprachen mit dichter, sparsamer und Multi-Vektor-Suche und einem Limit von 8.192 Tokens und hatte in den 30 Tagen bis zum 11. November 2026 noch rund 29 Millionen Downloads. Granite Embedding R2 (Apache 2.0) sind vier ModernBERT-Modelle von 47M bis 311M Parametern, mit 32K Kontext für das multilinguale Paar und rein englischen Varianten, und IBM sagt, seine Trainingsdaten nutzten permissive Lizenzen. Die Scores stammen von den jeweiligen Entwicklern – testen Sie also beide mit Ihren eigenen Daten.

Spezifikationen

Spezifikationen BGE-M3Granite Embedding R2
EntwicklerBAAIIBM
Erscheinungsdatum30. Januar 202429. April 2026
Parameter insgesamt568M (BGE-M3)312M (Multilingual 311M)
Aktive ParameterAlleAlle
ArchitekturEncoderEncoder
Kontextfenster8K Token32K Token
EingabeTextText
Lizenz MIT (Permissiv) Apache 2.0 (Permissiv)
Speicher für die kleinste Variante (4 Bit)2.61 GB (BGE-M3)0.115 GB (English small 47M)

Leistungsangaben stammen vom Entwickler und wurden nicht unabhängig überprüft.

Wählen Sie BGE-M3, wenn

  • Sie wollen hybride Suche mit dichten, sparsamen und Multi-Vektor-Scores aus einem Modell.
  • Sie wollen den am weitesten verbreiteten multilingualen Embedder mit über 100 Sprachen.
  • 8.192 Tokens reichen für Ihre Passagen.
  • Die MIT-Lizenz und ein mittelgroßes 568M-Modell sind für Sie in Ordnung.

Wählen Sie Granite Embedding R2, wenn

  • Sie brauchen ein winziges Modell für CPUs, denn die Größen beginnen bei 47M Parametern.
  • Ihre Dokumente sind lang, denn die multilingualen Modelle lesen bis zu 32K Tokens.
  • Sie brauchen Code-Suche, oder Ihre Sprachen gehören zu den 52 verstärkten.
  • Sie müssen die Trainingsdaten-Politik dokumentieren, und IBM beschreibt seine Daten als permissiv und unternehmensfreundlich.

BGE-M3 · Granite Embedding R2