BGE-M3 vs Granite Embedding R2: ¿qué modelo de embeddings deberías usar?

BGE-M3 es un único modelo multilingüe de 568M con búsqueda densa, dispersa y multivector; Granite Embedding R2 son cuatro modelos pequeños con hasta 32K de contexto. Compara tamaño y encaje.

  • Actualización

Veredicto. Elige BGE-M3 si buscas un todoterreno multilingüe probado, y Granite Embedding R2 cuando importen el tamaño pequeño, el contexto largo o una política de datos de entrenamiento documentada. BGE-M3 (enero de 2024, MIT) es un único modelo de 568M para más de 100 idiomas con búsqueda densa, dispersa y multivector y un límite de 8.192 tokens, y aún registró unos 29 millones de descargas en los 30 días hasta el 11 de noviembre de 2026. Granite Embedding R2 (Apache 2.0) son cuatro modelos ModernBERT de 47M a 311M parámetros, con contexto de 32K en la pareja multilingüe y opciones solo en inglés, e IBM afirma que sus datos de entrenamiento usan licencias permisivas. Las puntuaciones vienen de cada desarrollador, así que prueba ambos con tus propios datos.

Especificaciones

Especificaciones BGE-M3Granite Embedding R2
DesarrolladorBAAIIBM
Lanzamiento30 de enero de 202429 de abril de 2026
Parámetros totales568M (BGE-M3)312M (Multilingual 311M)
Parámetros activosTodosTodos
ArquitecturaCodificadorCodificador
Ventana de contexto8K tokens32K tokens
EntradaTextoTexto
Licencia MIT (Permisiva) Apache 2.0 (Permisiva)
Memoria de la variante más pequeña (4 bits)2.61 GB (BGE-M3)0.115 GB (English small 47M)

Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.

Elige BGE-M3 si

  • Quieres búsqueda híbrida con puntuaciones densas, dispersas y multivector de un solo modelo.
  • Quieres el generador de embeddings multilingüe más usado, con más de 100 idiomas.
  • 8.192 tokens bastan para tus pasajes.
  • Te sirve la licencia MIT y un modelo de tamaño medio de 568M.

Elige Granite Embedding R2 si

  • Necesitas un modelo diminuto para CPUs, ya que los tamaños empiezan en 47M de parámetros.
  • Tus documentos son largos, pues los modelos multilingües leen hasta 32K tokens.
  • Necesitas búsqueda de código, o tus idiomas están entre los 52 mejorados.
  • Debes documentar la política de datos de entrenamiento, e IBM describe sus datos como permisivos y aptos para empresas.

BGE-M3 · Granite Embedding R2