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.
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-M3 | Granite Embedding R2 |
|---|---|---|
| Desarrollador | BAAI | IBM |
| Lanzamiento | 30 de enero de 2024 | 29 de abril de 2026 |
| Parámetros totales | 568M (BGE-M3) | 312M (Multilingual 311M) |
| Parámetros activos | Todos | Todos |
| Arquitectura | Codificador | Codificador |
| Ventana de contexto | 8K tokens | 32K tokens |
| Entrada | Texto | Texto |
| 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.