BGE-M3 と Granite Embedding R2 の比較:どちらの埋め込みモデルを使うべき?
BGE-M3 は 568M の多言語モデル 1 つで、密・疎・マルチベクトル検索に対応。Granite Embedding R2 は最大 32K コンテキストの小型モデル 4 つ構成。規模と適性を比較します。
結論. 実績のある多言語オールラウンダーなら BGE-M3 を、小型サイズ、長いコンテキスト、文書化された学習データポリシーが重要なら Granite Embedding R2 を選びましょう。BGE-M3(2024 年 1 月、MIT)は 100 以上の言語に対応した 568M モデル 1 つで、密・疎・マルチベクトル検索に対応し、入力上限は 8,192 トークンです。2026 年 11 月 11 日までの 30 日間で約 2,900 万ダウンロードを維持しています。Granite Embedding R2(Apache 2.0)は 47M から 311M パラメータの ModernBERT モデル 4 つで、多言語ペアは 32K コンテキスト、英語専用版もあります。IBM は学習データに寛容なライセンスを使用したとしています。スコアは各開発者発表のもので、ご自身のデータで両方を試してください。
仕様
| 仕様 | BGE-M3 | Granite Embedding R2 |
|---|---|---|
| 開発元 | BAAI | IBM |
| リリース日 | 2024年1月30日 | 2026年4月29日 |
| 総パラメータ数 | 568M (BGE-M3) | 312M (Multilingual 311M) |
| アクティブパラメータ数 | すべて | すべて |
| アーキテクチャ | エンコーダ | エンコーダ |
| コンテキストウィンドウ | 8K トークン | 32K トークン |
| 入力 | テキスト | テキスト |
| ライセンス | MIT (パーミッシブ) | Apache 2.0 (パーミッシブ) |
| 最小バリエーションの必要メモリ(4ビット) | 2.61 GB (BGE-M3) | 0.115 GB (English small 47M) |
性能に関する主張は開発元によるもので、独自検証は行っていません。
BGE-M3 を選ぶべきケース
- 1 つのモデルから密・疎・マルチベクトルのスコアを得るハイブリッド検索が必要な場合。
- 最も広く使われている多言語埋め込みモデル(100 以上の言語)が必要な場合。
- 8,192 トークンで段落が十分に収まる場合。
- MIT ライセンスと中規模の 568M モデルで問題ない場合。
Granite Embedding R2 を選ぶべきケース
- CPU 向けの小型モデルが必要な場合。最小は 47M パラメータです。
- 文書が長い場合。多言語モデルは最大 32K トークンまで読めます。
- コード検索が必要な場合、または対象言語が 52 の重点強化言語に含まれる場合。
- 学習データポリシーを文書化する必要があり、IBM はそのデータを寛容で企業利用に適したものと説明しています。