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。

  • 更新日

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-M3Granite Embedding R2
開発元BAAIIBM
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。

BGE-M3 · Granite Embedding R2