BGE-M3 против Granite Embedding R2: какую модель эмбеддингов использовать?
BGE-M3 — одна многоязычная модель 568M с плотным, разреженным и мультивекторным поиском; Granite Embedding R2 — четыре небольшие модели с контекстом до 32K. Сравните размер и пригодность.
Вердикт. Выбирайте BGE-M3 как проверенный многоязычный универсал, а Granite Embedding R2 — когда важны малый размер, длинный контекст или задокументированная политика обучающих данных. BGE-M3 (январь 2024 года, MIT) — одна модель 568M для более чем 100 языков с плотным, разреженным и мультивекторным поиском и лимитом 8 192 токена, и за 30 дней до 11 ноября 2026 года у неё было около 29 миллионов скачиваний. Granite Embedding R2 (Apache 2.0) — четыре модели ModernBERT от 47M до 311M параметров, с контекстом 32K у многоязычной пары и вариантами только для английского, и IBM говорит, что обучающие данные используют разрешающие лицензии. Оценки приводят сами разработчики, поэтому протестируйте обе модели на своих данных.
Характеристики
| Характеристики | BGE-M3 | Granite Embedding R2 |
|---|---|---|
| Разработчик | BAAI | IBM |
| Дата выпуска | 30 января 2024 г. | 29 апреля 2026 г. |
| Всего параметров | 568M (BGE-M3) | 312M (Multilingual 311M) |
| Активные параметры | Все | Все |
| Архитектура | Энкодер | Энкодер |
| Контекстное окно | 8K токенов | 32K токенов |
| Вход | Текст | Текст |
| Лицензия | MIT (Пермиссивная) | Apache 2.0 (Пермиссивная) |
| Память для минимального варианта (4 бита) | 2.61 GB (BGE-M3) | 0.115 GB (English small 47M) |
Заявления о производительности поступают от разработчика и не проверялись независимо.
Выбирайте BGE-M3, если
- Вам нужен гибридный поиск с плотными, разреженными и мультивекторными оценками из одной модели.
- Вам нужен самый распространённый многоязычный эмбеддер, покрывающий более 100 языков.
- 8 192 токенов достаточно для ваших фрагментов.
- Вас устраивает лицензия MIT и модель среднего размера 568M.
Выбирайте Granite Embedding R2, если
- Вам нужна крошечная модель для CPU: размеры начинаются с 47M параметров.
- Ваши документы длинные: многоязычные модели читают до 32K токенов.
- Вам нужен поиск по коду, или ваши языки входят в 52 усиленных.
- Вы должны задокументировать политику обучающих данных, а IBM описывает свои данные как разрешающие и удобные для корпоративного использования.