BGE Reranker v2 m3
BAAI 的 Apache 2.0 多语言重排序模型(5.68 亿参数),基于 BGE-M3,是本站收录的下载量最高的重排序模型。
一句话概括. bge-reranker-v2-m3 用来给搜索结果重新排序。它把问题和段落放在一起阅读,给这一对打一个相关性分数,搜索系统就能把最好的段落排在前面。它是 BAAI 的 568M 多语言模型,采用 Apache 2.0,下载量在本站收录的重排序模型中遥遥领先。
概述
bge-reranker-v2-m3 是 BAAI FlagEmbedding 项目的交叉编码器。它不把文本变成向量,而是把查询和段落放在一起阅读,返回一个相关性分数,模型卡称可以用 sigmoid 函数把它映射到 0 到 1 之间。据项目的新闻,BAAI 在 2024 年 3 月 18 日发布了它,同时发布的还有两个基于大语言模型的兄弟模型:基于 Gemma 2B 的 bge-reranker-v2-gemma,以及基于 MiniCPM-2B 的 bge-reranker-v2-minicpm-layerwise,v2-m3 是其中轻量的多语言版本。配置文件显示它是 XLM-RoBERTa 风格的模型,24 层,568M 参数,起点是 BGE-M3,有 8194 个位置,不过模型卡的示例把输入截断在 512 个 token。
模型卡正文没有给出分数,只有一些图表,在 BEIR、C-MTEB 检索、MIRACL 和一个 LlamaIndex 测试上,对其他 BGE 和 E5 模型检索出的前 100 个结果重新排序。Qwen 在 2025 年 6 月的表格里对 Qwen3-Embedding-0.6B 检索出的前 100 个候选重新排序,它在 MTEB-R 上得 57.03,CMTEB-R 为 72.16,MMTEB-R 为 58.36,MLDR 为 59.51,MTEB-Code 为 41.38,Qwen3-Reranker-0.6B 分别是 65.80、71.31、66.36、67.28 和 73.42,所以较新的 0.6B 模型除了中文检索之外各列都领先。这些是 Qwen 自己的测试,不是 BAAI 的。
许可证是 Apache 2.0,FP32 权重为 2.27 GB。可以用 FlagEmbedding 软件包运行,其中 use_fp16 能以很小的质量损失加快打分,也可以用 Transformers 把它当作序列分类模型来运行。在截至 2026 年 11 月 11 日的 30 天里,Hugging Face 统计到约 1470 万次下载,远超本站收录的其他重排序模型,仓库约有 1300 个点赞。
适合做什么
- 对 BGE-M3 或任何其他第一阶段检索器给出的靠前候选做多语言重排序
- 小巧、便宜的交叉编码器,容易部署,也容易用 FlagEmbedding 微调
- 采用 Apache 2.0 许可证,可用于商业产品
- 用户基数很大的重排序模型,示例和集成很容易找到
需要注意
- 模型卡正文没有分数,Qwen 在 2025 年 6 月的表格显示较新的 0.6B 重排序模型除中文检索外全面领先
- 除非做归一化,否则分数是原始 logit,所以不要在不同模型之间比较
- 模型卡的示例把输入截断在 512 个 token,8194 个位置只来自配置文件
- 它一次只给一对查询和段落打分,所以成本随候选数量增长
性能数据来自开发方,未经独立验证。
需要多少内存?
以下是 BGE Reranker v2 m3 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。
| 版本 | 参数量 | 下载大小 | 所需内存 | 可运行于 |
|---|---|---|---|---|
| v2-m3 (568M) FP32 | 568M | 2.27 GB | 2.61 GB | 笔记本或手机 |
下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
常见问题
- BGE Reranker v2 m3 是什么?
- bge-reranker-v2-m3 用来给搜索结果重新排序。它把问题和段落放在一起阅读,给这一对打一个相关性分数,搜索系统就能把最好的段落排在前面。它是 BAAI 的 568M 多语言模型,采用 Apache 2.0,下载量在本站收录的重排序模型中遥遥领先。
- BGE Reranker v2 m3 可以商用吗?
- 可以。BGE Reranker v2 m3 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- BGE Reranker v2 m3 是开源的吗?
- BGE Reranker v2 m3 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 BGE Reranker v2 m3 吗?
- 可以。最小版本 v2-m3 (568M) 在 4 位精度下约需 2.61 GB 内存,现代笔记本或中端显卡即可胜任。
- BGE Reranker v2 m3 是什么时候发布的?
- BGE Reranker v2 m3 由 BAAI 于 2024年3月18日 发布。
- BGE Reranker v2 m3 的上下文窗口有多长?
- BGE Reranker v2 m3 支持最长 8K token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- bge-reranker-v2-m3 model card (Hugging Face) huggingface.co
- FlagEmbedding repository and release news (GitHub) github.com
- BGE M3-Embedding, the base model (arXiv 2402.03216) arxiv.org
- Qwen3 Embedding blog, reranking table (Qwen, 5 June 2025) qwenlm.github.io
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Qwen3-Reranker Alibaba Qwen | 596M – 8.19B | 32K | Apache 2.0 (宽松) | 1.37 GB 笔记本或手机 | |
| Jina Reranker v3.5 Jina AI | 597M | 128K | CC BY-NC (非商用) | 0.46 GB 笔记本或手机 | |
| BGE-M3 BAAI | 568M | 8K | MIT (宽松) | 2.61 GB 笔记本或手机 | |
| Qwen3-Embedding Alibaba Qwen | 600M – 7.57B | 32K | Apache 2.0 (宽松) | 1.38 GB 笔记本或手机 |