AI 模型广场

Qwen3 Embedding 0.6B 是阿里通义千问团队推出的轻量级文本向量化模型。不同于生成式 LLM，它专注于将文本转化为高质量的数值向量，是构建 RAG（检索增强生成）系统的核心组件。该模型在保持极小参数规模的同时，显著提升了语义...

bge-small-zh-v1.5 是由北京智源人工智能研究院（BAAI）推出的轻量级中文文本向量化模型。它专注于将文本转化为高质量的向量表示，是构建 RAG（检索增强生成）系统的核心组件。相比于大语言模型，它的体积极小，推理速度极快，非常...

bge-small-en-v1.5 是一款轻量级的英文文本向量化模型，由 BAAI（北京智源人工智能研究院）开发。它主要用于将文本转化为高维向量，是构建 RAG（检索增强生成）系统的核心组件。相比于大型模型，它在保持极高检索精度的同时，极大...

SapBERT 是一款专门为生物医学领域设计的语义增强型 BERT 模型。它基于 PubMedBERT 全文预训练模型，通过自监督学习对医学实体进行了对齐优化，解决了医学术语中一个概念有多种表达（同义词）的痛点。对于开发者而言，它不是一个聊...

Qwen3 Embedding 8B 是阿里巴巴通义千问团队推出的新一代文本向量化模型。与传统的轻量级 Embedding 模型不同，它采用了 8B 的大参数量规模，旨在通过更强的语义理解能力，将复杂的文本精准地转化为高维向量。对于开发者而...

Qwen3 Embedding 4B 是阿里通义千问团队推出的最新文本向量化模型。它将自然语言转化为高维向量，是构建企业级 RAG（检索增强生成）系统的核心组件。相比于轻量级模型，4B 的参数规模显著提升了语义捕捉的精准度，尤其在处理中文复...

bge-reranker-large 是由北京智源人工智能研究院（BAAI）开发的深度重排序模型。在 RAG（检索增强生成）流程中，它通常接在向量检索之后，对初筛出的候选文档进行二次精排，以解决向量检索在语义匹配上可能存在的“偏差”问题。该...

w2v-bert-2.0 是由 Meta (Facebook) 推出的预训练模型，旨在通过将 Word2Vec 的静态向量优势与 BERT 的上下文感知能力相结合，提升文本特征提取的效率。与传统的全量 BERT 不同，它更侧重于将文本转化为...

bge-large-en-v1.5 是由北京智源人工智能研究院（BAAI）推出的高性能英文文本向量模型。它并非用于对话的 LLM，而是将文本转化为高维向量的特征提取工具，在检索增强生成（RAG）架构中扮演关键角色。该模型在语义匹配和文档检索...

bge-small-en-v1.5 是由北京智源人工智能研究院（BAAI）推出的轻量级英文文本向量模型。它并非对话模型，而是专门用于将文本转化为高维向量的特征提取工具。在 RAG（检索增强生成）架构中，它扮演着“索引员”的角色，能高效地将用...

bge-base-en-v1.5 是由北京智源人工智能研究院（BAAI）推出的轻量级英文向量模型。它专注于将文本转化为高质量的向量表示（Embedding），是构建 RAG（检索增强生成）系统的核心组件。相比于大型 LLM，它的运行开销极低...

Multilingual E5 Large 是一款由 intfloat 开发的开源多语言文本嵌入模型。与直接生成文本的 LLM 不同，它专注于将文本转化为高质量的向量（Embedding），是构建 RAG（检索增强生成）系统的核心组件。该模...

Multilingual E5 Large Instruct 是一款高性能的多语言文本向量化模型，由 intfloat 团队开发。与传统的 Embedding 模型不同，它引入了指令微调机制，用户可以通过在输入前添加特定的任务指令（如“检索...

all-MiniLM-L6-v2 是一款极轻量级的文本向量化（Embedding）模型，专门用于将句子或段落转化为高维向量。它在保持极小参数量的同时，兼顾了出色的语义检索能力。对于中国开发者来说，它非常适合部署在端侧设备或资源受限的服务器上...

mxbai-embed-large-v1 是一款高性能的开源文本向量化模型，旨在将文本转化为高质量的数学向量，以支持高效的语义检索。对于中国开发者而言，它在 RAG（检索增强生成）架构中扮演着至关重要的角色，能够显著提升知识库检索的召回率和...

bge-base-en-v1.5 是一款由 BAAI（北京智源人工智能研究院）推出的高性能英文文本向量化模型。它属于特征提取类模型，核心作用是将文本转化为高维向量，从而实现语义搜索、文档聚类或构建 RAG（检索增强生成）系统的知识库。相比于...

Granite Embedding Small English R2 是 IBM 推出的轻量级英文文本向量化模型。它专注于将文本高效转化为高维向量，是构建 RAG（检索增强生成）系统的核心组件。相比于大型模型，它在保持高性能检索的同时，显著...