AI-Wiki

基本定义

BGE系列模型是北京智源研究院（BAAI）开源的嵌入与重排模型家族，是中文RAG检索增强生成场景应用最广泛的模型系列之一，也是RAG场景Embedding模型选型方法中的主流默认选择。

BGE系列包含三类定位不同的核心子模型，可覆盖绝大多数中文检索场景需求：

定位为通用场景首选模型，支持中英多语言，最大上下文窗口为8192token，同时支持稠密向量检索、稀疏向量检索、ColBERT式多向量检索三种模式，无特殊场景限制时可直接选用该模型，无需额外调试即可获得较好的检索效果。

纯中文专项大尺寸模型，仅支持中文输入，上下文窗口为512token，在纯中文短文档（单条文本长度低于512token）场景下的检索精度略高于BGE-M3，适合无多语言需求、文档切片长度较短的垂直业务场景。

同系列Cross-Encoder架构重排模型，分为base、large两个尺寸，中文场景重排效果领先，和BGE系列嵌入模型搭配使用时，因训练数据分布、语义空间一致性更高，效果优于跨系列模型搭配。

BGE系列模型长期位居MTEB文本嵌入评测榜单的中文分支（C-MTEB）检索子任务榜单前列，在通用中文、中英混合场景的检索精度表现优于多数同尺寸开源嵌入模型。

通用中文/中英混合RAG场景：优先选择BGE-M3，是绝大多数项目的默认选型；
纯中文短文档场景：可选择BGE-large-zh获得更高检索精度；
重排阶段配套：配合同系列BGE-Reranker使用，遵循RAG两阶段检索架构流程，先用BGE嵌入模型从全量知识库快速召回Top100候选片段，再用BGE-Reranker精排取Top5输入大模型生成回答。

若业务场景以非中英的多语言为主、或需部署在资源受限的边缘设备，可参考GTE系列模型、E5系列等其他嵌入模型进行选型。