BGE-M3 Embeddings (class) : matériel et adéquation métier
- Multilingual
- Embedding
Un modèle d'embedding multilingue pour la récupération. Les embeddings alimentent l'étape de recherche du RAG ; ils tournent en complément de votre modèle de chat, pas à sa place.
- Paramètres
- ~0.6B
- Contexte
- ~8K tokens
- Déploiement
- local
À quoi sert BGE-M3 Embeddings (class)
- ▸RAG multilingue
- ▸Récupération de documents longs
- ▸Recherche juridique/financière
Meilleurs choix de quantification
Mémoire approximative par quantification (poids + cache KV à contexte modéré). À considérer comme ±.
| Quant. | ~Mémoire | Quand l’utiliser |
|---|---|---|
| FP16 | ~2GB | Précision complète ; empreinte la plus grande, meilleure qualité. |
Exécuter BGE-M3 Embeddings (class) en local
Téléchargez et exécutez avec Ollama, ou récupérez les poids sur Hugging Face.
$ ollama run bge-m3BAAI/bge-m3Matériel compatible
Appareils de notre catalogue évalués pour BGE-M3 Embeddings (class), les plus adaptés d’abord.
- Supermicro 8x H100 SuperServerSupermicro · AI Servers
Tient en FP16 (~2GB) avec ~561.2GB de marge — environ 281 instances simultanées.
FP16 · ~2GBFonctionne bien - Dell PowerEdge XE9680Dell · AI Servers
Tient en FP16 (~2GB) avec ~561.2GB de marge — environ 281 instances simultanées.
FP16 · ~2GBFonctionne bien - AMD Instinct MI300XAMD · Datacenter GPUs
Tient en FP16 (~2GB) avec ~167GB de marge — environ 84 instances simultanées.
FP16 · ~2GBFonctionne bien - NVIDIA H200 (141GB)NVIDIA · Datacenter GPUs
Tient en FP16 (~2GB) avec ~122.1GB de marge — environ 62 instances simultanées.
FP16 · ~2GBFonctionne bien - Cloud H200 141GB (profile)Cloud · Cloud GPU Profiles
Tient en FP16 (~2GB) avec ~122.1GB de marge — environ 62 instances simultanées.
FP16 · ~2GBFonctionne bien - NVIDIA H100 (80GB)NVIDIA · Datacenter GPUs
Tient en FP16 (~2GB) avec ~68.4GB de marge — environ 35 instances simultanées.
FP16 · ~2GBFonctionne bien - Cloud H100 80GB (profile)Cloud · Cloud GPU Profiles
Tient en FP16 (~2GB) avec ~68.4GB de marge — environ 35 instances simultanées.
FP16 · ~2GBFonctionne bien - HP Z8 Fury G5 WorkstationHP · AI Workstations
Tient en FP16 (~2GB) avec ~82.5GB de marge — environ 42 instances simultanées.
FP16 · ~2GBFonctionne bien - Lenovo ThinkStation PX WorkstationLenovo · AI Workstations
Tient en FP16 (~2GB) avec ~82.5GB de marge — environ 42 instances simultanées.
FP16 · ~2GBFonctionne bien - Supermicro AI WorkstationSupermicro · AI Workstations
Tient en FP16 (~2GB) avec ~82.5GB de marge — environ 42 instances simultanées.
FP16 · ~2GBFonctionne bien
Utilisez-le dans l’AI Business OS
BGE-M3 Embeddings (class) convient à ces archétypes d’agent de l’AI Business OS :
Un modèle n’est que le moteur. Dans l’AI Business OS, il est entouré de permissions, d’outils, de connecteurs, de RAG et d’un audit pour accomplir un vrai travail métier en toute sécurité — découvrez comment fonctionne l’AI Business OS →
Questions fréquentes
De quel matériel ai-je besoin pour exécuter BGE-M3 Embeddings (class) ?+
En 4 bits, il vous faut environ quelques Go de mémoire utilisable. L’option auto-hébergeable minimale de notre catalogue est la NVIDIA GeForce RTX 3060 12GB. Pour une exécution confortable, nous recommandons la Supermicro 8x H100 SuperServer.
Quelle quantification utiliser pour BGE-M3 Embeddings (class) ?+
Q4_K_M est le choix par défaut habituel — le meilleur compromis taille/qualité. Passez à Q8_0 ou FP16 si vous avez de la mémoire en réserve et voulez plus de fidélité.
Faut-il exécuter BGE-M3 Embeddings (class) en local ou dans le cloud ?+
Pour BGE-M3 Embeddings (class), le local d’abord est recommandé. Il tient confortablement sur du matériel que vous possédez, gardant les données privées et les coûts prévisibles.
Modèles associés
Choix similaires — modèles de la même famille et de taille la plus proche du même type.
Utilisez BGE-M3 Embeddings (class) dans votre AI Business OS
BrainOutput vous aide à exécuter BGE-M3 Embeddings (class) comme un agent métier privé — entouré des outils, connecteurs, RAG et garde-fous dont il a besoin pour accomplir un vrai travail sur du matériel que vous contrôlez.