语义向量模型（Embedding Model）是一种将文本或其他数据转换为低维向量表示的技术，使相似的对象在向量空间中距离更近，从而保留其语义信息。

语义向量模型广泛应用于推荐系统、搜索引擎、对话系统、文本分类、信息检索等应用中，这些应用可利用语义向量模型增强用户体验，通过更精准的理解和处理数据来提供更符合需求的服务。

如果你想要以语义向量模型为基础开发相关的应用，却又正在被复杂的流程和劝退的话，先别急！

现在，你可以在 Gitee AI 的 Sererless API 中使用智源研究院推出的通用语义向量模型BGE-M3以及检索排序模型BGE-Reranker-V2-M3 了！

BGE-M3 怎么样？

BGE-M3 支持超过 100 种语言，具备多语言、跨语言检索能力，最大输入长度为 8192，并且一站式集成了稠密检索、稀疏检索、多向量检索三种检索功能，在多个评测基准中达到领先水平。

BGE-M3 是首个集多语言（Multi-Linguality）、多粒度（Multi-Granularity）、多功能（Multi-Functionality）三大技术特征于一体的语义向量模型，极大提升了语义向量模型在现实世界的可用性。

其检索排序子模型BGE-Reranker-V2-M3支持更多语言和更长文本，在多个检索基准上达到顶尖水平。该模型通过分层自蒸馏策略提升推理效率，并新增了「文本＋图片」混合检索功能，同时保持了优秀的文本检索性能。

免费试试先

和其他 Sererless API 模型一样，你在购买使用BGE-M3和BGE-Reranker-V2-M3的 API 前可进行简单的在线测试。

在BGE-M3的测试中，可以很快地生成测试内容的数值序列，用以后续自然语言处理等任务中。

BGE-Reranker-V2-M3的测试更加直观，能够以超高的准确度来验证文本相似度。

用 API Run 起来！

在使用 API 前，首先要创建自己的访问令牌，在模型体验的 API 标签中可直接新建访问令牌。

访问令牌用于验证您的身份，可通过访问令牌使用模型引擎 API、Serverless API 等功能。为了保护您的账户安全，请妥善保管您的访问令牌，不要将其共享给他人或暴露在浏览器或其他客户端代码中。

你可以直接在同样的页面选择创建好的访问令牌，将其添加进测试代码中，直接复制使用。

现在你就可以用Python、JavaScript和cURL来使用BGE-M3和BGE-Reranker-V2-M3的 API 了。

用 Python Run BGE-M3import requestsAPI_URL = "https://ai.gitee.com/api/inference/serverless/1RLZEBA2KY1O/embeddings"headers = { "Authorization": "Bearer 你的访问令牌", "Content-Type": "application/json"}def query(payload): response = requests.post(API_URL, headers=headers, json=payload) return response.json()output = query({ "inputs": "Serverless AI 也太好用了，我要安利给其他人！",})用 JavaScript Run BGE-M3async function query(data) { const response = await fetch( "https://ai.gitee.com/api/inference/serverless/1RLZEBA2KY1O/embeddings", { headers: { "Authorization": "Bearer 你的访问令牌", "Content-Type": "application/json" }, method: "POST", body: JSON.stringify(data), } ); const result = await response.json(); return result;}query({"inputs": "Serverless AI 也太好用了，我要安利给其他人！"}).then((response) => { console.log(JSON.stringify(response));});用 cURL Run BGE-M3curl https://ai.gitee.com/api/inference/serverless/1RLZEBA2KY1O/embeddings \ -X POST \ -d '{"inputs": "Serverless AI 也太好用了，我要安利给其他人！"}' \ -H "Authorization: Bearer 你的访问令牌" \ -H "Content-Type: application/json"

以上就是BGE-M3和BGE-Reranker-V2-M3API 的简要使用方法，如果你对推荐系统、文本摘要、问答系统等方向的开发感兴趣的话，相信这两款模型一定会对你有相当大的帮助，现在就点击后面的链接前往 Sererless API 主页试试吧：https://ai.gitee.com/serverless-api

关于Gitee AI

Gitee AI 是开源中国（OSChina）推出的开源人工智能服务平台，旨在降低 AI 应用开发者的准入门槛。您可以在 Gitee AI 平台上找到各种预训练模型，下载并在本地使用这些模型来开发您的 AI 应用。