bge-m3 - API لـمصر، بالجنيه المصري
مباشر
BGE-M3 is a versatile text embedding model that supports multi-functionality, multi-linguality, and multi-granularity, allowing it to perform dense retrieval, multi-vector retrieval, and sparse retrieval in over 100 languages and with input sizes up to 8192 tokens. The model can be used in a retrieval pipeline with hybrid retrieval and re-ranking to achieve higher accuracy and stronger generalization capabilities. BGE-M3 has shown state-of-the-art performance on several benchmarks, including MKQA, MLDR, and NarritiveQA, and can be used as a drop-in replacement for other embedding models like DPR and BGE-v1.5.
Modality
Embedding
Context window
8K Tokens
المنطقة
US
Weights
Weights مفتوحة
منشور
14 يوليو 2026
الأسعار
Input
0.59
ج.م لكل 1M Tokens
Output
—
ج.م لكل 1M Tokens
مثال على التكلفة الشهرية
29.4 ج.م
تقدير توضيحي: 50M Input tokens و15M Output tokens شهريًا وفق أسعار هذا الـ Model في الكتالوج.
استخدمه عبر واجهة API
يعمل bge-m3 مع أي SDK متوافقة مع OpenAI: وجّه الـ Base URL إلى https://backend.sovereigneg.com/v1 واستخدم مفتاح API الخاص بك من SovereignEG.
تشغيل خدمات الذكاء الاصطناعي
POST /v1/embeddings — متوافق مع OpenAI: استخدم seg-sdk الخاص بنا، أو أي OpenAI SDK كبديل مباشر.
from seg import SEG # pip install seg-sdk
client = SEG(api_key="YOUR_API_KEY")
response = client.embeddings.create(
model="bge-m3",
input="The food was delicious and the waiter...",
encoding_format="float",
)
vector = response.data[0].embedding
print(f"dim={len(vector)}, first 8 dims: {vector[:8]}")from openai import OpenAI
client = OpenAI(
base_url="https://backend.sovereigneg.com/v1",
api_key="YOUR_API_KEY",
)
response = client.embeddings.create(
model="bge-m3",
input="The food was delicious and the waiter...",
encoding_format="float",
)
vector = response.data[0].embedding
print(f"dim={len(vector)}, first 8 dims: {vector[:8]}")import OpenAI from "openai"
const client = new OpenAI({
baseURL: "https://backend.sovereigneg.com/v1",
apiKey: "YOUR_API_KEY",
})
const response = await client.embeddings.create({
model: "bge-m3",
input: "The food was delicious and the waiter...",
encoding_format: "float",
})
const vector = response.data[0].embedding
console.log(`dim=${vector.length}, first 8 dims:`, vector.slice(0, 8))curl https://backend.sovereigneg.com/v1/embeddings \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "bge-m3",
"input": "The food was delicious and the waiter...",
"encoding_format": "float"
}'الأسئلة الشائعة
كم تكلفة bge-m3؟
0.59 ج.م لكل 1M من Input tokens. يُحتسب الاستخدام لكل Token بالجنيه المصري، بلا أي التزام بحد أدنى.
ما حجم الـ Context window في bge-m3؟
يدعم bge-m3 Context window بحجم 8,192 Tokens (8K).
أين يُستضاف bge-m3؟
يُخدَم bge-m3 من US (مستضاف في الولايات المتحدة).
هل bge-m3 Model بـ Weights مفتوحة؟
نعم، bge-m3 هو Model بـ Weights مفتوحة. وتستدعيه عبر واجهة API من SovereignEG مثل أي Model آخر في الكتالوج، مع محاسبة لكل Token بالجنيه المصري.
كيف أستخدم bge-m3 عبر واجهة API؟
bge-m3 متاح عبر واجهة API من SovereignEG المتوافقة مع OpenAI: وجّه الـ Base URL في الـ SDK لديك إلى https://backend.sovereigneg.com/v1، واستدعِ Endpoint /v1/embeddings مع Model ID bge-m3 ومفتاح API الخاص بك.