BGE-Large-ZH-v1.5
面向中文检索的稠密向量模型，官方称v1.5版本缓解了相似度分布问题并提升无指令检索能力，输出1024维向量、最大输入512 tokens。
最后核实：
https://huggingface.co/BAAI/bge-large-zh-v1.5特点与限制
主要特点
- 官方更新日志记录2023-09-12发布bge-*-v1.5系列，并说明v1.5用于缓解相似度分布问题、增强无指令检索能力
- 官方模型卡C-MTEB表列出该型号31个数据集6类任务平均64.53分，检索70.46分
- 输出1024维稠密向量，采用CLS池化（仓库1_Pooling/config.json）
- 官方给出FlagEmbedding与sentence-transformers两种用法，并提供中文检索指令“为这个句子生成表示以用于检索相关文章：”（建议仅用于短查询，文档侧不加指令）
- 官方说明v1.5在无指令情况下检索性能仅比带指令略有下降，可省略指令以简化流程
使用边界
- 官方标注语言为中文，未声明多语言或跨语言能力；跨语言检索需另选型号（如官方推荐的bge-m3）。
- 最大输入512 tokens，长文档需要切分；官方模型卡未为中文型号单列上下文长度，本条数值来自官方仓库sentence_bert_config.json。
- C-MTEB成绩为官方模型卡表格中的自报值，未披露评测脚本版本、指令使用方式与模型revision；本站未复现。
- 第三方MTEB结果仓库另有该型号的MIRACL硬负例与多语言/英文任务结果，执行者身份未核实，不构成独立交叉佐证。
- 官方模型卡未单列参数量，本条采用技术报告的large档口径；第三方元数据的1.34B与仓库结构不一致。
- 相似度阈值需按自有数据分布选择（官方FAQ说明v1.0分数多落在0.6–1区间，v1.5缓解该问题），本站未在自有中文语料验证。
模型信息
- 家族与版本
- BGE / Large-ZH-v1.5
- 输入与输出
- 文本 → 向量
- 公开参数规模
- 0.326B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- BGE技术报告（C-Pack）说明BGE系列large档为326M参数，v1.5沿用同结构（官方仓库config.json为BertModel、24层、hidden 1024、vocab 21128）；官方模型卡未单列该检查点参数量。第三方MTEB结果仓库的model_meta.json将n_parameters标为1.34B，与论文及仓库结构口径不一致，本条不采用。 参数来源
- 原生上下文
- 512 tokens
- 扩展上下文
- 未提供
- 语言声明
- 中文；语言支持不代表对应语言的评测水平。
- 权重许可
- MIT
- 代码许可
- MIT
- 训练资料
- BGE技术报告（C-Pack）披露三阶段训练与数据构成：C-MTP无标注语料约1亿文本对（Wudao、Zhihu、Baike、CSL、XLSUM-Zh、Amazon-Review-Zh、CMRC等），C-MTP有标注语料约100万对（T2-Ranking、mMARCO-Zh等）；官方未单独披露v1.5相对v1.0的增量数据与完整逐样本清单。
能力依据
模型变体：专用版；家族与版本：BGE / Large-ZH-v1.5
向量检索
C-MTEB（31个数据集、6类任务平均分） · 平均分（Avg）64.53分（0–100）C-MTEB（官方模型卡汇总表） · 中文MIRACLRetrievalHardNegatives（MTEB任务） · nDCG@100.37674分（0–1）MIRACL硬负例检索中文子集（zho-Hans，dev；dataset revision 95c8db7d4a6e9c1d8a60601afd63d553ae20a2eb） · 中文C-MTEB（Retrieval任务） · Retrieval平均分70.46分（0–100）C-MTEB检索类任务（官方模型卡汇总表） · 中文查看评估与来源收起补充信息
向量检索
C-MTEB（31个数据集、6类任务平均分） · 平均分（Avg）64.53分（0–100）C-MTEB（官方模型卡汇总表） · 中文
MIRACLRetrievalHardNegatives（MTEB任务） · nDCG@100.37674分（0–1）MIRACL硬负例检索中文子集（zho-Hans，dev；dataset revision 95c8db7d4a6e9c1d8a60601afd63d553ae20a2eb） · 中文
C-MTEB（Retrieval任务） · Retrieval平均分70.46分（0–100）C-MTEB检索类任务（官方模型卡汇总表） · 中文
可作为中文检索的稠密向量候选：官方模型卡报告C-MTEB平均64.53分、检索70.46分、STS 56.25分，并称v1.5缓解相似度分布问题、提升无指令检索能力；MTEB结果仓库另有该型号在MIRACL硬负例中文子集的nDCG@10 0.37674，提交者与运行配置未核实。
已有依据支持
- 官方C-MTEB表并列v1.5与前代bge-large-zh的同类分数，版本差异可对照。
- 官方明确给出查询指令用法与无指令表现的差异说明，便于按场景取舍。
- MTEB结果仓库记录了该型号精确revision下的多项任务结果，批次与拆分可追溯。
证据限制
- C-MTEB成绩由模型发布方在卡片中自报，未披露评测脚本版本、指令使用方式与模型revision，本站未复现。
- MTEB结果仓库的MIRACL记录由社区提交，提交者身份与运行配置未核实，不构成独立交叉佐证。
- 该型号为中文单语，其他语种子集分数明显偏低；跨语言场景应改用多语言型号。
- 最大输入512 tokens，长文档检索需要切分策略配合。
- 本站未在自有中文语料验证检索质量与相似度阈值。
C-MTEB（31个数据集、6类任务平均分） · 平均分（Avg）
64.53 分（0–100）官方报告 · BAAI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- BAAI/bge-large-zh-v1.5 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- C-MTEB（官方模型卡汇总表） / 未提供
- 基准 / 报告版本
- BAAI/bge-large-zh-v1.5官方模型卡C-MTEB表
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 官方模型卡推荐查询指令“为这个句子生成表示以用于检索相关文章：”，但该表未注明评测时是否使用指令；数值来自官方模型卡C-MTEB表，该表列出bge-large-zh-v1.5（1024维）的Avg 64.53，同表检索70.46、STS 56.25、PairClassification 81.6、Classification 69.13、Reranking 65.84、Clustering 48.99，并并列bge-large-zh（64.20）等对照；卡片说明C-MTEB由6类任务31个数据集构成。来源未披露评测脚本版本、是否使用查询指令、模型revision与推理配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- baai / baai-bge-large-zh-v15-card
- 来源
- https://huggingface.co/BAAI/bge-large-zh-v1.5
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层基准数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露评测脚本版本、指令使用方式、模型revision与推理配置；该汇总值仅记录原卡片口径，不加入跨型号比较组。
C-MTEB（Retrieval任务） · Retrieval平均分
70.46 分（0–100）官方报告 · BAAI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- BAAI/bge-large-zh-v1.5 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- C-MTEB检索类任务（官方模型卡汇总表） / 未提供
- 基准 / 报告版本
- BAAI/bge-large-zh-v1.5官方模型卡C-MTEB表
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 官方模型卡推荐查询指令“为这个句子生成表示以用于检索相关文章：”，但该表未注明评测时是否使用指令；官方模型卡C-MTEB表中bge-large-zh-v1.5（1024维）的Retrieval列70.46，同表bge-large-zh为71.53；卡片说明检索类任务含查询指令用法。来源未披露检索任务清单、数据集划分、评测脚本版本与模型revision；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- baai / baai-bge-large-zh-v15-card
- 来源
- https://huggingface.co/BAAI/bge-large-zh-v1.5
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层基准数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露检索任务清单、划分、评测脚本版本、指令使用方式与模型revision；该汇总值仅记录原卡片口径，不加入跨型号比较组。
C-MTEB（STS任务） · STS平均分
56.25 分（0–100）官方报告 · BAAI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- BAAI/bge-large-zh-v1.5 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- C-MTEB语义文本相似度任务（官方模型卡汇总表） / 未提供
- 基准 / 报告版本
- BAAI/bge-large-zh-v1.5官方模型卡C-MTEB表
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；官方模型卡C-MTEB表中bge-large-zh-v1.5（1024维）的STS列56.25，同表bge-large-zh为54.98、bge-base-zh-v1.5为53.72；卡片称v1.5缓解相似度分布问题，该列可用于观察相似度类任务表现。来源未披露STS数据集清单、划分与评测脚本版本；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- baai / baai-bge-large-zh-v15-card
- 来源
- https://huggingface.co/BAAI/bge-large-zh-v1.5
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层基准数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露STS数据集清单、划分、评测脚本版本与模型revision；该汇总值仅记录原卡片口径，不加入跨型号比较组。
MIRACLRetrievalHardNegatives（MTEB任务） · nDCG@10
0.37674 分（0–1）第三方评测 · MTEB结果仓库社区提交（提交者身份未核实）独立性待确认
展开评测条件与来源
- 模型标识 / 修订
- BAAI/bge-large-zh-v1.5 / 79e7739b6ab944e86d6171e44d24c997fc1e0116
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / MTEB reference implementation
- 数据集 / 划分
- MIRACL硬负例检索中文子集（zho-Hans，dev；dataset revision 95c8db7d4a6e9c1d8a60601afd63d553ae20a2eb） / dev
- 基准 / 报告版本
- MTEB 1.38.43（结果仓库，模型revision 79e7739b6ab944e86d6171e44d24c997fc1e0116）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；结果文件位于MTEB结果仓库BAAI__bge-large-zh-v1.5目录的模型revision 79e7739b下，任务主指标ndcg_at_10、dev拆分、hf_subset=zh（zho-Hans），同文件其他语种子集分数显著更低（如en 0.24727、ja 0.19855、de 0.0668），可反映该中文单语模型的语言范围。结果仓库未在文件中记录提交者与运行设置，且不能据提交用户名确认其与模型发布方的关系；评测运行日未披露；不是本站复测。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 独立性待确认
- 来源标识 / 评测批次
- mteb-results-community / mteb-results-bge-large-zh-v15-79e7739b
- 来源
- https://github.com/embeddings-benchmark/results/blob/main/results/BAAI__bge-large-zh-v1.5/79e7739b6ab944e86d6171e44d24c997fc1e0116/MIRACLRetrievalHardNegatives.json
- 来源使用说明
- 开放数据；许可：CC0-1.0；引用结果数据仓库中按CC0发布的少量成绩；该任务及其数据集分别遵循各自许可，本记录不复制基准数据。 查看说明
- 比较状态
- 不可比：精确型号、任务与拆分明确，但提交者、提示与完整推理配置未披露；独立性未确认，不与官方C-MTEB汇总或其他模型分数直接比较。
运行条件与获取
FlagEmbedding
系统支持未提供 · PyTorch checkpoint（pytorch_model.bin） · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；内存、显存和吞吐取决于精度（如use_fp16）、批大小与输入长度，不将参数量或文件大小换算为资源保证。
内存：未核实；显存：未核实。
依赖：FlagEmbedding、torch。
STEP 01 安装 FlagEmbedding
官方模型卡Usage章节给出的安装命令；官方另提供从源码安装的方式。本站未执行。
python -m pip install -U FlagEmbeddingSTEP 02 按官方示例编码
官方示例用FlagModel加载此模型并设置query_instruction_for_retrieval与use_fp16；检索场景建议用encode_queries()自动为查询加指令，文档用encode()/encode_corpus()不加指令。官方提醒FlagModel默认使用全部可用GPU，可用CUDA_VISIBLE_DEVICES限制。本站未下载权重或执行模型。
sentence-transformers
系统支持未提供 · PyTorch checkpoint（含sentence-transformers配置） · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；资源占用取决于精度、批大小与输入长度，官方未给出该路线的资源需求数值。
内存：未核实；显存：未核实。
依赖：sentence-transformers、torch。
STEP 01 安装 sentence-transformers
官方模型卡给出的安装命令。本站未执行。
python -m pip install -U sentence-transformersSTEP 02 按官方示例编码
官方示例用SentenceTransformer加载此模型并设置normalize_embeddings=True；检索时短查询前需自行拼接指令字符串，文档侧不加指令。本站未下载权重或执行模型。