BGE向量模型近期迎来重大更新，包括多模态、代码和重排功能。BGE-Code-v1专为代码检索设计，基于Qwen2.5-Coder-1.5B，擅长多语言文本理解，在CoIR和CodeRAG测试中表现卓越。BGE-VL-v1.5基于LLaVA-1.6，显著提升图文理解和检索能力，在MMEB测试中刷新zero-shot模型最佳表现。BGE-VL-Screenshot适用于可视化信息检索，基于Qwen2.5-VL-3B-Instruct，在MVRB测试中综合得分登顶SOTA。这些更新拓展了BGE模型的应用场景。
💻BGE-Code-v1：专为代码检索任务设计，基于Qwen2.5-Coder-1.5B开发，具备强大的多语言文本理解能力，适用于开发文档搜索、代码库语义检索、跨语言信息获取等场景，并在CoIR和CodeRAG基准测试中表现优异。
🖼️BGE-VL-v1.5：基于LLaVA-1.6（7.57B参数）训练，显著提升了图文理解能力和检索能力，适用于图文匹配、多模态问答、跨模态推荐等场景，并在MMEB基准测试中刷新了zero-shot模型的最佳表现，并在检索任务上登顶SOTA。
📸BGE-VL-Screenshot：基于Qwen2.5-VL-3B-Instruct开发，适用于可视化信息检索（Vis-IR）任务，如截图检索、复合截图检索、截图QA和开放分类等，特别适用于网页、文档等多模态任务，在MVRB基准测试中表现出色，综合得分达到60.61，登顶SOTA。
2025-05-22 11:54 广东
近期，bge向量模型来了一波大的更新：多模态、code、重排（段落、文档）。
基于Qwen2.5-Coder-1.5B开发，专为代码检索任务设计，具备强大的多语言文本理解能力。模型在CoIR和CodeRAG基准测试中表现优异，超越谷歌、Voyage AI等模型。
基于LLaVA-1.6（7.57B参数）训练，显著提升了图文理解能力和检索能力。模型在MMEB基准测试中刷新了zero-shot模型的最佳表现，并在检索任务上登顶SOTA。
基于Qwen2.5-VL-3B-Instruct开发，适用于网页、文档等多模态任务。模型在MVRB基准测试中表现出色，综合得分达到60.61，登顶SOTA。
https://huggingface.co/BAAI
https://huggingface.co/BAAI/bge-code-v1
https://huggingface.co/BAAI/Matroyshka-ReRanker-document
欢迎关注我的公众号“PaperAgent”，每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。
阅读原文
跳转微信打开
